Récupération, reranking et sélection des documents utilisés par les moteurs génératifs avant la génération d’une réponse.
Google Research présente une méthode qui accélère le query fan-out de 12 à 20 fois dans ses tests. Les expériences portent sur la mode et la musique, sans déploiement annoncé dans Google Search.
Des chercheurs étudient un modèle de langage capable de classer des documents à partir de leurs identifiants. Leur méthode d’entraînement améliore plusieurs résultats sur deux jeux de données, avec un compromis sur la première position.
Les flux produits occupent une place croissante dans les recommandations d’achat observées par Profound. Cette évolution s’accompagne d’une concentration des résultats sur un nombre plus restreint de marchands.
Des offres retirées, des tarifs périmés ou d’anciens noms peuvent réapparaître dans les réponses des IA.Pour corriger ces informations, l’entreprise doit actualiser les documents concernés et expliquer ce qui a changé.
Plusieurs analyses réunies par Lily Ray montrent que ChatGPT lance davantage de recherches intermédiaires et utilise beaucoup plus souvent l’opérateur site:. Dans le même temps, le nombre de pages récupérées augmente alors que le nombre de domaines finalement cités tend à diminuer.
Depuis le déploiement de GPT-5.6, la part des citations de ChatGPT provenant de listicles a reculé de 50,5 % dans les données de Peec AI, tandis que les pages comparatives perdent 32,1 %. Les fan-out queries contenant des termes comme “best”, “top”, “vs” ou “comparison” reculent également fortement. Tomek Rudzki, spécialiste de la recherche IA […]
