Comprendre les embeddings et la recherche sémantique
Comprendre la recherche sémantique aide le PM à prévoir quelles questions l'assistant réussira et lesquelles il ratera. Sans formule, la leçon explique comment les embeddings rapprochent des textes par le sens, quels réglages relèvent d'une décision produit et quelles faiblesses anticiper dans les specs.
Mis à jour le 29 septembre 2026.
En bref
La recherche sémantique transforme les textes en vecteurs (embeddings) qui rapprochent les passages de sens voisin, même sans mot commun avec la question. Elle comprend les reformulations mais rate souvent les termes exacts comme les codes ou références. Pour le PM, comprendre ce fonctionnement permet d'anticiper quelles questions l'assistant réussira ou ratera.
Objectif de la leçon
À la fin de cette leçon, vous serez capable d'expliquer comment une recherche sémantique retrouve des passages, de lister les décisions produit qu'elle implique (modèle, nombre de passages, seuil de pertinence) et d'anticiper ses points faibles.
Les questions auxquelles cette leçon répond
Comment fonctionne la recherche sémantique dans un RAG ?
Chaque passage et chaque question sont convertis en vecteurs ; la recherche renvoie les passages dont le vecteur est le plus proche de celui de la question, c'est-à-dire les plus proches par le sens.
Quelles décisions produit implique le choix d'un modèle d'embeddings ?
La langue et le domaine couverts, le coût, la latence et l'obligation de tout réindexer si l'on change de modèle. S'y ajoutent le nombre de passages renvoyés et le seuil de pertinence.
Pourquoi la recherche sémantique rate-t-elle les codes d'erreur exacts ?
Parce qu'elle compare le sens, pas les caractères. Un code d'erreur ou une référence produit n'a pas de sens proche à rapprocher, d'où l'intérêt d'y associer une recherche par mots-clés.
Thèmes abordés
- embeddings
- recherche sémantique
- base vectorielle
- seuil de pertinence
Dans le glossaire
Guide sur ce thème
- RAG ou fine-tuning : comment choisir
Ce que règle chaque approche, les critères de choix et comment évaluer, avec une grille de décision.
Dans quel module
Découper et indexer
Comment les documents deviennent-ils des passages que la recherche peut retrouver ?
Leçons du module
- Choisir une stratégie de découpage
- Comprendre les embeddings et la recherche sémantique (cette leçon)
Ce que vous apprendrez dans la formation
Cette leçon fait partie de la formation Concevoir une architecture RAG adaptée à son produit
Formations liées
- IA & ProduitConfirméPratique régulière : vous utilisez déjà l’outil ou êtes confronté à la thématique.
Créer un assistant IA pour votre produit
3 h
- IA & ProduitConfirméPratique régulière : vous utilisez déjà l’outil ou êtes confronté à la thématique.
Évaluer une fonctionnalité IA : jeux de test, métriques et LLM-juge
3 h
- IA & ProduitExpertNiveau avancé : pour approfondir et aller plus loin.
Mettre en production et monitorer une fonctionnalité IA
3 h