Comment faire une recherche interne qui comprend les fautes ?

Sur une boutique, les visiteurs qui utilisent la recherche interne convertissent plusieurs fois mieux que les autres : ils savent ce qu'ils veulent. Encore faut il qu'ils le trouvent. Une lettre en trop, un accent oublié, un pluriel, un mot au singulier plutôt qu'au pluriel, et la recherche interne native renvoie zéro résultat sur un produit pourtant présent au catalogue. Le visiteur en conclut que la boutique ne le vend pas et va l'acheter ailleurs, sans que rien n'apparaisse dans aucun tableau de bord. Corriger ce point est l'une des interventions au meilleur rendement sur une boutique, et elle ne demande pas nécessairement d'installer une infrastructure lourde.

Pourquoi la recherche native échoue

La recherche fournie par défaut par les systèmes de gestion de contenu n'a pas été conçue pour un catalogue de produits, et ses limites s'expliquent entièrement par son implémentation. Ce constat rejoint ce que nous développons dans notre article sur la manière d'améliorer la recherche interne d'un site e-commerce.

Une comparaison de chaînes, rien de plus

La recherche native cherche la présence littérale des mots saisis dans le titre et le contenu, à l'aide d'une comparaison textuelle sans index. Elle ne comprend ni les variantes, ni les synonymes, ni les fautes. Un mot mal orthographié ne correspond à rien et produit zéro résultat, sans proposition alternative. Ce comportement, acceptable sur un blog de cent articles, devient franchement pénalisant sur un catalogue où les références comportent des chiffres, des tirets et des termes techniques. Le visiteur, lui, ne conclut jamais que la recherche est mauvaise : il conclut que le produit n'existe pas chez vous.

Les accents et la casse

Selon la configuration de la base de données, une recherche peut être sensible aux accents et à la casse, ce qui multiplie les cas d'échec. Un visiteur écrivant sans accent, comportement extrêmement répandu sur mobile, ne trouve alors rien. Ce point se corrige au niveau de la collation de la base, réglage souvent négligé qui suffit à lui seul à améliorer sensiblement le taux de réussite. Il faut vérifier ce paramétrage avant toute autre intervention, car il ne coûte rien. Une collation insensible aux accents et à la casse est aujourd'hui le choix par défaut raisonnable sur un catalogue francophone.

Le singulier et le pluriel

Chercher un terme au singulier lorsque le catalogue le mentionne au pluriel, ou l'inverse, produit un échec sur une recherche littérale. La langue française ajoute ses irrégularités, et les termes techniques leurs propres pluriels. Sans traitement linguistique, ce cas représente une part significative des recherches infructueuses, et il est d'autant plus frustrant que le produit existe et que le visiteur en connaît le nom. Une correction sommaire, consistant à chercher également la forme sans la marque du pluriel, améliore déjà nettement la situation.

L'absence de pondération

La recherche native ne distingue pas une correspondance dans le titre d'une correspondance perdue au milieu d'une description. Un produit dont le nom correspond exactement se retrouve donc classé après un produit qui mentionne le terme dans un paragraphe accessoire. Sur une liste de trente résultats, cette absence de pertinence rend la recherche presque inutilisable, le visiteur ne parcourant pas au delà des premiers éléments affichés. Les études d'usage montrent que l'attention se concentre sur les trois à cinq premiers résultats, ce qui laisse peu de marge d'erreur.

Les attributs ignorés

Une recherche portant sur une couleur, une taille ou une matière ne trouve rien si ces informations vivent dans des attributs et non dans le texte. C'est le cas sur tout catalogue correctement structuré, ce qui produit le paradoxe d'un catalogue mieux modélisé et moins bien cherchable. La recherche doit donc porter sur un index construit à partir de toutes les données du produit, pas seulement de son texte descriptif. Cet index doit être reconstruit à chaque modification d'attribut, contrainte à prévoir dès la conception du dispositif.

Le coût sur le serveur

La comparaison textuelle sans index parcourt l'intégralité de la table des contenus à chaque recherche. Sur quelques centaines de produits, personne ne s'en aperçoit ; sur plusieurs milliers, chaque recherche devient une opération lourde. Une poignée de robots explorant des pages de résultats suffit alors à saturer la base, phénomène que l'on retrouve en mesurant le temps de réponse par gabarit, comme nous l'expliquons dans notre article sur la manière de mesurer le temps de réponse par gabarit. La page de résultats de recherche figure d'ailleurs presque toujours parmi les gabarits les plus lents d'une boutique.

Les techniques de tolérance

Plusieurs mécanismes se combinent pour rendre une recherche tolérante, et il n'est pas nécessaire de tous les mettre en œuvre pour obtenir un résultat très supérieur au comportement natif.

