AuraDoc
Se connecterCréer

Blog

Recherche sémantique dans tous vos documents

Trouvez des documents par leur sens, pas seulement par mots-clés : recherche hybride, filtres, recherche par exemple, recherches enregistrées et alertes.


La recherche par mots-clés trouve les mots que vous avez saisis. Cela fonctionne jusqu'à ce que le document dise résiliation alors que vous avez cherché annulation, ou qu'une politique décrive la même obligation de trois façons différentes. La recherche sémantique est faite pour cet écart : au lieu de comparer des caractères, elle compare le sens, et une question formulée avec vos propres mots peut tomber sur le passage qui y répond.

Comment fonctionne la recherche sémantique dans AuraDoc

Lorsqu'un document est traité, son texte est découpé en passages et chaque passage devient un embedding, une représentation numérique de son sujet. Ces embeddings sont stockés dans un index vectoriel. Quand vous cherchez, votre requête devient un embedding de la même façon et elle est comparée aux passages stockés, et les plus proches reviennent comme résultats. Le point d'accès de recherche de l'API renvoie dix résultats par défaut et jusqu'à cinquante, ignore les correspondances faibles sous un score minimal et peut reclasser la présélection pour un meilleur ordre. Chaque résultat comporte un extrait du passage avec les termes trouvés mis en évidence, pour juger un résultat sans ouvrir le fichier.

La recherche couvre le texte produit par l'extraction : les fichiers numérisés y entrent donc une fois passés par le pipeline d'OCR. Si un document n'a pas encore de texte, l'index n'a rien à conserver.

Mots-clés et sens ensemble

Le sens n'est pas toujours ce que vous voulez. Parfois il vous faut un numéro de facture exact ou une référence de clause, et une correspondance purement sémantique peut s'écarter. Pour cela, il existe une recherche hybride qui combine la correspondance par mots et la recherche vectorielle. C'est aussi le filet de sécurité : si aucune clé n'est disponible pour le fournisseur d'embeddings, la recherche n'échoue pas avec une erreur du fournisseur. Elle revient à la comparaison de mots, et la réponse inclut une note qui explique pourquoi. La recherche sémantique elle-même nécessite un fournisseur d'embeddings configuré, par la plateforme ou avec votre propre clé dans les paramètres. Quand il n'y en a aucun, la réponse le dit au lieu de renvoyer une liste vide sans explication.

Affiner les résultats avec des filtres

Une recherche par sens dans une grande bibliothèque renvoie beaucoup de choses, d'où l'importance des filtres. Vous pouvez limiter la recherche à un seul document, ou filtrer par type de fichier, comme PDF, Word, Excel, image ou texte, par date d'envoi, par nom de fichier, par plage de taille, par auteur de l'envoi et par état de traitement. Vous pouvez aussi ne garder que les documents contenant des entités extraites, des signatures ou des données personnelles détectées, et filtrer selon l'origine du fichier, par exemple un dossier cloud synchronisé. Un champ distinct compare aux entités trouvées par l'IA dans un document, pratique pour des questions comme quels contrats mentionnent une entreprise donnée. Les résultats peuvent être triés par pertinence, du plus récent, du plus ancien ou par nom de fichier.

Recherche par exemple

Vous n'avez même pas besoin de mots si vous avez déjà un document. La recherche peut partir d'un document et renvoyer les plus proches, c'est l'idée de l'onglet des documents similaires sur la page d'un document. Dans l'application web, la page de recherche accepte aussi un lien qui part d'un document donné : vous pouvez ainsi partager un point de départ avec un collègue. Pour passer d'un fichier proche aux différences exactes, voir Comparer deux documents.

Recherches enregistrées et alertes

Une question posée chaque semaine ne devrait pas être retapée. Enregistrez une recherche avec un nom, sa requête et ses filtres, puis relancez-la en une action. Une recherche enregistrée peut aussi vous prévenir de nouveaux documents, et l'alerte peut se déclencher immédiatement, chaque jour ou chaque semaine. La recherche devient ainsi une surveillance légère : une recherche enregistrée pour une clause à ne jamais manquer, vérifiée à mesure que des fichiers arrivent de vos dossiers cloud surveillés.

Coût et autorisations

Chaque requête est convertie en embedding par le fournisseur : l'embedding est donc décompté de votre quota, et la plateforme vérifie que le quota le couvre avant de le payer. L'accès par l'API utilise un périmètre dédié de lecture de recherche, de sorte qu'une intégration peut recevoir le droit de chercher sans rien de plus. Pour obtenir des réponses plutôt qu'une liste, essayez le chat avec citations. Les offres et limites figurent sur la page des tarifs.

Retour au blog