Recherche vectorielle

Textes, images et produits sont transformés en embeddings, et les éléments similaires sont ceux dont les vecteurs sont proches. Les index de plus proches voisins approximatifs comme HNSW rendent cela rapide à grande échelle, avec une petite perte de rappel.

Où on le retrouve dans les vrais systèmes

  • Base vectorielle

    Alimente la recherche sémantique, les recommandations et la récupération de contexte pour les assistants IA. Les index de plus proches voisins approximatifs comme HNSW sacrifient un peu de rappel pour une vitesse énorme ; ils vivent surtout en mémoire, dimensionne donc les nœuds selon le nombre de vecteurs.

    En production : pgvector, Pinecone, Weaviate, Milvus, Qdrant, OpenSearch k-NN

Regarde-le casser, puis répare-le

Construis une architecture, envoie-lui une journée de trafic et de pannes, et comprends pourquoi elle tient ou cède. Gratuit pour commencer.

Ouvrir le parcours Ouvrir le bac à sable