Pourquoi Cohere Rerank ?

• ✅ Amélioration de précision de 40% par rapport aux bi-encodeurs
• ✅ Support de plus de 100 langues
• ✅ API hébergée (pas d'hébergement de modèle)
• ✅ Rapide (< 200ms pour 100 documents)

Démarrage rapide

DEVELOPERpython
import cohere

co = cohere.Client('YOUR_API_KEY')

def rerank_with_cohere(query, documents):
    results = co.rerank(
        model='rerank-english-v3.0',  # ou 'rerank-multilingual-v3.0'
        query=query,
        documents=documents,
        top_n=10
    )

    return [doc['text'] for doc in results.results]

# Utilisation
retrieved_docs = vector_search(query, k=100)
reranked = rerank_with_cohere(query, retrieved_docs)

Modèles (Novembre 2025)

rerank-english-v3.0

• Anglais uniquement
• 1$ pour 1000 recherches
• Meilleure précision

rerank-multilingual-v3.0

• Plus de 100 langues
• 1$ pour 1000 recherches
• Excellent pour les applications globales

Avec métadonnées

DEVELOPERpython
results = co.rerank(
    query=query,
    documents=[
        {"text": doc, "metadata": {"source": "wiki", "date": "2025"}}
        for doc in documents
    ],
    top_n=10,
    return_documents=True
)

for r in results.results:
    print(f"Score: {r.relevance_score}")
    print(f"Text: {r.document['text']}")
    print(f"Metadata: {r.document['metadata']}")

Optimisation des coûts

DEVELOPERpython
# Rerank uniquement si le score initial est faible
def smart_rerank(query, initial_results, threshold=0.7):
    # Si le premier résultat a une forte confiance, ignorer le reranking
    if initial_results[0]['score'] > threshold:
        return initial_results[:10]

    # Sinon, rerank
    return rerank_with_cohere(query, [r['text'] for r in initial_results])

Cohere Rerank est le moyen le plus simple d'améliorer considérablement la précision RAG. Intégrez-le simplement après la récupération.