Vector Database
V
Definition complete
Une vector database (base de donnees vectorielle) est un systeme de stockage optimise pour les embeddings vectoriels, representations numeriques de donnees non structurees (textes, images, sons) dans un espace multidimensionnel. Elle permet des recherches par similarite semantique.
Contrairement aux bases relationnelles qui effectuent des recherches exactes, les bases vectorielles trouvent les vecteurs les plus proches d'un vecteur requete selon des metriques de distance (cosinus, euclidienne, produit scalaire). C'est la technologie cle derriere la recherche semantique et les applications RAG.
Les solutions populaires incluent Pinecone (cloud), Weaviate (open source), Milvus, Chroma, Qdrant, et les extensions vectorielles de PostgreSQL (pgvector). Chacune offre des compromis performance/fonctionnalites differents.
L'indexation utilise des algorithmes comme HNSW (Hierarchical Navigable Small World) ou IVF (Inverted File Index) pour permettre des recherches en millisecondes meme sur des milliards de vecteurs.
Exemples pratiques
- Recherche semantique : L'utilisateur tape "vetement pour temps froid", le systeme trouve "manteau hiver", "doudoune", "parka" par proximite vectorielle meme sans ces mots exacts.
- Chatbot RAG : La question utilisateur est vectorisee, les documents les plus similaires sont recuperes de Pinecone, puis envoyes a GPT comme contexte pour generer une reponse precise.
- Recommendation produits : L'embedding du produit consulte permet de trouver les articles les plus similaires visuellement ou semantiquement.
A quoi sert Vector Database ?
Les vector databases alimentent les moteurs de recherche semantique, les systemes de recommandation, les chatbots intelligents (RAG), la detection de duplicatas, la recherche d'images similaires, et toute application necessitant de trouver du contenu "similaire".
Vector Database en pratique chez 123web
Chez 123web, nous integrons les bases vectorielles pour creer des experiences de recherche intelligentes sur vos sites. Recherche produits semantique, FAQ intelligente, chatbot contextuel : l'IA comprend l'intention derriere les mots de vos visiteurs.