Amazon S3 Vectors : quand votre Data Lake devient votre magasin de vecteurs

DEV - 11/01
Pendant des années, Amazon S3 a été décrit comme un « simple stockage » dans la plupart des diagrammes architecturaux. Nous mettons...

Pendant des années, Amazon S3 a été décrit comme un « simple stockage » dans la plupart des diagrammes architecturaux.

On y met tout :

  • Événements bruts
  • PDF et contrats
  • Images et vidéos
  • Zones de lac de données

Ensuite, nous avons construit d'autres systèmes autour de cela :

  • Bases de données vectorielles pour la recherche sémantique
  • Services d'indexation
  • Pipelines ETL pour synchroniser les intégrations

Chaque nouvelle charge de travail d’IA impliquait une pièce mobile supplémentaire.

Avec Amazon S3 Vectors, AWS nous demande tranquillement :

💡 Et si votre magasin d'objets pouvait aussi être votre magasin de vecteurs ?

Et c'est un changement important pour quiconque crée l'IA, le RAG, les agents ou la recherche sémantique sur AWS.

Pourquoi les vecteurs S3 sont importants (en une phrase)

Amazon S3 Vectors vous permet de stocker et d'interroger des intégrations vectorielles directement dans S3, avec une recherche de similarité native, aucune base de données vectorielles distincte n'est nécessaire.

Si vous êtes un constructeur, un architecte ou un praticien des données AWS, cela change votre façon de penser :

  • Où conservez-vous les intégrations ?
  • Combien de systèmes exploitez-vous ?
  • Comment concevez-vous les charges de travail de recherche RAG et AI ?

Ce n’est pas « juste une autre fonctionnalité ». C'est S3 qui entre dans le runtime de l'IA 🚀.

Premièrement, que sont les « vecteurs » dans cette histoire ?

Version courte :

  • Prendre du texte, une image, de l'audio ou un document
  • Exécutez-le via un modèle d'intégration (Bedrock, SageMaker, open-source, etc.)
  • Vous obtenez une liste de numéros comme :[0,12, -0,83, 0,07, …]

Cette liste de nombres est une représentation vectorielle, une représentation mathématique du sens.

Deux éléments ayant une signification similaire → vecteurs similaires.

Cela débloque :

  • Recherche sémantique ("trouver des choses comme ça")
  • Recommandations (« suggérer des éléments similaires »)
  • RAG ...
    [Courte citation de 8% de l'article original]