Pourquoi la recherche vectorielle échoue sur les catalogues techniques
La similarité sémantique est une avancée réelle. Elle est aussi le mauvais outil quand vos références encodent des dimensions, des normes et des identifiants — et voici précisément pourquoi.
Ce que fait un moteur vectoriel, et pourquoi c'est brillant
Un moteur vectoriel transforme chaque texte en une suite de nombres — un point dans un espace à plusieurs centaines de dimensions. Deux textes de sens proche se retrouvent proches dans cet espace. C'est ce qui permet à une recherche de « chaussures pour courir » de trouver des « baskets de running », sans qu'aucun synonyme n'ait été déclaré.
Sur du langage naturel, c'est une avancée considérable. Sur un catalogue de mode, de mobilier ou de contenu éditorial, la similarité sémantique répond exactement au besoin : l'acheteur décrit ce qu'il veut avec ses mots, le moteur comprend l'intention.
Le problème n'est donc pas la technique. C'est son adéquation à un type de catalogue précis.
Le cœur du problème : une distance qui ne mesure pas la bonne chose
Prenons deux références de visserie, telles qu'elles existent dans n'importe quel catalogue de quincaillerie :
| Référence | Distance sémantique | Distance commerciale |
|---|---|---|
| M8 x 20 - Inox A2 - DIN 933 | Quasi nulle — les deux textes sont presque identiques | Totale — ce sont deux produits incompatibles |
| M8 x 25 - Inox A2 - DIN 933 |
Un moteur vectoriel n'est pas incapable de distinguer ces deux chaînes : « 20 » et « 25 » sont bien deux jetons différents. Le problème est ailleurs, et il est plus fondamental : la distance qu'il calcule ne corrèle pas avec la distance qui compte. Sur ces deux références, la différence de sens est infime alors que la différence d'usage est absolue. Une vis trop longue de 5 mm traverse la pièce.
C'est cette décorrélation qui produit les symptômes que connaissent les distributeurs techniques : des résultats « proches » mais faux, une confiance dégradée dans la recherche, et des retours de marchandise dont personne ne fait le lien avec le moteur.
Trois autres cas où l'écart se creuse
Le suffixe qui change tout
Dans les pièces détachées, l'information décisive est souvent le suffixe. Un roulement 6204-2RS et un 6204-ZZ portent le même numéro et diffèrent par leur étanchéité : joints caoutchouc contre flasques tôle. Deux caractères d'écart dans le texte, deux pièces non interchangeables sur une machine en production.
L'identifiant qui a plusieurs écritures
Un ISBN se présente indifféremment sous la forme 978-2-07-041311-9 ou 9782070413119. Ce sont deux écritures du même identifiant, et un acheteur utilisera l'une ou l'autre selon sa source. Un moteur qui traite ces chaînes comme du texte les considère comme différentes — alors qu'il s'agit du même livre.
Inversement, deux éditions d'un même titre portent le même nom, le même auteur, la même couverture parfois — et deux ISBN distincts. Sémantiquement, elles sont interchangeables. Commercialement, ce sont deux produits, deux prix, deux disponibilités.
Le nombre qui n'est pas une quantité
Sur un vin, 2015 est un millésime, pas une quantité ni un prix. Un moteur généraliste le traite comme un nombre parmi d'autres — et une recherche de « magnum 2015 » remonte alors tout ce qui contient « 2015 » quelque part, y compris une référence interne ou un prix à 20,15 €.
L'approche inverse : reconnaître la structure
Heurix ne calcule pas de distance sémantique. Il reconnaît la structure d'une référence, par une cascade de règles, et en extrait des attributs exploitables. Sur les deux vis du début :
| Référence | Ce que le moteur en extrait |
|---|---|
| M8 x 20 - Inox A2 - DIN 933 | DIAM_M8 LONG_20 MAT_INOX NORME_DIN933 |
| M8 x 25 - Inox A2 - DIN 933 | DIAM_M8 LONG_25 MAT_INOX NORME_DIN933 |
Les deux références partagent leur diamètre, leur matière et leur norme. Elles diffèrent sur la longueur, isolée comme un attribut à part entière — donc filtrable, comparable, et jamais confondue. Le moteur ne se trompe pas sur ce point parce qu'il ne l'estime pas : il le lit.
Une conséquence utile : chaque résultat peut expliquer pourquoi il sort. Correspondance exacte, faute de frappe tolérée, annotation reconnue. Un classement vectoriel, lui, est difficilement explicable — la proximité dans un espace à 768 dimensions ne se raconte pas.
Comment savoir de quel côté vous êtes
La question n'est pas de savoir quelle technique est supérieure, mais laquelle correspond à votre catalogue. Quelques indices concrets :
| La similarité sémantique convient si… | La reconnaissance de structure convient si… |
|---|---|
| Vos clients décrivent un besoin avec leurs mots Vos produits se distinguent par le style, l'usage, l'ambiance Une réponse « approchante » est satisfaisante |
Vos clients tapent une référence ou un identifiant Vos produits se distinguent par des dimensions, des normes, des suffixes Une réponse approchante est une erreur de commande |
Beaucoup de catalogues relèvent des deux, selon la page et selon le visiteur. L'erreur n'est pas de choisir une technique, c'est de croire qu'une seule suffit.
Un test que vous pouvez faire aujourd'hui, sur votre propre moteur
Sans changer d'outil, sans appeler personne :
- Prenez deux références qui ne diffèrent que par une dimension — deux longueurs, deux diamètres, deux suffixes.
- Cherchez la première dans votre moteur actuel.
- Regardez si la seconde apparaît, et à quel rang.
Si elle remonte juste après, votre moteur mesure une ressemblance de texte, pas une différence de produit. Refaites l'exercice avec un identifiant écrit dans deux formats, avec et sans ponctuation — l'écart est souvent plus parlant encore.
Pour aller plus loin
Les principes du moteur sont détaillés sur la page d'accueil, et chaque secteur a sa page dédiée : quincaillerie et outillage, pièces détachées, librairie, vins et spiritueux.