Une boutique où la recherche échoue
- Leçon 1
- 25 min
- Module 1 : Le problème de la recherche
Où nous en sommes
Dans le cours Apprentissage automatique : du problème à un modèle fiable, un modèle donnait une réponse par ligne. La recherche d'une boutique donne une liste entière, et les gens regardent seulement le haut. Cette leçon commence avec un bon vendeur. Ensuite, nous voyons les échecs de la recherche de Larkfield et ce qu'ils coûtent à la boutique.
Leçon 1 sur 30 · Recherche et classement : trouver la meilleure correspondanceUne boutique où la recherche échoue
1. Le problème de la recherche
2. Mesurer la pertinence avant de changer quoi que ce soit
3. La recherche lexicale : la référence de base à battre
4. Comprendre la requête
5. La recherche dense et la recherche hybride
6. Reclasser les premiers résultats
7. Les parties de la recherche que les gens voient
8. Exploiter la recherche en production
Ce que vous saurez faire
Voyez, en chiffres, comment la recherche d’une boutique échoue à aider les gens. Puis attribuez un coût à chaque échec. Vous pourrez ainsi juger la valeur de chaque changement apporté à la recherche.
Avant de commencerCe qu’il faut savoir et avoir sous la main
Ce que vous devez savoir
- Comment utiliser une boîte de recherche dans une boutique en ligne. Rien de plus.
- Connaître les notions de modèle et de jeu de test aide, mais ce n’est pas obligatoire. Elles viennent du cours Apprentissage automatique : du problème à un modèle fiable.
Ce qu’il vous faut sur votre ordinateur
Rien. Cette leçon ne contient pas de code. Vous ferez les mêmes recherches dans Découvrir le catalogue et le journal des requêtes, la dernière leçon de ce module.
Un bon vendeur
Section intitulée « Un bon vendeur »Imaginez un grand magasin de meubles avec un bon vendeur. Une cliente entre et dit : « Il me faut un coussin gris pour dehors. » Elle parle vite et ne connaît pas les noms des produits.
Le vendeur fait plusieurs choses en quelques secondes. D’abord, il la comprend. « Pour dehors » veut dire un coussin pour un meuble de jardin. Ensuite, il pense aux produits qui pourraient convenir : coussins de siège, coussins de banc et quelques coussins décoratifs. Il les classe dans sa tête, les meilleurs en premier. Il lui montre les deux ou trois meilleurs. Si elle en aime un, elle l’achète. Sinon, elle reformule sa demande ou elle part.
La cliente ne voit jamais la majeure partie de ce travail. Elle voit seulement le résultat : le premier coussin que le vendeur lui montre. Si ce coussin ne convient pas, elle pense que le magasin n’a pas ce qu’elle veut. Un bon vendeur ne la fait pas attendre non plus. Une réponse après dix minutes est presque aussi mauvaise que pas de réponse du tout.
Une boîte de recherche doit faire le même travail pour des milliers de clients en même temps. Ce cours explique comment bien faire ce travail et comment prouver que vous l’avez bien fait.
La boîte de recherche de Larkfield
Section intitulée « La boîte de recherche de Larkfield »Larkfield est une boutique en ligne de produits pour la maison et le jardin. Vous la connaissez peut-être grâce à d’autres cours. Dans ce cours, elle vend 40 066 produits : sofas, coussins, lampes, tapis, matelas, statues de jardin et bien plus. Les produits et leurs descriptions sont réels. Ils viennent de WANDS, un jeu de données public de Wayfair, une boutique de meubles en ligne. La dernière leçon de ce module présente les données plus en détail.
La boîte de recherche de Larkfield fonctionne de façon très simple. Elle affiche un produit seulement si chaque mot de la requête apparaît dans son titre ou sa description. Une requête est le texte qu’une personne tape dans la boîte de recherche. Les produits que la recherche affiche sont les résultats.
Voici quatre recherches réelles dans le moteur de Larkfield aujourd’hui. Vous pourrez les faire vous-même plus tard dans ce module.
