Avec l'essor des LLM et des cas d'usage de la recherche générative, de nombreuses marques confondent recherche sémantique et recherche automatisée (pilotée par les LLM). Bien que toutes deux reposent sur l'IA et la compréhension du langage, elles résolvent des problèmes différents et opèrent à différents niveaux de l'expérience de recherche. Algolia est à l'avant-garde de cette transformation qui révolutionne la découverte. Nos habitudes de recherche évoluent, et nos définitions – ainsi que notre compréhension – doivent évoluer en conséquence.

La sémantique est l'étude du sens dans le langage. La recherche sémantique permet de récupérer des informations en faisant correspondre les significations plutôt que les caractères.

En utilisant l'apprentissage automatique (ML) et le traitement du langage naturel (NLP), la recherche sémantique se concentre sur l'intention de l'utilisateur, en récupérant des informations et des produits conceptuellement liés ou contextuellement impliqués par la requête de l'utilisateur.

Comment fonctionne la recherche sémantique ?

La recherche sémantique utilise des plongements vectoriels pour trouver des résultats. Un vecteur est un tableau de nombres représentant les caractéristiques d'un point de données spécifique, qu'il s'agisse de texte, d'image ou autre, sous une forme adaptée à la logique mathématique de l'apprentissage automatique. La représentation numérique correspond aux caractéristiques réelles du point de données ; ainsi, plus les points de données sont similaires dans la réalité, plus leurs positions sur un vecteur seront proches. Par exemple, « robe de soirée » sera proche de « robe de cérémonie » sur un vecteur.

La recherche sémantique offre des résultats aussi rapidement que la recherche par mots-clés traditionnelle, en se concentrant sur la proximité sémantique des mots plutôt que sur la correspondance de caractères spécifiques. C'est une méthode entièrement déterministe : une même requête renverra toujours les mêmes résultats, classés de la même manière.

Avantages

• Améliore la pertinence dans les résultats de recherche
• Améliore l'expérience client
• Réduit les ressources nécessaires pour affiner le classement
• Fonctionne bien en complément de la recherche par mots-clés

Avertissements et limitations

• Produit des résultats plus clairs avec des données bien structurées
• N'exécute pas les requêtes en plusieurs étapes
• Impossible d'analyser les tâches contextuelles générales

Alors que la recherche par mots clés vise à trouver une correspondance exacte avec une requête, la recherche sémantique s'intéresse au sens de la requête, indépendamment de la manière dont ce sens a été exprimé. Un troisième type de recherche, la recherche par agent, s'intéresse à la finalité ou à l'objectif d'une requête.

Recherche par agent : comprendre pourquoi les utilisateurs posent des questions

La recherche assistée par agent utilise un agent d'intelligence artificielle pour décomposer les requêtes complexes, interpréter l'intention de l'utilisateur, puis agir pour fournir des résultats pertinents. Ce type de recherche analyse les éléments les plus importants d'une requête.

Les agents d'IA sont souvent alimentés par un grand modèle de langage (LLM) et peuvent effectuer des actions en plusieurs parties, comme appeler un moteur de recherche puis appliquer des filtres ou combiner plusieurs sources de données pour affiner la recherche.

Comment fonctionne la recherche d'agents

La recherche agentique utilise un modèle linéaire de raisonnement (LLM) comme couche de raisonnement, en amont ou en aval de la recherche. L'agent IA reçoit et interprète la requête de l'utilisateur, décomposant les tâches complexes en actions plus simples et leur attribuant les outils nécessaires à leur exécution. Les capacités des agents IA sont très variées. Dans sa forme la plus simple, la recherche agentique peut reformuler les requêtes. Une orchestration plus complexe, pilotée par l'IA, coordonne les actions de plusieurs agents qui reformulent les requêtes, les structurent et les décomposent en parties exécutables.

Pour une requête comme « Je cherche une tenue similaire à celle de Taylor Swift aux Grammy Awards », l'agent IA commence par associer la requête à « robe longue à paillettes », puis effectue une recherche sémantique avec cette requête affinée. Pour une requête plus complexe comme « Montrez-moi des chaussures et un sac à main assorti pour un mariage », l'agent IA détecte deux besoins liés, effectue des recherches distinctes, puis combine les résultats.

Alors que la recherche sémantique est déterministe, la recherche agentique peut effectuer plusieurs itérations de recherche, affinant les résultats jusqu'à atteindre le seuil de qualité souhaité, au prix d'un temps et d'une puissance de calcul accrus pour des résultats plus pertinents. Elle est optimale lorsqu'elle est associée à un système de rendu vectoriel : la meilleure correspondance fournie par les plongements vectoriels offre à l'agent des données de meilleure qualité pour son raisonnement.

Avantages

• Fonctionne avec le langage naturel
• Capable de répondre à des requêtes complexes en plusieurs parties
• Adapte et affine son processus en cours d'exploitation afin de produire les résultats les plus appropriés

Avertissements et limitations

• Peut être plus lent et plus coûteux, selon le LLM externe (bien qu'il puisse être optimisé par la mise en cache).
• Doit orchestrer entre plusieurs systèmes
• Les tests A/B étant plus difficiles à réaliser, la gouvernance est donc plus complexe.

Travailler ensemble

La recherche sémantique et la recherche automatisée sont deux processus distincts, mais complémentaires, pour des fonctions de recherche à la fois rapides et précises. Il est essentiel de comprendre leurs différences, non pas de privilégier l'une ou l'autre, mais d'appréhender leur interaction et leur fonctionnement conjoint.

En résumé :

• La recherche sémantique utilise des vecteurs pour trouver ce qui est le plus similaire à une requête.
• La recherche agentique utilise un raisonnement LLM externe pour identifier les éléments les plus pertinents d'une requête et initie des actions pour les récupérer.

Ces deux méthodes de recherche s'appuient sur l'automatisation avancée et la compréhension du langage naturel, mais chacune résout un problème différent. En combinant les processus sémantiques et interactifs, la recherche devient plus adaptative, utile, intelligente et naturelle.

Découvrez comment les solutions de recherche d'Algolia peuvent être bénéfiques pour votre entreprise.

Obtenez une démo dès aujourd'hui