Base de données vectorielle : définition simple et coûts

En bref

Une base vectorielle est un système de stockage conçu pour rechercher des données par similarité sémantique plutôt que par mot-clé exact : chaque document est transformé en vecteur numérique, et la recherche trouve les plus proches. C'est la brique technique qui fait fonctionner un chatbot RAG sur vos documents.

• Le texte est découpé en passages, converti en vecteurs (embeddings), puis indexé.
• À chaque question, on convertit la question en vecteur et on cherche les passages les plus proches.
• Les options courantes : pgvector (dans PostgreSQL/Supabase), Cloudflare Vectorize, ou des bases dédiées.
• Pour un usage PME, le coût est souvent inclus dans votre base de données existante : quasi zéro supplémentaire.

Le problème, concrètement

Une recherche classique par mot-clé échoue dès que les mots diffèrent : vous cherchez « indemnité de préavis » mais le contrat dit « compensation de résiliation ». Une base vectorielle comprend la signification : elle retrouve le passage qui parle du même sujet, même avec des mots différents. C'est ce qui rend un chatbot sur vos documents réellement utile.

Comment ça marche, simplement

1. Indexation : vos documents sont découpés en passages, chacun transformé en vecteur numérique qui capture son sens. 2. Stockage : les vecteurs sont stockés avec leurs métadonnées (source, page). 3. Recherche : votre question est transformée en vecteur, et la base retourne les passages les plus proches. 4. Réponse : le modèle rédige une réponse uniquement à partir de ces passages, avec la source.

Quelles bases vectorielles pour une PME

• pgvector : dans votre PostgreSQL existant (Supabase), gratuit si l'instance a de la marge. Le bon choix par défaut.
• Cloudflare Vectorize : à la edge, pour du gros volume ou de la latence mondiale.
• Bases dédiées (Qdrant, Pinecone) : pertinentes à très gros volume, rarement nécessaires pour une PME.

Le choix dépend de votre stack existante : c'est précisément ce qu'on tranche ensemble à l'audit gratuit.

Pourquoi c'est pertinent pour vous

Une base vectorielle bien choisie, c'est la différence entre un chatbot qui « répond à côté » et un assistant qui cite la bonne clause. Le pipeline complet (indexation, recherche, citations) est déjà développé et tourne en production sur beforbuild.com : je l'adapte à vos documents, au forfait fixe dès 2 640 € HT, sans abonnement. Détail sur la page chatbot sur vos documents.