Pertinence de l’apprentissage machine dans Recherche IA

  • Rversion finale: Australia
  • Mis à jour 12 mars 2026
  • 4 minutes de lecture

    • Recherche IA Affiche d’abord les résultats de recherche les plus pertinents pour une requête. Le machine learning ajuste automatiquement le score de pertinence des résultats de recherche pour les expériences de recherche en fonction des interactions agrégées des utilisateurs.

    La pertinence du machine learning est automatiquement activée et n’est pas configurable.

    Modèles de pertinence et notation

    Recherche IA utilise un modèle de pertinence pour calculer un score de pertinence pour chaque résultat renvoyé par une recherche. Les documents avec des scores de pertinence plus élevés apparaissent en premier dans l’ensemble de résultats. Le score de pertinence d’un résultat est spécifique au document, aux termes de recherche et à l’utilisateur associés à la requête.

    Chaque profil de recherche comprend son propre modèle de pertinence. Vous ne pouvez pas afficher, modifier ou supprimer ce modèle de pertinence.
    Remarque :
    Recherche IA n’applique pas le classement par pertinence aux requêtes génériques universelles. Les résultats des requêtes s’affichent dans un ordre non spécifié.

    Signaux de recherche et réglage de la pertinence du machine learning

    Recherche IA Les composants UX enregistrent les signaux associés aux recherches des utilisateurs. Ces signaux de recherche incluent des données sur la façon dont les utilisateurs de recherche interagissent avec le champ d’entrée de recherche, les suggestions de saisie semi-automatique, les filtres de facette et de catégorie de facette source, les cartes de réponse Résultat Genius et les résultats de recherche. Pour en savoir plus sur la façon dont les signaux de recherche sont enregistrés et stockés, reportez-vous à la section Signaux de recherche.

    La pertinence d’apprentissage machine utilise les données de ces signaux de recherche pour ajuster intelligemment les modèles de pertinence en continu. Tous les 30 jours, Recherche IA calcule une nouvelle version de chaque modèle de pertinence, modifie ses paramètres de façon itérative et le teste de régression par rapport aux données agrégées des signaux de recherche pour le profil de recherche. Lorsque ce processus de réglage est terminé, Recherche IA compare les modèles de pertinence existants et nouveaux pour voir lequel produit les meilleures correspondances pour le comportement de recherche des utilisateurs tel qu’enregistré dans les données de signaux historiques.

    Si le nouveau modèle de pertinence produit de meilleurs résultats avec les données de signal, Recherche IA utilise ses valeurs de paramètres modifiées pour effectuer des évaluations A/B du trafic de recherche en direct pour le profil de recherche. Ces évaluations testent les changements de paramètres individuels pour vérifier qu’ils produisent une meilleure pertinence des recherches.
    Remarque :
    Pour plus de détails sur le cadre de travail d’évaluation des paramètres de requête de recherche utilisé pour effectuer des évaluations de tests A/B, reportez-vous à la section Cadre de travail d’évaluation des paramètres de requête de recherche.

    Si le nouveau modèle est plus performant que le modèle d’origine dans la comparaison historique des correspondances de recherche et dans les tests A/B, Recherche IA définissez-le comme modèle de pertinence actif pour le profil de recherche, remplaçant le modèle de pertinence existant. Le modèle de pertinence mis à jour reste utilisé jusqu’au début du cycle de réglage suivant.

    Ces processus de réglage du modèle de pertinence se produisent séparément pour chaque profil de recherche. Les modifications apportées au modèle de pertinence dans un profil de recherche n’affectent pas les modèles de pertinence dans les autres profils de recherche.
    Remarque :
    Lorsque vous effectuez une mise à niveau vers Australie une version précédente, les scores de pertinence par défaut de vos résultats de recherche peuvent changer. Les modèles de pertinence entraînés dans la version précédente doivent continuer à produire le même ordre de résultats. Les modèles formés il y a plus d’une version peuvent revenir au modèle de pertinence par défaut.

    Le réglage de la pertinence nécessite au moins 10 000 signaux d’événements de recherche stockés pour un profil de recherche. Si le profil de recherche a moins de 10 000 signaux stockés, le réglage de la pertinence échoue avec un message d’erreur et Recherche IA continue d’utiliser le modèle de pertinence d’origine pour ce profil de recherche.

    Modèle de pertinence pour les suggestions de saisie semi-automatique

    Recherche IA utilise un modèle de pertinence dédié pour classer les enregistrements à afficher en tant que suggestions de saisie semi-automatique dans le champ de recherche. Ce modèle de pertinence note les enregistrements en fonction de leur actualisation et des correspondances des termes de la requête de recherche dans leurs champs de titre . Le système n’entraîne pas ce modèle de pertinence de suggestion de saisie semi-automatique. Pour plus d’informations sur la configuration des suggestions de saisie semi-automatique, reportez-vous à la section Suggestions de saisie semi-automatique dans les Recherche IA applications.

    Affichage des scores de pertinence pour les résultats de recherche

    Les administrateurs de Search peuvent afficher les scores des résultats de recherche dans l’interface utilisateur d’aperçu de la recherche à partir de l’application Outils de gestion avancés Recherche IAServiceNow® Store . Pour plus d’informations sur l’utilisation de cette fonctionnalité pour étudier le comportement de recherche, reportez-vous à la section Interface utilisateur de prévisualisation de la recherche pour Recherche IA.