« grey outdor cushion ». La cliente a fait une petite faute d’orthographe : « outdor ». Aucun produit ne contient ce mot. La règle « chaque mot doit correspondre » échoue donc :
current: "grey outdor cushion" -> 0 results« canapé ». C’est le mot français pour sofa. Larkfield vend au Canada, et beaucoup de clients cherchent en français. La plupart des descriptions de produits sont en anglais. Cette recherche ne trouve donc rien non plus.
« couch ». Ici, la recherche trouve des produits, mais regardez leur ordre :
current: "couch" -> 10 results (query P-002: judged results are marked) 1. LK-98476 waytrim indoor chaise lounge sofa , folding lazy sofa floor Indoor Chaise Lounges 247.99 [out of stock] [not judged] 2. LK-10524 futon sofa bed modern linen upholstered couch , convertible Futons 311.99 [exact] 3. LK-12676 hao 78.8 '' wide microfiber/microsuede reversible sofa & cha Sectionals 60.99 [exact] 4. LK-37600 fernley chaise lounge leisure chair rest sofa chaise lounge Indoor Chaise Lounges 132.99 [not judged] 5. LK-24900 lupo 77.16 '' wide left hand facing sofa & chaise with ottom Sectionals 62.99 [exact] 6. LK-80635 convertible modular sectional sofa u shaped couch with rever Sectionals 72.99 [out of stock] [exact] 7. LK-68088 patio furniture cover , extra large waterproof outdoor furni Furniture Covers 163.99 [not judged] 8. LK-90561 sectional couch with reversible chaise modern l-shape sofa 3 Sectionals 72.99 [exact] 9. LK-30025 carballo decorative cotton lumbar pillow Accent Pillows 66.99 [out of stock] [not judged]10. LK-50332 laforet decorative cotton lumbar pillow Accent Pillows 67.99 [not judged]Le premier résultat est une chaise de sol pliante, et elle est en rupture de stock. Une housse pour meubles de terrasse occupe la position 7. Deux coussins lombaires occupent les positions 9 et 10. De vrais sofas sont sur la page, mais pas en haut. Le mot [exact] (correspondance exacte) indique qu’une personne a vérifié ce produit et l’a marqué comme correspondance exacte pour la requête. Vous apprendrez comment ces marques sont attribuées au module 2.
« emma headboard ». Emma est un nom de produit. La recherche trouve un produit : un lit plateforme appelé « emma-lea ». Une personne l’a marqué comme non pertinent. Les vraies têtes de lit Emma n’apparaissent pas du tout sur la page.
La recherche de Larkfield échoue donc de trois façons. Elle n’affiche rien, elle affiche le mauvais produit en premier, ou elle n’affiche aucun bon produit. Les prix, les stocks et les indicateurs de solde de ce cours sont synthétiques. Notre code les a créés, donc certains prix peuvent sembler étranges.
Le parcours d’une requête
Section intitulée « Le parcours d’une requête »Chaque recherche, dans chaque boutique, suit les six mêmes étapes que le travail du vendeur. Le schéma les montre, avec ce que la recherche de Larkfield fait aujourd’hui à chaque étape.
Description textuelle du diagramme
Le schéma comporte six étapes reliées par des flèches. La première rangée va de gauche à droite : 1, saisie; 2, compréhension; 3, candidats. La deuxième rangée revient de droite à gauche : 4, classement; 5, affichage; 6, clic ou abandon. Sous chaque étape, une case en pointillés montre Larkfield aujourd’hui. Saisie : 20 000 recherches en huit semaines, dans un journal synthétique. Compréhension : la recherche de Larkfield ne fait rien ici, donc « outdor » reste « outdor » et « canapé » reste en français. Candidats : chaque mot doit correspondre, donc 6 188 recherches, soit 30,9 %, ne trouvent rien. Classement : « couch » place une chaise longue en premier, et elle est en rupture de stock. Affichage : 38,1 % de tous les clics vont au premier résultat. Clic ou abandon : un clic dans 9 144 recherches et un panier dans 3 652.
Trois de ces étapes portent des noms que vous utiliserez dans chaque leçon :
- Les candidats sont les produits qui pourraient correspondre à la requête. Une boutique de 40 066 produits ne peut pas examiner chacun attentivement à chaque recherche. Elle trouve donc d’abord rapidement quelques centaines de candidats.
- Le classement met les candidats en ordre, les meilleurs en premier. Le meilleur produit devrait occuper la position 1.
