Désormais disponibleRéduction des coûts, scalabilité supérieure : de nouvelles fonctionnalités de quantification vectorielle sont maintenant disponibles. En savoir plus >>

ATLAS

Vector Search

Créez des applications intelligentes alimentées par la recherche sémantique et l'IA générative en utilisant les capacités natives complètes des bases de données vectorielles.

Lancez-vous maintenant
Illustration des vecteurs
Illustration du secteur de l'intelligence artificielle

Qu'est-ce que la recherche vectorielle ?

L'IA générative utilise des vecteurs pour activer une recherche sémantique intelligente sur des données non structurées (texte, images et audio). Les vecteurs sont cruciaux pour la création de moteurs de recommandation, la détection d'anomalies et l'IA conversationnelle. Le large éventail de cas d'utilisation, rendu possible par les capacités natives de MongoDB, offre des expériences utilisateur transformatrices.

La puissance combinée des vecteurs et de MongoDB

Une simplicité inégalée

Évitez la taxe de synchronisation. Avec Atlas Vector Search intégré à la base de données principale, il n'est pas nécessaire de synchroniser les données entre vos bases de données opérationnelles et vectorielles, ce qui permet de gagner du temps, de réduire la complexité et d'éviter les erreurs. Vos données opérationnelles et vectorielles restent en un seul endroit.

Voir la vidéo de 3 minutes
Illustration à l'aide d'un exemple de l'utilisation de cette fonctionnalité.
Illustration à l'aide d'un exemple de l'utilisation de cette fonctionnalité.

Capacités de requête puissantes

Combinez facilement des requêtes vectorielles avec des filtres sur les métadonnées, des recherches dans les graphiques, des pipelines d'agrégation, des recherches géospatiales et des recherches lexicales pour des cas d'utilisation de recherche hybride puissants au sein d'une seule base de données.

En savoir plus

Mise à l'échelle supérieure pour les applications de recherche vectorielle

Contrairement à d'autres solutions, l'architecture distribuée de MongoDB permet de faire évoluer la recherche vectorielle indépendamment de la base de données principale. Cela permet une véritable isolation des charges de travail et une optimisation des requêtes vectorielles, ce qui se traduit par des performances supérieures à grande échelle.

Apprenez-en davantage sur les nœuds de recherche
Illustration à l'aide d'un exemple de l'utilisation de cette fonctionnalité.

Base de données vectorielle prête à l'emploi

La sécurité et la haute disponibilité sont intégrées. Étant donné que les données vectorielles sont stockées directement dans Atlas avec vos données opérationnelles, vous pouvez être assuré que vos charges de travail fonctionnent avec la même fiabilité, sécurité et disponibilité de niveau entreprise pour lesquelles MongoDB est réputé.

Découvrez les capacités d'Atlas

Succès clients d'Atlas Vector Search

Voir tous les clients
10 minutesTemps de création des rapports
« Seul MongoDB Atlas nous offre la flexibilité et l’évolutivité nécessaires au niveau de la plateforme de données pour expérimenter comment exploiter l’une des plus grandes avancées techniques que le secteur ait jamais connues. »
Louise Lind Skov
Head of Content Digitalisation, Novo Nordisk
Lire le cas client
10 minutesTemps de création des rapports
« Seul MongoDB Atlas nous offre la flexibilité et l’évolutivité nécessaires au niveau de la plateforme de données pour expérimenter comment exploiter l’une des plus grandes avancées techniques que le secteur ait jamais connues. »
Louise Lind Skov
Head of Content Digitalisation, Novo Nordisk
Lire le cas client
30 %Réduction des coûts d'exploitation
APPLICATIONS BASÉES SUR LES ÉVÉNEMENTS
« Atlas Vector Search a résolu nos problèmes. Il nous a permis de rendre Okta Inbox très facile à utiliser pour les clients en simplifiant une grande partie du travail. »
Suchit Agarwal
Directeur de l’ingénierie, Okta
Lire le cas client
« Avec Atlas Vector Search, nous pouvons composer des requêtes très élaborées qui filtrent rapidement les données sur les produits, les préférences des clients et les embeddings vectoriels afin d’identifier avec précision des recommandations de produits ultra-pertinentes en temps réel. »
Mundher Al-Shabi
Senior Data Scientist, Delivery Hero
Lire le cas client
« Nous voulons permettre aux utilisateurs de la base de connaissances de nos clients de recevoir des réponses instantanées, fiables et précises à leurs questions à l'aide de la recherche conversationnelle alimentée par MongoDB Atlas Vector Search et l'IA générative. »
Saravana Kumar
CEO, Kovai
Lire l'article
« Il a été incroyablement facile de déployer nos données de recherche sur les nœuds Atlas Search Nodes, en quelques clics seulement. De plus, les besoins en mémoire de la recherche vectorielle sont désormais parfaitement adaptés à notre déploiement des nœuds Atlas Search. C’est un élément essentiel pour que la recherche de vecteurs reste rapide et rationnelle. »
Pierce Lamb
Ingénieur logiciel senior de VISO TRUST
Lire l'article

INTÉGRATIONS PRÉSENTÉES

Cas d'utilisation de Vector Search

Voir tous les cas d'usage

Centre d’apprentissage

FAQ

Premiers pas avec Atlas Vector Search

Découvrez comment convertir vos données en embeddings vectoriels, les récupérer avec des capacités de recherche et créer des applications intelligentes rapidement et facilement dans MongoDB Atlas.
Démarrer
Commencez à construire avec :
  • Déploiement simplifié
  • Expérience unifiée pour les développeurs
  • Scalabilité horizontale, verticale, indépendante
  • Écosystème d’IA intégré
  • Plus de 125 régions dans le monde