Un visiteur tape « veste légère pour l'automne » dans votre barre de recherche. Le moteur affiche trois parkas d'hiver et un parapluie, alors que vous avez vingt coupe-vent en stock. Personne n'a rien configuré de travers : l'algorithme a simplement fait ce pour quoi il a été conçu.

Pas besoin de savoir coder un moteur pour comprendre sa logique. Mais une fois qu'on la connaît, on diagnostique un problème de recherche en quelques minutes, et on ne choisit plus son outil sur la seule foi d'une plaquette commerciale.

👉 La réponse courte
  • Il existe quatre grandes familles : mots-clés (BM25), sémantique (embeddings), hybride, et classement comportemental.
  • Les mots-clés sont précis sur les références exactes mais aveugles aux synonymes. La sémantique comprend le sens mais hésite sur les codes produits.
  • L'hybride fusionne les deux. C'est l'approche des moteurs modernes.
  • Le classement comportemental ne change pas quels produits sortent, mais dans quel ordre, à partir des clics et des achats.
  • Quel que soit l'algorithme, les synonymes métier et des fiches produits complètes restent les réglages les plus rentables.

Ce qui se passe entre la frappe et les résultats

Un moteur de recherche e-commerce fait deux choses à la suite. D'abord, il trouve les candidats : tous les produits qui pourraient répondre à la requête. Ensuite, il les classe, pour décider lesquels apparaissent en haut de la page.

Les quatre familles d'algorithmes interviennent à des moments différents de ce trajet. Les mots-clés et la sémantique cherchent les candidats, l'hybride fusionne leurs listes, le comportemental réordonne le tout.

Schéma du trajet d'une requête : correspondance des mots et proximité de sens en parallèle, fusion hybride, reclassement par les signaux de comportement, puis résultats
Dans un moteur hybride, la requête est traitée deux fois en parallèle, puis les signaux de comportement affinent l'ordre.

Tous les moteurs modernes combinent ces approches. Ce qui les distingue, c'est l'équilibre entre elles et la part de réglage qu'ils vous laissent.

Les mots-clés (BM25) : précis sur ce qui est écrit

C'est la mécanique historique de la recherche. Le moteur compare les termes tapés par le visiteur avec ceux présents dans vos fiches produits. Le modèle TF-IDF date des années 70 ; BM25 (Best Match 25), sa version améliorée apparue dans les années 90, est aujourd'hui la référence.

BM25 tient compte de trois choses : la fréquence d'un mot dans une fiche, sa rareté dans l'ensemble du catalogue, et la longueur du texte (un mot dans un titre court pèse plus qu'au milieu d'une longue description). La plupart des moteurs ajoutent un poids par champ : un mot du titre compte davantage qu'un mot de la description.

📌 Exemple concret

Prenons une boutique de sport de 4 000 produits. Le mot « chaussures » apparaît dans 1 200 fiches, « trail » dans 40. Pour la requête « chaussures trail », BM25 donne bien plus de poids à « trail » : c'est le mot rare qui fait le tri. Les 40 fiches qui le contiennent remontent en tête, et parmi elles, celles qui l'ont dans le titre passent devant.

Ses qualités sont réelles : il est rapide, transparent (on comprend toujours pourquoi un produit sort) et très fiable sur les références exactes, comme « XYZ-4521 » ou un nom de modèle.

Sa limite est tout aussi nette : il ne connaît que les mots écrits. « Basket running » ne remonte pas les « chaussures de sport » si le mot « basket » n'est pas dans la fiche. « Pantalon imperméable » ne trouve pas les « softshell ». Et une phrase comme « quelque chose de chaud pour randonner » finit souvent en page zéro résultat.

⚠️ Piège à éviter

Ajouter des mots-clés en vrac dans les descriptions pour « aider » BM25 (« basket, sneaker, tennis, chaussure... ») dégrade la pertinence : les fiches les plus bourrées remontent sur des requêtes qui ne les concernent pas. Le bon endroit pour ces équivalences, c'est la liste de synonymes du moteur.

La recherche sémantique : comprendre ce qui est voulu

Au lieu de comparer des mots, la recherche sémantique compare des sens. Chaque produit et chaque requête sont convertis en un vecteur : une suite de nombres qui représente leur signification, dans un espace de plusieurs centaines de dimensions. Chercher revient alors à trouver les produits dont le vecteur est le plus proche de celui de la requête.

