Cosine similarity · Mesure de proximité vectorielle
La similarité cosinus est une mesure de proximité entre deux vecteurs, fondée sur l’angle qui les sépare plutôt que sur leur longueur. En GEO, elle sert à comparer l’embedding d’une requête à celui d’un passage ou d’une page pour estimer leur proximité de sens.
Définition autonome · 44 mots
Comment se calcule-t-elle ?
Elle vaut le produit scalaire des deux vecteurs divisé par le produit de leurs normes. Le résultat est compris entre -1 et 1 : plus il se rapproche de 1, plus les vecteurs pointent dans la même direction, donc plus les textes qu’ils représentent sont proches en sens.
Quel usage en recherche IA et en audit ?
Les systèmes de recherche vectorielle l’utilisent, ou des mesures voisines, pour retrouver les passages les plus proches d’une requête. En audit, on calcule la similarité entre l’embedding d’une page ou d’un chunk et celui d’une requête cible, comme le fait iPullRank pour ses scores de pertinence.
Quelles précautions ?
Un score n’est comparable qu’avec le même modèle d’embedding, la même langue et le même découpage. Il mesure la proximité sémantique, pas la qualité ni la véracité : une page proche d’une requête peut rester inférieure à une autre en autorité ou en fiabilité.
Questions fréquentes
Une similarité de 0,8 est-elle bonne ?
Il n’existe pas de seuil universel. Elle se lit par comparaison entre pages, sur le même modèle et le même corpus.
Google utilise-t-il la similarité cosinus ?
Google ne publie pas ses mesures internes. Le terme décrit une méthode générale, utile pour modéliser, pas la formule d’un moteur précis.