La recherche dans les portails clients, les catalogues et les bases de contenu est en train de changer. Les modèles sémantiques permettent de retrouver un contenu par ce qu’il veut dire, plus seulement par les mots clés qu’il contient.
Par exemple, dans l’espace client de son assurance, un assuré tape « vol dans mon appartement ». Zéro résultat. La réponse était pourtant dans ses conditions générales, sous le mot « effraction ». Il appelle le support pour une réponse déjà écrite. Avec une recherche sémantique, la même requête retrouve la bonne réponse derrière la bonne clause.
Nous l’avons construite et testée sur plusieurs cas métier : un espace client d’assurance, un catalogue alimentaire, un inventaire d’objets spatiaux, une plateforme citoyenne face aux risques naturels. Voici ce que ça change, et ce que nous avons appris en le construisant.
Ce que la recherche sémantique change pour vos utilisateurs et vos équipes
- Ils trouvent avec leurs mots. Une question en langage courant retrouve un contenu écrit en vocabulaire métier. Les recherches sans résultat pertinent deviennent plus rares, et l’utilisateur trouve plus souvent l’information sans avoir besoin de contacter le support.
- La langue devient moins une barrière. Une fiche rédigée en allemand ou en italien, jamais traduite, répond à une question posée en français. Pour une organisation suisse avec des contenus multilingues, le gain est immédiat.
- Ils découvrent ce qu’ils ne cherchaient pas. Le système comprend ce que l’utilisateur est en train de faire et lui propose des contenus proches : dossiers similaires, fiches liées, produits comparables.
- Moins de mécanique à entretenir. Avec la recherche par mots-clés, l’équipe passe son temps à compenser : ajouter des synonymes, ajuster l’index selon la façon de rechercher, écrire des règles par rapport au contenu. La recherche sémantique réduit le besoin de gérer manuellement tous les synonymes et toutes les formulations possibles. Le temps gagné va à l’expérience de recherche : quels résultats montrer, dans quel ordre, avec quels filtres.
Trois cas concrets : catalogue produit, inventaire multilingue, plateforme citoyenne
Dans le catalogue d’un distributeur alimentaire, « une alternative végétale à la viande pour une bolognaise » fait remonter la fiche « protéines de soja texturées ». Aucun mot de la recherche n’apparaît dans la fiche. La recherche sémantique comprend le produit à partir de ce que la fiche décrit : son ingrédient, sa texture, son usage.
Avec un modèle multilingue adapté, une requête en français, en allemand, en italien ou en russe peut retrouver un contenu rédigé dans une autre langue, sans qu’une traduction manuelle de chaque fiche soit nécessaire.
Dans un inventaire d’objets spatiaux, « Спутник », tapé en russe, retrouve la fiche « Sputnik 1 », rédigée en anglais. La même question posée en français, en allemand ou en italien mène à la même fiche, sans aucune table de traduction.
Une commune de montagne met à disposition de ses habitants une plateforme de solutions face aux risques naturels. Ils y cherchent dans un catalogue de 51 solutions avec leurs propres mots. « Érosion du sol après les fortes pluies » place « Reboisement des versants instables » en tête, et fait remonter à sa suite les solutions proches : bandes végétales filtrantes, paillage des cultures. L’habitant décrit son problème, le catalogue lui répond par des solutions, y compris celles qu’il n’aurait pas su nommer.
Ce que ça demande : recherche hybride, jeu de test, données en Suisse
- Vos données peuvent rester en Suisse. Dans les déploiements concernés, les composants de traitement et de stockage sont hébergés en Suisse. Les données ne sont pas transmises à un service externe pour effectuer la recherche. En santé, en assurance et dans l’industrie, c’est souvent un prérequis, et c’est ainsi que nous l’avons déployé sur ces projets.
- La qualité dépend de vos contenus. Des fiches contradictoires ou périmées donnent des résultats faibles. Une base pas à jour renvoie d’anciens contenus comme s’ils étaient encore valables.
- Constituez un jeu de 20 à 50 vraies questions d’utilisateurs, avec la réponse attendue pour chacune. C’est ce qui montre si un changement améliore ou dégrade les résultats, et ce jeu s’enrichit dans le temps.
- Restez hybride. La recherche sémantique seule peut confondre deux codes à un chiffre près. La recherche par mots-clés garde sa place quand la référence est connue : numéro de police, numéro de lot, code article. Une recherche efficace combine les deux.
- Tracez chaque recherche dès le premier jour. La requête, les résultats renvoyés, le clic ou l’absence de réponse. Chaque recherche devient une donnée : elle montre ce que vos utilisateurs cherchent, avec leurs mots, alimente le jeu de test, fait remonter les contenus manquants et mesure l’efficacité du produit dans le temps.
La recherche sémantique, fondation de votre assistant IA (RAG)
Un assistant qui répond à partir de vos contenus a besoin de la même chose que vos utilisateurs : retrouver le bon passage à partir d’une question posée avec des mots ordinaires. C’est ce que fait la recherche sémantique, et c’est pour cela que nous la mettons en place avant tout assistant IA.
L’agent formule une question, le moteur retrouve les passages les plus pertinents, puis le modèle génère une réponse à partir de ce contexte et renvoie vers les sources utilisées. C’est ce qu’on appelle le RAG, et ce sera le sujet d’un prochain article.
Démarrer la recherche sémantique sur vos données
Un ensemble de contenus, un public, une question précise ? Nous mettons en place la recherche sémantique sur vos données, mesurons sa pertinence sur de vraies questions d’utilisateurs et construisons les bases nécessaires pour l’améliorer dans le temps.