- La pertinence indique à quel point un produit correspond à ce que la personne voulait. Un bon classement place les produits les plus pertinents en haut.
Ce cours suit ce parcours. Le module 3 améliore la recherche de candidats, et le module 4 traite de la compréhension de la requête. Les modules 5 et 6 améliorent le classement. Le module 7 porte sur la page que les gens voient.
La fréquence des échecs de recherche
Section intitulée « La fréquence des échecs de recherche »Larkfield conserve un journal des requêtes : un registre de chaque recherche, avec l’heure, la requête, le nombre de résultats et les clics. Le journal du cours contient 20 000 recherches du 1er septembre au 26 octobre 2025. Ce journal est synthétique. Notre code l’a créé avec les vraies requêtes de WANDS et un modèle simple des clics des gens. Ce n’est pas un registre de vrais clients. La fiche du jeu de données explique sa création.
Comptez maintenant les pages vides. Sur les 20 000 recherches, 6 188 n’ont rien trouvé : 30,9 %. Presque une recherche sur trois mène à une page vide.
Les pages vides ne sont pas réparties également. Elles viennent de la règle « chaque mot doit correspondre » :
| Recherches dans le journal | Part sans résultat |
|---|---|
| Requêtes en anglais de WANDS | 16,1 % |
| Requêtes en français (traduites automatiquement) | 94,3 % |
| Requêtes avec une faute d’orthographe (insérées) | 100 % |
Codes de produit, comme LK-91857 (insérés) |
100 % |
| Requêtes plus courtes, saisies après un échec de recherche | 43,8 % |
Un modèle de langage a traduit les requêtes anglaises en français. Les fautes d’orthographe et les codes de produit sont un problème d’exercice que nous avons créé exprès. Les vraies boutiques en rencontrent, donc nous les avons ajoutés au journal. La dernière ligne représente les gens qui ont cherché avec moins de mots après un échec.
Les recherches sans résultat les plus courantes montrent les mêmes causes. « hibou » a été recherché 216 fois et n’a jamais rien trouvé. Viennent ensuite « ligth bulb » (139 fois), « ampoule » (119 fois) et « canapé » (79 fois).
Ce que les gens font après une page vide
Section intitulée « Ce que les gens font après une page vide »Dans le journal, 2 525 des 6 188 pages vides (40,8 %) ont été suivies d’une autre recherche. Dans les 3 663 autres cas (59,2 %), la personne a arrêté de chercher. Parmi les sessions dont la première recherche n’a rien trouvé, 5,3 % se sont terminées avec un article dans le panier. Pour les sessions dont la première recherche affichait des produits, cette part était de 31,2 %.
Interprétez ces chiffres avec prudence. Notre code a créé le journal avec une règle : après une page vide, la moitié des gens cherchent encore. Le journal montre donc les effets de cette règle, pas le comportement de vrais clients de Larkfield. Il montre toutefois une chose vraie : une personne qui arrive sur une page vide a moins d’occasions d’acheter.
La tête et la traîne du journal
Section intitulée « La tête et la traîne du journal »Certaines requêtes reviennent sans cesse. « bee » a été recherché 1 157 fois, et « rack glass », 606 fois. Mais la plupart des requêtes sont rares. Le journal contient 1 903 textes de requête différents, dont 876 ont été recherchés une seule fois.
Les équipes de recherche divisent les requêtes en trois groupes selon leur fréquence. La tête regroupe les quelques requêtes les plus courantes. Le milieu vient ensuite. La traîne, ou longue traîne, regroupe les nombreuses requêtes rares. Pour Larkfield, la tête contient les 40 textes les plus courants, et le milieu, les 120 suivants.
Description textuelle du graphique
Le graphique comporte trois barres. La tête, les 40 textes de requête les plus courants, représente 37,1 % de toutes les recherches. Le milieu, les 120 textes suivants, représente 22,7 %. La traîne, les 1 743 autres textes, représente 40,2 %. Ainsi, 40 textes représentent à peu près autant de recherches que 1 743 textes réunis.
