Recherche sémantique : retrouver le bon document sans le bon mot

Quand la recherche interne ne trouve rien

La scène est familière. Un collaborateur cherche la procédure de retour d'un produit. Il saisit « retour produit » dans l'intranet et n'obtient rien d'utile. Le document existe pourtant : il s'intitule « Gestion des réexpéditions clients ». Faute du bon terme, l'information reste introuvable.

Ce décalage entre les mots de celui qui cherche et ceux de celui qui a rédigé est la première cause d'échec des moteurs internes. Il s'aggrave avec le temps : les documents s'accumulent, les vocabulaires divergent d'un service à l'autre, et chacun finit par demander à un collègue plutôt que de chercher.

Le coût est réel, même s'il est diffus : temps perdu, réponses divergentes données aux clients, documents recréés alors qu'ils existaient déjà. La recherche sémantique répond précisément à ce problème.

Recherche sémantique : une définition simple

La recherche sémantique est une méthode qui retrouve des documents d'après le sens de la question, et non d'après la présence de mots identiques. Elle comprend que « retour produit » et « réexpédition client » désignent la même réalité.

Elle repose sur une représentation mathématique du sens. Chaque passage de texte est converti en vecteur par un modèle de langage. Deux passages de sens voisin se retrouvent proches l'un de l'autre dans cet espace. Chercher revient alors à mesurer une distance : quels passages sont les plus proches de la question ?

Le principe est le même que celui qui guide aujourd'hui les moteurs grand public. Nous l'avons décrit, côté visibilité en ligne, dans notre guide de l'approche sémantique des contenus. Appliqué à vos propres documents, il transforme la recherche documentaire.

Recherche par mots exacts et recherche par le sens : les différences

Les deux approches ne s'opposent pas : elles ne répondent pas aux mêmes besoins.

La recherche par mots exacts reste donc irremplaçable pour retrouver une référence d'article, un numéro de contrat ou un nom de client. La recherche sémantique excelle dès que la question est formulée comme on parlerait à un collègue.

Pourquoi la recherche hybride donne les meilleurs résultats

La recherche hybride combine les deux méthodes et fusionne leurs résultats. Elle interroge l'index par termes exacts et l'index vectoriel, puis classe l'ensemble des passages retrouvés.

Ce choix n'est pas un compromis, c'est un gain. Une question comme « garantie du modèle X200 après une chute » contient à la fois une référence précise, que seule la recherche exacte repère sûrement, et une intention, que seule la recherche par le sens comprend. Combinées, les deux approches remontent le bon passage du bon document.

Une dernière étape, le reclassement, peut affiner encore le résultat : un second modèle relit les passages candidats et les ordonne selon leur pertinence réelle pour la question. C'est souvent ce réglage qui fait passer un moteur de « correct » à « fiable ».

Recherche documentaire : quels contenus indexer

Un projet de recherche documentaire commence par un tri, non par une technologie. Tout indexer d'un coup est la meilleure façon d'obtenir des résultats confus.

Les contenus à forte valeur d'usage

• Les procédures et modes opératoires consultés chaque semaine.
• La documentation technique et les notices produits.
• Les contrats types, conditions de vente et documents de référence.
• Les réponses déjà apportées par le support, lorsqu'elles sont validées.
• Les pages du site et de la base d'aide en ligne.

Les contenus à écarter ou à traiter à part

Les brouillons, les versions périmées et les documents contradictoires doivent être retirés ou clairement datés. Les documents sensibles, comme les données de ressources humaines ou les éléments financiers, exigent un cloisonnement strict : le moteur ne doit montrer à chacun que ce qu'il a le droit de lire.

La question de la mise à jour

Un index n'a de valeur que s'il reflète l'état réel des documents. La réindexation doit être automatique à chaque modification, et suivie dans le temps. Elle s'inscrit naturellement dans un contrat de maintenance et de support technique.

Trois situations où la recherche sémantique change le quotidien

La valeur de l'outil se mesure dans des situations très concrètes.

• L'arrivée d'un nouveau collaborateur : il pose ses questions avec ses propres mots et accède directement aux procédures de l'entreprise, sans connaître encore son vocabulaire interne.
• La réponse à un client au téléphone : le conseiller retrouve la clause ou la notice concernée pendant l'échange, au lieu de promettre un rappel.
• La préparation d'une offre : l'équipe commerciale retrouve les propositions déjà rédigées sur un sujet voisin et s'en inspire, plutôt que de repartir d'une page blanche.

Dans les trois cas, le gain ne tient pas à la vitesse de la machine. Il tient au fait que l'information redevient accessible à ceux qui n'en connaissent pas l'intitulé exact.

