Nous étudions l'impact de la structuration sémantique de l'espace de recherche dans un problème d'optimisation combinatoire appliqué aux textes médicaux. UMLS est intégré au prétraitement pour normaliser synonymes et termes multi-mots avant l'apprentissage des embeddings, ce qui modifie l'espace vectoriel sans changer l'heuristique de PEACEWORD. Testée sur 11 maladies, la structuration proposée améliore systématiquement la qualité des solutions (+10 % de similarité cosinus). Le résultat montre que la définition de l'espace de recherche influe autant sur la performance que l'algorithme d'optimisation lui-même.