Chapitre 1 : Introduction aux Magasins de Vecteurs

Qu'est-ce qui rend les bases de données vectorielles spéciales ?

Les bases de données traditionnelles sont optimisées pour les correspondances exactes :

SELECT * FROM products WHERE id = 123;

Les bases de données vectorielles sont optimisées pour la recherche de similarité :

# Trouver les 10 vecteurs les plus similaires à query_vector
results = vector_db.search(query_vector, top_k=10)

Algorithmes d'indexation

HNSW (Hierarchical Navigable Small World)

L'algorithme le plus populaire pour la recherche vectorielle :

# Paramètres HNSW
index = create_hnsw_index(
    vectors=embeddings,
    M=16,              # Nombre de connexions par nœud
    ef_construction=200,  # Qualité à la construction
    ef_search=50       # Qualité à la requête
)

Caractéristiques :

• Excellente vitesse de requête
• Utilisation élevée de la mémoire
• Meilleur pour la plupart des cas d'utilisation

IVF (Inverted File Index)

Regroupe les vecteurs pour une recherche plus rapide :

# Paramètres IVF
index = create_ivf_index(
    vectors=embeddings,
    nlist=100,         # Nombre de clusters
    nprobe=10          # Clusters à rechercher
)

Caractéristiques :

• Moins de mémoire que HNSW
• Nécessite un entraînement
• Bon pour les grands ensembles de données

Index Plat

Recherche exacte par force brute :

# Pas de paramètres - recherche exacte
index = create_flat_index(vectors=embeddings)

Caractéristiques :

• Précision parfaite
• Recherche la plus lente
• Bon pour les petits ensembles de données

Comparaison des Algorithmes

Algorithme	Vitesse	Mémoire	Précision	Meilleur Pour
HNSW	Rapide	Élevée	~95%	La plupart des cas
IVF	Moyenne	Moyenne	~90%	Grande échelle
Plat	Lent	Faible	100%	Petits ensembles de données

Stockage des Métadonnées

Les bases de données vectorielles stockent les métadonnées avec les vecteurs :

vectorstore.add(
    vectors=[embedding],
    documents=["Document de politique d'entreprise"],
    metadata=[{
        "source": "handbook.pdf",
        "page": 15,
        "department": "RH",
        "date": "2024-01-15"
    }]
)

# Filtrer par métadonnées lors de la recherche
results = vectorstore.search(
    query_vector,
    filter={"department": "RH"},
    top_k=5
)

Caractéristiques Clés à Considérer

Caractéristique	Description
Filtrage	Requête par métadonnées
Mises à jour	Modifier les vecteurs existants
Suppression	Supprimer des vecteurs
Espaces de noms	Isoler les données
Réplication	Haute disponibilité
Partitionnement	Évoluer horizontalement

Résumé

• Les bases de données vectorielles permettent la recherche de similarité
• HNSW est l'algorithme le plus courant
• Le filtrage par métadonnées est essentiel pour la production
• Choisissez en fonction de l'échelle et des exigences

---

Prochaines Étapes

Continuez vers Chapitre 2 : Options Populaires.