{"canonical_url":"https://engineer.company/fr/glossary/full-text-search/","content_markdown":"# Recherche plein texte\n\n## Ce que c'est\n\nLa recherche plein texte trouve les documents contenant les mots d'une requête,\nquelles que soient les formes de ces mots, et peut présenter les meilleures\ncorrespondances en premier. En anglais, le terme full-text search s'écrit aussi\nfull text search, sans trait d'union. Un document désigne ici ce que\nl'application considère comme une unité de recherche : un courriel, un article,\nun ticket d'assistance ou le titre et le corps d'une ligne réunis.\n\nCe qui la distingue d'une recherche par motif, c'est le travail effectué avant\ntoute comparaison. Le texte est d'abord découpé en unités lexicales : mots,\nnombres, adresses électroniques et autres catégories. Chaque unité est ensuite\nnormalisée en lexème, une forme choisie pour ramener les variantes d'un mot à une\nmême représentation. Les majuscules deviennent des minuscules, un algorithme de\nracinisation retire des terminaisons comme celle du pluriel anglais, et les mots\nvides, trop fréquents pour être significatifs, sont supprimés. Le résultat est\nstocké avec la position de chaque lexème. Une fonction de classement peut ainsi\nfavoriser les documents où les mots recherchés sont proches. La requête subit le\nmême traitement : la recherche de « payments » et un document contenant\n« payment », respectivement « paiements » et « paiement », se retrouvent sur une\nforme commune.\n\nPostgreSQL intègre ce mécanisme à la base de données. Le type `tsvector`\ncontient la forme normalisée d'un document, `tsquery` contient une requête, et\nl'opérateur `@@` indique si l'un correspond à l'autre. Une configuration de\nrecherche textuelle détermine la normalisation : quel analyseur découpe le texte\net quels dictionnaires transforment les unités lexicales en lexèmes. La\ndistribution standard fournit des configurations pour de nombreuses langues,\nnotamment `english`, `danish`, `norwegian` et `swedish`. La commande psql `\\dF`\nliste celles qui sont installées. SQLite propose le même principe dans son\nextension FTS5 : une table virtuelle contient l'index et l'opérateur `MATCH`\nl'interroge.\n\n## Pourquoi c'est important\n\nLa documentation PostgreSQL explique ce qui manque aux anciens opérateurs.\n`LIKE`, `ILIKE` et les expressions régulières n'offrent pas de traitement\nlinguistique : rechercher « satisfy » manque un document contenant « satisfies »,\nà moins d'énumérer toutes les formes dérivées. Ils ne classent pas les résultats\npar pertinence : mille correspondances reviennent sans ordre utile. Ils ne\npeuvent pas non plus utiliser un index ordinaire pour ce type de recherche :\nchaque requête lit donc chaque document. Un motif comme `%cat%` trouve aussi\n« category » et « concatenate » : c'est du bruit plutôt qu'un gain de rappel.\n\nLes personnes qui saisissent des mots dans un champ de recherche s'attendent à\ntrouver des documents sur ces sujets. Dans des archives de contrats, un service\nd'assistance ou un catalogue de produits, la recherche plein texte fait la\ndifférence entre un champ de recherche auquel on se fie et un autre que l'on\nabandonne au troisième échec. Le classement compte autant que la correspondance :\nune personne recherchant un retard de paiement veut voir d'abord la lettre de\nrelance, pas les cent factures qui mentionnent une fois le paiement.\n\nL'intégrer à la base déjà exploitée présente un avantage pratique. L'index de\nrecherche participe à la même transaction que les données : une ligne devient\nrecherchable dès la validation de la transaction, et une ligne supprimée\ndisparaît des résultats au même moment. Les filtres sur les dates, les clients\nou les autorisations sont de simples clauses `WHERE` placées à côté de la\ncondition textuelle. Un serveur de recherche distinct peut faire davantage,\nmais c'est un deuxième système à alimenter et à synchroniser avec le premier.