Dans la plupart des entreprises, l'information existe, mais personne ne la retrouve. Elle est dispersée dans des dossiers partagés, des e-mails, des PDF et des comptes rendus. La recherche classique ne trouve que les mots exacts tapés dans la barre de recherche. La recherche sémantique, elle, retrouve une information par son sens.
La limite de la recherche par mots-clés
Imaginez que vous cherchiez « délai de livraison » dans vos documents. Une recherche classique ignorera le contrat qui parle de « date d'expédition », la procédure qui évoque un « temps d'acheminement » et l'e-mail où un client demande « quand vais-je recevoir ma commande ? ». Pourtant, tous parlent du même sujet.
Plus les documents sont nombreux et rédigés par des personnes différentes, plus ce problème est fréquent.
Comment fonctionne la recherche sémantique
Le principe, simplifié :
- Découper les documents en passages de quelques paragraphes.
- Transformer chaque passage en représentation numérique de son sens, appelée « vecteur » ou « embedding », grâce à un modèle d'IA spécialisé.
- Stocker ces représentations dans une base adaptée, capable de comparer rapidement des millions de vecteurs.
- Transformer la question de l'utilisateur de la même façon.
- Retrouver les passages dont le sens est le plus proche de la question, et les afficher avec un lien vers le document d'origine.
Les modèles qui produisent ces représentations sont plus légers que les grands modèles de conversation. Ils peuvent souvent fonctionner sur un serveur interne, ce qui est un avantage pour les documents confidentiels. Voir API d'IA ou modèle local : que choisir pour vos documents d'entreprise ?.
Aller plus loin : répondre à la question
Une étape supplémentaire consiste à transmettre les passages trouvés à un modèle de langage, qui rédige une réponse en s'appuyant uniquement sur eux, avec les sources citées. Cette approche est souvent désignée par le sigle RAG (génération augmentée par la recherche).
Elle est puissante, mais demande plus de précautions : le modèle doit être contraint à ne répondre qu'à partir des documents fournis, et l'utilisateur doit toujours pouvoir vérifier la source.
Des usages concrets
- Procédures internes : « que faire si un client conteste une facture ? »
- Support et service client : retrouver les réponses déjà apportées à une question similaire.
- Contrats et documents juridiques : repérer les clauses qui traitent d'un sujet, quelle que soit leur formulation.
- Appels d'offres et cahiers des charges : identifier les exigences proches de ce que l'entreprise sait faire.
- Accueil des nouveaux collaborateurs : leur donner accès à la mémoire de l'entreprise.
Les limites à connaître
| Limite | Ce que cela implique |
|---|---|
| Documents obsolètes | L'outil retrouve aussi les anciennes versions : il faut gérer les mises à jour et les archives. |
| Droits d'accès | Un salarié ne doit pas trouver un document qu'il n'a pas le droit de lire : les droits doivent suivre. |
| Documents scannés | Sans reconnaissance de caractères, le texte n'est pas exploitable. |
| Réponses générées | Elles peuvent mal interpréter un passage : la source doit toujours être affichée. |
| Termes très techniques | Codes produits, références : la recherche par mots-clés reste souvent meilleure. |
Les meilleurs résultats viennent souvent d'une recherche hybride, qui combine mots-clés et sens. Elle trouve les références exactes et les formulations différentes.
Par où commencer ?
Choisissez un ensemble de documents limité et réellement utilisé, par exemple les procédures d'un service, et une liste de vingt questions que les équipes posent souvent. Testez l'outil sur ces questions et comparez avec ce que trouve la recherche actuelle. Le résultat parle de lui-même, dans un sens ou dans l'autre.
En résumé
- La recherche sémantique retrouve une information par son sens, pas par ses mots exacts.
- Elle repose sur des représentations numériques des passages, comparées à celle de la question.
- Elle peut fonctionner sur un serveur interne, ce qui convient aux documents confidentiels.
- Droits d'accès, documents obsolètes et vérification des sources sont les points de vigilance.