Cette répartition compte pour toutes les décisions à venir. Vous pouvez examiner les 40 requêtes de tête à la main. Vous ne pouvez pas examiner 1 743 requêtes de la traîne à la main. Ensemble, elles forment pourtant le plus grand groupe. Une meilleure recherche doit donc fonctionner pour des requêtes que personne n’a encore vues.
Ce que chaque échec coûte
Section intitulée « Ce que chaque échec coûte »Omar est le gestionnaire de produit de Larkfield. Il pose la question utile : « Combien nous coûte chaque échec? » Le cours utilise les mêmes coûts dans chaque leçon. Ce sont des hypothèses, choisies pour être réalistes. Vous pouvez les changer pour votre propre boutique.
Une page vide
Section intitulée « Une page vide »Le cours suppose que 30 % des gens quittent la boutique après une page de résultats vide. Il suppose qu’un panier perdu de cette façon vaut 85 $. Une personne qui ne trouve pas un produit peut aussi écrire au soutien. Un contact avec le soutien coûte environ 6 $.
Voici le calcul pour les huit semaines du journal :
- Pages vides : 6 188.
- Personnes qui partent : 6 188 × 30 % ≈ 1 856.
- Paniers à risque : 6 188 × 30 % × 85 $ = 157 794 $, soit environ 158 000 $.
Cela représente environ 19 700 $ par semaine. Dites « à risque selon ces hypothèses », jamais « perdus ». Certaines de ces personnes n’auraient rien acheté. D’autres cherchent encore et trouvent le produit. Le journal ne consigne pas les contacts avec le soutien, donc le cours ne les compte pas. Il donne seulement leur coût.
Un mauvais premier résultat
Section intitulée « Un mauvais premier résultat »Les gens regardent le haut de la page, et beaucoup moins ce qui se trouve plus bas. Dans le journal synthétique, le produit en position 1 a reçu un clic dans 44,6 % des recherches qui l’affichaient. Le produit en position 5 a reçu un clic dans 9,0 % des cas, et celui en position 10, dans 4,1 % :
Description textuelle du graphique
Le graphique comporte dix barres, une pour chaque position sur la page, de 1 à 10. La position 1 a la barre la plus haute. Dans 44,6 % des recherches affichant un produit à cette position, celui-ci a reçu un clic. Les barres baissent rapidement : 23,2 % en position 2, 14,8 % en position 3, 11,2 % en position 4 et 9,0 % en position 5. Les positions 6 à 10 se situent entre 7,0 % et 4,1 %.
Cette courbe vient aussi de notre code. Son modèle de clics indique qu’une personne regarde la position k avec une probabilité de 1 sur k. C’est une hypothèse. Apprendre des clics montre comment la mesurer dans un vrai journal. Pour l’instant, la leçon est simple. Un bon produit en position 5 reçoit une petite part de l’attention accordée à la position 1. Dire « le bon produit est quelque part sur la page » ne suffit donc pas. Il doit être en premier.
Une page lente
Section intitulée « Une page lente »Amira est la développeuse responsable du service de recherche de Larkfield. Elle a un budget de latence : chaque recherche doit répondre en moins de 200 millisecondes. La latence est le temps entre la question et la réponse. Le cours n’attribue pas de valeur en dollars à une page lente. Il utilise plutôt le budget comme limite stricte.
La recherche de Larkfield est rapide aujourd’hui. Elle répond à une requête typique en 1,7 milliseconde (la médiane, mesurée sur l’ordinateur portable du cours). Son problème n’est pas la vitesse : elle est rapide, mais souvent incorrecte. Les méthodes présentées plus tard trouvent de meilleurs produits, mais certaines prennent beaucoup plus de temps. Chaque amélioration doit respecter les 200 millisecondes d’Amira.
Les trois coûts réunis
Section intitulée « Les trois coûts réunis »| Échec | Ce que la personne voit | Coût dans ce cours |
|---|---|---|
| Page vide | « No results » (aucun résultat) | 30 % partent × 85 $ par panier; 6 $ par contact avec le soutien |
| Mauvais premier résultat | Un produit qu’elle ne voulait pas, en haut | Moins de clics : la position 1 reçoit 38,1 % de tous les clics |
| Page lente | Une page qui tarde à s’afficher | Pas en dollars : une limite stricte de 200 millisecondes |
Ce que Larkfield veut
Section intitulée « Ce que Larkfield veut »Larkfield veut une recherche qui trouve le meilleur produit en premier. Elle doit fonctionner en anglais et en français, et répondre en moins de 200 millisecondes. Elle ne doit jamais afficher une page vide sans bonne raison. Et Larkfield veut modifier sa recherche selon les mesures, pas selon les impressions.
