pgvector et PostgreSQL : pourquoi le vrai choix architectural est déjà fait
Snowflake et Databricks ont tous les deux investi dans PostgreSQL. Supabase, Neon et le vibe coding ont normalisé pgvector. Ce n'est plus un débat — c'est une convergence à comprendre.
En 2022, quand les premières architectures RAG ont commencé à se déployer à grande échelle, le débat sur le vector store était réel. Pinecone venait de lever 100 millions de dollars. Weaviate, Qdrant, Milvus, Chroma — une génération de bases de données spécialisées promettait des performances supérieures sur les requêtes de similarité vectorielle. Et pgvector, l'extension PostgreSQL pour le stockage de vecteurs, était perçue comme une option de prototypage convenable mais pas sérieuse pour la production.
En 2026, ce débat est largement tranché. Pas de façon spectaculaire — pas d'annonce de mort des bases vectorielles spécialisées — mais par une convergence d'adoption qui a déplacé le centre de gravité du marché.
Cet article est disponible sur demande.
Le contenu complet est accessible après une prise de contact. Je partage régulièrement des analyses, des retours d'expérience et des études de cas avec les personnes qui en font la demande.
Demander l'accès