Ces vecteurs, qu'on appelle embeddings, sont produits par des modèles de langage entraînés sur de très grands volumes de texte. Ils « savent » que « parka » et « manteau d'hiver » sont proches, que « sneaker » et « basket » désignent la même chose, et qu'une requête sur le chaud et la randonnée appelle des doudounes et des vestes techniques. Notre article sur la recherche vectorielle détaille la mécanique.

📌 Exemple concret

Sur la même boutique de sport, « quelque chose de chaud pour l'hiver » remonte des doudounes, des bonnets et des polaires, alors qu'aucun de ces mots n'est dans la requête. À l'inverse, « réf XYZ-4521 » peut renvoyer trois références voisines avant la bonne : pour un vecteur, deux codes qui se ressemblent ont presque le même sens.

La sémantique tolère aussi mieux les reformulations et une partie des fautes. Ses contreparties : elle est moins précise sur les codes et les références exactes, et l'indexation demande plus de calcul, puisqu'il faut produire un vecteur pour chaque fiche.

La recherche hybride : deux listes fusionnées

La recherche hybride lance la requête en parallèle sur les deux méthodes, puis fusionne les résultats dans un classement unique. Elle garde la précision de BM25 sur les références et la compréhension du sens de la sémantique.

Il existe deux façons courantes de fusionner. Soit une pondération des deux scores, souvent réglée par un paramètre appelé alpha (par exemple 0,5 pour un poids égal). Soit une fusion par les rangs (Reciprocal Rank Fusion, ou RRF), qui récompense les produits bien placés dans les deux listes.

💡 Astuce

Avec la fusion par rangs, un produit classé 2e en mots-clés et 5e en sémantique passe devant un produit 1er d'un côté mais absent de l'autre. Quand vous voyez remonter un produit « moyen partout » plutôt qu'un champion d'une seule méthode, ce n'est pas un bug : c'est l'hybride qui privilégie le consensus.

C'est devenu le standard des moteurs récents. Elasticsearch permet de combiner recherche lexicale et vectorielle dans ses versions 8, Algolia le propose avec NeuralSearch, et Google Vertex AI Search for Retail associe compréhension de la requête et correspondance des mots. La contrepartie : un paramétrage plus délicat et une infrastructure plus lourde quand on l'héberge soi-même.

Le classement comportemental : l'ordre appris de vos clients

Cette quatrième famille ne change pas quels produits sont trouvés, mais dans quel ordre ils s'affichent. Le moteur observe ce que font vos visiteurs après une recherche (clics, ajouts au panier, achats) et ajuste le classement pour mettre en avant les produits qui répondent le mieux à chaque type de requête.

Si les clients qui cherchent « running débutant » cliquent et achètent surtout un modèle précis, ce modèle remonte sur cette requête, sans réglage manuel. On parle aussi de ranking ML ou d'apprentissage du classement.

⚠️ Piège à éviter

Le classement comportemental amplifie les tendances existantes. Un produit peu visible au départ reçoit peu de clics, donc reste peu visible. Les nouveautés, les promotions et les fins de série ont besoin d'un coup de pouce manuel : c'est le rôle du searchandising (boost, mise en avant).

Autre limite : au lancement, il n'a rien à apprendre. C'est le problème du démarrage à froid (cold start). Il lui faut un volume de données suffisant pour que le signal soit fiable, et il agit d'abord sur les requêtes les plus fréquentes.

Les quatre approches côte à côte

Le tableau résume ce que chaque famille apporte, ce qu'elle rate, et ce dont elle a besoin pour fonctionner.