Cinq personnes y travaillent dans le cours :
- Priya, la scientifique des données, construit le jeu de test, mesure et compare les méthodes. Elle est votre guide principale.
- Omar, le gestionnaire de produit, demande ce que coûte chaque échec et ce que vaut un changement.
- Amira, la développeuse, est responsable du service de recherche : l’index, le budget de latence et les mises en production.
- Tomás, l’ingénieur en IA, a des idées rapides. Certaines sont des erreurs courantes, et le cours les teste.
- Hana, la responsable du marchandisage, veut montrer les articles en solde et les nouveaux produits. Le module 7 traite de ses demandes.
Avant de modifier la recherche, Priya doit pouvoir dire « cette recherche est meilleure que celle-là ». « Couch affiche une chaise longue en premier » décrit une seule requête. Larkfield a besoin d’un chiffre pour des centaines de requêtes. Le module 2 construit cette mesure.
Erreur courante
Corriger les requêtes les plus courantes à la main
Symptôme : Tomás a une idée rapide : « Regardons les 10 requêtes les plus courantes et choisissons leurs résultats à la main. Épinglons les bons produits en haut. » Cela fonctionne pour ces 10 requêtes, et la recherche semble bien meilleure dans une démonstration.
Cause : les 10 textes les plus courants représentent seulement 20,4 % des recherches de Larkfield. Au total, 876 textes ont été recherchés une seule fois. La traîne de 1 743 textes représente 40,2 % de toutes les recherches. Demain, de nouvelles requêtes arriveront que personne n’a vues. Une liste épinglée vieillit aussi : quand un produit est en rupture de stock, son épinglage le maintient en premier.
Correction : améliorez la méthode de recherche elle-même pour qu’elle fonctionne pour des requêtes dont personne n’a épinglé les résultats. Mesurez le changement sur de nombreuses requêtes de tête, du milieu et de la traîne. L’épinglage a sa place pour quelques requêtes importantes. Aucun résultat et règles d’affaires montre comment l’utiliser avec prudence.
Conséquence pour le travail en IA : une démonstration sur les requêtes les plus courantes cache la traîne. Chaque changement de recherche dans ce cours est mesuré sur un jeu de test comprenant les trois groupes de requêtes.
Les études de cas à la fin du cours
Section intitulée « Les études de cas à la fin du cours »Larkfield vous permet de suivre une même boutique pendant l’apprentissage de chaque méthode. Le travail réel présente d’autres données et d’autres pièges. Le cours se termine donc par trois études de cas sur des données réelles et publiques. Chacune part des fichiers bruts d’un jeu de données pour arriver à une recommandation.
Études de cas de ce cours
À la fin du cours, vous appliquez ce que vous avez appris à un projet réaliste, des données jusqu’à la recommandation. Terminez-en au moins une pour obtenir le certificat; les autres sont facultatives.
- Recherche de produits pour un magasin de meublesSur le jeu de données WANDS complet : une référence de base BM25, la compréhension de la requête, la recherche hybride, un encodeur croisé et LambdaMART, comparés selon le NDCG@10 et la latence; recommandez une conception pour un budget de 200 ms.
- Requêtes d'achat avec des négatifs difficilesSur le jeu de données Amazon Shopping Queries : classez des produits avec des étiquettes exact, substitut, complément et non pertinent; mesurez le coût de montrer des substituts; comparez les tranches en anglais et en espagnol.
- Rechercher dans un centre d'aide ou un corpus scientifiqueSur un banc d'essai ouvert de récupération avec une licence permissive : la recherche lexicale, dense et hybride, le reclassement, et quand la méthode bon marché suffit.
Lisez cette liste comme un aperçu de la suite du cours. Les études de cas utilisent tout le cours. La plupart des apprenants les commencent donc après le module 8.
