Lorsque vous exécutez une base de données sur votre propre ordinateur ou serveur, vous devez effectuer de nombreuses tâches. Vous devez gérer les sauvegardes, installer les mises à jour de sécurité et vous assurer que le serveur ne manque pas de mémoire. C'est ce qu'on appelle l'auto-hébergement.

Un service de base de données gérée vous décharge de cette tâche. Vous payez un fournisseur de services cloud pour qu'il exécute la base de données pour vous. Il gère les tâches les plus complexes, comme la configuration de l'infrastructure, la mise à jour des logiciels et le maintien du système en ligne. Vous pouvez ainsi vous concentrer sur l'écriture du code de votre application plutôt que sur la gestion de votre serveur.

Si une feuille de calcul comme Google Sheets ou Excel est idéale pour être consultée par des humains, elle devient lente et désordonnée lorsque des milliers de personnes tentent de l'utiliser en même temps. Les bases de données sont conçues différemment. Elles se composent de trois parties principales :

1. Les données : il s'agit des informations elles-mêmes. Il peut s'agir de données simples comme du texte (noms et adresses e-mail) ou des nombres (prix), ou de données complexes comme des images et des représentations vectorielles continues d'IA.
2. La requête : c'est ainsi que vous "demandez" des informations à la base de données. Vous utilisez un langage, tel que SQL (Structured Query Language), pour indiquer précisément à la base de données ce dont vous avez besoin. Par exemple, vous pouvez demander "tous les utilisateurs qui se sont inscrits la semaine dernière".
3. Le système de gestion de base de données (SGBD) : il s'agit du logiciel qui joue le rôle de gestionnaire. Il gère les requêtes, assure la sécurité des données et organise le stockage des informations. Par exemple, PostgreSQL, MySQL et MongoDB.

Le choix de la base de données dépend de la forme de vos données.

Les bases de données relationnelles, également appelées bases de données SQL, représentent les données dans des tables structurées. Si vous devez vous assurer qu'une transaction bancaire réussit ou échoue complètement, vous pouvez décider d'utiliser une base de données relationnelle en raison de sa conformité stricte aux propriétés ACID (atomicité, cohérence, isolation, durabilité).

Les bases de données NoSQL offrent de la flexibilité. Elles stockent les données sous forme de documents, de graphes ou de paires clé/valeur. Comme elles ne nécessitent pas de schéma rigide, elles conviennent souvent aux applications en évolution rapide, comme les applications mobiles, les flux de réseaux sociaux ou les systèmes de gestion de contenu en temps réel.

Il s'agit des formes les plus simples de bases de données NoSQL. Elles stockent les données sous forme de paires clé/valeur uniques. Comme elles sont rapides et simples, les développeurs peuvent les utiliser pour mettre en cache des données de session ou stocker les préférences des utilisateurs, par exemple. 

Elles fonctionnent comme un dictionnaire. Vous avez une clé (comme un nom d'utilisateur) et une valeur (les données de profil). Elles sont incroyablement rapides, car elles n'ont pas besoin de parcourir des tables complexes pour trouver ce que vous cherchez.

Les bases de données de documents stockent les données dans des formats flexibles, souvent JSON. Ils peuvent être utiles lorsque la structure de vos données change fréquemment, comme dans un système de gestion de contenu où différents articles de blog peuvent avoir des attributs différents.

Une base de données vectorielle stocke les informations sous forme de vecteurs mathématiques, ce qui permet aux ordinateurs de mieux comprendre la "signification" des données plutôt que de simplement faire correspondre des mots clés exacts. C'est cette technologie qui alimente les fonctionnalités de recherche et d'IA générative modernes.

Les bases de données de graphes se concentrent sur les relations entre les points de données. Elles stockent les données sous forme de nœuds et d'arêtes plutôt que sous forme de tables. Prenons l'exemple d'un réseau social : une "personne" est un nœud, et une action "suivre" est une arête. Si vous créez un moteur de recommandation qui repose sur des connexions complexes, une base de données de graphes peut vous aider à interroger ces liens beaucoup plus rapidement qu'une base de données relationnelle standard.

Les bases de données de séries temporelles sont spécialisées dans le stockage de points de données indexés par heure. Elles sont conçues pour les données horodatées à volume élevé, comme les relevés de capteurs d'appareils IoT, les journaux de serveur ou les mises à jour des marchés boursiers. Ces bases de données excellent dans le "sous-échantillonnage", qui consiste à compresser les données plus anciennes à haute fréquence en résumés plus larges pour économiser de l'espace.

Vous pouvez placer votre base de données à différents endroits :

Sur site : vous exécutez la base de données sur votre propre matériel physique dans vos bureaux ou votre centre de données. Vous disposez ainsi d'un contrôle total, mais vous devez gérer vous-même tous les aspects liés à la sécurité et à la maintenance.

Hybride : il s'agit d'un mélange de solutions sur site et dans le cloud. Vous pouvez conserver les données sensibles sur site pour des raisons de sécurité, tout en utilisant le cloud pour les données de votre application publique.

Cloud : votre base de données réside sur les serveurs d'un fournisseur de services cloud. C'est souvent le choix le plus populaire, car il est facile d'effectuer un scaling à la hausse si votre application devient soudainement populaire. Les bases de données cloud peuvent offrir plusieurs avantages :

• Élasticité : vous pouvez augmenter votre capacité de stockage ou votre puissance de traitement instantanément.
• Accessibilité : votre équipe peut gérer la base de données depuis n'importe où dans le monde.
• Maintenance : le fournisseur de services cloud gère le matériel sous-jacent, les mises à jour et les correctifs de sécurité.

