Numérique · Bases et gestion des connaissances
Moteur de recherche interne
Un moteur de recherche interne permet de trouver un contenu à l’intérieur d’un site, d’un intranet ou d’une base de connaissance. Il repose sur un index, un calcul de pertinence et des filtres.
Mis à jour le 4 min de lecture
Sur un site marchand, un intranet ou une base de connaissance, la barre de recherche est souvent l’outil le plus utilisé, et celui dont les défauts se voient le plus vite : aucun résultat pour une simple faute de frappe, document introuvable alors qu’il existe, réponse pertinente noyée en page 3. Comprendre son fonctionnement aide à le régler.
Les trois étapes du fonctionnement
1. L’indexation
Le moteur ne relit pas tous les documents à chaque recherche. Il les analyse une fois et construit un index inversé : pour chaque mot, la liste des documents qui le contiennent, comme l’index à la fin d’un livre. Avant d’être indexé, le texte est normalisé :
- découpage en mots (tokenisation) ;
- passage en minuscules, suppression des accents ;
- suppression des mots vides (le, de, et) selon les réglages ;
- racinisation ou lemmatisation : recherches, rechercher et recherché sont ramenés à une même forme.
Les métadonnées (titre, catégorie, date, auteur) sont indexées dans des champs séparés.
2. L’interprétation de la requête
La requête subit les mêmes transformations, puis le moteur peut la corriger (tolérance aux fautes), l’enrichir de synonymes et proposer une autocomplétion.
3. Le classement par pertinence
Les documents trouvés sont triés par un score. Le modèle classique, BM25, descendant du TF-IDF, valorise un mot fréquent dans le document mais rare dans l’ensemble du corpus. On y ajoute des pondérations : un mot dans le titre compte plus que dans le corps, un document récent ou très consulté peut être remonté.
Recherche lexicale et recherche sémantique
| Lexicale (par mots-clés) | Sémantique (vectorielle) | |
|---|---|---|
| Principe | Correspondance des mots | Proximité de sens entre textes |
| Technique | Index inversé, BM25 | Plongements (embeddings) produits par un modèle d’IA |
| Points forts | Précise, rapide, explicable, idéale pour les références et noms propres | Comprend les reformulations et les questions en langage naturel |
| Limites | Échoue si l’utilisateur n’emploie pas le bon mot | Moins prévisible, peut remonter du « proche » mais faux, plus coûteuse |
La plupart des systèmes récents sont hybrides : ils combinent les deux scores. La recherche sémantique est aussi la brique de base des assistants qui répondent à partir d’une documentation, selon l’approche décrite dans base de connaissances et RAG.
Les fonctions qui font la différence
- Facettes : filtres par catégorie, type, date, auteur, construits à partir d’une taxonomie.
- Tolérance aux fautes et correction orthographique (« Vouliez-vous dire… »).
- Synonymes gérés par un dictionnaire ou un thésaurus.
- Mise en avant manuelle d’un résultat pour une requête fréquente.
- Extraits surlignant les mots trouvés.
- Respect des droits : un utilisateur ne doit voir que les documents auxquels il a accès.
Les principaux outils
| Famille | Exemples | Remarque |
|---|---|---|
| Moteurs à installer (open source) | Elasticsearch, OpenSearch, Apache Solr, Meilisearch, Typesense | Contrôle total, hébergement à prévoir |
| Services hébergés | Algolia, offres cloud des grands fournisseurs | Mise en place rapide, coût à l’usage |
| Recherche intégrée | Moteur natif d’un CMS, d’un wiki, d’un outil de support | Suffisant pour les petits volumes |
| Recherche statique | Index précalculé chargé dans le navigateur | Adapté aux petits sites sans serveur |
Pour un site de quelques centaines de pages, une recherche intégrée ou statique suffit souvent ; au-delà de plusieurs dizaines de milliers de documents, ou avec des droits d’accès complexes, un moteur dédié s’impose.
Améliorer un moteur existant
- Analyser les journaux de recherche : requêtes les plus fréquentes, requêtes sans résultat, requêtes suivies d’aucun clic.
- Ajouter des synonymes pour les termes métier, abréviations et sigles.
- Corriger les contenus : titres explicites, résumés, métadonnées complètes. Un moteur ne trouve que ce qui est bien décrit.
- Ajuster les pondérations (titre, récence, popularité).
- Créer les contenus qui manquent : une requête fréquente sans résultat révèle un besoin non couvert.
- Mesurer régulièrement : taux de recherches sans résultat, taux de clic sur le premier résultat.
Questions fréquentes
Pourquoi la recherche de mon site ne trouve-t-elle rien ?
Causes courantes : contenu non indexé (index pas mis à jour), mot absent du texte alors que l’utilisateur emploie un synonyme, absence de tolérance aux fautes, ou droits d’accès qui masquent le document.
Faut-il remplacer la recherche par un assistant d’IA ?
Pas forcément. Un assistant répond en langage naturel mais peut se tromper ; une liste de résultats laisse l’utilisateur vérifier la source. Les deux se complètent souvent, l’assistant citant les documents trouvés par le moteur.
Qu’est-ce qu’un index inversé ?
Une table qui associe chaque mot aux documents qui le contiennent. C’est ce qui permet de chercher en quelques millisecondes dans des millions de documents.