Embedding
Représentation vectorielle d'un texte. Base technique de la recherche sémantique et du Grounding Score.
Lire →WikiGEO & IA
Muvera
Algorithme Google qui combine recherche vectorielle et structurelle. Remplace progressivement BM25 dans le scoring des passages.
Définition
Algorithme de Google combinant recherche vectorielle et structurelle pour mieux comprendre la pertinence sémantique au niveau des vecteurs d'embeddings. Remplace progressivement les systèmes purement BM25 dans le classement des passages.
Muvera lit votre page section par section, pas d'un seul bloc
Muvera représente un document par plusieurs vecteurs, un par section significative, là où DPR encodait la page en un seul vecteur. Une requête peut donc matcher un vecteur précis du document sans que l'ensemble de la page soit pertinent. L'algorithme combine la structure du document (hiérarchie Hn, position des passages) avec son contenu sémantique.
Chaque H2 de votre page est noté séparément
Chaque H2 ou H3 génère potentiellement un vecteur distinct dans Muvera. Le Grounding Score cesse d'être un score unique de page : c'est un ensemble de scores par passage, et chaque passage s'optimise individuellement. Un brief de contenu sérieux assigne à chaque H2 un vecteur sémantique intentionnel, il ne découpe pas le texte pour l'esthétique.
Concepts liés à Muvera
Similarité cosinus
L'angle entre deux vecteurs sémantiques. Score de 0.95+ = même signification. Mécanique du Grounding Score.
Lire →Passage Ranking
Phase 2 de la Triade SERP : Google score chaque passage de 150-200 mots individuellement.
Lire →DPR (Dense Passage Retrieval)
Architecture neuronale qui retrouve les passages les plus pertinents avant la génération LLM. Brique des systèmes RAG.
Lire →Nos articles sur le sujet
Parlons de votre projet.
Je vous prépare un pré-audit de votre site et l'on en discute durant notre visio.