Vector search · Recherche sémantique
La recherche vectorielle est une recherche par proximité sémantique entre embeddings, plutôt que par correspondance de mots-clés. Elle permet de retrouver un passage qui répond à la question même sans les mêmes mots, et constitue la base de la récupération des systèmes RAG.
Définition autonome · 43 mots
Comment fonctionne la recherche vectorielle ?
Les passages sont encodés en vecteurs et stockés dans un index. La requête est encodée à son tour, puis le système cherche les vecteurs les plus proches. Sur de grands volumes, il utilise une recherche approximative des plus proches voisins, par exemple avec des graphes HNSW (Malkov et Yashunin).
Quelles différences avec la recherche par mots-clés ?
La recherche lexicale retrouve des termes exacts et gère bien les noms propres. La recherche vectorielle capte le sens, les paraphrases et les langues proches, mais peut manquer des références exactes. Les systèmes hybrides combinent les deux et fusionnent les classements.
Impact sur la rédaction
La proximité sémantique dépend de la clarté du passage. Un texte centré sur un sujet, avec son vocabulaire de référence et ses reformulations courantes, se retrouve plus facilement. Les passages qui mélangent plusieurs sujets produisent des vecteurs moins nets.
Questions fréquentes
Quelle différence avec le dense retrieval ?
Le dense retrieval est la récupération qui s’appuie sur ces embeddings. La recherche vectorielle en décrit le mécanisme.
Les moteurs web utilisent-ils la recherche vectorielle ?
Des documents du procès antitrust évoquent une récupération par embeddings chez Google.
Faut-il encore des mots-clés ?
Oui, notamment pour les termes exacts.
Termes liés
Approfondir
- Checklist GEO et LLM / IA 2026
- Top 10 des outils GEO pour suivre votre positionnement IA
- ← Retour au glossaire GEO (114 termes)