60 millisecondes pour Algolia, 340 pour WP_Query sur la même recherche « devis rénovation salle de bain ». Ce chiffre à lui seul ne dit pourtant rien de la pertinence des résultats renvoyés, et c’est bien là que le bât blesse dans la plupart des comparatifs trouvés en ligne : ils mesurent la vitesse, jamais la qualité du classement.
Sur un site de petites annonces avec plus de 40 000 fiches, le client hésitait entre garder WP_Query avec une extension de recherche floue et migrer vers Algolia. Plutôt que de trancher sur la réputation des outils, l’équipe a construit un protocole de test reproductible : les mêmes requêtes, envoyées aux deux moteurs, avec une grille de notation humaine sur les dix premiers résultats.
Construire un corpus de requêtes représentatif
Le premier piège consiste à tester avec des requêtes inventées par les développeurs, trop propres et trop courtes. Le corpus retenu ici vient des logs de recherche réels du site sur trois mois, filtré pour ne garder que les requêtes tapées par au moins cinq visiteurs distincts. Dix-huit requêtes ont émergé, allant du terme unique (« plombier ») à la phrase longue et fautive (« electricien pas cher urgence dimanche »).
- Requêtes courtes à fort volume : un ou deux mots, très concurrentielles
- Requêtes longues avec fautes de frappe ou accents manquants
- Requêtes avec filtres implicites (localisation, prix, catégorie)
Chaque requête a été rejouée trois fois par moteur pour lisser la variance liée au cache et au réseau, avec un script PHP qui interroge les deux API et enregistre la liste ordonnée des identifiants de résultats.
Noter la pertinence sans se mentir
La notation de pertinence reste le point le plus subjectif du protocole. La méthode retenue attribue une note de 0 à 3 à chacun des dix premiers résultats de chaque requête, par une personne qui ignore quel moteur a produit quelle liste (les identifiants sont anonymisés dans un tableau mélangé). Cette notation en aveugle évite le biais de confirmation qui pousserait à préférer inconsciemment l’outil le plus cher.
Grille de notation utilisée
| Note | Signification |
|---|---|
| 3 | Correspond exactement à l’intention de la requête |
| 2 | Pertinent mais pas le meilleur choix possible |
| 1 | Lien logique mais peu utile pour ce cas |
| 0 | Hors sujet |
Le score moyen par moteur sur l’ensemble des dix-huit requêtes donne un indicateur simple : Algolia obtient 2,4 sur 3 en moyenne, contre 1,7 pour WP_Query avec l’extension de recherche floue installée. L’écart se creuse surtout sur les requêtes longues et fautives, là où la recherche native peine à comprendre l’intention.
Mesurer ce que la pertinence ne dit pas
La vitesse et le coût restent des critères à ne pas négliger. Algolia facture au volume de requêtes et à la taille de l’index, ce qui change la donne selon le trafic du site. Le test de charge mené en parallèle a envoyé 200 requêtes simultanées vers chaque moteur pour observer le temps de réponse sous pression.
ab -n 200 -c 20 "https://exemple.test/recherche?q=plombier+urgence"
WP_Query voit son temps de réponse grimper de 340 ms à 1,8 seconde sous cette charge, faute d’index dédié à la recherche. Algolia reste stable autour de 65 ms, ce qui s’explique par son architecture pensée pour ce cas d’usage précis.
Facteurs qui ne rentrent pas dans le tableau
- La dépendance à un service tiers et son SLA
- Le temps d’intégration initial (indexation, synchronisation)
- La facturation qui grimpe avec le volume de contenu
Automatiser la comparaison pour les prochaines évolutions
Une fois le protocole rodé, il devient tentant de l’exécuter à chaque mise à jour majeure du site pour vérifier que la pertinence ne se dégrade pas. Le script de rejeu a été intégré à la suite de tests d’intégration, avec un seuil d’alerte si le score moyen chute de plus de 0,3 point par rapport à la dernière mesure de référence.
Un comparatif de moteurs de recherche qui ne mesure que la vitesse ne dit rien d’utile : la pertinence perçue par l’utilisateur final doit rester le premier critère de décision.
Ce garde-fou a évité une régression silencieuse lors d’un changement de synonymes mal configuré, détecté en quelques minutes plutôt que par des retours utilisateurs plusieurs semaines après.
Notre verdict
Pour ce projet précis, avec un budget disponible et un volume de recherches suffisant pour justifier le coût, Algolia l’emporte nettement sur la pertinence des résultats longs et fautifs. Un site avec un catalogue plus restreint et peu de recherches complexes n’aurait sans doute pas justifié la migration : la recherche native, correctement paramétrée avec des poids sur les champs, reste suffisante dans bien des cas. Le protocole de test compte finalement plus que le choix du moteur : il permet de trancher avec des données plutôt qu’avec des intuitions.
