En bref. La recherche dense utilise des représentations vectorielles apprises pour sélectionner des passages qui correspondent à une requête, y compris avec des formulations différentes.

Définition : La recherche dense (dense retrieval) sélectionne des passages de texte en comparant les représentations numériques d’une requête et de passages candidats. Ces représentations vectorielles, appelées embeddings, encodent des relations apprises entre les textes, ce qui permet de rapprocher des sens voisins malgré des formulations différentes.

Points clés

L’article de Karpukhin et de ses collègues publié en novembre 2020, Dense Passage Retrieval for Open-Domain Question Answering, décrit des encodeurs distincts pour les questions et les passages, avec un score calculé par produit scalaire.
En octobre 2026, la présentation de la recherche vectorielle de Microsoft illustre la similarité conceptuelle avec « dog » et « canine ».
Le dépôt DPR, consulté en octobre 2026, indique que la recherche exhaustive est utilisée par défaut et que des index de recherche approximative sont proposés en option.
L’article présentant le banc d’essai BEIR évalue la recherche sur 18 jeux de données et constate que les modèles denses sont souvent moins performants que d’autres approches lorsqu’ils sont appliqués au-delà de leur cadre d’entraînement.

Comment fonctionne Dense Passage Retrieval ?

Un encodeur est un modèle qui transforme un texte en vecteur numérique. Dans l’article DPR, des encodeurs distincts traitent la question et chaque passage. Cette architecture est appelée double encodeur (dual encoder). Les auteurs utilisent des modèles de langage BERT indépendants et produisent des vecteurs à 768 dimensions.

La notation suivante correspond à la règle de calcul du score dans l’article. E_Q est l’encodeur de questions, E_P est l’encodeur de passages, et dot multiplie les composantes correspondantes des vecteurs, puis additionne les résultats.

similarity(question, passage) = dot(E_Q(question), E_P(passage))

Les vecteurs des passages sont calculés à l’avance et indexés avec FAISS, une bibliothèque de recherche par similarité vectorielle. Au moment de la requête, le système encode la question et récupère les passages dont les scores de similarité sont élevés. L’entraînement apprend aux encodeurs à attribuer aux paires question-passage pertinentes un score supérieur à celui des paires non pertinentes.

L’article découpe les articles de Wikipédia en passages de 100 mots et ajoute le titre de l’article au début de chaque passage. Il s’agit d’un protocole expérimental précis ; les limites des passages restent un choix de conception du système de recherche.

Que doit stocker un système de recherche pour un site web ?

La documentation de Microsoft sur la recherche vectorielle décrit un processus d’indexation et un processus de traitement des requêtes. Le texte source est converti en représentations vectorielles stockées dans des champs vectoriels. La requête est également encodée, et le service de recherche renvoie les documents associés aux vecteurs proches.

Pour une entreprise qui met en place un moteur de recherche sur son propre site web, cela implique de préparer à la fois le contenu à rechercher et sa représentation vectorielle. Azure AI Search permet de découper les documents en fragments et de générer les représentations vectorielles dans sa chaîne d’indexation, ou d’accepter des représentations vectorielles générées à l’extérieur du service.

La même documentation définit la recherche hybride comme l’exécution conjointe d’une recherche vectorielle et d’une recherche par mots-clés, suivie de la fusion de leurs résultats. Cette approche offre une possibilité concrète de comparaison lors de l’évaluation de la recherche sur le contenu d’un site web.

Comment vérifier la qualité de la recherche ?

L’article BEIR étudie l’évaluation sans entraînement spécifique (zero-shot) : un modèle de recherche est appliqué à des tâches sans avoir été entraîné sur des exemples issus de ces tâches. Ses résultats font des performances sur le corpus visé un point important de l’évaluation. Le banc d’essai constate que BM25, une méthode de recherche fondée sur les termes, constitue une solide référence sur les diverses tâches étudiées.

Pour l’examen des passages, le dépôt DPR documente des enregistrements de résultats contenant le texte du passage, un score de recherche et un champ has_answer. Les résultats sont classés par similarité. Ces champs permettent de vérifier si les passages les mieux classés contiennent effectivement les informations nécessaires pour répondre à une question.

Le dépôt propose aussi des index de recherche approximative en complément de la recherche exhaustive. L’évaluation doit donc prendre en compte la configuration de l’index ainsi que l’encodeur.

Termes associés

Questions fréquentes

La recherche dense rédige-t-elle la réponse ?

L’article DPR distingue le module de recherche d’un module de lecture qui extrait une réponse des passages récupérés. La recherche dense fournit des éléments susceptibles d’étayer une réponse au sein de ce système.

La recherche dense utilise-t-elle toujours une recherche approximative ?

Le dépôt DPR indique que la recherche exhaustive est utilisée par défaut. La recherche approximative est une configuration optionnelle, avec un compromis différent entre les coûts de recherche et d’indexation.

La recherche par mots-clés peut-elle fonctionner en parallèle de la recherche dense ?

Oui. La présentation de la recherche vectorielle de Microsoft décrit des requêtes hybrides qui exécutent en parallèle des requêtes par mots-clés et des requêtes vectorielles, puis renvoient des résultats fusionnés.

Sources

Vérifiez comment une page se lit pour les moteurs de réponse. Ouvrir l’analyseur de score GEO

Recherche dense