Qu'est-ce qu'une base de données vectorielle ?
Une base de données vectorielle stocke les données sous forme de vecteurs numériques de grande dimension (embeddings) et retrouve les éléments par similarité plutôt que par correspondance exacte, permettant une recherche sémantique sur du texte, des images et d'autres contenus non structurés. Elle sous-tend des fonctionnalités d'IA comme la génération augmentée par récupération, en allant chercher le contexte le plus pertinent pour une requête.
Les bases de données traditionnelles font correspondre des valeurs exactes ; les bases de données vectorielles font correspondre le *sens*. Le contenu est converti en embeddings, des vecteurs numériques qui capturent le sens sémantique, et la base de données trouve les vecteurs les plus proches d'une requête, renvoyant des éléments conceptuellement similaires même lorsque les mots diffèrent.
Les bases de données vectorielles alimentent :
- La recherche sémantique des résultats par le sens, et non par mots-clés.
- La génération augmentée par récupération (RAG) aller chercher des passages pertinents pour étayer la réponse d'une IA.
- Les recommandations et le regroupement regrouper des éléments similaires.
Elles se spécialisent dans les données non structurées, documents, PDF, images, là où l'interrogation par correspondance exacte est prise en défaut.
iDBQuery utilise une récupération sémantique de type vectoriel là où elle convient, en particulier pour les documents. Lorsque vous ingérez des PDF ou un dossier de fichiers (avec OCR pour les documents numérisés), iDBQuery en indexe le contenu pour que vous puissiez poser des questions, et il récupère les passages pertinents pour répondre, avec des citations renvoyant au document source. Pour vos bases de données et feuilles de calcul structurées, iDBQuery rédige en revanche un SQL précis sur les données en direct, exact, et non approximatif. La combinaison est importante : récupération sémantique pour le contenu non structuré et SQL exact pour les données structurées, unifiés dans une seule expérience en langage courant, de sorte que chaque réponse, qu'elle provienne d'un document ou d'une table, revient sourcée jusqu'à son origine.
Updated 2026-06-22