Cohere lance Rerank 5 : focus sur le contexte au niveau des passages et scores calibrés
Cohere a lancé Rerank 5, une nouvelle famille de modèles de reclassement déclinée en deux versions, Pro (rerank-v5.0-pro) et Fast (rerank-v5.0-fast). Ce type de modèle réordonne les résultats d'une recherche avant qu'ils n'atteignent un grand modèle de langage. Les deux versions gèrent plus de 100 langues, une fenêtre de contexte de 32 000 tokens et les données semi-structurées (JSON, tableaux, YAML). Le nombre de paramètres n'est pas communiqué et aucun poids ouvert n'est proposé. Le modèle est disponible via l'API hébergée, Model Vault, Microsoft Foundry, Amazon SageMaker, ainsi qu'en VPC privé ou sur site. Deux fonctions sont nouvelles. Context Focus, désactivée par défaut, renvoie dans le même appel les scores des documents et les passages pertinents, sous forme d'intervalles de caractères avec leurs positions de début et de fin, réglables par un seuil et un nombre maximal de passages. Les scores calibrés, eux, se lisent comme des probabilités : 0,7 signifie 70 % de chances que le document soit utile. Selon les tests de Cohere, Pro est classé premier sur 39 des 46 jeux de données de son évaluation composite et atteint 82,2 sur BRIGHT, soit 5,8 points de plus que Voyage AI Rerank 3.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de MarkTechPost. Lire l'article original →
L'enjeu concret est de transmettre moins de tokens, mais de meilleure qualité, au modèle de langage. Sur 30 jeux de questions-réponses, supprimer la moitié du texte récupéré conserve 96 % de la qualité des réponses, et les trois quarts, 87 %. Dans un test d'agent de recherche sur 17 jeux de données, BM25 seul atteint 46 % de précision, 49 % avec Rerank 5 Pro, puis 57 % avec Context Focus au seuil par défaut de 0,1 (19 % de tokens en moins) et 58 % au seuil de 0,4 (34 % de tokens en moins). Sur six benchmarks de recherche approfondie, la consommation de tokens baisse de 41 % et la précision passe de 39 % à 52 %. La calibration permet aussi de filtrer par seuil plutôt que par un top-k fixe, et à un agent de détecter qu'aucun résultat pertinent n'est revenu. L'erreur de calibration attendue est d'environ 0,06 face aux évaluateurs humains et à ceux de NIST TREC-DL, contre 0,234 et 0,307 pour Voyage AI Rerank 3, et 0,384 et 0,309 pour Rerank 4 Pro. La migration ne demande aucune réindexation : il suffit de changer le paramètre du modèle.
Ces chiffres sont publiés par Cohere, qui a elle-même fait tourner les modèles concurrents avec RCP-nDCG@10, une variante de nDCG qu'elle a conçue. Pro mène sur les quatre benchmarks principaux : 92,2 sur ViDoRe V3, 90,4 sur BEIR, 82,2 sur BRIGHT (12,4 points au-dessus de Rerank 4 Pro) et 87,3 sur nanoMTEB. Fast devance Voyage AI Rerank 3 Lite, Qwen3-Reranker-8B et Rerank 4 Pro, égale Voyage AI Rerank 3 sur ViDoRe V3 (90,6) et reste légèrement derrière sur BEIR (88,1 contre 88,6). Sur des PDF analysés, Pro obtient 89,9 et Fast 88,5, contre 88,4 pour Voyage. Pro est premier sur 14 des 19 langues non anglaises testées. Le prix de cette qualité est la latence : la latence médiane de Pro atteint 11,7 secondes pour 96 documents, contre 4,1 secondes pour Fast, mesurées sur un seul GPU NVIDIA A100. Cela explique le choix de Fast pour les agents qui enchaînent de nombreuses recherches. Cohere se positionne face à Voyage AI et au modèle ouvert Qwen3 d'Alibaba, tout en restant sur un modèle propriétaire. Les tests indépendants diront si ces avantages se confirment hors des protocoles de l'éditeur.
Cohere propose des déploiements en VPC privé ou sur site et gère plus de 100 langues, ce qui peut intéresser les entreprises européennes soucieuses de souveraineté des données dans leurs systèmes de recherche et de RAG.