Vérification des connaissances
Section intitulée « Vérification des connaissances »Vérifiez votre compréhension
La recherche de Larkfield affiche un produit seulement si chaque mot de la requête figure dans son texte. Expliquez pourquoi cette règle donne une page vide pour « grey outdor cushion », « canapé » et « LK-91857 », mais pas pour « sunflower ».
Afficher la réponse
La règle exige que chaque mot de la requête figure dans le titre ou la description. « outdor » est une faute d’orthographe, donc aucun produit ne contient ce mot. Un seul mot manquant suffit pour exclure le produit. « canapé » est un mot français, et la plupart des descriptions sont en anglais. « LK-91857 » est un code de produit, et ce code ne figure pas dans le texte du produit. « sunflower » est un mot anglais courant que plusieurs titres de produits contiennent, donc la règle les trouve. Dans le journal synthétique, 30,9 % des recherches aboutissent à une page vide pour ces raisons.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Omar dit : « 6 188 pages vides × 30 % × 85 dollars : nous avons perdu 158 000 dollars. » Qu'est-ce qui ne va pas dans cette phrase, et comment devrait-il la formuler?
Afficher la réponse
Les 30 % et les 85 dollars sont des hypothèses, pas des mesures. De plus, certaines personnes n’auraient rien acheté, et d’autres cherchent à nouveau et trouvent le produit. Ce montant représente donc de l’argent à risque selon ces hypothèses, et non de l’argent perdu. Une meilleure phrase : « Selon nos hypothèses, les pages vides ont mis à risque environ 158 000 dollars de paniers en huit semaines. » Ce montant sert à comparer les changements, pas à établir un fait sur le passé.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Vérifiez votre compréhension
Faites une prédiction : une nouvelle recherche place le bon produit au rang 5 pour chaque requête, plutôt qu'au rang 1. Elle affiche les mêmes produits sur la page. Est-elle aussi bonne? Utilisez la courbe des clics dans votre réponse.
Afficher la réponse
Non. Les gens regardent beaucoup plus le haut de la page que le bas. Dans le journal synthétique, le rang 1 a reçu un clic dans 44,6 % des recherches qui l’affichaient. Le rang 5 en a reçu dans seulement 9,0 % des recherches. Le rang 1 reçoit à lui seul 38,1 % de tous les clics. Les mêmes produits dans un moins bon ordre donnent donc beaucoup moins de clics et de paniers. Il faut juger une recherche selon son classement, pas seulement selon les produits sur la page.
Votre réponse contient-elle les points principaux de la nôtre ?
Connectez-vous et inscrivez-vous au cours pour enregistrer vos réponses. Chaque vérification compte pour le certificat.
Récapitulatif
- Une recherche passe par six étapes : saisie, compréhension, sélection des candidats, classement, affichage, puis clic ou abandon. Les candidats sont les produits qui pourraient correspondre. Le classement les met en ordre. La pertinence indique à quel point un produit correspond à ce que la personne voulait.
- La recherche de Larkfield affiche un produit seulement si chaque mot correspond. Dans le journal synthétique, 30,9 % des recherches ne donnent aucun résultat. Cela représente 16,1 % des requêtes anglaises, 94,3 % des requêtes françaises, et toutes les requêtes mal orthographiées et les codes de produits.
- Elle place aussi les mauvais produits en premier : « couch » affiche une chaise longue en rupture de stock au rang 1.
- Les requêtes de tête (40 textes) représentent 37,1 % des recherches; les requêtes de la traîne (1 743 textes) en représentent 40,2 %. Corriger les requêtes à la main ne permet pas de couvrir la traîne.
- Coûts (hypothèses) : après une page vide, 30 % des gens quittent le site, chacun avec un panier de 85 $. Cela met environ 158 000 $ à risque en huit semaines. Le rang 1 reçoit 38,1 % des clics, et chaque recherche doit répondre en moins de 200 millisecondes.
Vous pouvez maintenant décrire les problèmes de la recherche de Larkfield et le coût de chacun. Mais « couch », « emma headboard » et « LK-91857 » ont échoué de façons différentes, parce que les gens cherchent des choses différentes. Ensuite, vous nommerez les types de recherche et verrez pourquoi chacun exige un classement différent.
Leçon suivante : Les types de recherche