Glossaire

Perplexity AI

Qu’est-ce que Perplexity AI ?

Perplexity AI est une entreprise de San Francisco fondée en 2022 qui exploite un moteur de recherche fondé sur l'IA. Au lieu d'une liste de liens, il fournit une réponse rédigée qui résume des contenus web récents et cite les sources utilisées. Outre une version gratuite, il existe des formules payantes avec plusieurs modèles de langage au choix ainsi que le navigateur IA Comet (état : octobre 2026). Pour les entreprises, Perplexity compte aussi parce qu'il modifie la manière dont les contenus sont trouvés sur le web.

Thèmes

recherche IA
moteur de réponses
sources citées

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Recherche IA

La recherche IA désigne des méthodes de recherche qui utilisent l'IA pour saisir l'intention d'une requête, pondérer les résultats et souvent générer une réponse synthétique avec sources plutôt qu'une simple liste de liens. Techniquement, elles reposent sur la recherche par mots-clés, la recherche vectorielle par embeddings ou une combinaison des deux, souvent suivie d'un modèle de langage. On les retrouve dans les moteurs de réponse sur le web et dans les recherches internes qui aident les équipes à trouver une information dans des manuels ou des directives.

Recherche
Connaissances
+1

Generative Engine Optimization (GEO)

La Generative Engine Optimization (GEO) regroupe les mesures qui aident vos contenus à apparaître, et à être cités comme source, dans les réponses des moteurs de recherche à base d’IA comme ChatGPT, Perplexity ou les aperçus IA des moteurs de recherche. Le terme vient d’un article de recherche de 2023. Comptent surtout des réponses claires et citables, une structure nette, des faits étayés, des informations à jour et des auteurs identifiables. La GEO complète le référencement classique (SEO) sans le remplacer.

Recherche IA
SEO
+1

Modèle

Recherche zéro clic

On parle de recherche zéro clic lorsque l'internaute obtient sa réponse directement sur la page de résultats, par exemple via des encadrés de réponse ou des synthèses générées par l'IA, sans cliquer sur aucun site. Pour les entreprises, le trafic diminue, même lorsque leurs contenus servent de source. Il devient donc essentiel d'être visible en tant que source citée : réponses claires, faits étayés et pages bien structurées.

Modèle

Génération augmentée par récupération (RAG)

La génération augmentée par récupération associe recherche et génération de texte : avant de répondre, le système cherche dans une base de connaissances (manuels, directives, FAQ…) les passages pertinents et les transmet au modèle de langage comme contexte. La réponse s'appuie ainsi sur des contenus actuels propres à l'entreprise, et pas seulement sur les connaissances d'entraînement du modèle. Cela réduit les affirmations inventées, rend les sources traçables et permet des mises à jour sans nouvel entraînement.

RAG
recherche documentaire
+1