Intensif Gratuit 21–22/11Intensif gratuit de 2 jours en Vibecoding (21–22 nov, 16h00 MSK) · Cohorte 3 le 23/11S'inscrire gratuitement →Cohorte 3 (23/11)
SortieArticle R&D · Pour R&DVoyage AI→ original

Voyage rerank-2.5 devance Cohere de 7,94 % en précision de recherche et comprend les instructions

Dans un système RAG, le reranker prend une centaine de documents trouvés et place en tête les plus pertinents. Voyage AI a sorti rerank-2.5 et rerank-2.5-lite : sur 93 jeux de données, leur qualité de classement dépasse celle de Cohere Rerank v3.5 de 7,94 % et 7,16 %. Les modèles comprennent des consignes du type « cherche les lois, pas les affaires judiciaires » et lisent jusqu'à 32 000 tokens. Le prix reste identique, mais il faut tester le remplacement sur vos propres données.

Traité par IA depuis Voyage AI ; édité par Hamidun News
Voyage rerank-2.5 devance Cohere de 7,94 % en précision de recherche et comprend les instructions
Source : Voyage AI. Collage: Hamidun News.
Écouter l'article
Fiche synthèse et chiffres clés
ParamètreDonnées
Source primaireVoyage AI ↗
Rédacteur en chef
Chiffre clé #1Avec instructions, la précision progresse encore de 8,13 % et 7,55 % sur 24 jeux de données
Chiffre clé #2Sur le benchmark MAIR, ils devancent Cohere de 12,70 % et 10,36 %
Chiffre clé #3Les nouveaux utilisateurs bénéficient des 200 millions de premiers tokens gratuits

Imaginez une recherche dans une base de connaissances : l'utilisateur tape « Jaguar », et la première étape de recherche renvoie une centaine de documents, sur les voitures, les félins et le système d'exploitation du même nom. Pour que le bon document arrive en haut, les systèmes RAG intègrent un reranker : un modèle qui reçoit la requête et une centaine de candidats, puis les retrie selon leur pertinence réelle. Voyage AI a publié la nouvelle génération de ces modèles : rerank-2.

5 et la version allégée rerank-2.5-lite. Le chiffre de 7,94 % du titre signifie que, sur la qualité moyenne des résultats (métrique NDCG@10 : à quel point les documents pertinents figurent haut dans les dix premiers), rerank-2.

5 dépasse Cohere Rerank v3.5 de 7,94 %, et la version lite de 7,16 %. La mesure porte sur 93 jeux de données.

Deuxième nouveauté : on peut désormais décrire la tâche au reranker en langage courant. Cet article s'adresse à ceux qui construisent une recherche ou un RAG et doivent choisir l'outil qui réordonne les résultats.

Ce qui change dans les modèles

L'entreprise a comparé les modèles sur 93 jeux de données couvrant neuf domaines : documentation technique, code, droit, finance, avis en ligne, recherche multilingue, longs documents, médecine et dialogues. La partie multilingue comprend 51 jeux en 31 langues. Le protocole est le suivant : une recherche initiale (BM25, embeddings OpenAI text-embedding-3-large et d'autres) fournit jusqu'à 100 candidats, le reranker les réordonne, et on retient les 10 meilleurs.

En moyenne sur les quatre variantes de recherche initiale, rerank-2.5 devance Cohere Rerank v3.5 de 7,94 %, et rerank-2.5-lite de 7,16 %. Ils dépassent aussi le modèle ouvert Qwen3-Reranker-8B, de 2,25 % et 1,47 %, tout en étant, selon Voyage, plus de dix fois plus petits. La génération précédente de Voyage reste derrière, de 1,85 % pour le modèle haut de gamme et de 1,08 % pour le plus léger. Voyage affirme également que ses deux modèles surpassent les LLM utilisés comme rerankers, mais l'entreprise promet les détails dans un article séparé : pour l'instant, cette affirmation n'est pas chiffrée.

L'entreprise souligne par ailleurs que Cohere Rerank v3.5 peut dégrader les résultats lorsque la recherche initiale est déjà très performante, alors que les nouveaux modèles améliorent le résultat quelle que soit la méthode initiale. Pour la pratique, c'est un signal : il faut tester le reranker sur ses propres données plutôt que l'adopter par défaut.

Le contexte passe à 32 000 tokens, soit 8 fois celui de Cohere Rerank v3.5 et le double de celui des modèles précédents de Voyage. Les longs documents, contrats, spécifications et règlements, peuvent désormais être soumis en entier, sans troncature. Le prix par token n'a pas changé.

