# Semantic Code Search

> Le semantic code search trouve du code par signification plutôt que par mots-clés exacts, grâce aux embeddings — l'agent récupère ainsi les fonctions pertinentes au lieu de lire des fichiers entiers.

Source: https://tokenade.net/fr/glossary/semantic-code-search · Updated: 2026-10-07

## Qu'est-ce que le semantic code search ?

Le semantic code search est une façon de trouver du code par *sens* plutôt que par correspondance de texte exacte. Au lieu de faire un grep sur une chaîne littérale, il encode la requête et le code en vecteurs (embeddings) et retourne les fragments dont le sens est le plus proche — ainsi une recherche comme « où valide-t-on le token de connexion » peut faire remonter la bonne fonction même si ces mots exacts n'y apparaissent pas.

Les bonnes implémentations sont orientées code : elles classent la *définition* d'un symbole avant ses nombreuses *utilisations*, et préfèrent les sources aux tests, pour que l'agent voie la source de vérité en premier.

## Pourquoi le semantic code search est important en 2026

Il est important parce que la récupération ciblée est le plus grand levier sur les [tokens](https://tokenade.net/fr/glossary/token) pour les agents de codage. Sans lui, un agent s'oriente en lisant des fichiers entiers ou en déversant des répertoires dans sa [context window](https://tokenade.net/fr/glossary/context-window) — coûteux, et refacturé à chaque tour. Avec lui, l'agent extrait les trois fragments pertinents au lieu des trente fichiers environnants. C'est pourquoi le semantic search est une pierre angulaire du [context engineering](https://tokenade.net/fr/articles/context-engineering) et de la [réduction de l'utilisation des tokens](https://tokenade.net/fr/articles/reduce-ai-coding-agent-token-usage).

Le débat de 2026 n'est pas « semantic search ou rien » mais « index sémantique ou grep agentique ». Beaucoup d'agents s'orientent désormais en enchaînant des appels d'outils grep, glob et lecture de fichiers, ce qui ne demande aucun index mais consomme un tour (et son contexte renvoyé) à chaque saut. Un index d'[embeddings](https://tokenade.net/fr/glossary/embeddings) conscient du code répond à une question formulée en intention en un seul appel. Avec des fenêtres de 1M de tokens désormais standard sur les modèles Claude actuels, la tentation est de sauter le retrieval et de charger davantage ; la fenêtre peut tout contenir, mais chaque token chargé est refacturé à chaque tour, donc l'argument en faveur d'un retrieval précis s'est renforcé, pas affaibli.

## Quand le semantic search n'est pas idéal

- **Pour les recherches de symboles exacts** — quand on connaît le nom précis de la fonction, une recherche directe par symbole ou mot-clé peut être plus rapide et moins coûteuse.
- **Pour les petites bases de code** — si l'ensemble du projet est petit, le surcoût de récupération ne vaut peut-être pas la peine.

## À lire aussi

- [Glossaire : Context window](https://tokenade.net/fr/glossary/context-window)
- [Glossaire : Context compression](https://tokenade.net/fr/glossary/context-compression)
- [Article : Comment réduire l'utilisation de tokens d'un agent de codage IA](https://tokenade.net/fr/articles/reduce-ai-coding-agent-token-usage)