Chunking

Le mot recouvre deux réalités. Côté machine, le chunking est une étape technique : un système d’IA découpe les documents qu’il indexe en fragments de taille limitée, parce qu’il ne peut pas transmettre des pages entières à son modèle à chaque question. Côté rédaction, c’est l’art d’écrire des fragments qui restent compréhensibles une fois isolés.

Pour une entreprise, le point clé est là : une IA qui répond ne s’appuie pas sur votre page entière, mais sur un ou deux passages extraits. Si ce passage ne contient ni le nom du produit ni la réponse, c’est la page d’un concurrent qui sera reprise.

Comment le découpage se passe dans un système RAG

Dans une architecture RAG (génération augmentée par récupération), le texte est d’abord découpé en blocs mesurés en tokens, les unités issues de la tokenisation. Selon les systèmes, la coupe suit une longueur fixe (souvent quelques centaines de tokens, avec un léger chevauchement entre deux blocs pour ne pas couper une idée) ou la structure du document : titres, paragraphes, listes.

Chaque bloc est ensuite converti en embedding, un vecteur qui résume son sens. Quand une question arrive, le système compare son vecteur à ceux des blocs, retient les plus proches et les place dans la fenêtre de contexte du modèle, qui rédige à partir d’eux. Ni Google ni OpenAI ne publient leurs règles de découpage, mais le principe est commun : la récupération se fait au niveau du passage, et un passage n’emporte pas forcément avec lui le titre de la page ni le paragraphe qui le précède.

Exemple concret : une information qui disparaît des réponses

Prenons un éditeur de logiciel de facturation dont la page tarifs présente un module de relance automatique des impayés. Le module est nommé dans le premier paragraphe ; trois paragraphes plus bas, une phrase précise : « Il est inclus dans l’offre Pro à partir de 3 utilisateurs, sans surcoût. » Une fois la page découpée, disons en une douzaine de blocs, cette phrase atterrit dans un fragment qui ne mentionne ni le module, ni les relances.

Sur la question « quel logiciel de facturation inclut la relance des impayés sans supplément ? », ce fragment ne remonte pas, et l’argument le plus vendeur de la page reste invisible. La correction prend dix minutes : un intertitre « Relance automatique des impayés : incluse dans l’offre Pro » et une phrase qui nomme le module au lieu d’écrire « il ». Le bloc devient autonome.

Les erreurs qui cassent un bon découpage

• Les renvois implicites : « ce dernier », « comme expliqué plus haut », « cette solution ». Naturels à l’écrit, ils vident un bloc isolé de son sujet.
• Les intertitres décoratifs (« Notre approche », « Le petit plus ») : ils ne disent rien du contenu et n’aident pas à relier un bloc à une question.
• L’excès inverse : hacher le texte en phrases d’une ligne, qui donnent des blocs trop pauvres pour être jugés pertinents.
• Les informations clés cachées dans des onglets chargés seulement au clic, des images ou des PDF scannés : si le texte n’est pas extrait, il n’existe dans aucun fragment.

Comment rendre un contenu facile à découper

La règle : un intertitre explicite, une idée par section, un paragraphe qui nomme son sujet dès la première phrase. Pour auditer une page, lisez chaque section comme si elle était seule à l’écran ; si elle ne se comprend pas, réécrivez-la. Sur les pages tarifs, produits et services, vérifiez avec Screaming Frog, en mode rendu JavaScript, que le texte des onglets et accordéons figure bien dans le HTML. Testez enfin vos questions clés dans ChatGPT, Perplexity ou les AI Overviews et regardez quel passage est repris : c’est le test le plus direct de votre découpage.