BM25 · Recherche lexicale (sparse retrieval)
Le BM25 est une fonction de classement lexical qui note un document selon la fréquence des termes de la requête, pondérée par leur rareté et la longueur du document. C’est la base du sparse retrieval, souvent combiné à la recherche vectorielle dans les systèmes de recherche hybride.
Définition autonome · 47 mots
Comment fonctionne-t-il ?
Le BM25 compte les occurrences des mots de la requête dans chaque document, donne plus de poids aux mots rares et limite l’effet des répétitions et des textes très longs. Il ne comprend pas le sens : « voiture » et « automobile » restent des termes distincts, d’où son opposition au dense retrieval.
Pourquoi compte-t-il en GEO ?
Les systèmes RAG combinent souvent BM25 et embeddings, puis fusionnent les classements, par exemple avec la Reciprocal Rank Fusion. Metehan Yeşilyurt étudie cette chaîne (BM25, RRF, rerankers) dans ses expériences sur la récupération par les moteurs IA. Les termes exacts de la requête gardent donc un poids, notamment pour les noms propres, codes et références.
Que faire en pratique ?
Conserver des termes précis et des entités nommées dans les titres et les premiers paragraphes, sans bourrage de mots-clés, tout en couvrant les formulations voisines. La couverture lexicale et la couverture sémantique se complètent.
Questions fréquentes
BM25 est-il dépassé par les embeddings ?
Non. Il reste performant pour les termes exacts et les requêtes rares, et beaucoup de systèmes l’associent aux embeddings plutôt que de les opposer.
Google utilise-t-il BM25 ?
Google ne publie pas l’algorithme de son index. Le BM25 est une méthode de référence en recherche d’information, présente dans de nombreux moteurs et bases de recherche.