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.
Aussi appelé : recall@k, nDCG, MRR, precision@k, mean reciprocal rank
Par Divya Sharma · Vérifié le 15 nov. 2026 · Notre méthode
Si votre application de génération augmentée par récupération donne de mauvaises réponses, la première question est de savoir si la recherche a trouvé les bons passages. Les métriques de recherche répondent à cette question indépendamment de la qualité des réponses. Il vous faut un jeu étiqueté : des requêtes avec les documents qui devraient remonter, souvent tiré d'un jeu de données de référence.
Recall@k
Parmi tous les documents pertinents pour une requête, quelle part figure dans les k premiers résultats ? Si trois passages répondent à une question et que deux sont dans les 5 premiers, le recall@5 vaut deux tiers. Pour le RAG, c'est souvent le chiffre le plus important, puisque le modèle ne peut utiliser que ce qu'on lui donne.
Precision@k
Parmi les k premiers résultats, quelle part est pertinente ? Une faible précision signifie que le prompt est rempli de bruit.
nDCG
Le normalized discounted cumulative gain utilise une pertinence graduée (très pertinent, un peu, pas du tout) et accorde moins de crédit à un bon résultat à mesure qu'il apparaît bas dans la liste. Il est normalisé sur une échelle de 0 à 1 pour pouvoir comparer les requêtes. De nombreux benchmarks de recherche, dont les tâches de recherche de MTEB, le rapportent.
MRR
Le mean reciprocal rank ne regarde que le premier résultat correct : 1 s'il est premier, 1/2 s'il est deuxième, 1/3 s'il est troisième, en moyenne sur les requêtes. Il convient aux tâches qui n'ont qu'une bonne réponse.
Les utiliser
Relancez le même jeu de requêtes chaque fois que vous modifiez le chunking, le modèle d'embedding, le reranking ou les réglages de l'index. Associez les métriques de recherche à une évaluation des LLM portant sur les réponses finales.
Termes liés
- Évaluation de LLM
- L'évaluation de LLM, souvent appelée evals, consiste à mesurer la façon dont un modèle ou une application d'IA accomplit une tâche en l'exécutant sur un ensemble de cas de test et en notant les sorties selon des critères définis, par du code, par des humains ou par un autre modèle.
- Golden dataset
- Un golden dataset (jeu de données de référence) est un ensemble fixe et soigneusement vérifié d'exemples d'entrées associés aux réponses ou au comportement attendus, utilisé comme référence pour évaluer un système d'IA ou en tester les régressions.
- MTEB
- MTEB, le Massive Text Embedding Benchmark, est un benchmark public accompagné d'un classement qui note les modèles d'embedding de texte sur de nombreux types de tâches, comme la recherche, le clustering, la classification et le reranking, à travers de nombreux jeux de données et langues.
- 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.
- Génération augmentée par récupération
- La génération augmentée par récupération (retrieval-augmented generation, RAG) est un schéma dans lequel un système cherche d'abord dans une collection de documents les passages pertinents pour une question, puis fournit ces passages à un modèle de langage pour que sa réponse s'appuie dessus.