Logiciels Bases vectorielles / RAG en SaaS

Les bases de données vectorielles stockent l'information non pas sous forme de lignes et de colonnes, mais sous forme de vecteurs, des représentations numériques qui capturent le sens d'un texte, d'une image ou d'un son. Cette représentation permet la recherche sémantique : retrouver les contenus les plus proches par le sens plutôt que par les mots exacts. C'est la brique technique au cœur des applications d'IA générative, et en particulier du RAG (retrieval-augmented generation), la technique qui permet à un modèle de langage de répondre à partir des documents propres à une organisation plutôt que de sa seule mémoire.

Cette sous-catégorie réunit deux familles complémentaires. D'un côté, les bases vectorielles elles-mêmes, qui stockent et interrogent les vecteurs : Pinecone en version managée, ou Qdrant, Weaviate, Milvus, Chroma et l'extension pgvector de PostgreSQL en open source. De l'autre, les frameworks de RAG comme LangChain et LlamaIndex, qui orchestrent la chaîne complète : découper les documents, les vectoriser, les stocker, puis récupérer les passages pertinents pour les fournir à un LLM.

C'est un domaine très jeune, né avec l'essor des LLM, et largement dominé par des acteurs américains. Mais il réserve une bonne surprise du point de vue européen : deux des bases vectorielles open source les plus reconnues sont européennes, l'allemande Qdrant et la néerlandaise Weaviate. Surtout, la quasi-totalité des acteurs de ce domaine proposent une version open source auto-hébergeable. C'est décisif pour la souveraineté : dans un projet RAG, la base vectorielle contient souvent une copie sémantique de documents internes sensibles. Pouvoir l'héberger sur sa propre infrastructure, y compris un cloud souverain français, permet de garder ces données sous contrôle. L'option la plus simple et la plus souveraine est souvent pgvector, qui ajoute la recherche vectorielle à une base PostgreSQL que l'on maîtrise déjà.

Le choix dépend de l'échelle et des compétences : un service managé américain pour aller vite au prix de la souveraineté, une base open source européenne ou auto-hébergée pour garder le contrôle, ou pgvector pour rester dans un PostgreSQL existant. SaaSTeaser indique pour chaque fiche l'éditeur, le pays d'hébergement et le badge de souveraineté, avec une vigilance d'autant plus forte que ces bases contiennent la représentation sémantique des documents les plus sensibles d'une organisation.