MongoDB est une plateforme de base de données moderne orientée documents, dont le service cloud entièrement géré MongoDB Atlas est au cœur. Elle vise à permettre aux entreprises de construire des applications innovantes et des systèmes intelligents grâce à un modèle de données flexible et une architecture évolutive.
MongoDB Atlas Vector Search est une fonctionnalité native de la plateforme Atlas, principalement utilisée pour le stockage, l’indexation et la recherche d’embeddings vectoriels. Elle aide les développeurs à construire des applications intelligentes propulsées par la recherche sémantique et l’IA générative, notamment pour réaliser de la génération augmentée par récupération afin d’améliorer la précision des réponses IA.
MongoDB utilise un modèle orienté documents, adapté au stockage et à la requête de données complexes, semi-structurées et non structurées, telles que les documents JSON, le texte et des données multimodales intégrant des embeddings vectoriels.
Non, ce n’est pas nécessaire. MongoDB Atlas est un service de base de données cloud entièrement géré, MongoDB se charge de l’infrastructure sous-jacente, de l’évolutivité, des sauvegardes et de la sécurité.
Principalement via Atlas Vector Search qui offre des capacités de recherche vectorielle natives, permettant de stocker les données opérationnelles et les embeddings vectoriels dans une même base de données. Son écosystème intègre plusieurs cadres et modèles IA, et propose des initiatives comme MAAP pour rassembler des solutions sectorielles.
MongoDB Atlas propose un niveau gratuit (cluster), destiné à l’apprentissage et au développement/test. Les quotas de ressources et les limitations de fonctionnalités sont décrits sur leur page de tarification officielle.
MongoDB Atlas offre de multiples fonctionnalités de sécurité, notamment isolation réseau, chiffrement et contrôle d’accès. Pour les mesures de sécurité et la conformité, consultez la documentation sécurité officielle la plus récente.
Vous pouvez apprendre via la documentation officielle MongoDB en chinois, des tutoriels interactifs et le niveau gratuit Atlas pour pratiquer. La communauté officielle met aussi à disposition de nombreuses ressources d’apprentissage et des cas d’utilisation.
La principale différence réside dans le modèle de données. MongoDB utilise un modèle orienté documents flexible, sans schéma fixe prédéfini, ce qui le rend plus adapté à l’itération rapide et au stockage de données hétéroclites. Les bases de données relationnelles reposent sur des tables et colonnes fixes, mettant l’accent sur les relations entre données.
Elastic Search AI est une plateforme unifiée de recherche et d’intelligence artificielle basée sur Elastic Stack open source. En intégrant la recherche vectorielle, les grands modèles de langage et la recherche hybride, elle aide les entreprises à transformer leurs données privées en réponses et actions intelligentes et contextuelles, utilisées principalement pour la recherche d'entreprise, l'observabilité et l’analyse de sécurité.
Milvus est une base de données vectorielle open source haute performance conçue pour les applications IA. Elle permet de stocker, gérer et interroger efficacement des vecteurs haute dimension, aidant les développeurs à construire rapidement des systèmes de recommandation, des moteurs de recherche sémantique et d'autres applications intelligentes.