Recherche lexicale
Aussi : recherche par mots-clés · sparse retrieval
Recherche qui retrouve les documents contenant les mots de la requête et les classe selon la fréquence et la rareté de ces mots.
Elle repose sur un index inversé : pour chaque terme, la liste des documents qui le contiennent. La fonction de classement habituelle est BM25. On la dit « sparse », par opposition aux vecteurs denses des embeddings, parce qu’un document y est représenté par les seuls termes qu’il contient.
Elle ne traite ni synonymes ni reformulations, mais elle est précise sur l’exact : une référence produit, un numéro d’article de loi, un nom de marque, un code d’erreur. Anthropic, dans sa note sur la récupération contextuelle, la dit particulièrement utile pour les identifiants uniques et les termes techniques. Les chaînes de récupération l’associent donc à la recherche vectorielle au lieu de la remplacer. Le vocabulaire reste un sujet : si vos lecteurs disent « mutuelle » et que la page n’écrit que « complémentaire santé », cette moitié du système ne la trouvera pas.