\nTout décalage produit un résultat absent ou qui aurait dû disparaître.\n\nIl faut aussi connaître dès le départ une limite de la recherche plein texte :\nelle rapproche les mots, pas le sens. Une recherche de « car » ne trouve pas\n« automobile », deux mots anglais désignant une voiture, sans dictionnaire de\nsynonymes les reliant. La recherche vectorielle, qui compare des représentations\nnumériques du sens, couvre ce cas ; les deux approches sont souvent combinées.\n\n## À quoi cela ressemble en pratique\n\nPrenons une table de documents contenant un titre, un corps et la provenance de\nchacun. Une colonne générée stockée tient leur forme recherchable à jour à chaque\ninsertion et modification. Un index GIN accélère les recherches :\n\n```sql\nCREATE TABLE documents (\n    id         bigint GENERATED ALWAYS AS IDENTITY PRIMARY KEY,\n    title      text,\n    body       text,\n    source     text NOT NULL,\n    search_vec tsvector GENERATED ALWAYS AS (\n                   setweight(to_tsvector('english', coalesce(title, '')), 'A')\n                || setweight(to_tsvector('english', coalesce(body, '')), 'D')\n               ) STORED\n);\n\nCREATE INDEX documents_search_idx ON documents USING GIN (search_vec);\n```\n\nTrois détails sont déterminants. La configuration est nommée, `'english'`, plutôt\nque laissée au `default_text_search_config` de la session : la forme de\n`to_tsvector` à deux arguments est celle que PostgreSQL peut stocker et indexer.\n`coalesce` transforme un titre ou un corps absent en chaîne vide, car un seul\nNULL rendrait sinon tout le document NULL. Enfin, `setweight` marque chaque\nlexème selon sa provenance : A pour le titre, D pour le corps. Sans indication contraire, les\nfonctions de classement utilisent les poids {0,1 ; 0,2 ; 0,4 ; 1,0} pour D, C,\nB et A : un mot recherché dans le titre compte donc dix fois plus que dans le\ncorps.\n\nGIN est le type d'index recommandé par la documentation pour la recherche\ntextuelle : un index inversé, avec une entrée par lexème et une liste compressée\ndes lignes qui le contiennent. GiST fonctionne aussi, mais sa représentation\napproximative impose de vérifier la ligne de la table pour écarter les fausses\ncorrespondances.\n\nLa requête reçoit les mots tels que l'utilisateur les a saisis :\n\n```sql\nSELECT id, title, source,\n       ts_rank_cd(search_vec, query) AS rank\nFROM   documents,\n       websearch_to_tsquery('english', 'unpaid invoice -draft') AS query\nWHERE  search_vec @@ query\nORDER  BY rank DESC\nLIMIT  10;\n```\n\n`websearch_to_tsquery` lit la saisie comme un moteur de recherche web. Tous les\nmots ordinaires doivent être présents, sous une forme que l'algorithme de\nracinisation anglais ramène à la même racine. Le texte entre guillemets doubles\ndoit apparaître comme une séquence, le mot « or » propose une alternative et un\nsigne moins initial exclut un mot. Cette requête écarte donc tout document\ncontenant « draft », c'est-à-dire « brouillon ». La fonction ne lève jamais\nd'erreur de syntaxe, ce qui en fait le choix sûr pour une saisie brute.\n`ts_rank_cd` classe par densité de couverture, une méthode issue d'un article de\nClarke, Cormack et Tudhope publié en 1999, qui favorise aussi la proximité des\nmots recherchés. Sa fonction sœur `ts_rank` compte leurs occurrences. Toutes\ndeux acceptent un indicateur de normalisation : 1, par exemple, divise le score\npar la somme du logarithme de la longueur du document et d'une unité, pour\nqu'un texte long ne l'emporte pas du seul fait de sa longueur.