Notion · Brancher l’IA sur ses données
Vector database (base vectorielle)
Un système qui retrouve des contenus à partir de leur proximité de sens. Il peut servir à rechercher les passages utiles dans une documentation d’entreprise.
Comment ça marche
Pour qu’une IA retrouve le bon passage dans vos documents, il faut pouvoir chercher par le sens, pas seulement par les mots. La méthode : chaque fragment de document est transformé en une liste de nombres, un embedding, qui représente ce dont il parle. Deux fragments qui parlent de la même chose ont des listes proches.
La base vectorielle est le rangement conçu pour ces listes. Elle sait répondre très vite à la question : « quels fragments sont les plus proches de cette question ? ». Quand vous interrogez un assistant branché sur vos documents, votre question est elle aussi transformée en nombres, la base renvoie les fragments les plus proches, et le modèle rédige sa réponse à partir d’eux. C’est le mécanisme du RAG.
Un exemple concret
- 300 documents : procédures qualité, fiches de sécurité, modes opératoires, en PDF et en Word.
- Chaque document est découpé en fragments d’une demi-page environ, avec son titre et sa date.
- Chaque fragment est converti en vecteur et stocké dans la base, avec le texte et la référence du document.
- Un technicien demande : « que faire si la pression du circuit dépasse le seuil ? ». La base renvoie les cinq fragments les plus proches, dont deux issus de la procédure de sécurité du circuit.
- Le modèle répond en citant la procédure et sa version. Le technicien peut ouvrir le document d’origine.
Quand une procédure est mise à jour, ses fragments sont remplacés dans la base. L’assistant ne cite plus l’ancienne version.
Ce que ça change pour une équipe
- Les documents deviennent interrogeables. Plus besoin de savoir dans quel dossier et sous quel nom se trouve la réponse : on pose la question.
- Les réponses sont sourcées. Un bon système indique de quel document vient chaque élément. On peut vérifier, et on fait plus confiance.
- La connaissance reste à jour. Contrairement à un modèle entraîné sur vos données, une base vectorielle se met à jour en remplaçant des fragments. La mise à jour du vendredi est interrogeable le lundi.
- Tout peut rester en interne. Base vectorielle, modèle d’embedding et modèle de réponse peuvent tourner sur une machine de l’entreprise. Aucun document ne sort.
Les limites et les erreurs fréquentes
- Des documents sales donnent une base sale. Doublons, versions obsolètes, documents contradictoires : la base renvoie ce qu’elle trouve, et le modèle ne sait pas que l’un est périmé. Le nettoyage des sources représente la moitié du travail.
- Un mauvais découpage. Des fragments trop courts perdent le contexte ; trop longs, ils noient l’information. Le découpage se teste sur de vraies questions.
- Croire que la recherche par le sens suffit. Pour un numéro de référence ou un nom propre, la recherche par mots exacts reste meilleure. Les bons systèmes combinent les deux.
- Oublier les droits d’accès. Si la base contient les documents RH et les documents commerciaux, l’assistant répondra à tout le monde sur tout. Les permissions se gèrent au niveau des fragments.
Pour aller plus loin
La base stocke des vecteurs d’embedding et des métadonnées. Des index de recherche de voisins proches accélèrent les requêtes. Les filtres d’accès doivent être appliqués au moment de la recherche, avant de transmettre les résultats au modèle.
Où ça se situe chez Opora
Programme 03 · Garder la maîtriseL’IA chez vous, sans que vos données sortent
Construire une base vectorielle sur les documents de l’entreprise et la faire interroger par un modèle local, c’est l’un des ateliers du programme Garder la maîtrise.
Questions fréquentes
Faut-il une base vectorielle pour utiliser l’IA sur ses documents ?
Pas toujours. Pour quelques dizaines de pages, on peut les donner directement au modèle. La base vectorielle devient nécessaire quand les documents dépassent ce que le modèle peut lire d’un coup, c’est-à-dire assez vite : quelques centaines de pages suffisent.
Mes documents sont-ils stockés en clair dans la base ?
La base stocke les vecteurs, qui sont des listes de nombres, et en général le texte d’origine de chaque fragment à côté, pour pouvoir le fournir au modèle. Il faut donc la protéger comme n’importe quelle base contenant vos documents : accès, chiffrement, hébergement.
Quelle base vectorielle choisir ?
Pour commencer, une base légère intégrée à vos outils suffit : beaucoup de bases classiques (PostgreSQL avec une extension, par exemple) savent stocker des vecteurs. Les bases vectorielles spécialisées se justifient avec des millions de documents ou des contraintes de vitesse fortes.