INTRODUCTION À LA RECHERCHE

D’INFORMATION
Enseignante : Rim Mahouachi

Groupe : GLSI2
CONTEXTE ET MOTIVATION
 La généralisation des supports numériques.
 La chute des coûts des médias de stockage.
 L’augmentation vertigineuse de la quantité d’information stockée sous format
numérique.
 L’hétérogénéité de l’information (texte, image, son, ..).

2
 CONTEXTE ET MOTIVATION
 L’information est partout !
Chaque 60 secondes sur internet en 2024 :
• 5,9 millions de recherches sont effectuées sur Google,
• Siri répond à plus d’un million de questions,
• Près de 3,5 millions de vidéos YouTube sont visionnées,
• Près de 139 millions de Reels sont joués sur Facebook et Instagram,
• 251 millions d’emails sont envoyés,
• Plus d’un million de messages sont envoyés sur Slack,
• Gemini, l’IA de Google, accueille 8 574 visiteurs,
• Les Tiktokeurs uploadent 16 000 vidéos,
• Les abonné(e)s Netflix streament près de 363 000 heures de programmes.

L‘utilisation d’internet a augmenté de 1 482 % entre 2000 et 2024. Aujourd’hui,

le nombre d’utilisateurs d’internet dans le monde s’élève à 5,5 milliards, soit 69 3
% de la population mondiale.
CONTEXTE ET MOTIVATION
Le problème n’est donc pas la disponibilité de l’information
MAIS :
 sa sélection, son identification  arriver à trouver au bon
moment l’information utile

4
CONTEXTE ET MOTIVATION
 Un travailleur du savoir passe 2,5 heures par jour (≈ 30 %
du temps) à chercher de l’information
 seulement 50 % des informations sont correctement indexées et
donc faciles à retrouver
 Les 1 000 plus grandes entreprises américaines perdent au
moins 2,5 milliards $ par an à cause d’une mauvaise
recherche d’information
(Source : The High Cost of Not Finding Information | IDC White Paper)

L’émergence d’un domaine de recherche : Recherche d’Information

(RI) ou Repérage d’Information = Information Retrieval (IR)
5
RECHERCHE D’INFORMATION (RI)
DÉFINITION

 Recherche d’information (RI) :

 Ensemble des méthodes et techniques pour l’acquisition,

l’organisation, le stockage, la recherche et la sélection
d’information pertinente pour un utilisateur

 Concerne la recherche de données non structurées,

généralement des documents, satisfaisant une demande
d’information spécifique
 Par données non structurées, on entend les données qui ne possèdent
pas de structure interne précise ou qui sont sémantiquement ambigües

6
RECHERCHE D’INFORMATION (RI)
DONNÉE – INFORMATION - CONNAISSANCE
 Les données sont des faits bruts, des valeurs ou des
observations sans signification contextuelle.
 Ce sont des éléments de base qui n'ont pas encore été
interprétés ou analysés.
 Elles peuvent être sous forme de nombres, de mots, d'images,
ou même de sons.
 Exemple : "25", "Paris", "6h15", "apple"

 L'information est créée lorsque les données sont traitées,

organisées ou structurées d'une manière qui leur donne un
sens dans un contexte spécifique.
 C’est une donnée qui a été interprétée et qui devient utile
pour répondre à des questions comme "quoi", "où" et "quand".
 Exemple : Il est 25°C à Bizerte à 6h15 ce matin. 7
RECHERCHE D’INFORMATION (RI)
DONNÉE – INFORMATION - CONNAISSANCE

 La connaissance est le résultat de l'interprétation et de la

compréhension de l'information par un individu ou un
groupe.
 Elle est souvent liée à l'expérience, la compétence ou le
jugement et permet de comprendre "pourquoi" quelque chose
se produit ou "comment" utiliser l'information de manière
efficace dans un contexte donné.
 Exemple : "25°C à Bizerte signifie qu'il fait chaud et que des
vêtements légers sont recommandés"
Connaissance

Information
8
Données
 RECHERCHE D’INFORMATION (RI)
DONNÉE – INFORMATION - CONNAISSANCE

SGBD

Exemple dans le cadre d'une entreprise Données

o Données : Les ventes mensuelles des

différents produits (ex : "Produit A :
100 unités", "Produit B : 150 unités").
Connaissance Information
o Information : "Le Produit B a été
vendu davantage que le Produit A au
cours du mois dernier."

