Recherche vectorielle MongoDB
Le processus consistant à transformer du contenu en vecteurs d'embedding et à les stocker dans des index vectoriels MongoDB Atlas Search avec des métadonnées pour une recherche de similarité efficace.
Synonymes : mongodb embedding, vector indexing, semantic indexing, atlas search vectors
L’indexation de la recherche vectorielle MongoDB commence par du contenu normalisé et découpé. Chaque fragment est vectorisé (par exemple avec les embeddings Gemini ou OpenAI), puis stocké dans une collection MongoDB avec un index de recherche vectorielle. Des métadonnées riches (locataire, paramètre régional, niveau d’accès, horodatages) permettent le filtrage et le contrôle d’accès en aval. Le versionnement des modèles d’embedding et le stockage des empreintes soutiennent la reproductibilité et la détection de dérive. Une réindexation différentielle régulière garantit la fraîcheur sans retraiter les pages inchangées.