Cosine Similarity

Définition

La Cosine Similarity, ou similarité cosinus, est une mesure mathématique de similarité entre deux vecteurs non nuls dans un espace multidimensionnel, calculée comme le cosinus de l'angle formé entre ces deux vecteurs, obtenu par le rapport de leur produit scalaire sur le produit de leurs normes euclidiennes respectives, produisant une valeur comprise entre -1, indiquant des vecteurs de sens strictement opposés, et 1, indiquant des vecteurs de direction parfaitement identique, une valeur de 0 signifiant une orthogonalité totale sans relation directionnelle entre eux. Cette mesure présente un avantage déterminant pour l'analyse sémantique de texte comparée à une simple distance euclidienne : elle s'intéresse exclusivement à l'orientation relative des vecteurs comparés, indépendamment de leur magnitude absolue, une propriété précieuse lorsque l'on compare des embeddings de texte de longueurs différentes dont l'amplitude vectorielle peut varier sans que cela reflète une différence de sens réelle. Dans le contexte des pipelines RAG et de la recherche sémantique, chaque document et chaque requête sont convertis en vecteurs d'embedding par un modèle d'encodage dédié, et la similarité cosinus entre le vecteur de la requête et chaque vecteur de document stocké dans la base vectorielle permet de classer et retourner les résultats les plus pertinents sémantiquement, un standard adopté par la quasi-totalité des bases de données vectorielles modernes comme Pinecone, Weaviate ou Qdrant.