Lorsqu'une migration est effectuée entre différentes options de déploiement (par exemple, le passage d'une configuration sur site à un service cloud géré ou d'un environnement hybride à une solution entièrement cloud-native), l'accent doit être mis sur le changement d'infrastructure plutôt que sur le changement de format des données. Veillez à planifier soigneusement votre migration de base de données pour garantir l'intégrité des données, minimiser les temps d'arrêt et gérer les changements de connectivité. 

Auparavant, les développeurs isolaient souvent les données d'application standard et les données d'IA dans des silos de base de données distincts. Les développeurs devaient donc transférer d'énormes quantités de données entre leur base de données et un moteur d'IA distinct, ce qui ralentissait les applications et les rendait plus difficiles à gérer. Aujourd'hui, la tendance est à l'intégration. Nous voulons que nos bases de données comprennent et traitent les données, y compris les informations générées par IA, au même endroit.

De manière générale, les bases de données modernes deviennent "intelligentes" en ajoutant ces fonctionnalités d'IA essentielles :

• Recherche vectorielle et sémantique : les bases de données stockent les données sous forme de "vecteurs" (listes de nombres représentant une signification). Votre application peut ainsi trouver des résultats en fonction de leur signification, et pas seulement des mots clés correspondants. La recherche du terme "canin" peut renvoyer le terme "chien".
• Génération augmentée par récupération (RAG) : votre base de données fournit des informations privées et à jour à un modèle d'IA avant qu'il ne réponde à une question. Cela permet à l'IA de fournir des réponses plus précises et ancrées dans la réalité.
• Capacités et recherche multimodales : les bases de données peuvent désormais stocker et associer différents types de données, comme du texte, des images et de l'audio. Vous pouvez effectuer des recherches dans ces formats, par exemple pour trouver des descriptions textuelles ou des prix correspondant à la photo d'un produit spécifique.
• Langage naturel vers SQL : cette fonctionnalité traduit des questions en langage courant, comme "Affiche-moi tous les clients à fort potentiel", en code précis nécessaire pour extraire ces informations.
• Recherche hybride : elle combine la recherche traditionnelle par mots clés et la recherche sémantique. Cette approche est très efficace, car elle utilise la correspondance exacte pour des termes spécifiques (comme un ID de produit), tout en utilisant des vecteurs pour trouver des éléments associés en fonction de l'intention.

En utilisant une base de données qui prend en charge ces outils, vous pouvez rechercher le nom d'un utilisateur, son historique et ses préférences dans une seule requête. Vous simplifiez ainsi votre pile technologique et aidez votre application à offrir des expériences plus rapides et plus intelligentes.

Voici comment effectuer une recherche hybride en Python, en combinant un mot clé spécifique et un concept sémantique :

Avant de vous engager sur une architecture spécifique, posez-vous les questions suivantes pour déterminer quel type de base de données répond le mieux aux besoins de votre projet.

Même si votre base de données fonctionne bien pour votre application actuelle, l'IA introduit de nouvelles exigences. Avant de commencer à créer votre prochaine fonctionnalité d'IA, posez-vous les questions suivantes pour savoir si votre configuration actuelle est vraiment prête pour cette tâche :

• Ma base de données peut-elle stocker des données vectorielles de grande dimension en plus de mes données habituelles ?
• Si oui  : vous pouvez simplifier votre architecture en utilisant votre base de données existante pour l'IA.
• Si non  : vous devrez peut-être ajouter une base de données vectorielle spécialisée ou un plug-in à votre pile.
• Ma base de données offre-t-elle une recherche de similarité intégrée ?
• Si oui  : votre système peut rapidement trouver des correspondances "significatives" sans code supplémentaire.
• Si la réponse est non : vous devez créer ou gérer une "couche de recherche" distincte pour transformer vos données en quelque chose que l'IA peut comprendre.
• Ma base de données est-elle capable de traiter les données sans les déplacer ?
• Si oui : vous économisez sur les coûts de transfert de données et réduisez la latence de vos réponses d'IA.
• Si la réponse est non : vous risquez de rencontrer des problèmes de performances, car vous devrez constamment transférer des données vers un modèle d'IA externe et inversement.
• Ma base de données gère-t-elle différents types de données (texte, images, audio) au même endroit ?
• Si oui : vous pouvez créer des applications d'IA complexes et multimodales avec un langage de requête unifié.
• Si la réponse est non : vous devrez peut-être assembler plusieurs bases de données, ce qui rendra votre code plus difficile à gérer.
• Avec quelle facilité ma base de données peut-elle mettre à jour ses "connaissances" à mesure que de nouvelles données arrivent ?
• Si oui : vos fonctionnalités d'IA peuvent refléter instantanément les changements en temps réel à mesure que vos données sont mises à jour.
• Si non  : vos réponses d'IA peuvent être "non actualisées" ou inexactes jusqu'à ce que vous déclenchiez manuellement une réindexation chronophage.
• Ma base de données offre-t-elle des contrôles de sécurité et d'accès robustes pour les requêtes d'IA ?
• Si oui : vous pouvez créer des applications d'IA qui n'affichent que les informations auxquelles les utilisateurs sont autorisés à accéder.
• Si la réponse est non : vous risquez une "fuite de données", où votre IA pourrait accidentellement partager des informations restreintes avec la mauvaise personne.