Du moteur de recherche à l'assistant qui répond

La recherche sémantique rend une liste de passages. L'étape suivante consiste à confier ces passages à un modèle d'IA générative, qui rédige une réponse directe et cite ses sources. C'est ce que l'on appelle le RAG.

La recherche sémantique en est le moteur : si elle remonte les bons passages, la réponse sera juste ; si elle se trompe, aucun modèle ne rattrapera l'erreur. Notre page sur le chatbot intelligent connecté à vos documents présente cette architecture et ses usages. Pour le détail technique, notre article sur l'indexation vectorielle avec les modèles d'OpenAI décrit chaque étape.

Le même socle sert ensuite plusieurs interfaces : une barre de recherche dans l'intranet, un assistant dans un outil métier, ou un assistant conversationnel pour le service client sur votre site.

Ce qui fait la qualité des résultats

La pertinence d'un moteur ne tient pas au hasard. Elle dépend de quelques décisions prises en amont.

Un découpage respectueux du sens

Les documents sont découpés en passages. Trop courts, ils perdent leur contexte ; trop longs, ils mêlent plusieurs sujets. Le découpage suit la structure du document : un titre et son contenu, un article de contrat, une question et sa réponse.

Des contenus lisibles par une machine

Un texte bien structuré, avec des titres explicites et des paragraphes courts, s'indexe mieux. Ces règles rejoignent celles qui rendent un contenu accessible aux moteurs d'intelligence artificielle sur le web public.

Des métadonnées et des filtres

Date, auteur, service, langue, type de document : ces informations permettent de restreindre la recherche et d'écarter les contenus obsolètes. Elles nourrissent aussi l'affichage des résultats.

Une interface qui aide à chercher

Le meilleur moteur déçoit s'il est mal présenté. Extraits surlignés, source visible, filtres simples, suggestion de questions : l'ergonomie compte autant que l'algorithme. Les principes exposés dans notre article sur les erreurs d'expérience utilisateur à éviter s'appliquent pleinement à un outil interne.

Une évaluation continue

Les recherches sans résultat et les réponses jugées inutiles sont une mine d'information. Relues régulièrement, elles révèlent les documents manquants, les termes métier mal compris et les réglages à ajuster.

Comment lancer un projet de recherche sémantique en entreprise

Un projet de recherche sémantique s'intègre le plus souvent à un outil existant. Nos équipes le réalisent dans le cadre du développement d'applications web sur mesure. Pour en discuter, il vous suffit de prendre contact avec Blue Web.

1. Recenser les sources : dressez la liste des endroits où se trouvent vos documents : serveur de fichiers, intranet, outil de tickets, site web, messagerie partagée.
2. Choisir un premier corpus : retenez un ensemble de documents à forte valeur et consultés souvent, comme les procédures ou la documentation technique.
3. Définir les droits d'accès : précisez qui peut lire quoi, afin que le moteur ne présente à chacun que les documents auxquels il a droit.
4. Indexer et enrichir : découpez les documents, calculez leurs vecteurs et ajoutez les métadonnées utiles : date, auteur, service, type de document.
5. Tester avec les utilisateurs : faites essayer le moteur par les équipes concernées, avec leurs propres questions, et notez les recherches qui échouent.
6. Organiser la mise à jour : prévoyez la réindexation automatique des documents modifiés et désignez un responsable de la qualité du corpus.

FAQ — Questions fréquentes

Qu'est-ce que la recherche sémantique ?

La recherche sémantique est une méthode de recherche qui compare le sens d'une question à celui des documents, et non la simple présence de mots identiques. Elle retrouve un passage pertinent même lorsqu'il est formulé autrement que la question.

Quelle différence entre recherche sémantique et recherche documentaire ?

La recherche documentaire désigne l'objectif : retrouver une information dans un ensemble de documents. La recherche sémantique est l'une des techniques qui permettent d'y parvenir, souvent associée à la recherche par termes exacts.

La recherche sémantique remplace-t-elle le moteur de recherche existant ?

Pas forcément. Dans la plupart des projets, elle le complète. La combinaison des deux approches, dite recherche hybride, donne de meilleurs résultats que chacune prise séparément.

Quels types de documents peut-on indexer ?

Les documents texte, les fichiers PDF, les pages web, les fiches produits, les tickets de support ou encore les comptes rendus peuvent être indexés. Les documents numérisés doivent d'abord passer par une reconnaissance de texte.

La recherche sémantique fonctionne-t-elle en plusieurs langues ?

Oui. Les modèles d'embedding multilingues rapprochent des textes de même sens rédigés dans des langues différentes. Une question posée en français peut ainsi retrouver un document rédigé en anglais.