GuidesComprendre l’IA

Le reranking : relire les résultats pour garder les bons

Par l’équipe Banzai LabsMis à jour le 2 min de lecture

50 candidatsRerankerquestion + passage0.940.880.81Relire les meilleurs candidats avec la question, et garder les vrais bons
Le reranker relit chaque candidat avec la question et ne garde que les plus pertinents.

Deux façons de comparer

Embeddings ou reranker
Embeddings
  • Question et passage encodés séparément
  • Comparaison de deux vecteurs : très rapide
  • Sur des millions de passages
Reranker
  • Question et passage lus ensemble
  • Jugement plus fin, plus lent
  • Sur quelques dizaines de candidats

Sa place dans un RAG

  1. 1Recherche50 candidats, par mots-clés et par sens.
  2. 2RerankingChaque candidat noté avec la question.
  3. 3SélectionLes 5 meilleurs, au-dessus d’un seuil.
  4. 4RéponseLe modèle ne lit que ces passages.

Le bilan

Aspect Effet
Qualité Moins de passages hors sujet, réponses plus justes
Coût du modèle principal Moins de texte à lire
Latence Une étape de plus
Complexité Un service ou un modèle de plus à maintenir

Mesurez le gain sur votre jeu de test : évaluer un RAG. Avant le reranking : la recherche hybride.

Questions fréquentes

Pourquoi ne pas reranker directement tout le corpus ?
Parce que c’est lent : le reranker traite chaque paire question-passage. On l’applique aux quelques dizaines de candidats déjà trouvés.
Quels modèles existent ?
Des services comme Cohere Rerank ou Voyage proposent des rerankers, et des modèles open source comme bge-reranker peuvent tourner sur vos serveurs.
Combien de temps ajoute-t-il ?
En général de quelques dizaines à quelques centaines de millisecondes selon le modèle et le nombre de candidats. Mesurez sur vos données.

À lire ensuite

Tous les guides