La normalisation

La première étape consiste à ramener la requête et les données indexées à une forme commune : minuscules, sans accents, sans ponctuation, avec des espaces normalisés. Cette transformation, appliquée des deux côtés, règle une part appréciable des échecs pour un coût de mise en œuvre dérisoire. Elle relève de la même famille de traitements que ceux décrits dans notre article sur la manière de normaliser automatiquement les libellés produit. Il faut simplement veiller à appliquer exactement la même normalisation à l'indexation et à la requête, une différence entre les deux annulant tout le bénéfice.

La racinisation

Réduire chaque mot à sa racine permet de rapprocher singulier et pluriel, masculin et féminin, verbe conjugué et infinitif. Les algorithmes existent pour le français et sont fournis par la plupart des moteurs. Ils commettent des erreurs sur les termes techniques et les noms propres, ce qui impose de pouvoir exclure certains mots du traitement. Le gain reste très largement supérieur aux inconvénients sur un catalogue ordinaire. Une liste d'exceptions, contenant les marques et les références, suffit à écarter les cas où la racinisation ferait plus de mal que de bien.

La distance d'édition

La tolérance aux fautes de frappe repose sur une mesure du nombre de modifications nécessaires pour passer d'un mot à un autre. Une tolérance d'une modification pour les mots courts et de deux pour les mots longs constitue un réglage éprouvé. Une tolérance trop généreuse ramène des résultats sans rapport et détruit la pertinence, ce qui rend ce paramètre plus délicat à régler qu'il n'y paraît et justifie de le tester sur des requêtes réelles. La tolérance ne doit par ailleurs jamais s'appliquer aux références produit, où une lettre change tout.

Les synonymes

Une table associant les termes employés par les clients à ceux du catalogue règle les cas que rien d'autre ne traite : vocabulaire commercial contre vocabulaire technique, appellations régionales, marques employées comme noms communs. Cette table se construit à partir des recherches infructueuses réellement observées, ce qui la rend spécifique au catalogue et bien plus efficace qu'une liste générique. Elle grandit de quelques entrées par mois. C'est probablement le meilleur investissement de tout le dispositif, parce qu'il porte exactement sur les cas qui échouent réellement.

La recherche par préfixe

Proposer des résultats dès les premières lettres saisies change complètement l'expérience et résout au passage une partie des fautes, le visiteur choisissant dans une liste plutôt que de terminer sa saisie. Cette suggestion doit être rapide, moins de cent millisecondes, sous peine d'être plus gênante qu'utile. Elle demande un index adapté, la recherche par préfixe étant coûteuse sur une base relationnelle ordinaire. Elle doit également rester utilisable au clavier, la sélection dans la liste devant se faire avec les flèches et la touche d'entrée.

La pondération des champs

Une correspondance dans la référence ou dans le titre doit peser bien plus lourd qu'une correspondance dans la description. Attribuer un coefficient à chaque champ indexé règle la question de la pertinence de façon simple et contrôlable. Ce réglage se fait empiriquement, en soumettant une vingtaine de requêtes typiques et en vérifiant que le produit attendu arrive bien en tête, exercice d'une heure qui transforme le ressenti. Cette liste de requêtes de contrôle doit être conservée et rejouée après chaque modification du réglage.

Mettre en place un vrai moteur

Au delà de quelques milliers de produits, la recherche doit reposer sur un index dédié plutôt que sur la base du site. Plusieurs voies existent, avec des coûts très différents.

L'index natif de la base

Les bases relationnelles proposent un index de recherche en texte intégral, qui apporte la pondération, la racinisation et une bonne performance sans composant supplémentaire. C'est la première solution à envisager, souvent suffisante jusqu'à quelques dizaines de milliers de produits. Elle ne gère pas nativement la tolérance aux fautes, qui doit être ajoutée par une couche applicative, mais elle règle déjà l'essentiel des problèmes de performance et de pertinence. Elle demande simplement de déclarer l'index sur les colonnes concernées et d'adapter les requêtes, ce qui reste modeste.

Un moteur de recherche dédié

Un service spécialisé, installé à côté du site, apporte l'ensemble des fonctions décrites plus haut sans développement particulier. Il demande une machine ou un conteneur supplémentaire, une synchronisation du catalogue et une surveillance. C'est la solution la plus complète et celle qui coûte le plus cher en exploitation, ce qui la réserve aux catalogues où la recherche pèse réellement dans les conversions. Sur une petite boutique, ce dispositif est disproportionné et son entretien finira par être négligé.

Un service hébergé

Plusieurs services proposent la recherche comme une prestation, avec un index hébergé et une intégration par quelques lignes de code. L'installation prend une journée et le résultat est excellent, au prix d'un abonnement proportionnel au volume et d'une dépendance à un tiers. Pour une boutique de taille moyenne dont la recherche est un point faible identifié, c'est souvent le meilleur rapport entre effort et résultat. Le coût doit être comparé au chiffre d'affaires attribuable aux visiteurs qui utilisent la recherche, calcul qui rend la décision évidente dans un sens ou dans l'autre.

