Tableau récapitulatif
| BD | Hébergement | Idéal pour | Offre gratuite |
|---|
| Pinecone | Cloud | RAG en production | Oui (1 index) |
| Weaviate | Self/Cloud | Recherche hybride | Oui |
| Qdrant | Self/Cloud | Haute performance | Oui |
| Chroma | Self | Développement/Local | Oui |
| Faiss | Self | Recherche/hors ligne | Oui |
Ma recommandation
- Développement/prototypage : Chroma (zéro configuration)
- RAG en production : Pinecone (managé, SDK simple)
- Production auto-hébergée : Qdrant (le plus rapide, compatible Docker)
- Recherche hybride : Weaviate (BM25 + vecteur intégré)
Démarrage rapide Qdrant
from qdrant_client import QdrantClient
client = QdrantClient(":memory:")
client.create_collection('docs', vectors_config=VectorParams(size=768, distance=Distance.COSINE))
client.upsert('docs', points=[PointStruct(id=1, vector=embedding, payload={'text': '...'})])
results = client.search('docs', query_vector=query_embedding, limit=5)