Une IA lit-elle ma page en entier ou seulement des extraits ?
Réponse courte
Des extraits, dans les systèmes dont le fonctionnement est documenté : ils découpent les documents en fragments et ne transmettent au modèle que ceux qui se rapprochent de la question. Aucun éditeur ne décrit le découpage de ses produits grand public, et il n’existe pas de longueur de passage idéale. Chaque passage doit donc se comprendre seul.
Ce qui est documenté du découpage
Un système de génération augmentée par récupération (RAG) ne transmet pas une page entière au modèle. Il découpe les documents en fragments — les chunks —, retrouve ceux qui se rapprochent de la question et les joint à la requête. Anthropic décrit des fragments de quelques centaines de tokens au plus, qui perdent leur contexte en route : une phrase où « l’entreprise » progresse par rapport au « trimestre précédent » ne dit plus, isolée, ni laquelle ni lequel.
Cette description porte sur des chaînes que des entreprises construisent sur leurs propres documents. Pour les produits grand public, ni Google ni OpenAI ne décrivent la façon dont une page web est découpée. Deux indices seulement. Google définit, pour sa recherche, un système de classement des passages, qui identifie des sections d’une page pour juger de sa pertinence. Et l’outil de recherche de l’API d’OpenAI distingue la recherche, l’ouverture d’une page et la recherche dans la page ouverte : un modèle peut donc aussi ouvrir une page précise. Ce qu’il en retient n’est pas documenté.
Ce que cela impose à l’écriture
- Le sujet est nommé dans le passage : pas d’ouverture par « il », « cette méthode » ou « comme vu plus haut ».
- La réponse occupe la première phrase ; la justification vient après.
- Chaque chiffre voyage avec son unité, sa date, son périmètre et sa source, dans la même phrase.
- L’intertitre dit ce que la section établit, pas son thème.
Le contrôle se fait par extraction : copier trois paragraphes pris au hasard dans un document vide, et vérifier que chacun dit de quoi il parle. Ce sont des règles d’écriture, pas une consigne des moteurs. Google écrit qu’il n’est pas nécessaire, pour sa recherche, de découper un contenu en petits morceaux.
Il n’y a pas de longueur idéale
Les tailles de fragment qu’on lit dans les documentations — de 100 à 500 tokens dans un produit de recherche d’entreprise de Google Cloud — sont des réglages de produits, pas des cibles d’écriture. Aucune source publique n’établit de longueur de passage optimale pour la reprise par un modèle, et Google dit ne pas avoir de nombre de mots préféré.
Un passage a la bonne longueur quand on ne peut rien lui retirer sans le rendre incomplet. Et la règle ne vaut pas pour tous les textes : un récit ou une démonstration tirent leur valeur de la continuité.
Le sujet, traité en entier
Sources
- Anthropic — Introducing Contextual Retrieval Découpage en fragments de quelques centaines de tokens, perte de contexte, exemple du rapport financier. Décrit des chaînes RAG construites sur des corpus privés, pas un moteur de recherche public. Reprise du manuel.
- Google Cloud — Parse and chunk documents (Agent Search) Produit de recherche d’entreprise : taille de fragment réglable de 100 à 500 tokens. Ne décrit pas la recherche Google. Reprise du manuel.
- Google Search Central — A guide to Google Search ranking systems Définition en une phrase du système de classement des passages. Reprise du manuel.
- OpenAI — Web search Actions search, open_page et find_in_page de l’outil de recherche. Décrit l’API, pas ChatGPT. Reprise du manuel.
- Google — Optimizing your website for generative AI features on Google Search Pas nécessaire, pour la recherche Google, de découper un contenu en petits morceaux. Reprise de la bibliothèque du blog.
- Google Search Central — Creating helpful, reliable, people-first content Google précise qu’il n’a pas de nombre de mots préféré. Reprise du manuel.
Réponse revue le