Recherche par mots-cles BM25

Définition

BM25, pour Best Matching 25, est un algorithme de recherche par mots-cles qui evalue la pertinence d'un document par rapport a une requete en fonction de la frequence des termes de la requete presents dans le document, ponderee par la rarete de ces termes dans l'ensemble de la collection et ajustee pour tenir compte de la longueur du document. Il constitue une evolution statistique du modele plus ancien TF-IDF, avec des parametres de saturation qui evitent qu'un terme repete de nombreuses fois dans un document n'augmente indefiniment son score de pertinence, ainsi qu'une normalisation par la longueur moyenne des documents de la collection qui evite de favoriser systematiquement les textes les plus longs. Contrairement a la recherche vectorielle semantique, BM25 ne comprend pas le sens des mots ni leurs synonymes : il repose exclusivement sur la correspondance lexicale exacte entre les termes de la requete et ceux des documents indexes. Cette caracteristique en fait un complement precieux de la recherche semantique dans les architectures de recherche hybride, car BM25 excelle a retrouver des identifiants precis, des noms propres, des references de normes comme ISO ou NIST, ou des acronymes techniques que les modeles d'embedding representent parfois de maniere trop approximative. Malgre son anciennete, BM25 reste largement utilise en production, notamment via des moteurs comme Elasticsearch ou OpenSearch, en raison de sa rapidite et de sa fiabilite eprouvee.