Des instructions au lieu du fine-tuning

La fonction principale est le suivi d'instructions. On ajoute à la requête, avant ou après, une phrase en langage naturel, et le modèle modifie ses scores de pertinence. Voyage cite trois types de tâches :

  • Accents. Pour une recherche d'articles scientifiques, on peut préciser « tiens compte du titre, ignore le résumé ».
  • Type de document. Un service juridique peut imposer « privilégie les textes réglementaires et les lois, pas les décisions de justice ».
  • Précision du contexte. La phrase « cette application concerne les voitures » permet de comprendre que « Jaguar » désigne une marque automobile et non un animal.

Les exemples de l'article montrent la différence. À la question sur les groupes à risque de la maladie pieds-mains-bouche, l'ancien modèle renvoyait une formulation générale : « les enfants ». Avec l'instruction « concentre-toi sur l'âge », le passage sur les enfants de moins de 10 ans et la saisonnalité des épidémies remonte en tête. Autre cas : quelqu'un demande ce que signifie « débloquer un appareil » et précise qu'il est homme d'affaires avec un téléphone professionnel. Avec cette indication, le modèle privilégie une réponse sur le changement d'opérateur lors des déplacements, compte tenu des règles de l'entreprise.

Sur les chiffres, les instructions apportent un gain de 8,13 % pour rerank-2.5 et de 7,55 % pour la version lite sur 24 jeux internes couvrant sept domaines. Sur trois jeux issus d'applications réelles, le gain atteint 11,48 % et 7,83 %. Sur le benchmark académique MAIR, où les tâches disposent d'instructions dédiées, les modèles devancent Cohere Rerank v3.5 de 12,70 % et 10,36 %.

Que faire en pratique

Les modèles sont disponibles dès maintenant, facturés au token, et les nouveaux utilisateurs reçoivent 200 millions de tokens gratuits. À ceux qui utilisent déjà la génération précédente, Voyage recommande de migrer : la qualité est supérieure, le contexte double et le prix reste le même. Les anciens modèles restent disponibles pour qui ne souhaite pas changer.

Les développeurs de RAG ont intérêt à tester deux choses. D'abord, placer les règles permanentes dans l'instruction : priorité aux types de documents, langue, secteur d'activité. C'est moins coûteux que réentraîner un modèle ou empiler des filtres. Ensuite, revoir le découpage des documents : avec 32 000 tokens, certains textes peuvent être segmentés moins finement.

Il existe aussi des limites. Tous les chiffres proviennent de Voyage, y compris ceux obtenus sur ses propres jeux de données internes, et aucune mesure indépendante n'existe pour l'instant. Le gain de 7 à 8 % sur NDCG@10 est une moyenne sur le jeu de tests : sur votre corpus, il peut être différent. L'entreprise recommande en outre de l'associer à ses propres embeddings, ce qui fait que, en partie, ce matériel relève du marketing. Mais la combinaison d'une précision plus élevée, d'un long contexte et d'un prix inchangé fait de rerank-2.5 un candidat sérieux pour remplacer Cohere en production.

Dossier

Questions clés sur cet article

Que sait-on sur Ce qui change dans les modèles ?

L'entreprise a comparé les modèles sur 93 jeux de données couvrant neuf domaines : documentation technique, code, droit, finance, avis en ligne, recherche multilingue, longs documents, médecine et dialogues. La partie multilingue comprend 51 jeux en 31 langues. Le protocole est le suivant : une recherche initiale (BM25, embeddings OpenAI text-embedding-3-large et d'autres) fournit jusqu'à 100 candidats, le reranker les réordonne, et on retient les 10 meilleurs.

Que sait-on sur Des instructions au lieu du fine-tuning ?

La fonction principale est le suivi d'instructions. On ajoute à la requête, avant ou après, une phrase en langage naturel, et le modèle modifie ses scores de pertinence. Voyage cite trois types de tâches : Accents. Pour une recherche d'articles scientifiques, on peut préciser « tiens compte du titre, ignore le résumé ». Type de document. Un service juridique peut imposer « privilégie les textes réglementaires et les lois, pas les décisions de justice ». Précision du contexte.

Que sait-on sur Que faire en pratique ?

Les modèles sont disponibles dès maintenant, facturés au token, et les nouveaux utilisateurs reçoivent 200 millions de tokens gratuits. À ceux qui utilisent déjà la génération précédente, Voyage recommande de migrer : la qualité est supérieure, le contexte double et le prix reste le même. Les anciens modèles restent disponibles pour qui ne souhaite pas changer. Les développeurs de RAG ont intérêt à tester deux choses.

ZK
Zhemal Khamidun — CPO d'Alpina Digital, product manager d'AlpinaGPT. Conçoit des produits IA depuis 2019. Hamidun News est un projet personnel devenu un agrégateur en production avec plus de 6 000 lecteurs.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
Qu'en pensez-vous ?
Chargement des commentaires…