Vespa est une plateforme open source conçue pour la recherche vectorielle en temps réel, la recherche textuelle et le classement basé sur des modèles de machine learning. Développée initialement par Yahoo, elle est pensée pour les applications à grande échelle comme la recherche sémantique, les systèmes de recommandation, les flux personnalisés ou les pipelines RAG (retrieval-augmented generation).

Contrairement aux bases vectorielles spécialisées, Vespa permet des recherches hybrides, combinant similarité de vecteurs, texte, filtres structurés et logique de classement avancée. Elle offre des performances en temps réel avec mise à jour dynamique des données et traitement distribué.

Principaux avantages :

• Recherche unifiée : vecteurs, texte et modèles ML

• Mises à jour et filtrage en temps réel

• Scalable et optimisée pour les environnements de production

Quelles sont les fonctionnalités principales de Vespa ?

Recherche hybride : vecteurs, texte et structure

Vespa prend en charge des requêtes complexes sur des données structurées, textuelles et vectorielles.

• Combine similarité de vecteurs avec recherche par mots-clés et filtres

• Langage de requête expressif avec conditions logiques, pondérations et scoring

• Adapté aux cas d’usage comme e-commerce, recherche sémantique ou Q&A

Classement avec modèles de machine learning intégrés

Vespa permet de déployer et exécuter des modèles ML pour classer les résultats.

• Support des modèles linéaires, arbres de décision ou ONNX

• Inférence appliquée en temps réel lors des requêtes

• Re-ranking selon une logique métier ou des modèles neuronaux

Indexation et mise à jour en temps réel

Vespa gère l’ingestion et la mise à jour dynamique des documents et vecteurs.

• Modifications en temps réel sans redémarrage

• Adapté aux contenus dynamiques comme l’actualité ou les données utilisateur

• Haute disponibilité et cohérence garanties

Architecture distribuée et scalable

Pensée pour les déploiements à grande échelle, Vespa s’adapte aux volumes importants.

• Indexation et recherche réparties sur plusieurs nœuds

• Réplication, tolérance aux pannes et équilibrage automatique

• Capable de gérer des milliards de documents

Filtrage avancé et agrégation

Vespa prend en charge des filtres complexes, regroupements et calculs agrégés.

• Combine données structurées (catégories, profils, etc.) et embeddings

• Génère statistiques, top-k, histogrammes pendant la requête

• Idéal pour personnalisation et recherche analytique

Pourquoi choisir Vespa ?

• Plateforme complète : vecteurs, texte et modèles ML en un seul moteur

• Conçue pour la production : utilisée dans des environnements à très fort volume

• Temps réel : indexation, mise à jour et réponse rapides

• 100 % open source : sans restriction commerciale

• Flexible et modulaire : logique de requête, déploiement et modèles personnalisables