Base vectorielle
Base de données spécialisée qui stocke des embeddings et permet la recherche par similarité sémantique.
AvancéDéfinition complète
Une base vectorielle stocke des vecteurs (embeddings) et permet de trouver les plus proches d'un vecteur donné. C'est la technologie derrière la recherche sémantique et le RAG. Au lieu de chercher par mots-clés exacts ('facture' ne trouve pas 'facturation'), tu cherches par sens ('gestion financière' trouve 'comptabilité', 'facturation', 'trésorerie'). Outils populaires : Supabase avec pgvector, Pinecone, Weaviate, Chroma. En pratique, tu combines un LLM (pour générer les embeddings) + une base vectorielle (pour les stocker et chercher).
Analogie pour comprendre
Une bibliothèque classique range les livres par catégorie et auteur. Une base vectorielle range les livres par 'proximité de sens' : un livre sur la cuisine française sera rangé près d'un livre sur la gastronomie italienne, même s'ils ont des titres et auteurs différents.
En pratique
Un cabinet d'avocats utilise Supabase (pgvector) pour indexer 10 000 jurisprudences. Quand un avocat demande 'cas similaire à un licenciement abusif dans le BTP', la base vectorielle retrouve les 5 décisions les plus pertinentes par sens, pas par mots-clés. C'est du RAG en action.
Outils associés
Termes liés
Pour aller plus loin
Questions fréquentes
Oui. Avec l'extension pgvector, Supabase stocke des embeddings et fait de la recherche vectorielle nativement. C'est la solution la plus simple si tu utilises déjà Supabase.
Complémentaires. La base relationnelle stocke tes données structurées (utilisateurs, commandes). La base vectorielle stocke les embeddings pour la recherche sémantique. Tu utilises les deux ensemble.