De Algolia à Meilisearch

Qui gère la recherche d'une boutique en ligne à fort trafic connaît le poste de dépense: un contrat Algolia pour quelques millions de requêtes mensuelles se situe dans l'ordre de plusieurs dizaines de milliers d'euros par an. Meilisearch, moteur open source installé sur un serveur propre, sert la même charge pour quelques milliers d'euros par an, infrastructure et exploitation comprises.

La question n'est donc pas de savoir si l'opération est rentable. Elle est de savoir si elle peut être menée sans rien perdre de l'existant. Ce document y répond par les mesures d'une migration réelle, conduite chez un distributeur d'ameublement disposant de treize mille produits interrogeables et de 3,3 millions de recherches mensuelles, et décrit en détail la méthode employée.

Les règles de merchandising se transfèrent intégralement. Soixante-dix-neuf règles, sept cent soixante-dix positions fixées à la main par le service commercial au fil des années: sur les deux cents recherches les plus fréquentes, pondérées par le volume de trafic, les positions encore valides ont été reproduites à 100%. Mieux: après la migration, les vitrines soignées se déclenchent sur davantage de formulations qu'auparavant, y compris les fautes de frappe récurrentes des utilisateurs.

La qualité de la recherche ne se dégrade pas. Les deux moteurs répondent dans des délais équivalents, deux millisecondes contre une en médiane, et produisent des classements superposables sur le corpus de test. Les trois comportements qui diffèrent par défaut sont tous configurables, et le document donne pour chacun la vérification correspondante.

La migration rend possible ce que l'ancienne installation interdisait. La facturation à la requête ne pèse pas seulement sur la dépense: dans le cas étudié, elle avait déformé la structure de l'index de façon mesurable. Une fois la contrainte levée, et après intervention sur les données, la part des positions de résultat affichant un produit nouveau plutôt qu'un doublon passe de 54% à 96%, et la cohérence entre la recherche et le type de produit restitué monte de 85% à 92%.