Comment fonctionne la recherche IA ? RAG, chunking et embeddings expliqués

Qu'est-ce que le RAG en intelligence artificielle ?

Le RAG (Retrieval-Augmented Generation, génération augmentée par la recherche) est une méthode où un modèle de langage récupère d'abord des documents pertinents dans un index, puis génère sa réponse à partir de ces documents. Elle a été formalisée par Patrick Lewis et ses coauteurs dans un article publié en mai 2020 et accepté à NeurIPS 2020.

L'article oppose la « mémoire paramétrique » du modèle (ce qu'il a appris) et une « mémoire non paramétrique » : un index vectoriel de Wikipédia, interrogé par un moteur de recherche neuronal^[1]. Détail rarement cité : dès 2020, Wikipédia y était découpé en blocs de 100 mots, soit 21 millions de documents. Le chunking est né avec le RAG.

Perplexity et Copilot fonctionnent sur ce principe : Perplexity indique chercher sur le web en temps réel et citer ses sources dans chaque réponse^[7], Microsoft que Copilot s'appuie sur les résultats de recherche web et affiche des citations^[8].

Qu'est-ce que le query fan-out ?

Le query fan-out est la technique par laquelle un moteur IA décompose une question en sous-thèmes et lance simultanément plusieurs recherches. Google l'a décrite pour le Mode IA en mai 2025 et indique que Deep Search peut lancer « des centaines de recherches ».

Google l'a présenté lors de l'annonce du Mode IA^[2] et précise que les Aperçus IA et le Mode IA peuvent l'utiliser sur des sous-thèmes et des sources de données différentes^[6]. Conséquence pour un site : une page qui couvre les sous-questions d'un sujet (prix, délais, comparatif, objections) a plus d'occasions d'être récupérée qu'une page qui ne vise qu'un mot-clé. Google précise toutefois qu'il est inutile de créer une page par variante de requête^[9].

Qu'est-ce que le chunking et pourquoi compte-t-il ?

Le chunking est le découpage d'un document en passages, généralement de quelques centaines de tokens au plus, qui sont indexés et récupérés séparément. Un moteur RAG ne cite pas votre page entière : il cite le passage qui répond le mieux à la question.

Anthropic décrit ce découpage en morceaux « usually no more than a few hundred tokens »^[4]. Le problème : un passage isolé perd son contexte. Anthropic a mesuré qu'ajouter à chaque passage 50 à 100 tokens de contexte réduisait les échecs de récupération de 35 %, et de 67 % en combinant cette méthode avec une recherche par mots-clés (BM25) et un reranking^[4].

Ce que vous pouvez en tirer, sans contrôler le découpage des moteurs : écrire des sections qui se comprennent seules. Nommer le sujet et la marque au lieu de « nous » ou « ce service », répondre dès la première phrase, garder un titre explicite. Google rappelle qu'il n'est pas nécessaire de découper artificiellement son contenu pour ses propres fonctions IA^[9] : il s'agit d'écrire clairement, pas de fragmenter.

C'est quoi un embedding ?

Un embedding est une liste de nombres qui représente le sens d'un texte. Deux textes au sens proche ont des embeddings proches : c'est ainsi qu'un moteur IA retrouve un passage qui répond à une question, même s'il n'emploie pas les mêmes mots.

OpenAI définit un embedding comme « un vecteur (une liste) de nombres à virgule flottante » ; ses modèles text-embedding-3-small et text-embedding-3-large produisent par défaut 1 536 et 3 072 dimensions, et OpenAI recommande la similarité cosinus pour les comparer^[3].

Implication : la recherche se fait au sens, pas au mot-clé exact. Des définitions explicites, un vocabulaire précis et des exemples concrets rapprochent votre passage des questions réelles.

Quelles modifications augmentent les chances d'être cité ?

Dans l'étude GEO (Aggarwal et al., KDD 2024), menée sur 10 000 requêtes, l'ajout de citations, de statistiques et de sources est la stratégie la plus efficace, avec des gains de visibilité allant jusqu'à 40 %. Le bourrage de mots-clés fait moins bien que le texte d'origine.

Source : tableau 1 de l'article^[5] ; écarts calculés par rapport à la référence. Le résultat le plus encourageant pour les petites entreprises : citer ses sources a augmenté la visibilité de 115 % pour les pages classées en 5^e position, mais l'a réduite de 30 % pour celles déjà en 1^re position. Le GEO profite d'abord aux challengers.

Comment écrire une page qui sera récupérée et citée ?

Une page récupérable et citable répond à une vraie question dans sa première phrase, découpe le sujet en sections autonomes titrées comme des questions, appuie chaque affirmation sur un chiffre ou une source, et nomme explicitement la marque et le sujet dans chaque section.

• Un titre H2 par sous-question, formulé comme le client la pose
• Une réponse directe de 40 à 60 mots sous chaque titre
• Des chiffres datés, avec un lien vers leur source
• Vos propres données et exemples, introuvables ailleurs
• Pas de pronoms orphelins : « Feres Gharbi », pas « il »

Cet article applique ces règles : chaque section commence par une réponse encadrée et chaque chiffre renvoie à sa source.