Weaviate

Bases de donnees vectorielles · Depuis 2019

2019

Creation

Base vectorielle open-source avec recherche hybride combinant vecteurs et BM25 keyword search dans une seule requete. Support multi-modal natif (texte, images, video) avec des modules d'embedding integres (OpenAI, Cohere, HuggingFace). Utilisee par Stackla, Red Hat et Instabase.

vectoropen-sourcehybrid

Avantages & Inconvenients

Avantages

Recherche hybride native : fusion alpha-configurable entre BM25 et vecteurs en une query
Modules d'embedding integres : vectorisation automatique via OpenAI, Cohere, HuggingFace
Multi-modal : indexation et recherche sur texte, images, audio dans un meme schema

Inconvenients

Consommation memoire elevee : les index HNSW resident en RAM (~1 Go pour 1M vecteurs 768D)
Complexite de configuration des modules et du schema pour les debutants
Scaling horizontal moins mature que Milvus pour les tres gros datasets (>100M vecteurs)

Cas d'usage

RAG hybride combinant recherche semantique et keyword pour une meilleure precision
Recherche d'images par texte (multi-modal) pour les DAM et e-commerce
Classification et clustering de documents avec embedding automatique (Red Hat)

Autres dans Bases de donnees vectorielles

Pinecone

Bases de donnees vectorielles

Vectorielle managed #1, sub-100ms sur milliards

vectormanagedai

Chroma

Bases de donnees vectorielles

Vectorielle embeddable, pip install en 1 ligne

vectorembeddablepython

Qdrant

Bases de donnees vectorielles

Vectorielle Rust, filtrage sans perte de perf

vectorrustperformance

Milvus

Bases de donnees vectorielles

Vectorielle cloud-native CNCF, milliards de vecteurs

vectordistributedcloud-native