- \n
- L’essentiel en 30 secondes<\/a><\/li>\n
- Trois recherches, une m\u00eame boutique<\/a><\/li>\n
- Mots exacts ou sens : deux moteurs, deux angles morts<\/a><\/li>\n
- La recherche hybride : deux recherches en parall\u00e8le, une fusion<\/a><\/li>\n
- Fusionner deux scores qui ne parlent pas la m\u00eame langue<\/a><\/li>\n
- La fusion en code : deux mani\u00e8res de faire<\/a><\/li>\n
- O\u00f9 se loge la recherche hybride dans un pipeline<\/a><\/li>\n
- Ce qu’elle ne fait pas : quatre id\u00e9es re\u00e7ues<\/a><\/li>\n<\/ul>\n
L’essentiel en 30 secondes<\/h2>\n
- \n
- La recherche hybride lance deux recherches en parall\u00e8le<\/strong>, l’une par mots-cl\u00e9s et l’autre par sens, puis fusionne leurs r\u00e9sultats.<\/li>\n
- Chaque moteur a un angle mort oppos\u00e9<\/strong> : les mots exacts ratent les paraphrases, les vecteurs peuvent rater le terme pr\u00e9cis.<\/li>\n
- Les scores n’ont pas la m\u00eame \u00e9chelle : on les divise par leur maximum<\/strong>, puis on les m\u00e9lange avec un poids \u03b1.<\/li>\n
- Le poids \u03b1 se r\u00e8gle autour de 0,3 \u00e0 0,5<\/strong>, et suffit \u00e0 faire basculer un classement.<\/li>\n
- Elle compl\u00e8te le s\u00e9mantique sans le remplacer<\/strong>, et ne r\u00e8gle pas tout : certaines limites tiennent \u00e0 la structure des donn\u00e9es.<\/li>\n<\/ul>\n
Trois recherches, une m\u00eame boutique<\/h2>\n
Imagine un catalogue de plusieurs millions d’articles : \u00e9lectronique, mode, \u00e9lectrom\u00e9nager. Les clients y cherchent de trois fa\u00e7ons, et chacune demande un talent diff\u00e9rent.<\/p>\n
- \n
- Le nom pr\u00e9cis : \u00ab iPhone 16 \u00bb. Il faut retrouver ce mot, tel quel.<\/li>\n
- La description vague : \u00ab t\u00e9l\u00e9phone de gamme moyenne avec un bon appareil photo \u00bb. Aucun mot du catalogue n’est garanti d’y figurer.<\/li>\n
- La requ\u00eate mixte : \u00ab iPhone \u00e0 moins de 500 dollars \u00bb. Un nom pr\u00e9cis et une contrainte \u00e0 comprendre.<\/li>\n<\/ul>\n
Une recherche lexicale comme BM25 a du mal avec les descriptions vagues. Une recherche s\u00e9mantique peut au contraire passer \u00e0 c\u00f4t\u00e9 du produit exact<\/strong>. La recherche hybride r\u00e9unit les deux talents : BM25 privil\u00e9gie les correspondances exactes comme \u00ab iPhone \u00bb, la recherche s\u00e9mantique capte le sens d’une phrase comme \u00ab t\u00e9l\u00e9phone avec un bon appareil photo \u00bb. Elle sert alors les trois cas \u00e0 la fois.<\/p>\n
Mots exacts ou sens : deux moteurs, deux angles morts<\/h2>\n
Le moteur qui lit les lettres<\/h3>\n
La recherche par mots-cl\u00e9s<\/strong> cherche une correspondance exacte avec certains termes. Elle brille sur les termes pr\u00e9cis (noms de produits ou d’entreprises, jargon sectoriel), mais elle est sensible aux fautes de frappe et aux synonymes, et ne saisit pas le contexte.<\/p>\n
Sous le capot, elle repose sur un index invers\u00e9. Le texte est pr\u00e9trait\u00e9 (d\u00e9coup\u00e9 en mots, pass\u00e9 en minuscules, ramen\u00e9 \u00e0 la racine des mots, d\u00e9barrass\u00e9 des mots vides), puis chaque terme est reli\u00e9 \u00e0 la liste des passages o\u00f9 il appara\u00eet. Plut\u00f4t que de relire toute la base, on suit la liste du terme recherch\u00e9. Pour classer, BM25 p\u00e8se la fr\u00e9quence du terme dans le passage, sa raret\u00e9 dans l’ensemble du corpus et la longueur du passage. On dit qu’il produit une repr\u00e9sentation creuse<\/strong>, par opposition aux vecteurs denses des mod\u00e8les de type Transformer<\/a> que nous verrons plus bas.<\/p>\n
Que renvoie un tel moteur quand on lui pose une vraie question ? Voici un index BM25 sur trois r\u00e9pliques, interrog\u00e9 par \u00ab Who is a recruit? \u00bb.
