Retrouvez les définitions clés pour cadrer un projet IA en PME et relier facilement les notions entre elles.
Définition
Une base de données vectorielle stocke des embeddings (représentations numériques du sens) et permet de retrouver très vite les contenus les plus proches d'une question. C'est l'infrastructure qui rend possible la recherche sémantique à grande échelle.
À retenir
La base vectorielle est le moteur de recherche par le sens qui alimente la plupart des projets RAG.
Erreur fréquente
La confondre avec une base classique : ici on cherche par similarité de sens, pas par correspondance exacte.
À quoi cela sert
- Retrouver les extraits pertinents dans un grand corpus documentaire.
- Servir de mémoire à un assistant ou un agent IA.
- Alimenter un RAG avec des sources internes à jour.
Exemple concret
Qdrant ou Pinecone stockent les vecteurs issus de vos documents ; quand un collaborateur pose une question, la base renvoie en quelques millisecondes les passages les plus proches sémantiquement.
Bonnes pratiques
- Choisir une base auto-hébergeable si les données sont sensibles (ex. Qdrant).
- Découper les documents en blocs cohérents avant indexation.
- Réindexer lorsque les sources évoluent.
Pourquoi ce terme compte
Comprendre cette notion aide à mieux cadrer un outil IA, à poser les bonnes questions à un éditeur ou à un prestataire, et à distinguer les promesses marketing des usages réellement utiles pour une PME.
Revenez au sommaire du lexique IA ou poursuivez avec les autres ressources du site.
Pages utiles pour passer de la notion à l'action
Ces notions IA prennent leur valeur quand elles sont reliées à des usages métier concrets, à la gouvernance et à l'intégration dans les outils déjà utilisés en PME.