pgvector est une extension open source pour PostgreSQL qui ajoute la prise en charge native des vecteurs et de la recherche par similarité. Elle permet de stocker et d’interroger des embeddings directement dans PostgreSQL, rendant possible la recherche sémantique, les systèmes de recommandation et d’autres cas d’usage IA sans recourir à une base vectorielle externe.

En intégrant les vecteurs dans une base relationnelle, pgvector simplifie l’architecture des applications tout en profitant des fonctionnalités natives de PostgreSQL : indexation, transactions, sécurité, outils de requête, etc. C’est une solution idéale pour les équipes qui utilisent déjà PostgreSQL et souhaitent intégrer des fonctionnalités IA avec un minimum d’effort.

Principaux avantages :

• Stockage et recherche vectorielle directement dans PostgreSQL

• Intégration simple avec les outils et données existants

• Indexation performante pour des requêtes k-NN efficaces

Quelles sont les fonctionnalités principales de pgvector ?

Type vectoriel natif dans PostgreSQL

pgvector introduit un type de colonne vector, permettant de stocker des vecteurs à virgule flottante de longueur fixe.

• Stockage d’embeddings issus de modèles IA (OpenAI, Hugging Face, etc.)

• Prise en charge de la distance euclidienne, du produit scalaire et de la similarité cosinus

• Utilisable comme n’importe quel autre type SQL

Requêtes de similarité en SQL

pgvector permet de faire des recherches de k plus proches voisins (k-NN) directement via SQL.

• Opérateurs dédiés : <-> (euclidienne), <#> (cosinus), <=> (produit scalaire)

• Possibilité de combiner recherche vectorielle avec des filtres structurés

• Intégration fluide dans les requêtes relationnelles classiques

Indexation pour recherche rapide

Pour améliorer les performances, pgvector propose des index adaptés à la recherche vectorielle.

• Index ivfflat pour la recherche approximative (ANN)

• Compatible avec des filtres additionnels sur d’autres colonnes

• Nécessite un entraînement préalable (clustering des centroïdes)

Compatible avec l’écosystème PostgreSQL

pgvector fonctionne avec les extensions et outils PostgreSQL standard.

• Compatible avec PostGIS, la recherche plein texte, etc.

• Supporté par des ORM comme Django, SQLAlchemy, Prisma

• Déployable sur AWS RDS, Azure, Supabase, et autres plateformes cloud

Déploiement simple et léger

pgvector s’intègre facilement dans un environnement PostgreSQL existant.

• Installation rapide via CREATE EXTENSION

• Aucun service externe ni configuration complexe

• Adapté aux applications full-stack, outils internes ou plateformes SaaS

Pourquoi choisir pgvector ?

• Intégré à PostgreSQL : stabilité et robustesse d’une base relationnelle mature

• Stockage unifié : vecteurs et données structurées dans le même système

• Recherche performante : prise en charge de k-NN exact et approximatif

• Souple et accessible : syntaxe SQL familière et bonne interopérabilité

• Open source et prêt pour la production : déjà utilisé dans des applications IA concrètes