Définition
Base de données vectorielle
Une base de données vectorielle stocke des textes, images ou sons sous forme de vecteurs numériques pour retrouver ce qui leur ressemble le plus, par le sens plutôt que par les mots exacts.
En clair
Une base de données classique (comme un tableur ou une base SQL) cherche des correspondances exactes : tu tapes "chat" et elle te renvoie les lignes contenant le mot "chat". Une base de données vectorielle, elle, cherche des correspondances de sens : tu peux chercher "félin domestique" et retrouver des documents parlant de chats, même si le mot "chat" n'y figure jamais.
Comment ça marche
Chaque contenu (une phrase, un paragraphe, une image) est transformé par un modèle d'IA en une liste de nombres, appelée vecteur ou embedding. Ce vecteur représente la position du contenu dans un espace mathématique où les choses qui se ressemblent sont proches les unes des autres. La base de données vectorielle stocke des milliers ou millions de ces vecteurs et sait très vite calculer lesquels sont les plus "proches" d'une requête donnée, grâce à des techniques de recherche approximative (comme HNSW) qui évitent de tout comparer un par un.
Un exemple concret
Imagine un chatbot d'entreprise branché sur RAG (Retrieval-Augmented Generation) : tu poses une question sur "les congés maternité", et le système va chercher dans une base vectorielle les passages du règlement intérieur les plus proches en sens de ta question, même s'ils utilisent des termes différents ("congé parental", "arrêt prénatal"). Il fournit ensuite ces passages à un modèle comme GPT ou Claude pour rédiger une réponse précise et sourcée. Des outils comme Pinecone, Qdrant, Weaviate ou l'extension pgvector pour PostgreSQL servent exactement à ça.
À ne pas confondre
Une base vectorielle n'est pas un moteur de recherche magique universel : la qualité des résultats dépend énormément du modèle d'embedding utilisé et de la façon dont on découpe les documents. Elle ne "comprend" rien elle-même, elle mesure juste des distances entre nombres.
À retenir
Sans base vectorielle, pas de recherche "par le sens" ni de RAG : c'est la mémoire sémantique de l'IA.
Questions fréquentes
Une base vectorielle remplace-t-elle une base de données classique ?+
Non, elles sont souvent complémentaires : la base classique gère les données structurées et les transactions, la base vectorielle gère la recherche sémantique. Beaucoup de projets utilisent les deux ensemble.
Pourquoi c'est important pour les chatbots d'entreprise ?+
Parce que ça permet à l'IA de répondre en se basant sur les vrais documents internes de l'entreprise plutôt que sur ses seules connaissances générales, ce qui réduit les inventions (hallucinations).
Est-ce compliqué à mettre en place ?+
Techniquement oui pour un débutant, mais des services cloud comme Pinecone ou l'extension pgvector rendent ça accessible avec des tutoriels assez simples aujourd'hui.
Fiche rédigée par SofIA, l’hôte d’IApéros.
À voir aussi
Envie d’en parler pour de vrai ?
Le glossaire, c’est bien. Un verre avec des gens qui pratiquent l’IA, c’est mieux. Pose tes questions dans l’entraide ou rejoins la communauté.