La recherche vectorielle pure capte le sens mais rate la correspondance exacte. Sur des données d'entreprise, c'est une déception fréquente.
01. Où cela casse
Quand on cherche une référence article, un numéro de police ou une référence de contrat, la recherche sémantique n'aide pas. Le modèle juge ce code proche d'un code "similaire" et renvoie le mauvais document.
02. Le dispositif hybride
La solution consiste à exécuter les deux recherches : la sémantique saisit le concept, celle par mots-clés la correspondance exacte. Les deux listes sont fusionnées en un seul classement.
03. Fusionner les résultats
La méthode courante mêle les rangs des deux listes dans un score. Additionner directement les scores bruts de similarité fausse le résultat, les échelles étant différentes.
04. Reclassement
Reclasser les vingt premiers de la liste fusionnée avec un modèle plus puissant améliore nettement la précision. Le coût reste faible car cela ne porte que sur les candidats.
05. Filtrer d'abord
Appliquez les filtres de date, de service ou de type de document avant la recherche. Réduire le vivier de candidats accélère et améliore à la fois.
06. Mesure
Mesurez la qualité de recherche séparément de la réponse. Le bon document apparaît-il dans les cinq premiers ? Sans cette réponse, vous ne saurez pas si une mauvaise réponse vient de la recherche ou du modèle.