En bref. La recherche sémantique utilise le sens d’une requête pour trouver ou classer des contenus, la recherche vectorielle et le reclassement sémantique intervenant à des étapes distinctes.

Définition : La recherche sémantique (semantic search) retrouve ou classe des informations selon le sens d’une requête et sa relation avec le contenu. Elle peut utiliser des représentations numériques pour retrouver des contenus similaires et des modèles de langage pour reclasser un ensemble de résultats existant.

Points clés

Au 17 octobre 2026, la documentation de Microsoft sur le classement sémantique décrit le module de classement sémantique d’Azure AI Search comme une étape de classement secondaire qui traite les 50 premiers résultats récupérés.
La présentation de la recherche vectorielle de Microsoft décrit la mise en correspondance de représentations numériques de contenus selon leur similarité, y compris pour des mots liés par le sens, comme dog et canine.
La présentation de la recherche hybride de Microsoft associe la recherche par mots-clés et la recherche vectorielle dans une même requête. Elle fusionne leurs résultats au moyen de Reciprocal Rank Fusion, une méthode de combinaison de listes de résultats classés.
Les instructions de Microsoft pour les requêtes exigent un index existant doté d’une configuration sémantique et d’un contenu textuel riche pour utiliser le classement sémantique.

Comment la recherche fondée sur le sens trouve-t-elle des documents candidats ?

Un plongement vectoriel (embedding) est une représentation numérique d’un contenu produite par un modèle. Dans le processus de recherche vectorielle de Microsoft, les documents et la requête sont encodés sous forme de vecteurs. La recherche par similarité retrouve les documents dont les vecteurs sont proches de celui de la requête. L’exemple des mots dog et canine illustre la façon dont des concepts apparentés peuvent correspondre malgré des formulations différentes.

La recherche par mots-clés reste utile aux côtés de cette approche. La documentation de Microsoft sur la recherche hybride mentionne les codes produits et les noms de personnes parmi les cas où la correspondance exacte peut donner de meilleurs résultats. Son processus hybride exécute en parallèle les recherches par mots-clés et par vecteurs, puis fusionne leurs listes classées. Un reclassement sémantique (semantic reranking) peut ensuite s’appliquer à cet ensemble fusionné de documents candidats.

Que change le reclassement sémantique ?

Le reclassement attribue de nouveaux scores de pertinence aux résultats déjà récupérés. La présentation du module de classement sémantique de Microsoft décrit des modèles qui évaluent le contexte de la requête au regard du texte des documents candidats. Son exemple porte sur le mot capital, dont le sens dépend du contexte : finance, droit, géographie ou grammaire.

Dans Azure AI Search, seuls les 50 premiers documents candidats atteignent cette étape. Le module de classement travaille sur du texte, y compris le texte associé aux résultats vectoriels. Il renvoie un @search.rerankerScore compris entre 0 et 4 ; les valeurs les plus élevées indiquent une plus grande pertinence par rapport à la requête. Un document pertinent absent de cet ensemble de candidats reste en dehors de l’étape de reclassement.

Pour le moteur de recherche interne d’un site web, les textes descriptifs fournissent la matière nécessaire à ce traitement. La même documentation mentionne les bases de connaissances et la documentation en ligne comme des contenus adaptés. La récupération des documents candidats et leur classement ultérieur restent donc deux composantes distinctes de la mise en œuvre.

Comment vérifier le classement sémantique ?

Le guide de configuration des requêtes de Microsoft fournit un exemple de recherche d’hôtel. Ce corps de requête abrégé conserve la requête et ses paramètres de configuration :

{
  "search": "funky or interesting hotel with good food on site",
  "queryType": "semantic",
  "semanticConfiguration": "my-semantic-config",
  "captions": "extractive|highlight-true"
}

Le nom de configuration doit désigner une configuration sémantique définie dans l’index. La réponse comprend @search.rerankerScore ; le paramètre captions demande des passages extraits avec mise en évidence. Le même guide recommande de vérifier que la configuration figure à la fois dans la définition de l’index et dans la requête lorsque des éléments attendus manquent dans la réponse.

Termes associés

Questions fréquentes

Ai-je besoin de vecteurs pour utiliser le classement sémantique ?

Vous pouvez appliquer le classement sémantique d’Azure à des requêtes textuelles, selon le guide des requêtes de Microsoft. Les requêtes vectorielles et hybrides peuvent aussi l’utiliser lorsque les documents de recherche contiennent la représentation textuelle requise.

Une réponse sémantique contient-elle du texte nouvellement rédigé ?

Les réponses sémantiques d’Azure reprennent mot pour mot des passages du contenu indexé, selon la présentation du module de classement sémantique de Microsoft. Une réponse nécessite une requête formulée comme une question et un passage qui fournit une réponse probable.

Sources

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

Recherche sémantique