o Connaissance : "Les ventes du Produit

Fouille de
B augmentent à chaque saison, il données SRI
serait donc judicieux de renforcer la
promotion de ce produit avant le
prochain trimestre." 9
RECHERCHE D’INFORMATION (RI)
PROBLÈMES EN RI
 Recherche Ad-hoc
 Rechercher dans une large collection de documents les documents
qui satisfont l’information souhaitée (documents pertinents)
 Ad-hoc : vient du comment est construite la requête
 Ad-hoc : « formed or used for specific or immediate problems or needs »
(Merriam-Webster’s Collegiate Dictionary)
 Recherche spécialisée, ciblée et temporaire, visant à résoudre une
question ou un problème spécifique dans un court laps de temps

 Plusieurs types de RI Ad-hoc

 Recherche sur le web
 Recherches spécifiques

 Domaine spécifique (médical, légal, chimie, …)

 Recherche d’événements
10
 Recherche de personnes (expert)
RECHERCHE D’INFORMATION (RI)
PROBLÈMES EN RI

 Classification des documents

 Catégoriser automatiquement une collection de documents suivant
un ensemble de classes prédéfinies
 Exemple : système anti-spams
 Partitionnement des documents
 Regrouper les documents qui sont similaires par rapport à un
critère donné
 Exemples :
 identification des thèmes dans une collection de documents

 Groupement des machines suivant leurs fichiers logs pour maintenance

/ dépannage
 ..
11
SYSTÈME DE RECHERCHE D’INFORMATION
RÔLE D’UN SRI

 Étant donné
 Une collection de documents (appelé aussi corpus, ou fond de
documents) ;
 Un besoin exprimé à travers une requête de la part d’un
utilisateur.

 Objectif d’un SRI

 Retrouver les documents répondant à ce besoin le plus
précisément et le plus exhaustivement possible.
 La qualité des documents retournés (ou retrouvés) dépend étroitement
de la satisfaction de l’utilisation : notion de pertinence.

12
SYSTÈME DE RECHERCHE D’INFORMATION
DÉFINITION

Un système de recherche d’information (RI) est un système qui

permet de retrouver les documents pertinents à une requête
d’utilisateur, à partir d’une base de documents volumineuse.

13
EXEMPLES DE SYSTÈMES DE RECHERCHE D’INFORMATION

Moteurs de recherche

Mais aussi dans :

• Les entreprises
• Les bibliothèques numériques
• Domaines d’application (médecine,
droit, …)
• Nos ordinateurs

14
 SGBD VS SRI
 Spécification d’un livre
 ISBN : 0-201-12227-8
 Auteur : Salton Gerard
 Titre : Automatic text processing : the transformation, analysis, and
retrieval of information by computer
 Éditeur : Addison-Wesley
 Date publication : 1989
 Contenu : <Texte du livre>
SGBD:
1 Recherche par attributs (données structurées) (Auteur, Éditeur,
etc.)
 recherche dans les BD (simple)
 Pour trouver les livre écrits par "Musso", on peut poser la requête
suivante en SQL : select * from Livre where Auteur = "Musso"
SRI: 2 Recherche par le contenu (données non structurées) 15
 RI (complexe)
SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Document
 Toute unité qui peut constituer une réponse à une requête
d’utilisateur
 Forme : Texte, image, vidéo, etc ..
 Nature : Hétérogène (multi-sources, multi-langues)
 Structure : structuré, non structuré, semi-structuré

16
SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Requête
 Expression en texte "libre" formulée par l'utilisateur
 Exemples : "text mining", "je voudrais trouver des documents qui
parlent de ...", requêtes ambigües "apple", "java", "jaguar"…

 Exprime le besoin en information (une expression mentale)

d’un utilisateur

17
SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Requête
 Besoin utilisateur en information (sur le web) :
 Besoin informationnel : vouloir apprendre quelque chose (ex: low
homoglobin)
 Besoin navigationnel : lié à la recherche des sites d’accueil des

personnes, organisations, etc. (ex : Tunisair, UVT)

 Besoin transactionnel : lié à la recherche des services en ligne (ex :

météo Bizerte), téléchargement (ex : fond d’écran Avengers),

shopping (ex : Canon S410)

18
SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Pertinence
 Qualité d’un système à répondre exactement à la requête
demandée par l’utilisateur
 Issue de la mise en correspondance de 3 éléments : la
requête, le document et le besoin utilisateur

19
 SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Pertinence utilisateur
 représente la façon dont l’utilisateur évalue les documents
retrouvés par le SRI en fonction de son besoin d’information
(on parle de ses jugements de pertinence).

 c’est une évaluation subjective (floue) qui varie au cours du

temps et qui dépend de l’utilisateur en question :
 un même utilisateur peut avoir deux avis différents concernant un
document retrouvé suite à sa requête et ceci en fonction de sa
situation lors de l’évaluation.
 deux utilisateurs peuvent avoir deux avis différents concernant un
même document.

