La structure d’une page aide l’IA à la retrouver. Un peu, et pas comme on le croit.

La structure d’un document aide un système IA à retrouver le bon passage, mais modestement, et surtout pour une raison : l’endroit où le texte est coupé. C’est le résultat d’une étude publiée le 7 octobre 2026 par trois chercheurs de l’université de Notre Dame. Son test le plus parlant emprunte un outil à la médecine. Ils ont donné un placebo à un système de recherche.

Le placebo, c’était des intertitres qui avaient l’air vrais et qui appartenaient à d’autres documents. Même format, même profondeur, même longueur, mauvais contenu. Si les intertitres aidaient simplement en ajoutant des mots à un passage, les faux auraient aidé aussi. Ils n’ont rien apporté. Sur l’une des deux collections, ils ont même dégradé la recherche.

La question concerne tous ceux qui publient des contenus lus par des systèmes IA. Les moteurs de réponse et les systèmes de génération augmentée par la recherche (RAG) ne lisent pas une page d’un bloc. Ils la découpent en passages, les « chunks », transforment chacun en vecteur et récupèrent ceux qui sont le plus proches d’une question. La façon dont une page est découpée et étiquetée change ce qui peut être retrouvé.

Qu’a testé l’étude de Notre Dame ?

L’étude arXiv:2610.10170 compare, avec un protocole unique, quatre techniques de structuration des documents utilisées dans les systèmes RAG, sur deux collections très différentes. Ses auteurs sont Andrey Kuehlkamp, Priscila Correa Saboia Moreira et Samuel Rund, du Center for Research Computing de l’université de Notre Dame. La fiche arXiv la présente comme une première version : elle n’a pas encore été relue par des pairs.

Les quatre techniques sont celles dont éditeurs et développeurs débattent le plus. La première coupe les documents aux frontières de leurs sections plutôt qu’en fenêtres de taille fixe. La deuxième demande à un modèle de langage d’écrire un court contexte pour chaque passage, la méthode Contextual Retrieval publiée par Anthropic en 2024. La troisième préfixe chaque passage par son fil d’intertitres : titre du document, puis section, puis sous-section. La quatrième cherche en deux temps, en choisissant d’abord des sections, puis des passages.

Les collections ont été choisies pour être éloignées. La première réunit 200 articles de qualité de Wikipédia, avec 951 questions générées et filtrées pour qu’elles ne recopient pas les mots de la réponse. La seconde réunit 1 585 articles scientifiques du jeu de données QASPER, avec 4 303 questions écrites par de vrais lecteurs sur 1 508 d’entre eux. Onze conditions ont tourné sur les deux, et quatre comparaisons ont été fixées avant de voir les résultats.

Deux contrôles rendent l’étude rare. Les fenêtres de taille fixe ont été calées, document par document, sur la longueur moyenne des passages structurels, à quatre jetons près, pour qu’une différence de découpe ne cache pas une différence de taille. Et le bras placebo a préfixé chaque passage avec un vrai fil d’intertitres pris dans un autre document, pour séparer l’effet du contenu de l’intertitre de l’effet du simple ajout de mots.

Couper un document à ses intertitres aide-t-il la recherche ?

Oui, et c’est le plus fort effet de l’étude : redécouper le même texte aux frontières des sections, sans rien ajouter, a fait passer le score de recherche de 0,362 à 0,403 sur Wikipédia et de 0,098 à 0,117 sur les articles scientifiques. Le score est le coverage-nDCG@10 : il mesure quelle part des éléments de réponse à une question figure dans les dix premiers passages, en donnant plus de poids aux passages classés en tête.

Ajouter ensuite le vrai fil d’intertitres à ces passages structurels a beaucoup moins apporté : 0,011 sur Wikipédia, 0,009 sur les articles. Sur les deux collections, le changement de découpe a pesé deux à quatre fois plus que le préfixe d’intertitres. Le même ordre se retrouve avec un modèle d’embedding plus petit : ce n’est pas un artefact d’un encodeur particulier.

La découpe structurelle retrouve aussi davantage d’éléments de réponse, pas seulement dans un meilleur ordre. Sur les articles scientifiques, la part des passages de réponse présents dans les 50 premiers résultats passe de 0,248 avec les fenêtres fixes à 0,302 avec les passages structurels et leurs vrais intertitres.

Les intertitres aident-ils par leurs mots ou par ce qu’ils disent ?

Par ce qu’ils disent : les vrais fils d’intertitres battent le placebo sur les deux collections, de 0,010 sur Wikipédia et de 0,016 sur les articles scientifiques. Les intertitres placebo reproduisaient les vrais en format, en profondeur et en longueur. Seul leur contenu était faux.

