Ce qu’est une base de données vectorielle
Pour rechercher par le sens, on transforme chaque passage de document en embedding : une liste de nombres qui représente son contenu. Une base de données vectorielle stocke ces listes et sait répondre très vite à la question : « quels passages sont les plus proches de celui-ci ? ». Elle conserve aussi un lien vers le document d’origine, pour pouvoir le citer.
À quoi elle sert
C’est la mémoire documentaire d’un système de RAG. Quand un collaborateur pose une question, le système calcule l’embedding de la question, interroge la base vectorielle, récupère les passages les plus pertinents et les transmet au modèle de langage pour rédiger la réponse.
Exemples d’usage
- Interroger toute la documentation d’un cabinet en langage courant.
- Retrouver les dossiers clients similaires à une nouvelle demande.
- Rechercher dans les comptes rendus d’entretien ou de rendez-vous.
Les points d’attention
- La mise à jour : un document modifié ou supprimé doit l’être aussi dans la base, sinon l’IA répond à partir d’informations périmées.
- Les droits d’accès : la recherche doit respecter les autorisations ; un collaborateur ne doit pas retrouver un document qu’il n’a pas le droit de voir.
- La recherche mixte : combiner recherche par le sens et recherche par mots exacts donne de meilleurs résultats sur les numéros, noms et références.
Hébergement
Une base vectorielle contient une représentation fidèle de vos documents : elle doit être protégée comme eux. Elle peut tourner en local, à côté d’une IA locale, ce qui garde l’ensemble de la chaîne dans votre infrastructure.