Les objets manipulés par les outils d’IA, sont souvent représentés par des vecteurs, dont chaque élément caractérise l’un de ses paramètres : taille d’une image, niveau de gris des pixels, etc. Ces paramètres peuvent être très nombreux, ce qui induit des vecteurs à dimensions très élevées, éventuellement des milliers.
Les SGBD chargés de stocker ces vecteurs n’ont plus rien à voir avec le monde relationnel. D’abord en termes de stockage, mais aussi de requêtage, car contrairement aux données relationnelles pour lesquelles on recherche des correspondances parfaites, on se contente ici d’à peu près, de recherches par similitudes. C’est ainsi qu’une requête sera traduite en un vecteur d’entrée, qui sera ensuite comparé à ceux déjà stockés dans la base de données, de manière à faire ressortir ceux qui lui "ressemblent".
Diverses techniques existent pour effectuer cette recherche de similitude, que nous présenterons en détails dans ce webinaire.
Il existe déjà un certain nombre d’outils conformes aux représentations vectorielles, de même que des frameworks et API pour nous aider à les interroger.
C’est un monde nouveau qu’a ouvert l’IA qui nous oblige à dépoussiérer quelque peu les connaissances que nous avons sur le sujet.