Similarity Search

Définition

La Similarity Search (recherche de similarité) est une technique consistant à identifier, au sein d'un espace vectoriel de haute dimension, les éléments les plus proches d'un vecteur de requête donné, selon une mesure de distance ou de similarité (cosinus, euclidienne, produit scalaire). Chaque élément — texte, image, document — est préalablement converti en vecteur numérique dense (embedding) par un modèle d'apprentissage automatique capturant sa sémantique, de sorte que des éléments proches en signification se retrouvent proches géométriquement dans cet espace. Cette technique constitue le fondement de la recherche sémantique moderne et des architectures RAG (Retrieval-Augmented Generation), permettant à un système d'interroger une base de connaissances en récupérant les passages les plus pertinents pour enrichir la réponse d'un modèle de langage, plutôt que de se limiter à une simple correspondance de mots-clés. Compte tenu du coût prohibitif d'une comparaison exhaustive sur des millions de vecteurs, des algorithmes de recherche approximative du plus proche voisin sont employés : HNSW (Hierarchical Navigable Small World), structure de graphe hiérarchique offrant un bon compromis vitesse-précision ; IVF, partitionnant l'espace en clusters ; et PQ (Product Quantization), compressant les vecteurs pour réduire l'empreinte mémoire. Ces techniques sont implémentées dans des bases vectorielles comme Pinecone, Milvus ou l'extension pgvector de PostgreSQL, essentielles pour l'IA générative en entreprise.