BM25
BM25 est une formule de classement pour la recherche par mots-clés. Elle note chaque document selon la fréquence des mots de la requête qu'il contient, en accordant plus de poids aux mots rares et moins de crédit aux documents longs et aux termes répétés.
Aussi appelé : Okapi BM25, keyword search, lexical search
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
BM25 est la méthode standard de classement par mots-clés dans des moteurs de recherche comme Elasticsearch, OpenSearch et Lucene. Elle est issue des recherches Okapi en recherche d'information et reste une référence solide, même face aux systèmes de récupération neuronaux.
Comment elle note
Pour chaque mot de la requête, BM25 examine trois éléments. La fréquence du terme : un mot qui apparaît davantage dans un document compte plus, mais avec des rendements décroissants, chaque mention supplémentaire ajoutant moins. La fréquence inverse en documents : les mots rares comme « pgvector » comptent bien plus que les mots courants comme « le ». La longueur du document : les documents longs sont un peu pénalisés, puisqu'ils contiennent plus de mots par hasard. Deux paramètres, généralement appelés k1 et b, règlent le premier et le troisième effet.
C'est une méthode par sac de mots : l'ordre des mots et leur sens sont ignorés.
Pourquoi elle compte encore pour l'IA
BM25 n'a besoin ni de modèle, ni de GPU, ni d'étape d'embedding, et elle gère bien les codes produits, les noms et les messages d'erreur. Le benchmark BEIR a montré que BM25 est une référence robuste sur de nombreuses tâches de récupération. C'est pourquoi la plupart des configurations de recherche hybride associent BM25 à la recherche vectorielle.
Limites
BM25 ne sait pas faire correspondre les synonymes ou les paraphrases : « voiture » ne trouvera pas « automobile ». Les modèles appris de récupération parcimonieuse comme SPLADE conservent la même structure d'index mais ajoutent des termes apparentés, ce qui comble cette lacune.
Termes liés
- Recherche hybride
- La recherche hybride (hybrid search) exécute une recherche par mots-clés et une recherche vectorielle sur la même requête et fusionne les deux listes classées, afin que les résultats puissent correspondre aux mots exacts comme au sens.
- Recherche parcimonieuse
- La recherche parcimonieuse (sparse retrieval) représente les requêtes et les documents sous forme de vecteurs sur un vocabulaire dont la plupart des entrées valent zéro et où chaque entrée non nulle est le poids d'un mot, si bien que la recherche peut utiliser des index inversés rapides comme la recherche par mots-clés.
- Recherche vectorielle
- La recherche vectorielle (vector search) trouve des éléments en comparant leurs embeddings à celui d'une requête et en renvoyant les plus proches, si bien que les résultats correspondent par le sens plutôt que par des mots-clés communs.
- Reranking
- Le reranking (reclassement) est une seconde étape de recherche qui prend une courte liste de documents candidats et les réordonne selon leur pertinence pour la requête, à l'aide d'un modèle plus précis mais plus lent que la première recherche.
- Métriques de recherche (recall@k, nDCG, MRR)
- Les métriques de recherche (retrieval metrics) mesurent la capacité d'un système de recherche à renvoyer des documents pertinents. Recall@k vérifie combien d'éléments pertinents figurent dans les k premiers, nDCG récompense un classement élevé de ces éléments, et MRR mesure à quel rang apparaît le premier résultat correct.