La plupart des moteurs de recherche de sites fonctionnent encore comme il y a vingt ans : ils cherchent les mots tapés. Tapez « quelque chose de beau pour meubler un petit appartement » dans un site d’annonces et vous n’obtenez rien — aucune annonce ne contient cette phrase. Pourtant, le site compte des dizaines de canapés, d’étagères et de tables qui y répondent.
Vidifye est une plateforme de petites annonces vidéo que je développe et exploite. Voici comment sa recherche a été rebâtie pour trouver ce que les gens veulent dire plutôt que ce qu’ils ont tapé, ce qu’il faut pour la faire tourner, et ce qu’elle coûte.
Pourquoi la recherche par mots-clés échoue
La recherche par mots-clés compare l’orthographe, pas le sens. Un vendeur écrit « Yamaha MT-07, 2019, faible kilométrage » ; un acheteur tape « moto pas chère pour débutant ». La même chose, sans un seul mot en commun. Chaque recherche qui revient vide, c’est un acheteur qui s’en va — et, sur une plateforme d’annonces, un vendeur qui n’en entendra jamais parler.
Ce que le RAG apporte à la recherche
Le RAG — la génération augmentée par la recherche — est surtout associé aux chatbots : trouver d’abord les bons documents, puis laisser une IA répondre à partir d’eux. La première moitié, la recherche, est exactement ce dont un moteur de recherche a besoin. Chaque annonce est transformée en vecteur, une liste de nombres qui capte ce dont elle parle. Une recherche est transformée en vecteur de la même façon, et les annonces les plus proches remontent — même quand elles n’ont aucun mot en commun avec la requête.
Comment fonctionne une recherche Vidifye
- Lire la demande. Un modèle d’IA lit la requête et en dégage ce que la personne cherche : l’objet lui-même, une catégorie, un budget, un état. « Yamaha pas chère moins de 5 000 près de Laval » devient une moto, un plafond de 5 000 $ et un lieu.
- Trouver par le sens. La demande épurée est comparée au vecteur de chaque annonce en ligne. Chaque annonce est décrite à cette fin : son titre, sa catégorie, son état, sa gamme de prix, sa ville et sa description.
- Doser ce qui compte sur une plateforme d’annonces. Le sens pèse le plus, mais pas seul : les mots exacts comptent encore, les annonces récentes reçoivent un coup de pouce et celles qui sont proches remontent. Un budget est une limite ferme — rien au-dessus de 5 000 $ n’apparaît.
- Jeter un second coup d’œil. Pour les recherches plus longues et descriptives, une IA revoit les dix premiers résultats et les réordonne selon ce qui répond vraiment à la demande. Les recherches d’un ou deux mots, comme « honda », sautent cette étape : il n’y a rien à interpréter.
Montrer ce qui a été compris
Une recherche qui vous réinterprète en silence a quelque chose de déroutant. Vidifye montre donc ce qu’elle a compris : au-dessus des résultats, une ligne indique « Affichage : Motos · Moins de 5 000 $ · Près de Laval ». Chaque élément est une pastille qu’on retire d’un toucher. Si la recherche a mal lu la demande, l’acheteur le voit et corrige — au lieu de faire défiler des résultats incohérents et d’abandonner.
Cette ligne fait plus pour la confiance que n’importe quel gain de précision du classement. Les gens pardonnent à une recherche de mal les comprendre, pourvu qu’elle leur dise comment elle les a compris.
Assez rapide, assez économique
La première version prenait plus de quatre secondes par recherche — beaucoup trop lent pour quelqu’un qui fait défiler des annonces sur son téléphone. Trois changements ont réglé ça :
- Les recherches courtes sautent la revue par l’IA : « honda » est passée de 4,6 secondes à 0,85.
- La revue par l’IA se fait maintenant après l’envoi des résultats, et son meilleur ordre est conservé pour la prochaine personne qui fait la même recherche.
- Les deux appels à l’IA du début se font en parallèle plutôt que l’un après l’autre.
Les vecteurs sont stockés dans la même base MariaDB que les annonces — aucun service vectoriel à part à payer, héberger ou sécuriser. Transformer les 2 257 annonces existantes en vecteurs a coûté une trentaine de cents. Les recherches répétées sont servies depuis un cache, la lecture d’une requête par l’IA est conservée trente jours et chaque visiteur a une limite de requêtes : la facture suit les vrais acheteurs, pas les robots.
Conçue pour échouer en silence
Chaque étape peut échouer : un fournisseur d’IA tombe en panne, un quota est épuisé. Quand ça arrive, la recherche continue avec ce que l’étape précédente a produit, et si la partie IA est indisponible, le site revient discrètement à la recherche classique par mots-clés. Un acheteur ne voit jamais de page d’erreur parce qu’un modèle était occupé.
Ce que ça signifie pour une PME
Si votre site a une boîte de recherche — un catalogue, des annonces, une base de connaissances, des articles de soutien — la même approche s’applique. Les pièces sont maintenant abordables, la base de données que vous avez déjà peut probablement contenir les vecteurs, et le coût par recherche se compte en cents.
Ce qui fait que ça marche, c’est l’ingénierie autour du modèle : ce que chaque élément dit de lui-même, comment le sens est pondéré face au prix et à la distance, ce qui se passe quand l’IA est en panne, et dire aux gens ce que la machine a compris.