AlgorithmePoints fortsLimites principalesDonnées requises
BM25 / TF-IDFPrécis sur les références exactes, rapide, transparentIgnore synonymes et langage naturelAucune, hormis les fiches
SémantiqueComprend le sens, les phrases, les reformulationsMoins fiable sur les codes et SKU exactsUn modèle d'embeddings (pré-entraîné)
HybridePrécision et compréhension du sens, moins de zéro résultatÉquilibre entre les deux méthodes délicat à réglerUn modèle d'embeddings
Ranking comportementalS'adapte à votre audience, optimise l'ordre en continuDémarrage à froid, amplifie les best-sellersClics et achats en volume suffisant

Ces différences se voient dans les études. Baymard Institute a mesuré, type de requête par type de requête, la part des sites e-commerce dont la recherche échoue :

Part des sites e-commerce en échec, par type de requête
Requête exacte (nom, référence)
12 %
Type de produit
20 %
Cas d'usage
43 %
Abréviations et symboles
54 %
Requêtes hors produit
66 %
Source : Baymard Institute, Ecommerce Search UX Best Practices, 2026.

Les requêtes exactes, terrain naturel des mots-clés, sont les mieux traitées. Les cas d'usage (« veste pour courir sous la pluie ») sont ratés par plus de quatre sites sur dix : ce sont précisément celles qui demandent de comprendre le sens.

Testez votre moteur en dix minutes

Pas besoin de demander à votre prestataire quel algorithme il utilise : votre barre de recherche vous le dira. Tapez une requête de chaque type ci-dessous, en remplaçant les exemples par des produits de votre catalogue.

Batterie de requêtes de test1. Référence exacte : XYZ-4521 (un vrai code de votre catalogue) 2. Synonyme : basket (si vos fiches disent « sneaker ») 3. Faute de frappe : chausure trail 4. Pluriel / accord : vestes impermeables 5. Cas d'usage : veste pour courir sous la pluie 6. Abréviation : VTT, tshirt, 2p (deux places) 7. Hors produit : livraison, retour, taille 8. Requête longue : cadeau pour un randonneur débutant
Si le moteur échoue sur...Cause probablePiste de correction
1 (référence exacte)Sémantique seule, sans couche mots-clésPasser à un moteur hybride, indexer les codes
2, 6 (synonyme, abréviation)Mots-clés seulsListe de synonymes, puis moteur sémantique
3, 4 (faute, pluriel)Pas de tolérance aux fautes ni de normalisationActiver la correction orthographique
5, 8 (cas d'usage, phrase)Pas de compréhension du sensMoteur sémantique ou hybride
7 (hors produit)Aucune redirection prévueRediriger vers les pages d'aide
💡 Astuce

Ne vous arrêtez pas à « des résultats s'affichent ». Regardez les trois premiers : sur mobile, c'est souvent tout ce que le visiteur voit. Un moteur qui renvoie 200 produits dont aucun pertinent en tête échoue autant qu'une page vide. Vos pages sans résultat méritent aussi un traitement à part, détaillé dans notre article sur les pages zéro résultat.

Quelle combinaison pour votre boutique ?

La réponse dépend de la taille du catalogue, du trafic et de la richesse de vos données produits. Les seuils ci-dessous sont des repères, pas des frontières strictes.

Schéma de décision : moins de 1 000 produits, mots-clés et synonymes ; 1 000 à 50 000 produits, hybride et synonymes métier ; plus de 50 000 visiteurs par mois, hybride et classement comportemental
Trois profils de boutique, trois points de départ. Les synonymes et les fiches complètes valent pour tous.
  • Petit catalogue (moins de 1 000 produits) : un moteur par mots-clés bien réglé, avec des synonymes tenus à jour, peut suffire. Une couche sémantique se justifie quand les requêtes ratées commencent à peser.
  • Catalogue moyen à grand (1 000 à 50 000 produits) : l'hybride devient vite indispensable. Entre les variantes, les marques et les formulations, la liste de synonymes manuelle ne peut plus tout couvrir.
  • Site à fort trafic (plus de 50 000 visiteurs par mois) : le classement comportemental apporte une amélioration continue sans intervention. Il faut assez de données pour qu'il converge vers un signal fiable.
  • Dans tous les cas : les synonymes métier restent le réglage le plus rentable à court terme. Peu coûteux à mettre en place, avec un effet immédiat sur les recherches sans résultat.
✅ À faire
  • Tester le moteur avec les vraies requêtes de vos clients
  • Renseigner marque, couleur, matière dans des champs dédiés
  • Relire chaque mois les recherches sans résultat
❌ À éviter
  • Choisir un outil sur le seul mot « IA » de sa plaquette
  • Compter sur le comportemental pour lancer une nouveauté
  • Remplir les descriptions de mots-clés en vrac

Ce que fait Vectail avec ces algorithmes

Vectail s'appuie sur Google Vertex AI Search for Retail. Google ne publie pas le détail de ses modèles, mais sa documentation décrit un moteur qui combine la compréhension de la requête, la correspondance avec les attributs du catalogue et les événements utilisateurs. Vous n'avez pas à choisir ni à calibrer l'équilibre entre mots-clés et sens : c'est géré par l'infrastructure de Google.