Mesurer de manière automatique la pertinence Solution : la pertinence 20

utilisateur est une tâche complexe système
SYSTÈME DE RECHERCHE D’INFORMATION
DOCUMENT, REQUÊTE, PERTINENCE

 Pertinence système
 pertinence attribuée par le système à partir des méthodes
utilisées pour comparer les documents et la requête.
 c’est un score obtenu automatiquement par les SRI en
comparant les représentations des documents et celles des
requêtes : rend “mesurable” la notion de pertinence.

Ce score n’est qu’une représentation imprécise de la pertinence

utilisateur (un document considéré comme pertinent par le système ne
l’est pas nécessairement par l’utilisateur) : l’enjeu de la RI est de
rapprocher tant que possible la pertinence système de la pertinence
utilisateur.
21
SYSTÈME DE RECHERCHE D’INFORMATION
RÉALISER UN SRI : APPROCHES POSSIBLES
1 Approche très naïve :
 considérer une requête comme une chaîne de caractères, et un
document pertinent comme celui qui contient cette chaîne de caractères
 balayer les documents séquentiellement, en les comparant avec la
chaîne de caractères qui est la requête.
 Si on trouve la même chaîne de caractère dans un document, alors il est
sélectionné comme réponse.

 Problèmes :
 Vitesse: Pour chaque requête, on doit parcourir tous les documents dans la
base.
 Pouvoir d'expression d'une requête: Une requête étant une simple chaîne de
caractères, il est difficile d'exprimer des besoins complexes comme "Trouver
des documents concernant la base de données et l'intelligence artificielle
utilisées dans l'industrie".

 n'est utilisée que dans des systèmes jouets très petits 22

SYSTÈME DE RECHERCHE D’INFORMATION
RÉALISER UN SRI : APPROCHES POSSIBLES
2 Approche basée sur une indexation :

 On effectue certains pré-traitements sur les documents et les

requêtes, ce qu'on appelle l'indexation.
 Cette opération vise à construire une structure d'index qui permet de
retrouver très rapidement les documents incluant des mots demandés :
l’index inversé
 Une requête peut être maintenant une expression plus complexe,
incluant des opérateurs logiques (ET, OU, …)

 Avantages :
 Elle est plus rapide : plus besoin du parcours séquentiel car avec la
structure d'index, on peut directement savoir quels documents contiennent
tel ou tel mot.
23
 L'expression des requêtes peut être très complexe, exprimant des
besoins d'information complexes
PROCESSUS DE LA RI
VUE GLOBALE

Besoin formulation requête documents

d’information

comparaison
Documents retournés

Tâches principales :

o La représentation du contenu des documents (appelée aussi analyse ou indexation)

o La comparaison (ou appariement) : établit la correspondance entre la requête de

l’utilisateur et les documents du corpus
24
o L’évaluation de la performance du système
PROCESSUS DE LA RI
L’INDEXATION indexation

Besoin formulation requête documents

d’information

analyse analyse

représentation représentation

comparaison
Documents retournés

Des techniques qui attachent à un document, un ensemble de descripteurs

(représentation) de son contenu dans le but de faciliter la recherche 25
d’information.
PROCESSUS DE LA RI
L’INDEXATION

Indexation - Chaumier 2000

Description du contenu du document à l’aide de mots clés pour faciliter la
mémorisation du contenu de ce document pour une recherche ultérieure.

Les unités extraites afin de représenter un document sont appelées mots

clés, ou descripteurs, ou termes d’indexation, ou index.

26
PROCESSUS DE LA RI
COMPARAISON ET MISE EN CORRESPONDANCE

Besoin formulation requête documents

d’information

analyse analyse

représentation représentation

Modèles de RI

comparaison
Documents retournés

Les modèles de RI ont pour objectif de définir une méthode de

comparaison entre une représentation d’un document et une représentation
d’une requête afin de déterminer leur degré de correspondance 27
(similarité).
PROCESSUS DE LA RI
EVALUATION D’UN SRI

Besoin formulation requête documents

d’information

analyse analyse

Evaluation représentation représentation

comparaison
Documents retournés

Le but de la RI est de trouver des documents pertinents à une requête, et donc utiles pour
l'utilisateur.
La qualité d'un SRI doit être mesurée en comparant les réponses du système avec les
réponses idéales que l'utilisateur espère recevoir. 28
Plus les réponses du système correspondent à celles que l'utilisateur espère, mieux est le
système.
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 Le moteur de recherche le plus populaire est Google, avec

91,47 % des parts de marché. Google est suivi par Bing, qui
détient uniquement 3,24 % des parts de marché.

 L’index de recherche de Google contient des centaines de

milliards de pages qui totalisent plus de 100 000 000
gigaoctets.

 53,3 % du trafic web mondial est généré par la recherche.