\n\nLe même besoin traverse le\n[travail de l'entreprise sur les données pour les agents d'IA](/fr/ai-data/).\nLa page décrit la conversion d'anciens PDF, de documents numérisés et d'archives\nde courriels en texte recherchable, avec leur source conservée à leurs côtés : les\nretrouver, plutôt que seulement les stocker. La colonne `source` ci-dessus joue\nce rôle : une correspondance est plus utile si le lecteur peut ouvrir l'original.\n\nSQLite atteint le même résultat plus simplement. Une table virtuelle déclarée\navec `CREATE VIRTUAL TABLE notes USING fts5(title, body)` s'interroge avec\n`WHERE notes MATCH 'invoice NOT draft'`. `ORDER BY bm25(notes)` place les\nmeilleures correspondances en premier : FTS5 leur attribue des valeurs numériques\nplus faibles, donc le tri croissant implicite convient. Le segmenteur standard est `unicode61` ; `porter` ajoute la racinisation et, selon sa documentation,\nest conçu uniquement pour l'anglais.\n\n## Où les problèmes surviennent\n\n**Un index que la requête n'utilise jamais.** Un index d'expression sur\n`to_tsvector('english', body)` ne sert qu'aux requêtes répétant exactement cette\nexpression. Une requête écrite `to_tsvector(body)`, qui s'appuie sur la\nconfiguration active de la session, lit toute la table. Stockez le vecteur dans une colonne\ngénérée, comme ci-dessus, et interrogez cette colonne : la requête ne peut alors\nplus s'écarter de l'index.\n\n**Un NULL qui cache un document.** `to_tsvector(NULL)` renvoie NULL ; concaténer\nun titre NULL avec un corps donne NULL. Une ligne sans titre disparaît donc\nsilencieusement de toutes les recherches. Entourez chaque champ de `coalesce`.\n\n**Une saisie brute transmise à `to_tsquery`.** `to_tsquery` attend sa propre\nsyntaxe d'opérateurs et tolère moins d'écarts que les autres fonctions de\nconversion. Des parenthèses déséquilibrées ou une esperluette égarée conduisent\nl'utilisateur à une page d'erreur. Passez les saisies par\n`websearch_to_tsquery`, ou par `plainto_tsquery` si aucun opérateur n'est souhaité.\n\n**La mauvaise langue.** Un texte danois indexé avec la configuration anglaise\nsubit les règles de racinisation et le filtrage des mots vides de l'anglais :\nla moitié des variantes ne se rejoignent jamais. Choisissez la configuration\ncorrespondant à la langue du texte. Une collection multilingue peut stocker le\nnom de la configuration dans sa propre colonne et indexer\n`to_tsvector(config_name, body)`, à condition que les requêtes désignent la même\ncolonne.\n\n**Classer toutes les correspondances.** Le classement lit le `tsvector` de chaque\nligne correspondante ; la documentation avertit qu'il peut être lent et limité\npar les entrées-sorties. Un seul mot correspondant à la moitié de la table oblige\nla base à classer cette moitié avant que `LIMIT` n'en retienne dix. Réduisez\nd'abord les candidats avec des conditions ordinaires, comme une plage de dates\nou un client, et conservez le vecteur stocké pour éviter de le recalculer pour\nchaque ligne.\n\n**Un score présenté comme un pourcentage.** Les fonctions de classement\nn'utilisent aucune information sur la collection entière : un score ne peut pas\nse transformer honnêtement en « pertinent à 87 % ». L'indicateur de normalisation\n32 ramène chaque score à une valeur entre 0 et 1, mais la documentation qualifie\nce changement de cosmétique. Utilisez le score uniquement pour ordonner les\nrésultats.\n\n**Des extraits qui transportent du balisage.** `ts_headline` renvoie un extrait\navec les mots recherchés marqués, exactement ce qu'attend une page de résultats.