En bref. La recherche hybride associe la correspondance des termes à la similarité vectorielle et fusionne leurs résultats en une liste classée.

Définition : La recherche hybride (hybrid retrieval) associe la recherche lexicale, qui compare les termes d’une requête au texte indexé, à la recherche vectorielle, qui recherche des contenus similaires à partir de représentations numériques appelées plongements vectoriels (embeddings). Elle fusionne leurs résultats en une liste classée.

Points clés

Au 17 octobre 2026, Microsoft décrit le fonctionnement suivant dans Azure AI Search :

La présentation de la recherche hybride de Microsoft décrit une requête unique qui exécute en parallèle une recherche en texte intégral et une recherche vectorielle.
La documentation sur le calcul des scores de pertinence de Microsoft décrit la fusion des rangs réciproques (reciprocal rank fusion, RRF), qui combine les résultats selon leur position dans des listes classées distinctes.
La présentation du classement sémantique de Microsoft décrit une étape ultérieure de reclassement fondée sur le texte, qui traite uniquement les 50 premiers résultats.

Pourquoi associer recherche lexicale et recherche vectorielle ?

La présentation de la recherche hybride de Microsoft cite les codes produit et les noms de personnes comme des cas où la recherche par mots-clés permet de trouver des correspondances exactes. La recherche vectorielle peut trouver des informations proches sur le plan conceptuel, même lorsque les mots de la requête sont absents du texte indexé. L’association des méthodes conserve l’accès aux deux types de correspondances.

Pour l’application de recherche propre à un site web, la présentation de la recherche vectorielle décrit le stockage de textes et de contenus vectoriels dans un même index Azure. Les plongements peuvent être générés à l’extérieur du système puis chargés dans des champs vectoriels, ou produits par une chaîne d’indexation intégrée. La requête nécessite elle aussi une représentation vectorielle pour la recherche par similarité.

Comment les listes de résultats sont-elles combinées ?

La documentation sur RRF de Microsoft explique que chaque requête produit d’abord une liste classée. RRF attribue à chaque document une contribution selon sa position dans chaque liste, additionne ces contributions, puis classe les résultats combinés. Un document bien placé dans plusieurs listes reçoit une contribution de chacune d’elles.

Le reclassement sémantique (semantic reranking) est une opération facultative qui intervient ensuite. La présentation du classement sémantique de Microsoft explique que le module de reclassement lit le texte des résultats initiaux et calcule de nouveaux scores de pertinence. Les candidats se limitent aux 50 premiers résultats récupérés ; le module ne peut pas rechercher de documents supplémentaires dans l’ensemble de la collection pendant cette étape de reclassement.

À quoi ressemble une requête hybride ?

L’extrait de corps de requête ci-dessous est adapté de l’exemple de requête hybride de Microsoft. Le texte de substitution prévu pour le plongement doit être remplacé par un plongement réel de la requête avant toute exécution sur un index contenant le champ vectoriel indiqué.

{
  "search": "historic hotel walk to restaurants and shopping",
  "vectorQueries": [
    {
      "kind": "vector",
      "vector": [ <array of embeddings> ],
      "k": 50,
      "fields": "DescriptionVector"
    }
  ]
}

La propriété search fournit la requête lexicale, tandis que vectorQueries fournit la requête vectorielle. L’exemple associe les méthodes de recherche sans demander le reclassement sémantique facultatif.

Termes associés

Questions fréquentes

La recherche hybride nécessite-t-elle des plongements vectoriels ?

Oui. La documentation sur la recherche vectorielle de Microsoft décrit l’encodage des contenus sources et des requêtes sous forme de vecteurs. Dans Azure, vous pouvez fournir des plongements produits à l’extérieur du système ou utiliser la vectorisation intégrée.

Comment examiner la contribution de chaque méthode de recherche ?

La documentation sur le calcul des scores de Microsoft décrit l’ajout de "debug": "vector" à une requête pour obtenir des scores partiels. Ceux-ci permettent d’examiner les contributions vectorielles lors de l’évaluation du classement d’une requête hybride.

Sources

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

Recherche hybride