  • Expansion de requête automatique : chaque recherche est envoyée avec le paramètre queryExpansionSpec: AUTO, qui permet au moteur d'élargir la requête à des termes proches quand les résultats exacts sont insuffisants.
  • Signaux de comportement : les recherches et les clics de vos visiteurs sont transmis à Vertex AI sous forme d'événements, sans cookie. Google s'en sert pour affiner les résultats, et ce signal se construit au fil du trafic.
  • Synonymes métier depuis le dashboard : pour « VTT » et « vélo tout terrain », ou « parka » et « manteau », vous créez un groupe et choisissez le terme de votre catalogue. Vectail réécrit la requête vers ce terme avant de l'envoyer au moteur.
  • Autocomplétion qui apprend : les suggestions s'enrichissent des requêtes réellement tapées sur votre site.

Limite honnête : vous ne réglez pas vous-même le poids entre mots-clés et sémantique. Si votre équipe technique veut paramétrer chaque curseur, un moteur comme Elasticsearch donne plus de contrôle, au prix d'un développement et d'une maintenance à votre charge. Pour aller plus loin sur le moteur de Google, lisez notre article sur Google Vertex AI Search for Retail.

Votre checklist

  • Batterie de 8 requêtes de test passée sur votre moteur actuel
  • Les trois premiers résultats vérifiés sur mobile, pas seulement la présence de résultats
  • Références exactes trouvées (sinon : couche mots-clés manquante)
  • Synonymes et cas d'usage trouvés (sinon : couche sémantique manquante)
  • Liste de synonymes métier créée, avec les abréviations de votre secteur
  • Attributs (marque, couleur, matière, taille) renseignés dans des champs dédiés
  • Nouveautés et promotions mises en avant manuellement
  • Recherches sans résultat relues chaque mois

Questions fréquentes

Quelle est la différence entre BM25 et la recherche sémantique ?

BM25 compare les mots tapés avec les mots présents dans les fiches produits : il est très précis sur une référence ou un nom exact, mais ne trouve rien si le client emploie un autre mot que le vôtre. La recherche sémantique compare le sens de la requête et celui des produits grâce à des vecteurs : elle comprend les synonymes et les phrases, mais elle est moins fiable sur les codes produits.

La recherche hybride est-elle toujours meilleure ?

Elle couvre plus de cas, puisqu'elle cumule la précision des mots-clés et la compréhension du sens. Sur un petit catalogue au vocabulaire simple, un moteur par mots-clés bien réglé avec une liste de synonymes peut suffire. L'hybride devient vraiment utile quand les formulations des clients s'éloignent de celles des fiches.

Faut-il encore des synonymes avec un moteur sémantique ?

Oui, pour le vocabulaire propre à votre métier : abréviations, noms de gamme, termes techniques ou régionaux. Un modèle généraliste connaît le langage courant, pas forcément le jargon de votre secteur. Les synonymes restent le réglage le moins coûteux et celui qui donne le plus vite des résultats.

Combien de trafic faut-il pour que le classement comportemental fonctionne ?

Il n'existe pas de seuil universel. Il faut que les requêtes fréquentes accumulent assez de clics et d'achats pour qu'un signal se dégage. Comme repère, on considère qu'à partir de quelques dizaines de milliers de visiteurs par mois l'effet devient sensible ; en dessous, il agit surtout sur les requêtes les plus tapées.

Sources

  1. Baymard Institute, Ecommerce Search UX Best Practices, 2026.

Laissez Vectail gérer les algorithmes à votre place

Recherche propulsée par Google Vertex AI, signaux de comportement et synonymes métier réglables depuis un seul dashboard. Votre catalogue est importé depuis Google Merchant Center, et le moteur s'installe avec une ligne de code, sans plugin.

Démarrer gratuitement - 14 jours sans CB