Plongements et similarité : ce que mesure réellement un vecteur

Un utilisateur cherche la procédure d'arrêt d'urgence. Votre système renvoie en premier un passage intitulé procédure de démarrage d'urgence, avec un score de similarité de 0,94. Le passage sur l'arrêt existe, il est en cinquième position avec 0,88. Le modèle reçoit d'abord la mauvaise procédure et répond à côté. Vous êtes tenté d'incriminer la base vectorielle : elle a parfaitement fait son travail. Les deux textes partagent le vocabulaire, la syntaxe, le domaine, et diffèrent par un seul mot dont l'inversion sémantique est totale.

C'est le comportement normal d'un plongement, et non un défaut. Un plongement encode une proximité de sujet, pas une identité de sens. Antonymes, négations et références numériques exactes sont ses angles morts structurels. Comprendre précisément ce qu'un vecteur capture vous évitera de passer trois semaines à changer de modèle pour un problème que seule la recherche hybride résoudra.

Ce qu'encode un vecteur

Un modèle de plongement projette un texte dans un espace de plusieurs centaines de dimensions, entraîné pour que des textes que des humains jugent liés soient géométriquement proches. Aucune dimension n'a de sens interprétable individuellement : seules les distances relatives comptent.