 Environ 99 000 recherches sont effectuées sur Google toutes les
secondes.
 Une personne moyenne recherche sur Google 3 à 4 fois par jour.
29

[Link]
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE
 Exploration
 Les robots d'exploration collectent les informations issues de
centaines de milliards de pages Web et les organisent dans
l'index de recherche Google.

 À mesure que les robots d'exploration visitent ces sites Web,

ils recherchent des liens vers d'autres pages à parcourir.

 Les webmasters peuvent donner des instructions plus

spécifiques pour le traitement des pages de leurs sites :
demander d'explorer des pages à nouveau ou désactiver
l'exploration à l'aide d'un fichier [Link]

30

Source : [Link]
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE
 Indexation
 Une fois que Google trouve une page, il essaye de déterminer ce sur
quoi elle porte. Ce processus s'appelle l'indexation.

 Il analyse le contenu de la page, catalogue les images et les fichiers

vidéo qui s'y trouvent, et exploite toute autre information disponible
pour identifier l'objet de cette page.
 Lorsque Google indexe une page Web, il l'associe aux entrées des
différents mots affichés sur la page.

 Ces informations sont rassemblées dans l'index Google, une énorme

base de données stockée sur un très grand nombre d'ordinateurs
 L'index de recherche Google contient des centaines de milliards de pages
Web et sa taille est bien supérieure à 100 millions de gigaoctets.

31
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 Diffusion (et classement)

 Lorsqu'un internaute saisit une requête, Google se base sur de
nombreux critères pour essayer de déterminer la réponse la
plus appropriée à partir de son index.

 Il tient compte d'autres éléments, tels que la zone

géographique de l'internaute, sa langue ou son appareil
(ordinateur ou téléphone), pour optimiser l'expérience
utilisateur et fournir les réponses les plus pertinentes.
 Par exemple, la recherche "atelier de réparation de vélo" ne génère
pas les mêmes résultats selon que l'internaute se trouve à Paris ou à
Hong Kong.

32

Source : [Link]
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 Avant :
 Google recherchait simplement les mots correspondants
 Par exemple, si vous avez recherché "pziza" - à moins qu'il n'y ait une page
avec cette faute d'orthographe particulière, vous devrez probablement
refaire la recherche avec l'orthographe correcte pour trouver une tranche
près de chez vous.

 Aujourd’hui :
 Google utilise les techniques d’apprentissage automatique pour
améliorer la recherche et ainsi rendre l’expérience utilisateur
meilleure

33
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 Aujourd’hui, avec l'apprentissage automatique:

 Google peut reconnaître plus intuitivement si un mot ne semble

pas correct et suggérer une éventuelle correction

 La recherche s'exécute sur des centaines d'algorithmes et de

modèles d'apprentissage automatique

 Chaque algorithme et modèle a un rôle spécifique, et ils se

déclenchent à des moments différents et dans des
combinaisons distinctes pour aider à fournir les résultats les
plus utiles
34
FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE
 Bert (2019) : un modèle pour comprendre le contexte des requêtes
 Exemple : Pour la requête "pouvez-vous obtenir des médicaments pour
quelqu'un dans une pharmacie", BERT comprend qu’on essaye de
déterminer si on veut obtenir des médicaments pour quelqu'un d'autre.

35
 FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 De l'Indexation à la Synthèse
"Google ne trie plus seulement le web, il le lit et le résume."

L'outil : Les AI Overviews (Aperçu IA)

o En haut de la page de résultats, au lieu

d'une liste de liens, l'utilisateur voit un
bloc de texte structuré qui répond
directement à sa question.

o C'est le modèle Gemini qui réalise ce

travail de lecture massive. Il parcourt des
dizaines de pages web en une fraction
de seconde, élimine les redondances et
génère une synthèse. 36
 FONCTIONNEMENT D’UN MOTEUR DE RECHERCHE
GOOGLE COMME EXEMPLE

 La Multimodalité
 L'outil : L'AI Mode (et Gemini Live)
 Une interface où l'on interagit de manière fluide. On peut poser une question
à l'oral (Gemini Live), entourer un objet sur son écran (Circle to Search) ou
filmer une situation réelle.
 La technologie : Contrairement aux anciens systèmes qui traduisaient les
images en texte pour les comprendre, Gemini est "natif multimodal".

Entrée : Mots-clés tapés au clavier

Entrée : Voix, Image, Vidéo via l'AI

37
Mode
RETRIEAVAL AUGMENTED GENERATION (RAG)

38
AGENTIC RAG

39
La recherche n'est pas un problème résolu

La compréhension de la langue reste un défi permanent, et cela

nous motive à continuer d'améliorer la recherche. Nous nous
améliorons toujours et travaillons pour trouver le sens de chaque
requête que vous nous envoyez et les informations les plus utiles
pour celles-ci.
(Google)

40