corpus<\/code> contient les trois phrases d\u00e9coup\u00e9es en mots,bm25<\/code> est l’index construit dessus, etget_top_n<\/code> renvoie les deux meilleures lignes.<\/p>\n# pip install rank_bm25\n\nfrom rank_bm25 import BM25Okapi\nfrom typing import List\n\ncorpus: List[List[str]] = [\n "Agent J is the fresh recruit with attitude".split(),\n "Agent K has years of MIB experience and a cool neuralyzer".split(),\n "The galaxy is saved by two Agents in black suits".split(),\n]\n# 2. Build the BM25 index\nbm25 = BM25Okapi(corpus)\n\n# 3. Perform retrieval for a fun query\nquery = "Who is a recruit?".split()\ntop_n = bm25.get_top_n(query, corpus, n=2)\n\nprint("Query:", " ".join(query))\nprint("Top matching lines:")\nfor line in top_n:\n print(" \u2022", " ".join(line))\n<\/code><\/pre>\nCette approche est excellente pour rep\u00e9rer des termes exacts ou tr\u00e8s sp\u00e9cifiques. Elle peut en revanche manquer les paraphrases<\/strong> et les liens conceptuels qui ne sont pas \u00e9crits dans le texte d’origine.<\/p>\n
Le moteur qui lit le sens<\/h3>\n
La recherche s\u00e9mantique<\/strong> cherche \u00e0 comprendre le contexte et l’intention d’une requ\u00eate : elle renvoie des r\u00e9sultats pertinents m\u00eame s’ils ne contiennent pas les termes exacts. Son socle, ce sont les embeddings, des repr\u00e9sentations vectorielles qui rangent les mots de sens voisin \u00e0 faible distance les uns des autres.<\/p>\n
Ces vecteurs sont petits, faits de nombres r\u00e9els (denses) et gardent l’information de contexte. Mais le revers est sym\u00e9trique : la recherche vectorielle<\/a> trouve le sens d’une requ\u00eate sans retrouver les termes exacts<\/strong>, parfois essentiels, par exemple en marketing.<\/p>\n
\n\n
\n \n<\/th>\n Par mots-cl\u00e9s (BM25)<\/th>\n Par sens (vecteurs)<\/th>\n<\/tr>\n<\/thead>\n \n Ce qu’elle compare<\/td>\n Les termes de la requ\u00eate, \u00e0 l’identique<\/td>\n La proximit\u00e9 de sens<\/td>\n<\/tr>\n \n Repr\u00e9sentation<\/td>\n Creuse<\/td>\n Dense<\/td>\n<\/tr>\n \n Forte sur<\/td>\n Noms de produits ou d’entreprises, jargon<\/td>\n Synonymes, paraphrases, intention<\/td>\n<\/tr>\n \n Faible sur<\/td>\n Fautes de frappe, synonymes, contexte<\/td>\n Termes exacts<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n La recherche hybride : deux recherches en parall\u00e8le, une fusion<\/h2>\n
La recherche vectorielle seule est d\u00e9j\u00e0 un net progr\u00e8s par rapport \u00e0 la simple recherche plein texte, mais elle ne suffit g\u00e9n\u00e9ralement pas \u00e0 garantir la qualit\u00e9, la pr\u00e9cision et la performance attendues en production. La recherche hybride<\/strong> ex\u00e9cute donc en parall\u00e8le une recherche vectorielle et une recherche plein texte, puis fusionne leurs r\u00e9sultats.<\/p>\n\n\n
![\"La](\"https:\/\/www.ranksignal.fr\/wp-content\/uploads\/2026\/09\/b1_ch02_recherche_hybride-scaled.png\")
- Chaque moteur a un angle mort oppos\u00e9<\/strong> : les mots exacts ratent les paraphrases, les vecteurs peuvent rater le terme pr\u00e9cis.<\/li>\n
- Trois recherches, une m\u00eame boutique<\/a><\/li>\n