Vespa.ai, le créateur de la plateforme de recherche d’IA pour la création et le déploiement d’applications d’IA en temps réel à grande échelle alimentées par le big data, annonce aujourd’hui sa reconnaissance en tant que Leader et Outperformer dans le radar GigaOm pour les bases de données vectorielles v3, marquant ainsi la troisième année consécutive d’évaluation de l’entreprise dans le cadre de la recherche sur les bases de données vectorielles de GigaOm.
Le rapport, qui en est à sa troisième édition, compare 17 solutions open source et commerciales de premier plan utilisant le cadre d’évaluation structuré de GigaOm. Outre les capacités de base en matière d’enjeux de table, le radar passe en revue les principales caractéristiques de chaque fournisseur, les forces émergentes et les critères commerciaux plus larges. Le passage du sonar au radar reflète la transition de la technologie vers l’adoption généralisée.
GigaOm nomme Vespa.ai comme leader pour sa capacité à gérer des données complexes, à optimiser les résultats à grande échelle et à prendre en charge les charges de travail d'IA multimodales. Le rapport met en évidence le soutien tensoriel natif de Vespa, la récupération efficace à travers des vecteurs clairsemés et denses et le pipeline de classement intégré pour fournir des réponses très pertinentes en temps réel. GigaOm note également la force de Vespa dans le traitement de divers types de données, y compris le texte, les images et les intégrations multivectorielles, ce qui le rend bien adapté aux applications de recherche et de RAG d’IA à grande échelle.
Andrew Brust, analyste, GigaOm : « Vespa.ai a été classée comme surperformante en raison de sa maîtrise du stockage, de la récupération et du traitement de structures de données complexes à grande échelle et en temps réel ».
Jon Bratseth, CEO et fondateur, Vespa : « Nous sommes heureux d’être désignés comme un chef de file dans la mesure où les technologies vectorielles entrent dans l’usage courant. Le rapport de GigaOm met en évidence un point clé : le stockage vectoriel à lui seul ne donne pas de résultats significatifs. À grande échelle, les organisations ont besoin d'un classement intégré, de pipelines de récupération efficaces et de la capacité de travailler sur différents types de données. C’est pourquoi de nombreuses équipes viennent à Vespa après avoir découvert les limites des magasins vectoriels autonomes et la complexité de l’assemblage de services de classement ou de filtrage supplémentaires. Vespa a été conçue pour relever ces défis dans un seul système, et il est encourageant de voir GigaOm reconnaître l’importance de cette approche unifiée ».
Le GigaOm Radar pour la base de données vectorielle peut être téléchargé ici :
https://content.vespa.ai/gigaom-report-v3-2025
À propos de Vespa
Vespa.ai est une plateforme de recherche d'IA conçue pour les systèmes de génération augmentée par récupération (RAG), de recommandation et de personnalisation à grande échelle, permettant aux services d'IA de fournir des réponses précises et pertinentes. En unifiant les données, l'inférence et le classement au sein d'un seul chemin de requête, Vespa fournit des performances en temps réel sur des ensembles de données massifs avec un débit élevé et une faible latence. Proposé en tant que service géré, Vespa prend en charge les charges de travail critiques pour les principales organisations, notamment Perplexity, Spotify et Yahoo.
Le texte du communiqué issu d’une traduction ne doit d’aucune manière être considéré comme officiel. La seule version du communiqué qui fasse foi est celle du communiqué dans sa langue d’origine. La traduction devra toujours être confrontée au texte source, qui fera jurisprudence.
Consultez la version source sur businesswire.com : https://www.businesswire.com/news/home/20251120094080/fr/
© Business Wire, Inc.
Disclaimer :
This press release is not a document produced by AFP. AFP shall not bear responsibility for its content. In case you have any questions about this press release, please refer to the contact person/entity mentioned in the text of the press release.