Base Vectorielle
Base de données spécialisée dans le stockage et la recherche de vecteurs (embeddings) pour la recherche sémantique à grande échelle.
Base de données spécialisée dans le stockage et la recherche de vecteurs (embeddings) pour la recherche sémantique à grande échelle.
Définition détaillée
Une base vectorielle (vector database) est un système de stockage optimisé pour les embeddings vectoriels. Contrairement aux bases relationnelles classiques, elle indexe les vecteurs avec des algorithmes d'approximation (HNSW, IVF) permettant une recherche par similarité en quelques millisecondes, même sur des millions de documents. Les solutions populaires incluent Qdrant, Milvus, Weaviate, Pinecone, et pgvector pour PostgreSQL. Les bases vectorielles sont le cœur technique des systèmes RAG.
Cas d'usage
Base de connaissances RAG : 500 000 pages de documentation technique sont vectorisées et interrogables en temps réel. Les collaborateurs obtiennent des réponses sourcées en 2 secondes au lieu de 15 minutes de recherche manuelle.
Termes associés
Questions fréquentes
Faut-il une base vectorielle séparée ou peut-on utiliser PostgreSQL ?
pgvector est une excellente option pour commencer, directement dans PostgreSQL. Pour des volumes importants (>1M de vecteurs), une solution dédiée comme Qdrant ou Milvus est plus performante.
Quel est le coût d'une base vectorielle ?
Les solutions open source (Qdrant, Milvus) sont gratuites mais nécessitent de l'infrastructure. Les solutions cloud (Pinecone) facturent au stockage et aux requêtes, à partir de quelques dizaines d'euros par mois.