Reranking
Une deuxième étape de retrieval où un modèle cross-encoder rescore les meilleurs candidats de la première étape — la configuration qui améliore systématiquement la qualité des réponses sur des corpus réels.
L'IA de production est un système : contexte, outils, permissions, traces, évaluations et boucles de rétroaction autour du modèle.
Ce que c'est
Le reranking est la pratique d'exécuter le retrieval en deux étapes. Étape un : un récupérateur rapide mais grossier (BM25, recherche vectorielle, hybride) trouve un ensemble de candidats, disons les 50 meilleurs chunks. Étape deux : un modèle cross-encoder plus lent mais plus précis rescore ces 50 candidats contre la requête et retourne les 5 ou 10 meilleurs. Le résultat est systématiquement meilleur que ce que la première étape produit seule.
Pourquoi c'est important
Les récupérateurs de première étape sont réglés pour le rappel — ramener tout ce qui est plausible. Ils sont moins bons pour choisir les 3 meilleurs parmi 50. Un reranker cross-encoder, lui, y excelle — mais il serait trop lent pour parcourir tout le corpus, d'où l'existence des deux étapes.
Concepts liés
Recherche vectorielle, Retrieval hybride, Politique de reranking (cas d'usage), RAG.
Ressources connexes
Pipelines de retrieval qui combinent découpage, embeddings, filtrage par métadonnées, recherche hybride par mots-clés, reranking, permissions et évaluation — pas juste des lookups au plus proche voisin.
Un patron de workflow IA de production relié aux données, aux agents, aux évaluations et aux opérations.
Un patron de workflow IA de production relié aux données, aux agents, aux évaluations et aux opérations.
Le patron où un agent IA récupère du contexte pertinent dans vos données avant de générer une réponse — au lieu de s'appuyer uniquement sur ce que le modèle a appris à l'entraînement.
Comment ça fonctionne
Rerankers courants : Cohere Rerank, BGE Rerank, Voyage Rerank. Le reranker lit la requête et chaque chunk candidat ensemble (pas séparément), ce qui lui permet de juger la pertinence avec le contexte complet. Le coût en latence est réel et le gain de qualité l'est aussi — les workflows arbitrent entre les deux selon leur budget.