Recherche sémantique

Définition

La recherche sémantique est une technique de recherche qui met en correspondance les contenus par le sens plutôt que par les mots-clés exacts, en utilisant des embeddings pour trouver des résultats conceptuellement proches de la requête même s'ils n'ont aucun mot en commun avec elle.

Aussi connu sous : recherche vectoriellerecherche par le sensrecherche neuronale

Comment cela fonctionne

La requête et le contenu sont tous deux transformés en embeddings, puis comparés par similarité dans une base de données vectorielle. Une recherche sur « ma carte a été refusée » peut faire remonter un article intitulé « Échecs de paiement et comment les corriger », parce que leurs sens sont proches, même sans mot-clé commun.

Cela contraste avec la recherche par mots-clés (lexicale) traditionnelle, qui repose sur le recouvrement littéral des termes. Beaucoup de systèmes en production combinent les deux — on parle de recherche hybride — pour obtenir à la fois la précision et le rappel sémantique.

Pourquoi c'est important pour le support

Les clients formulent rarement leurs questions comme votre documentation. La recherche sémantique comble cet écart, ce qui explique qu'elle améliore nettement le libre-service : c'est l'étape de récupération qui alimente en réponses exactes et ancrées un agent IA de support.

Questions fréquentes

Quelle est la différence entre la recherche sémantique et la recherche par mots-clés ?

La recherche par mots-clés met en correspondance des termes littéraux ; la recherche sémantique met en correspondance le sens à l'aide d'embeddings, ce qui lui permet de trouver des résultats pertinents formulés avec des mots totalement différents de la requête.

La recherche sémantique et le RAG, est-ce la même chose ?

Non. La recherche sémantique est l'étape de récupération qui trouve le contenu pertinent. Le RAG reprend ce contenu récupéré et le transmet à un modèle de langage pour générer une réponse ancrée.

Termes liés

Embeddings

Les embeddings sont des représentations vectorielles numériques de texte (ou d'images, de code, etc.) qui capturent le sens : des contenus de sens proche se retrouvent ainsi côte à côte dans un espace de grande dimension..

Base de données vectorielle

Une base de données vectorielle est une base conçue pour stocker et rechercher des embeddings — des vecteurs à haute dimension — par similarité, afin de retrouver rapidement le contenu dont le sens est le plus proche d'une requête..

Génération augmentée par récupération (RAG)

La génération augmentée par récupération (RAG) est une technique par laquelle un modèle d'IA récupère les informations pertinentes dans vos propres sources de connaissances au moment de la requête et s'en sert pour ancrer sa réponse, au lieu de se fier uniquement à ce qu'il a mémorisé pendant l'entraînement..

Base de connaissances

Une base de connaissances est une bibliothèque d'articles structurée et consultable — modes d'emploi, FAQ, guides de dépannage et politiques — qui permet aux clients ou aux agents de trouver des réponses sans contacter directement le support..

Taux de libre-service

Le taux de libre-service est la part des questions clients résolues grâce aux ressources en libre-service — centre d'aide, FAQ, portails ou automatisation — sans que le client ait eu besoin de contacter un agent de support..

Passez à l'action

Macha est une couche d'agents IA qui se pose sur le help desk que vous utilisez déjà, Zendesk, Freshdesk, Front, Intercom ou Gorgias.

Démarrer l'essai