Aller au contenu
Cabinet d'expertise en transformation technologique · ARDIANE Group Innover, sécuriser, réussir

Lexique

Base de données vectorielle : définition et fonctionnement

Domaines

Data · Intelligence artificielle

L'essentiel

Une base de données vectorielle est un système qui stocke des vecteurs numériques, appelés plongements, et retrouve ceux qui sont les plus proches d'un vecteur de requête selon une mesure de distance. Terme d'usage, la base de données vectorielle sert à la recherche par similarité sur des textes, des images ou d'autres contenus, au moyen d'index dits approchés.

Sommaire de la page

Définition de la base de données vectorielle

Une base de données vectorielle est un système qui stocke des vecteurs numériques et retrouve, pour un vecteur de requête, ceux qui en sont les plus proches selon une mesure de distance. Ces vecteurs, appelés plongements (embeddings), sont calculés par un modèle à partir d’un contenu : un passage de texte ou une image. Le modèle est entraîné pour que deux contenus de sens voisin reçoivent des vecteurs voisins.

Le terme relève de l’usage. Il couvre des bases conçues pour cet emploi et des fonctions vectorielles ajoutées à des bases relationnelles ou à des moteurs de recherche.

À quoi sert la recherche par similarité

Une requête SQL sélectionne des lignes en comparant des valeurs. Un moteur plein texte retrouve les documents contenant les mots demandés. Une base de données vectorielle répond à une autre demande : quels contenus ressemblent à celui-ci ?

Elle retrouve des passages proches d’une question formulée avec d’autres mots, des images semblables ou des quasi-doublons. Son emploi dans un assistant documentaire est décrit dans notre fiche sur le RAG.

Distance, plus proches voisins et index approchés

La proximité se calcule par une mesure de distance, par exemple la distance cosinus, le produit scalaire ou la distance euclidienne.

La recherche exacte compare la requête à chaque vecteur stocké. Son résultat est complet et son coût croît avec le nombre de vecteurs. La recherche approchée des plus proches voisins (approximate nearest neighbor, ANN) s’appuie sur un index qui limite les comparaisons. Elle répond plus vite et peut omettre certains voisins : la documentation de pgvector parle d’un rappel échangé contre de la vitesse, celle d’OpenSearch d’une précision cédée contre une latence plus faible.

Deux familles d’index figurent dans la documentation de pgvector comme dans celle de Milvus. HNSW, décrit par Yu. A. Malkov et D. A. Yashunin dans un article déposé sur arXiv en 2016, organise les vecteurs en un graphe à plusieurs couches. Les index à listes inversées (IVF) répartissent les vecteurs en groupes et n’explorent que les groupes proches de la requête.

La base conserve des métadonnées (source, date, droits d’accès), qui servent à filtrer les résultats.

Les produits cités ici relèvent de trois familles, d’après leur documentation : des bases relationnelles dotées d’un type vectoriel (extension pgvector pour PostgreSQL, type VECTOR de MariaDB), des moteurs de recherche (OpenSearch, Elasticsearch) et des bases spécialisées (Qdrant, Milvus, Weaviate).

Base vectorielle, modèle de plongement, moteur plein texte, RAG : ne pas confondre

Notion Rôle Rapport avec la base vectorielle
Modèle de plongement Convertit un contenu en vecteur Il produit ce que la base stocke ; changer de modèle impose de recalculer les vecteurs
Index vectoriel Structure de recherche (HNSW, IVF) La base y ajoute le stockage durable, les filtres et les mises à jour
Moteur plein texte Retrouve des documents par leurs mots La recherche hybride combine les deux approches
RAG Architecture qui fournit des passages à un modèle de langage La base vectorielle en est une brique

Proche ne signifie pas pertinent. Une recherche des plus proches voisins renvoie des résultats même lorsque le corpus ne contient rien d’utile, sauf seuil de distance.

Exemple : retrouver un compte rendu d’intervention

Prenons un service de maintenance qui conserve ses comptes rendus d’intervention. Un technicien décrit une panne : « vibration au démarrage de la pompe ». Un compte rendu parle d’« oscillations à la mise en route du groupe de pompage ». Les deux textes ne partagent aucun terme technique, mais leurs plongements sont voisins : la base renvoie ce compte rendu, après un filtre sur la famille d’équipement.

L’index étant approché, un compte rendu utile peut manquer. L’équipe mesure le rappel sur des questions de référence, en comparant les résultats à ceux d’une recherche exacte, puis règle l’index. Pour les numéros de pièce, elle ajoute une recherche par mots-clés.

Le choix entre une base spécialisée et une fonction vectorielle du socle existant, ses règles d’accès et son exploitation relèvent de notre page plateforme data. L’assistant qui s’en sert est l’objet de notre page IA générative en entreprise.

FAQ

Questions fréquentes

Une autre question ? Posez-la-nous

Qu'est-ce qu'une base de données vectorielle ?

Une base de données vectorielle stocke des vecteurs numériques, appelés plongements, qui représentent des contenus tels que des passages de texte ou des images. Elle retrouve les vecteurs les plus proches d'un vecteur de requête selon une mesure de distance, ce qui permet une recherche par similarité. Le terme relève de l'usage et couvre des bases spécialisées comme des fonctions ajoutées à des bases existantes.

Qu'est-ce qu'une recherche approchée des plus proches voisins ?

Une recherche approchée des plus proches voisins s'appuie sur un index qui limite le nombre de vecteurs comparés à la requête, au lieu de les parcourir tous. Elle répond plus vite qu'une recherche exacte, mais peut omettre une partie des vrais voisins. La part des vrais voisins effectivement retrouvés s'appelle le rappel, et les paramètres de l'index règlent l'arbitrage entre rappel et vitesse.

Une base relationnelle peut-elle servir de base de données vectorielle ?

Oui : une base relationnelle peut servir de base de données vectorielle lorsque son moteur propose un type vectoriel et un index adapté. D'après leur documentation, l'extension pgvector apporte à PostgreSQL une recherche exacte et approchée des plus proches voisins, et MariaDB dispose d'un type VECTOR assorti d'un index vectoriel. Le choix entre une telle fonction et une base spécialisée dépend des volumes, des filtres nécessaires et des compétences d'exploitation disponibles.

Quelle différence entre recherche vectorielle et recherche par mots-clés ?

La recherche par mots-clés retrouve les documents qui contiennent les termes de la requête. La recherche vectorielle retrouve les contenus dont le plongement est proche de celui de la requête, même sans mot commun. La recherche hybride combine les deux, ce qui convient aux requêtes mêlant une formulation libre et un terme exact, comme une référence d'article.

Un projet à faire aboutir ?

Un premier échange suffit pour situer votre enjeu, identifier les bons interlocuteurs et vous dire franchement ce que nous pouvons apporter.