> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/rag-vectordb.md).

# Aperçu

Guides RAG et bases de données vectorielles pour le cloud GPU Clore.ai

Génération augmentée par récupération et solutions de bases de données vectorielles pour construire des recherches intelligentes et des applications d'IA.

Les systèmes RAG combinent de grands modèles de langage avec des bases de connaissances externes pour fournir des réponses précises et à jour. Les bases de données vectorielles permettent la recherche sémantique et la mise en correspondance par similarité en stockant des embeddings de haute dimensionnalité de textes, d'images et d'autres données.

Déployez des bases de données vectorielles et des frameworks RAG sur les GPU de CLORE.AI pour alimenter des applications de recherche intelligentes, des chatbots avec connaissances externes et des systèmes d'IA avancés capables de raisonner sur de larges collections de documents sur la marketplace Clore.ai.

## Guides disponibles

| Guide                                                                                 | Cas d'utilisation                        | Difficulté |
| ------------------------------------------------------------------------------------- | ---------------------------------------- | ---------- |
| [ChromaDB](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/chromadb.md)     | Base de données vectorielle simple       | Facile     |
| [LlamaIndex](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/llamaindex.md) | Framework RAG et orchestration           | Moyen      |
| [Milvus](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/milvus.md)         | Base de données vectorielle d'entreprise | Avancé     |
| [Qdrant](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/qdrant.md)         | Moteur de recherche vectorielle rapide   | Moyen      |
| [RAGFlow](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/ragflow.md)       | Plateforme RAG complète                  | Moyen      |
| [Weaviate](/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/weaviate.md)     | Base de données vectorielle native IA    | Avancé     |

## Comparaison des bases de données

| Base de données | Idéal pour                 | Scalabilité | Accélération GPU |
| --------------- | -------------------------- | ----------- | ---------------- |
| ChromaDB        | Prototypage                | Petit-Moyen | Limité           |
| Milvus          | Entreprise                 | Élevé       | Excellent        |
| Qdrant          | Performance                | Élevé       | Bon              |
| Weaviate        | Fonctionnalités natives IA | Élevé       | Excellent        |

## Guides associés

* [Modèles de langage](/guides/guides_v2-fr/modeles-de-langage/language-models.md)
* [Vision par ordinateur](/guides/guides_v2-fr/vision-par-ordinateur/computer-vision.md)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.clore.ai/guides/guides_v2-fr/rag-et-bases-de-donnees-vectorielles/rag-vectordb.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.