Base de données vectorielle
Une base conçue pour stocker des embeddings et trouver rapidement les plus proches d'un vecteur de requête. Le poste de coût récurrent d'un système RAG.
Ce que c'est
Elle indexe les vecteurs pour que « trouver les 10 plus proches » s'exécute en millisecondes sur des millions d'entrées, via des algorithmes de plus proches voisins approchés (HNSW, IVF). Options : services managés (Pinecone, Zilliz, Qdrant Cloud), l'extension pgvector pour Postgres, et des moteurs self-hostés.
Pourquoi c'est important
Les modèles de prix varient énormément : certains facturent les vecteurs stockés et les requêtes (serverless), d'autres la RAM/compute d'un cluster allumé. La comparaison directe est donc difficile - normalise sur le coût pour une charge de référence.
Impact coût & infrastructure
Pour 1M vecteurs et un volume de requêtes modéré, compte ~20-75 $/mois selon le fournisseur et la dimension. Le stockage croît avec nb de vecteurs x dimensions ; le coût des requêtes avec le trafic.