Quand un visiteur tape « je déménage, comment je fais pour mon contrat ? », il ne prononce ni le mot « résiliation » ni le mot « transfert », qui figurent pourtant dans vos conditions. Une recherche classique par mots-clés ne trouve rien. La recherche sémantique, elle, cherche le sens de la question et retrouve les passages qui en parlent, même formulés autrement.
Mots-clés ou sens : deux manières de chercher
La recherche par mots-clés compare les mots de la question à ceux des documents. Elle est rapide, précise sur les termes exacts et facile à expliquer : un document est trouvé parce qu'il contient le mot cherché. Les moteurs classiques améliorent ce principe avec des méthodes de pondération comme BM25, qui donnent plus de poids aux mots rares et aux documents où ils reviennent souvent.
La recherche sémantique compare le sens. Chaque passage de document et chaque question sont transformés en embeddings, des suites de nombres qui représentent leur signification. Le système retrouve alors les passages dont le sens est le plus proche, même sans mot commun.
| Situation | Recherche par mots-clés | Recherche sémantique |
|---|---|---|
| Synonymes (« tarif » et « prix ») | Manque souvent le passage | Le retrouve |
| Question formulée en langage courant | Dépend des mots choisis | Fonctionne bien |
| Référence exacte, numéro, code | Très précise | Moins fiable |
| Question dans une autre langue que le document | Échoue | Fonctionne avec un modèle multilingue |
| Explication du résultat | Simple : le mot est présent | Plus difficile : le sens est proche |
Pourquoi c'est utile pour un assistant IA
Les visiteurs ne connaissent pas le vocabulaire de votre entreprise. Ils écrivent comme ils parlent, avec leurs mots, parfois avec des fautes, parfois dans une autre langue. La recherche sémantique comble cet écart et permet à l'assistant de retrouver la bonne information dans la base de connaissances.
Dans les assistants qui fonctionnent en RAG, elle constitue la première étape : retrouver les passages pertinents, puis les transmettre au modèle de langage pour qu'il rédige la réponse. Les passages sont en général rangés dans une base de données vectorielle, qui rend cette recherche rapide même sur de grands volumes.
La recherche hybride
Les deux méthodes ont des forces complémentaires. Beaucoup de systèmes les combinent : la recherche par mots-clés trouve les termes exacts (un nom de produit, un numéro de formulaire), la recherche sémantique trouve les formulations différentes. Les résultats sont ensuite fusionnés et classés. Cette recherche hybride donne en général de meilleurs résultats que chacune des deux seule, surtout dans les domaines où le vocabulaire technique cohabite avec le langage courant.
Les limites de la recherche sémantique
- Proche ne veut pas dire correct. Un passage sur la garantie d'un appareil neuf sera proche d'une question sur la garantie d'une réparation, sans s'y appliquer. Le modèle et ses consignes doivent ensuite vérifier la portée
- Le découpage des documents compte. Un passage trop long mélange les sujets, un passage trop court perd son contexte. Des sections claires, avec un titre explicite, améliorent les résultats
- Les nombres se représentent mal. « Délai de 14 jours » et « délai de 30 jours » ont des sens très proches pour un modèle d'embedding, alors que la différence compte pour le client
- Le résultat est moins explicable. Quand un mauvais passage remonte, il est plus difficile de comprendre pourquoi qu'avec une recherche par mots
Ces limites expliquent pourquoi la recherche ne suffit jamais seule : la citation de la source, la consigne de dire « je ne sais pas » et la relecture des conversations restent nécessaires.
Comment écrire des documents faciles à retrouver
Quelle que soit la méthode de recherche, quelques habitudes d'écriture aident l'assistant :
- Un titre explicite par section, qui reprend les mots qu'emploieraient vos clients : « Résilier ou transférer son contrat en cas de déménagement »
- Le sujet répété dans les paragraphes importants, plutôt qu'un pronom qui renvoie à un titre trois paragraphes plus haut
- Les synonymes courants mentionnés une fois : « le tarif (prix) de déplacement »
- Les termes dans les trois langues pour les notions clés, si votre public est multilingue
Et dans KernChat ?
KernChat n'utilise pas de recherche sémantique par embeddings à ce jour. Les sources des espaces de connaissance entrent en entier dans le contexte du modèle, qui lit lui-même les documents et comprend les formulations différentes. Quand les sources dépassent la limite de taille d'un assistant, une recherche par mots-clés de type BM25 classe celles qui partagent le plus de mots avec la question pour les faire entrer en premier. Pour la documentation d'une PME, cette approche évite les passages manqués et garde chaque règle dans son contexte complet.