Recherche interne : quand demander une précision au visiteur ?

Un portail industriel reçoit « batterie 24 V »

Un portail industriel reçoit « batterie 24 V ». Dans le scénario fictif, plusieurs technologies sont incompatibles avec certains équipements. Le moteur demande la référence de machine ou propose deux familles explicites. Il ne déduit pas la compatibilité de la tension seule et laisse accéder à la recherche de référence.

Une réponse rapide à la mauvaise question reste un échec

Dans une base de connaissances, « export » peut concerner les contacts, les factures ou les droits d’accès. Un assistant qui choisit sans le dire peut fournir une procédure exacte pour le mauvais objet. Le défaut vient du cadrage, pas nécessairement de la rédaction.

Identifiez les requêtes qui conduisent à des reformulations ou à des retours immédiats. Vérifiez si le contexte de page permet déjà de lever l’ambiguïté. Ne redemandez pas une information que le visiteur vient de préciser.

Deux personnes peuvent chercher la même chose avec des mots différents

Furnas et ses collègues montrent, dans cinq domaines, les difficultés d’un vocabulaire unique choisi par le concepteur. Clark et Brennan analysent le travail de clarification nécessaire pour établir une compréhension commune. Ces travaux ne fixent pas le nombre optimal de questions d’un moteur moderne ; ils expliquent pourquoi une requête apparemment imprécise peut être parfaitement naturelle pour le visiteur. (George W. Furnas et al., 1987)(Herbert H. Clark et al., 1991)

Avant d’interrompre la recherche, vérifiez si les synonymes et les catégories d’usage suffisent. Demandez une précision seulement lorsqu’elle modifie vraiment les résultats : « pour quel matériau ? » est utile si la compatibilité en dépend. Montrez ce que la réponse permettra de distinguer et laissez une voie d’exploration. Une clarification doit réduire l’incertitude, pas faire subir au client les lacunes de votre index.

L’incertitude doit modifier l’interaction

Les recommandations humain-IA d’Amershi et ses collègues traitent notamment la gestion des erreurs et du contrôle. RAGAS sépare pertinence du contexte et qualité de réponse. Notre application : avant de générer, vérifier si plusieurs intentions plausibles conduisent à des actions différentes. (Saleema Amershi et al., 2019)(Shahul Es et al., 2024)

Un score de similarité du moteur ne représente pas automatiquement une probabilité de comprendre le besoin. Calibrez les règles sur des exemples annotés par le métier et gardez une possibilité de recherche classique.

Poser la question qui réduit réellement le risque

Préférez « Vous voulez exporter les contacts ou les factures ? » à « Pouvez-vous préciser ? ». Montrez pourquoi la distinction compte si nécessaire. Pour une recherche de référence, proposez directement les correspondances exactes plutôt qu’une conversation obligatoire.

L’équipe search peut définir des familles d’intentions ; le support apporte les confusions récurrentes ; le produit fixe les cas où une mauvaise orientation est coûteuse. Une question de clarification doit faire partie du parcours testé, pas d’un prompt laissé à l’improvisation.

Conserver une intention sans figer toute la conversation

Conservez les choix de clarification sous une forme exploitable par le moteur, pas seulement dans l’historique libre de la conversation. Une intention confirmée peut filtrer un domaine documentaire ou une famille de produits. Si l’utilisateur change ensuite de sujet, retirez les filtres devenus inadaptés et rendez ce changement visible. La recette doit inclure ces transitions : un contexte ancien conservé trop longtemps peut produire une réponse très précise à une demande qui n’est plus la bonne. L’historique aide uniquement si sa portée est maîtrisée.

Mesurer la suite de la clarification

Suivez réponses à la question, résultat choisi, reformulations et abandon. Un bon taux de réponse à la clarification ne prouve pas que la procédure trouvée est la bonne. Vérifiez l’accomplissement de la tâche lorsque c’est observable.

Si la question est souvent ignorée, examinez son vocabulaire et son utilité. Il peut être préférable de montrer deux groupes de résultats clairement nommés plutôt que de bloquer la recherche.

Si la recherche alimente un assistant, séparez les erreurs de récupération documentaire des erreurs de génération avant de modifier le moteur.

Les limites de cette analyse

• Validation de recommandations, pas estimation d’un gain commercial.
• Un juge automatique peut lui-même se tromper ; validation humaine requise.

Sources et résultats utilisés dans cet article

Les passages et le périmètre de lecture sont consultables ci-dessous. L’accès à un texte intégral ne signifie pas que chaque résultat a été audité.