L’intelligence artificielle et comment elle alimente la recherche Google

Google a publié un billet de blog qui explique en détail comment Google utilise l’intelligence artificielle pour alimenter les résultats de recherche. Si vous vous êtes déjà demandé comment Google comprend les requêtes et génère les résultats, ce billet vous permettra de mieux comprendre comment la technologie de l’IA comprend le sens d’une requête et quels sont les résultats à afficher.

Aux premiers jours de la recherche, avant l’introduction de l’IA et de l’apprentissage automatique, le système cherchait simplement à faire correspondre les mots d’une requête au contenu disponible sur l’internet. Dans les cas où aucune correspondance n’était trouvée, par exemple en raison d’une faute d’orthographe ou de frappe, il fallait refaire la recherche avec l’orthographe correcte afin d’obtenir des résultats pertinents.

Avec l’introduction de l’apprentissage automatique avancé, Google peut désormais reconnaître plus intuitivement si un mot est mal orthographié ou s’il s’agit d’une faute de frappe et suggérer une correction possible, voire générer des résultats pour ce qu’il pense être la bonne requête recherchée.

La recherche et l’IA s’améliorent constamment et parviennent de mieux en mieux à comprendre ce que les gens recherchent. La recherche évolue au même rythme que le monde et les gens.

Google a développé des centaines d’algorithmes au fil des ans pour pouvoir fournir aux utilisateurs des résultats de recherche pertinents. D’autres personnes peuvent penser qu’une fois les nouveaux systèmes d’IA développés, les anciens systèmes sont mis au rebut au profit des nouveaux.

Selon Google, ce n’est pas le cas pour eux. Les deux systèmes – l’ancien et le nouveau – jouent bien ensemble et l’ancien et le nouveau, travaillant main dans la main, leur permettent d’améliorer leurs systèmes.

La recherche fonctionne avec des centaines d’algorithmes et de modèles d’apprentissage automatique, chacun ayant un rôle spécialisé qui se déclenche à différents moments et dans des combinaisons distinctes, pour pouvoir fournir des résultats pertinents.

Trois grands systèmes d’IA sont utilisés dans la recherche Google aujourd’hui : Rank Brain, Neural Matching et BERT.

En plus de ces trois systèmes, il y a le MUM ou Multitask Unified Model, qui a été introduit en mai et qui en est encore à ses débuts.

Les trois principaux systèmes d’IA de Google

Examinons de plus près les trois principaux systèmes d’IA qui alimentent la recherche.

Rank Brain

Rank Brain a été lancé en 2015 et a été le premier système d’apprentissage profond déployé dans la recherche. Rank Brain est révolutionnaire car, outre le fait d’être le premier système d’IA utilisé par Google, il a également permis de comprendre comment les mots d’une recherche se rapportent à des concepts du monde réel.

Correspondance neuronale

Neural Matching a été introduit en 2018 et il a aidé à mieux comprendre comment les requêtes se rapportent aux pages. Il a aidé à comprendre les représentations plus floues des concepts dans les requêtes et les pages, puis à les faire correspondre les uns aux autres.

Le matching neuronal examine l’ensemble d’une requête ou d’une page plutôt que les seuls mots-clés, puis développe une compréhension des concepts sous-jacents qui y sont représentés. Le niveau de compréhension fourni par la correspondance neuronale permet à la recherche de comprendre des concepts plus larges représentés dans une requête ou une page, puis de mieux les faire correspondre les uns aux autres.

BERT

BERT a été lancé en 2019 et a constitué un grand pas vers la compréhension du langage naturel et de la façon dont les combinaisons de mots expriment différentes significations et intentions. BERT comprend comment une combinaison de mots exprime une idée complexe, comprend les mots en séquence et comment ils sont liés les uns aux autres. Peu importe la taille d’un mot dans une requête, il est pris en compte par BERT, ce qui l’aide à comprendre ce que le chercheur recherche.

BERT joue un rôle essentiel dans la recherche d’aujourd’hui car le système excelle dans deux des tâches les plus importantes pour fournir des résultats pertinents : le classement et la récupération. BERT peut classer rapidement les documents en fonction de leur pertinence.

Vous vous souvenez que j’ai dit que Google n’abandonne pas les anciens systèmes au profit des nouveaux et qu’ils travaillent main dans la main ? Les anciens systèmes ont été améliorés grâce à la formation de BERT, et sont plus utiles pour la recherche de documents pertinents.

L’avenir de la recherche

En mai, le MUM (Multitask Unified Model) a été présenté. Il est réputé être mille fois plus puissant que le BERT et est capable de comprendre et de générer du langage.

Il est formé à 75 langues et à de nombreuses tâches différentes à la fois, ce qui lui permet de développer une compréhension plus complète de l’information et de la connaissance du monde à travers de multiples modalités telles que le texte, les images et bien d’autres choses encore à l’avenir.

Le MUM en est encore à ses débuts et n’est pas encore utilisé pour aider au classement et à l’amélioration de la qualité des résultats de recherche comme les trois autres grands systèmes.

Tous ces systèmes – les trois principaux – Rank Brain, Neural matching, BERT – et beaucoup d’autres systèmes en coulisse, travaillent ensemble afin de fournir des résultats de haute qualité et pertinents dans la recherche.

Avec l’introduction éventuelle du MUM dans la recherche, nous nous demandons à quel point la recherche pourrait être plus efficace, et quels résultats et fonctionnalités elle pourrait offrir.

Comment l’application du MUM à la recherche changera-t-elle la façon dont les résultats de recherche sont servis ? Comment cela va-t-il changer le monde du référencement ?

Nous ne pouvons qu’attendre, voir et nous adapter continuellement, tout comme le monde évolue et la recherche évolue avec lui.

Pour en savoir plus sur la façon dont l’IA alimente les recherches, cliquez ici.