La comparaison avec les passages structurels sans aucun intertitre est encore plus nette. Sur Wikipédia, le placebo n’a strictement rien apporté : les deux obtiennent 0,403. Sur les articles scientifiques, il a nui, de 0,117 à 0,109. Un intertitre qui ne décrit pas sa section est au mieux neutre, au pire du bruit. Les auteurs l’écrivent : la valeur du préfixe dépend de ce qu’il soit vrai pour le passage.

Un résumé écrit par l’IA sur chaque passage aide-t-il ?

Moins que la découpe à la structure, et il coûte de la place. Les fenêtres fixes munies d’un contexte généré obtiennent 0,391 sur Wikipédia et 0,114 sur les articles. Les passages structurels nus, sans aucun texte ajouté, obtiennent 0,403 et 0,117. Le contexte généré ne rattrape pas ce qu’une mauvaise découpe a fait perdre.

Le coût apparaît quand chaque jeton compte. Avec un budget de contexte de 512 jetons, où les phrases ajoutées prennent la place d’éléments de réponse, les fenêtres contextualisées tombent sous les simples fenêtres fixes sur les deux collections : 0,167 contre 0,187 sur Wikipédia, 0,046 contre 0,052 sur les articles. Les contextes générés étaient plafonnés à 80 jetons. Les auteurs relèvent aussi que les gains annoncés par Anthropic pour sa méthode venaient d’un banc d’essai interne, non relu par des pairs.

Chercher section par section marche-t-il mieux ?

Non : choisir d’abord des sections puis des passages perd face à une recherche unique sur les mêmes passages, de 0,033 sur Wikipédia et de 0,015 sur les articles scientifiques. Les deux systèmes utilisaient exactement les mêmes vecteurs : la perte vient entièrement de l’étape d’aiguillage.

Les auteurs la localisent dans la première étape. Les sections qu’elle retenait contenaient les bons éléments dans 60 % à 68 % des cas seulement sur Wikipédia, et 17 % à 20 % sur les articles, où elle devait choisir parmi environ 22 000 sections. Ce que la première étape écarte, la seconde ne peut pas le rattraper. Un modèle de reclassement a réduit l’écart sur les articles de 0,0147 à 0,0038. Les auteurs limitent la conclusion à cette architecture courante, pas à la recherche hiérarchique en général.

La structure de l’auteur bat-elle une structure reconstruite par l’IA ?

Sur Wikipédia oui, sur les articles scientifiques non. Les chercheurs ont aussi retiré tous les intertitres et demandé à un modèle ouvert de 26 milliards de paramètres, Gemma-4-26B, de reconstruire la structure. Sur Wikipédia, les intertitres d’origine battent les reconstruits de 0,0129, un écart significatif. Sur les articles, la différence est de 0,0011, statistiquement nulle.

Le modèle n’a pas simplement recopié les sections d’origine. Seuls 78,9 % de ses passages sur Wikipédia, et 75,8 % sur les articles, coïncident exactement avec un passage d’origine. Les auteurs avancent une hypothèse, non testée : la profondeur. 61 % des articles scientifiques n’ont qu’un niveau de sections, alors que chaque article Wikipédia retenu en avait au moins trois. Une structure plate laisse peu de place à l’apport de la version de l’auteur.

Quelle est la solidité des résultats ?

Les effets sont faibles mais constants : trois des quatre comparaisons gardent le même signe et la même significativité statistique sur les deux collections. Le tableau reprend les chiffres publiés.

En taille d’effet standardisée, les gains se situent entre 0,06 et 0,11, ce que les statisticiens qualifient de faible. Les auteurs le disent sans détour : ils revendiquent la fiabilité, pas l’ampleur. Ils listent aussi les limites. Les deux collections sont en anglais. Un seul modèle a reconstruit les structures. Les questions Wikipédia ont été générées par un modèle. Et seule la recherche a été mesurée : savoir si ces gains changent la qualité de la réponse finale sort du cadre de l’étude.

Qu’est-ce que cela change pour les pages d’une marque ?

Cela plaide pour des pages faites de vraies sections, avec des intertitres qui les décrivent, pas pour davantage d’intertitres. Ce qui suit est la lecture KAIS de l’étude. Elle étend aux pages web, par analogie, un résultat obtenu sur des systèmes RAG, et le signale à chaque fois.

