Recherche sémantique

La recherche sémantique est une méthode de recherche d'information qui compare le sens d'une requête à celui des documents, au lieu de se contenter de chercher les mots exacts de la requête dans les documents.

Timothé Merle

En résumé

Définition clé

La recherche sémantique comprend que la requête "logiciel pour suivre les heures de mes employés" et une page sur la "gestion des temps" parlent du même besoin. Elle repose sur des modèles de langage, comme BERT chez Google depuis 2019, et sur des embeddings qui rapprochent les textes de sens voisin. Les moteurs de recherche IA s'en servent pour choisir les passages qu'ils citent.

Importance

Pourquoi est-ce important ?

  • Avec la recherche sémantique, une page peut remonter sans employer les mots exacts de la requête. Un bon contenu touche donc plus de requêtes.
  • Les petits mots comptent. Avec BERT, Google a montré que le "to" de "brazil traveler to usa" change le sens de la requête.
  • Les moteurs de recherche IA retiennent les passages les plus proches de la question par le sens, et un passage clair qui se suffit à lui-même part avec une longueur d'avance.
  • Le bourrage de mots-clés ne sert plus à grand-chose, puisque répéter un terme ne rapproche pas un texte du sens d'une question.
  • Les prompts adressés aux assistants IA sont longs et conversationnels. La correspondance exacte de mots-clés les gère mal, la recherche sémantique les gère bien.

Comment ça fonctionne ?

La recherche sémantique convertit requêtes et documents en représentations qui captent le sens, puis les compare. Dans la pratique, la plupart des moteurs la combinent avec la recherche lexicale classique.

  1. 1

    Comprendre la requête

    Un modèle de langage lit la requête d'un bloc et tient compte du contexte de chaque mot. En 2019, Google a annoncé utiliser BERT pour mieux comprendre les requêtes. Dans son exemple "2019 brazil traveler to usa need a visa", le "to" signale un Brésilien qui part aux États-Unis et pas l'inverse. Les prompts adressés aux assistants IA suivent la même logique.

  2. 2

    Comparer des vecteurs

    En recherche dense, un modèle encode la requête et chaque passage sous forme de vecteur, qu'on appelle embedding. Les passages dont le vecteur est le plus proche de celui de la requête sont jugés les plus pertinents, la proximité se mesurant souvent par similarité cosinus. Sentence-BERT en 2019, puis Dense Passage Retrieval en 2020, ont rendu cette approche rapide à grande échelle.

  3. 3

    Recherche hybride

    La recherche purement vectorielle rate parfois les noms propres, les références produit ou les codes d'erreur. La recherche lexicale, elle, les trouve sans peine. Beaucoup de systèmes additionnent donc un score lexical, comme BM25, et un score sémantique, puis réordonnent les meilleurs résultats avec un modèle plus précis. Voilà pourquoi les mots exacts gardent leur valeur, surtout pour les noms de marque et de produit.

  4. 4

    Du résultat à la réponse IA

    Dans un moteur de recherche IA, la recherche sémantique fait office d'étape de récupération. Le système récupère les passages les plus proches de la question, le modèle de langage rédige sa réponse à partir d'eux et cite leurs sources. C'est le principe du RAG. Un passage écarté à ce stade ne sera jamais cité, aussi bonne que soit la suite de la page.

Métriques

Comment le mesurer ?

  • Exportez les requêtes de la Search Console et regardez si vos pages obtiennent des impressions sur des formulations qui n'emploient pas leurs mots-clés principaux.
  • Classez ces requêtes par intention, puis vérifiez qu'une page répond clairement à chacune.
  • Prenez un modèle d'embeddings, celui de l'API OpenAI par exemple, et calculez la similarité entre vos passages importants et une liste de vraies questions clients.
  • Posez la même question aux assistants IA sous plusieurs formulations. La même page est-elle citée à chaque fois ?
  • Suivez dans la durée un jeu de prompts variés et la présence de vos pages parmi les sources citées, par exemple avec l'Agent reporting de Hikoo.

Pièges

Quelles sont les erreurs courantes ?

