Le 5 août 2026, AWS a annoncé la disponibilité générale de la recherche vectorielle dans Amazon DynamoDB, permettant de stocker les embeddings vectoriels à côté des données opérationnelles et d’effectuer directement dans la table des recherches de similarité, sans répliquer les données vers une base de données vectorielle distincte.
La fonctionnalité offre une latence de l’ordre de quelques millisecondes avec un taux de rappel supérieur à 99 %, et elle est conçue pour s’adapter à toutes les tailles, y compris à des milliers de milliards de vecteurs. Elle s’appuie également sur l’architecture sans serveur de DynamoDB : l’utilisateur n’a donc pas besoin de provisionner ou de corriger des serveurs, ni d’installer et de gérer des logiciels. AWS précise que le service ne nécessite ni mises à niveau ni fenêtres de maintenance, grâce à une maintenance sans interruption.
Réduire la complexité de l’architecture des applications d’IA
L’intégration de la recherche vectorielle dans une application utilisant DynamoDB nécessitait généralement de répliquer les données vers un magasin vectoriel dédié, puis de créer un pipeline pour synchroniser les deux services. Selon AWS, cette approche ajoutait des charges opérationnelles ainsi que des coûts de transfert de données et de licences, tout en posant le défi de maintenir une latence faible et prévisible lors de la montée en charge.
Avec l’intégration de la recherche vectorielle dans DynamoDB, les données opérationnelles et les embeddings peuvent partager la même architecture sans serveur et le même modèle tarifaire fondé sur le paiement à la demande. Les index vectoriels offrent une capacité de stockage illimitée et une mise à l’échelle horizontale à mesure que les données augmentent.
La fonctionnalité cible les applications de mémoire pour agents, la génération augmentée par récupération, les moteurs de recommandation, les expériences personnalisées, la détection des anomalies et d’autres usages nécessitant une récupération sémantique.
Fonctionnement de la recherche vectorielle
La fonctionnalité crée un nouveau type d’index sur l’attribut qui stocke les embeddings vectoriels. Ces embeddings peuvent être générés à l’aide d’un modèle choisi par l’utilisateur, tel qu’Amazon Bedrock Titan Text Embeddings, Cohere Embed ou les modèles d’embeddings textuels d’OpenAI, puis stockés sous forme de liste de nombres décimaux au moyen de l’appel standard PutItem.
L’utilisateur crée ensuite un index vectoriel dans lequel il définit le nombre de dimensions, la fonction de distance et les éventuels attributs non vectoriels pouvant servir à filtrer les résultats pendant la recherche. L’interface SearchVectors reçoit le vecteur de requête et le nombre de résultats demandés, avec une limite maximale de 100 résultats, ainsi que les conditions de filtrage facultatives, puis renvoie les résultats classés par similarité.
La fonctionnalité prend en charge jusqu’à 4096 dimensions, les fonctions de distance euclidienne, Cosine et Dot product, ainsi que le filtrage intégré. AWS recommande d’aligner la fonction de distance sur celle utilisée lors de l’entraînement du modèle d’embeddings afin d’obtenir la meilleure précision.
Exemple d’un magasin de produits de sport
Le guide AWS explique comment ajouter la recherche vectorielle à une table existante de catalogue de produits. Dans l’exemple, les embeddings des descriptions de produits sont stockés dans un nouvel attribut nommé descriptionEmbedding, à l’aide du type List disponible dans DynamoDB, sans nécessiter de nouveau type de données ni de modification du schéma.
Après la création d’un index nommé ProductDescriptionIndex, marketplace peut être utilisé comme clé de partition pour répartir les vecteurs entre les partitions et limiter la recherche à un marché donné. Il est également possible d’ajouter category comme attribut de filtrage. Les conditions de filtrage prennent uniquement en charge les correspondances exactes et ne prennent pas en charge les conditions de plage telles que BETWEEN ou BEGINS_WITH.
Lors d’une recherche portant sur une expression naturelle telle que « chaussures de course légères pour l’été », l’utilisateur génère un vecteur de requête avec le même modèle, puis indique l’index, le nombre de résultats, la valeur du marché, par exemple US, et la catégorie souhaitée. DynamoDB renvoie les cinq produits les plus similaires avec leurs attributs opérationnels, tels que le nom et le prix, dans la même réponse. Pour les fonctions Cosine et Euclidean, les valeurs les plus faibles indiquent une similarité plus élevée, tandis que pour Dot product, les valeurs les plus élevées indiquent une similarité plus élevée.
Disponibilité
La recherche vectorielle dans DynamoDB est désormais disponible de manière générale dans toutes les régions commerciales AWS, y compris les régions AWS GovCloud (US). AWS invite les utilisateurs à consulter la page des capacités AWS par région pour connaître la disponibilité régionale et la future feuille de route, ainsi que la page de tarification d’Amazon DynamoDB pour obtenir les détails des coûts.