\nPostgreSQL avertit qu'il n'est « pas garanti que sa sortie puisse être\nincluse directement dans des pages web en toute sécurité ». Un document contenant du HTML peut introduire un\nscript dans la page. Supprimez le balisage de l'entrée ou passez la sortie par\nun outil d'assainissement HTML. La fonction travaille en outre sur le texte\noriginal, pas sur le vecteur : appelez-la uniquement pour les lignes de la page,\naprès `LIMIT`, et non pour chaque correspondance.\n\n**Des documents trop grands pour un seul vecteur.** Un `tsvector` doit rester\nsous 1 Mo et ne conserve pas plus de 256 positions par lexème. Un livre entier\nou une année de comptes rendus dans une ligne se heurte aux deux limites.\nDécoupez les longs documents en sections ou en pages : chaque résultat pourra\naussi pointer vers un endroit plus précis.\n\n**Les fragments et les références de pièces.** La recherche plein texte compare\ndes lexèmes entiers : « inv » ne trouve rien sur les factures, « invoices » en\nanglais, et une référence comme `AB-1042-X` peut être découpée par l'analyseur.\nConservez un index ordinaire sur les colonnes recherchées par valeur exacte,\nou utilisez dans SQLite le segmenteur `trigram`, qui traite chaque séquence de\ntrois caractères comme une unité et permet ainsi la recherche de sous-chaînes.\n\n**Un index SQLite qui diverge de sa table.** Une table FTS5 déclarée avec\n`content=` lit son texte dans une autre table. La documentation laisse à\nl'utilisateur le soin de les maintenir cohérentes. Si elles divergent, les\nrequêtes renvoient des lignes apparemment contradictoires. Créez les déclencheurs\nd'insertion, de modification et de suppression présentés dans la documentation,\ndans la même migration que la table virtuelle.\n\n## Pour aller plus loin\n\n- [Introduction à la recherche plein texte](https://www.postgresql.org/docs/current/textsearch-intro.html)\n  — les définitions de PostgreSQL pour les documents, unités lexicales, lexèmes\n  et configurations, et ce qui manque à `LIKE` et aux expressions régulières.\n- [Tables et index](https://www.postgresql.org/docs/current/textsearch-tables.html)\n  — interroger une table, choisir entre index d'expression et colonne générée\n  stockée, et pourquoi la configuration doit être nommée explicitement.\n- [Contrôle de la recherche textuelle](https://www.postgresql.org/docs/current/textsearch-controls.html)\n  — les poids, `websearch_to_tsquery`, `ts_rank` et `ts_rank_cd`, les indicateurs\n  de normalisation et l'avertissement relatif à `ts_headline`.\n- [Types d'index recommandés pour la recherche textuelle](https://www.postgresql.org/docs/current/textsearch-indexes.html)\n  — comparaison de GIN et GiST, et raisons pour lesquelles GiST doit revérifier\n  les lignes.\n- [Limites](https://www.postgresql.org/docs/current/textsearch-limitations.html)\n  — les limites de taille des lexèmes, vecteurs, positions et requêtes.\n- [Extension SQLite FTS5](https://www.sqlite.org/fts5.html) — les tables virtuelles,\n  l'opérateur `MATCH`, les segmenteurs intégrés, `bm25()` et les tables à contenu\n  externe.\n\n\u003chttps://engineer.company/fr/glossary/full-text-search/\u003e\n","date_modified":"2026-11-09T21:50:25Z","description":"La recherche plein texte : lexèmes, index GIN et classement par pertinence dans PostgreSQL, FTS5 dans SQLite, et les difficultés à anticiper.","formats":{"gemtext":"https://engineer.company/fr/glossary/full-text-search/index.gmi","gopher":"https://engineer.company/fr/glossary/full-text-search/gophermap","html":"https://engineer.company/fr/glossary/full-text-search/","json":"https://engineer.company/fr/glossary/full-text-search/index.json","markdown":"https://engineer.company/fr/glossary/full-text-search/index.md","pdf":"https://engineer.company/fr/glossary/full-text-search/index.pdf"},"kind":"page","language":"fr","title":"Qu'est-ce que la recherche plein texte ?","url":"https://engineer.company/fr/glossary/full-text-search/","version":1}