  • Répéter le même mot-clé dans chaque paragraphe n'apporte rien à la recherche sémantique, et le texte devient pénible à lire pour les humains comme pour les modèles.
  • Bannir les termes exacts est une erreur. La recherche hybride récompense toujours la présence des noms de marque, de produit et de catégorie.
  • Des paragraphes qui ne se comprennent qu'avec le reste de la page coûtent des citations, car les moteurs IA récupèrent des passages isolés.
  • Une page par variante de mot-clé éparpille le sens sur des URL presque identiques, là où une seule page de référence complète ferait mieux.
  • Le jargon interne éloigne vos passages des questions que les clients posent vraiment, avec leurs propres mots.

Par où commencer ?

Suivez ces étapes pour commencer.

  • Récupérez les vraies questions de vos clients auprès du support, des ventes et dans la Search Console.
  • Classez-les par intention et donnez une page de référence à chaque intention.
  • Commencez chaque section par une phrase qui répond directement à la question visée.
  • Rendez chaque paragraphe lisible seul, en nommant le sujet au lieu d'écrire "il" ou "cela".
  • Conservez les termes exacts qui comptent, comme les noms de marque, de produit et de catégorie.
  • Glissez naturellement les synonymes et les formulations de vos clients.
  • Fusionnez les pages presque identiques qui visent la même intention.

Exemples

Formulation client contre vocabulaire métier

Un éditeur de logiciel RH présente son produit comme une "solution de gestion des temps et activités". Ses prospects, eux, demandent aux IA "comment savoir combien d'heures font mes salariés". L'éditeur ajoute une section qui reprend cette formulation et y répond sans détour. Son contenu se rapproche ainsi des vraies questions.

Passage autonome

Sur une page tarifs hypothétique, on lit "Il coûte 49 euros". Sorti de son contexte, ce passage ne dit pas de quoi il parle. Réécrit en "L'abonnement Pro de [produit] coûte 49 euros par mois", il se récupère seul et colle à des questions comme "combien coûte [produit]".

Questions fréquentes

  • Les mots-clés sont-ils encore utiles avec la recherche sémantique ?

    Oui, mais ils ne suffisent plus. La plupart des moteurs mêlent recherche lexicale et recherche sémantique, si bien que les termes exacts comptent toujours pour les noms de marque, de produit et de catégorie. La différence, c'est qu'une page n'a plus à répéter chaque variante pour être trouvée. Elle doit surtout répondre clairement à l'intention.

  • Quelle différence entre recherche sémantique et recherche vectorielle ?

    La recherche sémantique désigne le but, trouver des contenus par le sens. La recherche vectorielle est la technique la plus courante pour l'atteindre, en comparant des embeddings dans un espace de vecteurs. On peut faire de la recherche sémantique sans vecteurs, avec des graphes de connaissances par exemple, même si les deux termes s'emploient souvent comme synonymes aujourd'hui.

  • Comment ChatGPT et Perplexity utilisent-ils la recherche sémantique ?

    Quand la recherche web est active, ces assistants récupèrent des pages et des passages pertinents avant d'écrire leur réponse, puis citent leurs sources. Le détail de leurs systèmes de classement n'est pas public. Le principe général décrit dans la littérature sur le RAG tient toujours. Le système sélectionne les passages proches de la question par le sens, et le modèle s'en sert pour répondre.

  • Comment adapter son contenu à la recherche sémantique ?

    Partez des vraies questions de vos clients, classez-les par intention et donnez à chaque intention sa page de référence. Commencez chaque section par une réponse directe, et faites en sorte que chaque paragraphe se comprenne seul. Gardez les termes exacts qui comptent et glissez les synonymes naturellement. Pour voir comment les moteurs IA lisent vos pages, l'audit gratuit sur /tools/free-audit donne un premier diagnostic.

Sources

  1. 1Google Understanding searches better than ever before
  2. 2arXiv (Reimers and Gurevych) Sentence-BERT, Sentence Embeddings using Siamese BERT-Networks
  3. 3arXiv (Karpukhin et al.) Dense Passage Retrieval for Open-Domain Question Answering
  4. 4arXiv (Lewis et al.) Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

À propos de l'auteur

Timothé MerleTimothé MerleCo-founder of Hikoo, AEO and GEO expert
Voir le profil LinkedIn

Contenu associé

Testez la visibilité IA de votre site en 30 secondes.

Score GEO, santé technique et aperçu de votre visibilité sur ChatGPT et Gemini.

Lancer mon audit gratuitCommencer gratuitement