Recherche sémantique

Qu'est-ce que la recherche sémantique ?

La recherche sémantique est une technique de recherche qui comprend le sens d'une requête au lieu de simplement faire correspondre des mots-clés. Lorsqu'un client demande « comment récupérer mon argent ? », la recherche par mots-clés cherche des documents contenant exactement ces mots. La recherche sémantique comprend que le client parle d'un « remboursement » et trouve la politique de remboursement, même si le mot « argent » n'apparaît jamais dans le document.

Cette capacité repose sur des embeddings IA qui convertissent le texte en représentations numériques du sens. Les requêtes et les documents de sens proche se retrouvent à proximité dans l'espace vectoriel, ce qui permet au système de recherche de trouver des résultats pertinents sur le plan conceptuel.

Comment la recherche sémantique alimente l'IA du service client

La recherche sémantique est le fondement de la génération augmentée par récupération (RAG), l'architecture qu'utilisent la plupart des agents IA pour trouver des informations exactes. Lorsqu'un client pose une question :

1. La question est convertie en embedding (représentation numérique de son sens)
2. La recherche sémantique identifie les documents les plus pertinents de la base de connaissances en comparant la similarité des embeddings
3. Ces documents sont fournis à l'IA comme contexte pour générer sa réponse
4. L'IA produit une réponse ancrée dans le contenu récupéré

Ce processus se déroule en quelques millisecondes et permet des réponses en temps réel à la fois exactes et pertinentes au regard du contexte.

Recherche sémantique ou recherche par mots-clés

• Recherche par mots-clés : elle trouve les correspondances exactes de mots. Rapide et précise pour les termes connus, elle passe toutefois à côté des correspondances conceptuelles et échoue lorsque les clients n'emploient pas la même terminologie que votre documentation.
• Recherche sémantique : elle trouve les correspondances de sens. Elle gère les synonymes, les reformulations et les requêtes conceptuelles. Plus adaptée aux questions en langage naturel, elle nécessite cependant une infrastructure d'embeddings.
• Recherche hybride : elle combine les deux approches, avec la correspondance par mots-clés pour les recherches précises et la correspondance sémantique pour les requêtes conceptuelles. C'est l'approche adoptée par la plupart des plateformes d'IA d'entreprise.

Contexte technique : Microsoft Research a constaté que combiner la récupération dans un graphe de connaissances avec un RAG sémantique améliorait l'exactitude factuelle d'environ 23 %, preuve que la recherche sémantique associée à des connaissances structurées surpasse nettement la recherche par mots-clés seule.

L'avantage Maven : graphe de connaissances + recherche sémantique

Maven AGI associe la recherche sémantique au parcours d'un graphe de connaissances : il comprend non seulement quel contenu est sémantiquement proche de la requête, mais aussi comment les concepts sont reliés entre eux. Maven peut ainsi récupérer non seulement le document le plus pertinent, mais aussi l'ensemble du contexte (politiques, workflows et détails produit associés) nécessaire à une résolution exacte.

La preuve par Maven : K1x a atteint un taux de résolution de 80 % avec Maven AGI sur des demandes financières complexes, où la récupération exacte des bonnes politiques et procédures est essentielle, preuve que la qualité de la recherche sémantique conditionne directement la qualité de la résolution.

Questions fréquentes

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

Oui. Les modèles d'embeddings multilingues peuvent faire correspondre des requêtes formulées dans une langue avec des documents rédigés dans une autre. Une question posée en français peut ainsi trouver une réponse dans une documentation en anglais, ce qui permet un support multilingue sans traduire l'intégralité de la base de connaissances.

Quelle est la précision de la recherche sémantique ?

La précision dépend de la qualité des embeddings, de l'organisation du contenu et de la complexité des requêtes. Avec une base de connaissances bien structurée, au contenu clair et complet, la recherche sémantique atteint une grande précision de récupération. Ses performances se dégradent face à des requêtes ambiguës, à un contenu mal organisé ou à une terminologie très spécialisée peu représentée dans le modèle d'embeddings.

La recherche sémantique remplace-t-elle la recherche par mots-clés ?

Pas entièrement. Dans la pratique, les approches hybrides qui combinent recherche sémantique et recherche par mots-clés donnent les meilleurs résultats. La recherche par mots-clés excelle pour trouver des identifiants précis (numéros de commande, références produit), tandis que la recherche sémantique excelle dans la compréhension des questions en langage naturel.