Une section devrait traiter un seul sujet. Le plus fort effet de l’étude vient de l’endroit où le texte est coupé. Si un système découpe une page à ses intertitres, une section qui mélange honoraires, méthode et équipe devient un seul passage confus, proche d’aucune question en particulier. Un intertitre devrait marquer un vrai changement de sujet, pas décorer un long bloc.

Un intertitre devrait dire la vérité sur sa section. Le résultat du placebo est ici la leçon la plus nette. Des intertitres comme « Notre approche », « Pourquoi nous choisir » ou « L’excellence » disent peu de chose du texte qui suit. Par déduction, ils sont plus proches du placebo que d’un vrai fil d’intertitres. « Honoraires pour créer une société en Thaïlande » ou « Combien de temps prend un permis de travail » décrivent ce qui vient. Savoir si des intertitres en questions font mieux que des intertitres descriptifs est une autre question, que cette étude n’a pas testée.

La structure devrait être explicite dans le code. Sur les articles Wikipédia, profonds, les intertitres d’origine battent une structure reconstruite par un modèle. De vraies balises de titre (h2, h3) évitent à un système de deviner, et les pages longues à plusieurs niveaux ont le plus à y gagner. Empiler les niveaux n’est pas le but : dans l’analyse exploratoire des auteurs, l’essentiel du bénéfice vient du premier niveau d’intertitre, puis plafonne.

Les attentes doivent rester modestes. Il s’agit de gains d’un ou deux centièmes sur un score de recherche. La structure aide un passage à être trouvé. Elle ne rend pas une source fiable aux yeux d’un moteur, et elle ne garantit pas qu’une source citée pèse sur la réponse, un écart mesuré dans Cité ne veut pas dire utilisé.

Et si vous construisez votre propre assistant IA ?

Pour une entreprise qui fait tourner son propre assistant RAG sur ses documents, les auteurs donnent un ordre de priorités direct. Couper là où l’auteur a coupé. Préfixer chaque passage d’un niveau de vrai fil d’intertitres. Dépenser le budget du modèle de langage à reconstruire la structure quand elle manque, plutôt qu’à écrire un contexte pour chaque passage. Et ne pas aiguiller les questions vers des sections d’abord, sauf si un modèle de reclassement vérifie les résultats derrière.

Cet ordre vaut pour le cadre mesuré par l’étude : des documents longs et structurés, avec de bons modèles d’embedding ouverts. Un cabinet qui répond aux questions de ses clients à partir de ses propres guides, contrats ou procédures est proche de ce cadre.

Où cela se situe-t-il dans l’AI Visibility Chain de KAIS ?

L’étude se situe aux deuxième et troisième étapes de l’AI Visibility Chain de KAIS, Be Retrieved et Be Understood : elle mesure si le bon passage peut être retrouvé, et si son étiquette le décrit.

Elle ne dit rien des étapes suivantes. Un passage facile à retrouver peut venir d’une source à laquelle un moteur ne fait pas confiance, être cité sans peser sur la réponse, ou ne jamais mener à une recommandation. La dernière de ces étapes, et le moment où elle survient dans une conversation, fait l’objet de L’IA attend avant de vous recommander.

Un intertitre est une promesse sur le texte qui suit

L’étude ne montre pas que la structure est un raccourci vers la visibilité IA. Elle montre quelque chose de plus étroit et de plus utile. La recherche s’améliore quand un document est coupé là où ses sujets changent, et quand chaque partie porte une étiquette vraie.

Les intertitres placebo avaient le bon format, la bonne profondeur et la bonne longueur. Ils ont échoué pour la seule raison qui comptait : ils ne disaient pas la vérité sur le texte qu’ils annonçaient.

Sources et références

• Kuehlkamp, Moreira et Rund — Does Document Structure Help Dense Retrieval? A Placebo-Controlled Ablation of Four Mechanisms Across Two Corpora, arXiv:2610.10170 [cs.IR], 7 octobre 2026, Center for Research Computing, université de Notre Dame. Première version, non relue par des pairs. Comparaisons préenregistrées (tableau 1), scores par condition (tableau 2), résultats sous budget de jetons (section 6.2), analyse du placebo (section 6.3), diagnostic de rappel des sections (section 6.4), structure d’origine vs reconstruite (section 6.5), analyse exploratoire de la profondeur (section 6.6), recommandations pratiques (section 7) et limites (section 8). Tous les chiffres de cet article viennent de l’étude ; aucun n’a été reproduit ni remesuré par KAIS.
• Anthropic — Introducing Contextual Retrieval, 2024. La méthode de contextualisation des passages testée comme l’un des bras de l’étude, citée par ses auteurs.