# TF-IDF

> Mesure statistique évaluant l'importance d'un mot dans un document par rapport à une collection de documents.

- Page ZoneIA : https://zoneia.fr/glossaire/tf-idf
- Type : Définition du glossaire IA
- Catégories : [Rédaction & Texte IA](https://zoneia.fr/outils/categorie/redaction-texte-ia), [Analyse de Données & Data](https://zoneia.fr/outils/categorie/analyse-donnees-data)
- Publié le : 2026-03-04
- Mis à jour le : 2026-05-22

TF‑IDF (Term Frequency–Inverse Document Frequency) est une pondération classique en **recherche d’information** et en **NLP** pour transformer du texte en valeurs numériques. L’idée est simple : un terme est jugé important s’il apparaît souvent dans un document, mais **pas partout** dans le corpus.

## Comment ça fonctionne
- **TF (term frequency)** mesure la fréquence d’un mot dans un document (souvent normalisée par la longueur du document).
- **IDF (inverse document frequency)** réduit le poids des mots fréquents dans de nombreux documents (ex. “le”, “et”). Typiquement :  
  `idf(t) = log(N / (df(t) + 1))`, où `N` est le nombre de documents et `df(t)` le nombre de documents contenant le terme.
- **TF‑IDF = TF × IDF** : un mot obtient un score élevé s’il est fréquent dans un document, mais rare dans le reste du corpus.

## À quoi ça sert
- **Indexer et rechercher** des documents (scoring de pertinence).
- **Classifier** ou **regrouper** des textes (SVM, régression logistique, clustering) via des vecteurs “sac de mots”.
- **Extraire des mots-clés** caractéristiques d’un document.

## Exemple
Dans un corpus d’articles, “transformer” aura souvent un TF‑IDF élevé dans un article sur les LLM, alors que “données” peut être moins discriminant car présent partout.

---

Source : ZoneIA, annuaire francophone des outils IA (https://zoneia.fr/glossaire/tf-idf)