La synchronisation du catalogue

Quelle que soit la solution, l'index doit refléter le catalogue. Une mise à jour à chaque modification de produit, complétée par une reconstruction complète périodique, constitue le dispositif habituel. Le point de vigilance porte sur les produits retirés, qui doivent disparaître de l'index sans délai, faute de quoi la recherche propose des articles inexistants et le visiteur atterrit sur une page d'erreur. Une suppression de produit doit donc déclencher immédiatement le retrait de l'index, au même titre que la purge du cache.

Le repli en cas de panne

Un moteur externe peut être indisponible, et la recherche doit continuer de fonctionner, fût ce de façon dégradée. Un basculement automatique vers la recherche native, avec un délai d'attente court, évite qu'une panne du service de recherche ne bloque une fonction centrale de la boutique. Cette précaution se code en quelques lignes et n'est presque jamais prévue. Elle mérite d'être testée en coupant volontairement le service, exercice qui prend cinq minutes et rassure durablement.

Ce qu'il faut indexer

L'index doit contenir le titre, la référence, la marque, les attributs, la catégorie et un extrait de description. Y ajouter la description complète dilue la pertinence sans rien apporter. Il faut également indexer les termes que les clients emploient, récupérés depuis les recherches passées, ce qui améliore la correspondance sans modifier les fiches produit elles mêmes. Cet enrichissement de l'index par les termes réellement employés est l'une des différences les plus visibles entre une recherche correcte et une recherche excellente.

Mesurer et améliorer en continu

La recherche interne est l'une des rares fonctions dont on peut mesurer précisément l'efficacité, et cette mesure est presque toujours absente.

Enregistrer toutes les requêtes

Chaque recherche doit être consignée avec le nombre de résultats obtenus et l'action qui a suivi. Ces données constituent la matière première de toute amélioration et leur absence explique que le sujet stagne sur tant de boutiques. Un enregistrement en base, avec une purge périodique, suffit largement et ne pose aucune difficulté technique particulière.

Traiter les recherches sans résultat

La liste des requêtes ayant retourné zéro résultat, triée par fréquence, est le document le plus utile du sujet. Elle révèle les produits manquants, les termes non couverts, les fautes récurrentes et les attentes du marché. Chaque entrée appelle une décision : ajouter un synonyme, corriger une fiche, référencer un produit ou afficher une suggestion. Une revue mensuelle de trente minutes suffit à faire progresser la situation continuellement. Le nombre de requêtes sans résultat, suivi mois après mois, constitue par ailleurs un excellent indicateur de la santé du dispositif.

Suivre le taux de clic après recherche

Une recherche retournant des résultats sur lesquels personne ne clique est un échec au même titre qu'une recherche vide, et elle est bien plus difficile à repérer. Ce taux, calculé par requête, désigne les cas où les résultats existent sans être pertinents. C'est l'indicateur le plus fin dont on dispose, et il oriente directement le réglage de la pondération et des tolérances. Un taux de clic très faible sur une requête à fort volume mérite un examen individuel immédiat.

Afficher quelque chose plutôt que rien

Une page de résultats vide doit proposer une alternative : correction suggérée, résultats approchants, catégories proches, produits populaires. Cette page est un moment de perte assuré si elle ne propose rien, et un moment de récupération si elle propose bien. Le soin apporté à cette page unique produit un effet mesurable sur le taux de sortie, pour un travail limité à un gabarit. Il vaut mieux y consacrer une demi journée que d'ajouter une fonctionnalité supplémentaire ailleurs sur le site.

Exploiter les recherches pour le catalogue

Les termes que les clients emploient renseignent sur le vocabulaire à utiliser dans les fiches, sur les attributs à mettre en avant et sur les produits à référencer. Cette information vaut bien au delà de la recherche interne et alimente utilement le travail éditorial et le référencement. Elle constitue une source de première main, gratuite, et elle est très largement sous exploitée. Partager mensuellement cette liste avec l'équipe commerciale produit régulièrement des idées de référencement de produits.

Mesurer l'effet sur les ventes

Le taux de conversion des visiteurs ayant utilisé la recherche, comparé à celui des autres, quantifie l'enjeu et justifie l'investissement. Sur la plupart des boutiques, le premier est deux à cinq fois supérieur au second, ce qui suffit généralement à emporter la décision. Ce chiffre doit être établi avant toute intervention, puis suivi après, seule façon de démontrer que le travail a produit un effet. La mesure se prend sur une période comparable, en évitant les semaines de promotion qui déforment fortement le comportement de recherche et rendent la comparaison avant après discutable.