Reranking · Re-classement par modèle de pertinence
Le reranking est une seconde passe de classement : après une première récupération de candidats, un modèle plus précis, souvent un cross-encoder, réordonne les passages selon leur pertinence pour la requête. Il décide de ce qui arrive réellement dans le contexte du modèle.
Définition autonome · 43 mots
Où se place-t-il dans le pipeline ?
La récupération (BM25, embeddings, fusion RRF) produit rapidement des dizaines de candidats. Le reranker note chaque couple requête-passage plus finement et ne garde que les meilleurs. Metehan Yeşilyurt détaille ce mécanisme dans son article sur les rerankers pour le GEO et l’AEO (août 2026).
Que montrent ses mesures ?
Il a observé qu’un reranker BGE-reranker-large place environ 24 % de son attention sur la ponctuation et les tokens spéciaux d’un passage typique, ce qui montre que la forme du texte compte autant que le vocabulaire. Il a aussi testé l’API de ranking de Google sur Vertex AI sur des requêtes SEO.
Que retenir pour le contenu ?
Un passage doit répondre directement à la question qu’il traite, sans dépendre du contexte voisin, pour passer le tri. Il s’agit d’observations sur des modèles ouverts : les rerankers des moteurs grand public ne sont pas publics.
Questions fréquentes
Le reranking explique-t-il qu’une page bien classée ne soit pas citée ?
C’est une explication plausible : la page peut passer la première récupération puis perdre au reranking. Les moteurs ne publient pas ces étapes.
Peut-on l’optimiser ?
On peut surtout écrire des passages autonomes et précis. Aucune technique n’est garantie.