Bases de données modernes : quel moteur pour quel usage.
Le paysage des bases de données s'est spécialisé. Aux moteurs relationnels se sont ajoutés les moteurs orientés documents, les bases temporelles, les bases orientées graphe et, portées par les usages d'intelligence artificielle, les bases vectorielles. Chaque famille répond à un problème réel. Le piège est de conclure qu'il faut une technologie par usage : chaque moteur ajouté au parc apporte une sauvegarde, une supervision, une compétence et une trajectoire de mise à jour supplémentaires. Cette page traite l'usage de chaque famille et le coût de la diversification, dans le prolongement de notre couverture IA, données et plateformes.
Dernières actualités & Dossiers Bases de données modernes
Toutes les Actualités, les dossiers et Ressources Bases de données modernes
Le guide Bases de données modernes
Le paysage des bases de données s’est spécialisé. Aux moteurs relationnels se sont ajoutés les moteurs orientés documents, les bases temporelles, les bases orientées graphe et, portées par les usages d’intelligence artificielle, les bases vectorielles. Chaque famille répond à un problème réel. Le piège est de conclure qu’il faut une technologie par usage : chaque moteur ajouté au parc apporte une sauvegarde, une supervision, une compétence et une trajectoire de mise à jour supplémentaires. Cette page traite l’usage de chaque famille et le coût de la diversification, dans le prolongement de notre couverture IA, données et plateformes.
Les familles et leur usage réel
Définition. Un moteur de base de données organise le stockage, l’indexation et l’interrogation de données selon un modèle donné. Le modèle détermine ce que le moteur fait bien, et ce qu’il fait mal.
| Famille | Modèle | Ce qu’elle sert bien | Le piège |
|---|---|---|---|
| Relationnel | Tables, schéma, transactions | Cohérence forte, requêtes complexes, la majorité des cas | Sous-estimé, souvent écarté par mode |
| Orienté documents | Documents structurés sans schéma imposé | Données hétérogènes, itération rapide | L’absence de schéma se paie en qualité |
| Clé-valeur | Association simple, accès très rapide | Cache, session, compteur | Aucune requête complexe possible |
| Temporel | Séries indexées par le temps | Métriques, capteurs, supervision | Usage étroit, à ne pas généraliser |
| Graphe | Nœuds et relations | Réseaux, recommandation, détection de fraude | Coût de modélisation élevé |
| Vectoriel | Représentations sémantiques | Recherche par similarité pour l’IA | Marché jeune, exploitation à maturer |
Le point que la mode a fait perdre de vue : le moteur relationnel reste le choix par défaut pour la majorité des besoins. Il gère aujourd’hui le format document, l’indexation textuelle et, dans plusieurs implémentations, la recherche vectorielle. Une organisation qui a déjà un moteur relationnel exploité, sauvegardé et maîtrisé doit démontrer qu’il ne convient pas avant d’en ajouter un autre, pas l’inverse.
Les bases vectorielles et l’IA
La montée de l’ancrage documentaire a fait émerger un usage nouveau : retrouver les contenus les plus proches sémantiquement d’une requête, plutôt que ceux qui contiennent les mêmes mots.
Le principe : chaque passage de document est converti en une représentation numérique de son sens, un vecteur. La recherche consiste à trouver les vecteurs les plus proches de celui de la question. C’est le socle des systèmes décrits dans notre section LLM et IA générative en entreprise.
Trois points d’attention que les projets découvrent tard :
- Le choix du modèle de représentation conditionne tout. Changer de modèle impose de reconstruire l’ensemble de l’index, ce qui peut représenter des heures de calcul et un coût significatif sur un corpus volumineux.
- La recherche purement sémantique manque les termes exacts. Un identifiant, une référence produit, un nom propre se retrouvent mal par similarité. Les implémentations sérieuses combinent recherche sémantique et recherche lexicale.
- Le volume croît vite. Un corpus documentaire génère un index vectoriel dont la taille surprend, et qui n’a pas de politique de cycle de vie par défaut. Voir notre section stockage objet, SAN et NAS.
Ce que coûte chaque moteur ajouté
C’est l’arbitrage que les comparatifs techniques n’abordent jamais.
Chaque technologie supplémentaire dans le parc apporte : une chaîne de sauvegarde et une procédure de restauration à tester, une supervision à instrumenter, une trajectoire de mise à jour et de correctifs de sécurité, une compétence à recruter ou à maintenir, et une intégration à la chaîne de livraison.
Ce coût est récurrent et humain, alors que le bénéfice technique est ponctuel. Un moteur graphe déployé pour un cas d’usage qui n’a pas tenu reste dans le parc pendant des années, avec sa sauvegarde et sa supervision, sans rien produire.
La règle de décision : ajouter un moteur quand le besoin est structurel et documenté, pas quand il facilite un projet. Et le retirer quand l’usage disparaît, ce que personne ne fait.
L’exploitation, sujet permanent
Trois points valables quel que soit le moteur.
La restauration testée, pas la sauvegarde configurée. Une sauvegarde dont personne n’a vérifié qu’elle se restaure n’est pas une sauvegarde. Le sujet est traité dans notre couverture de la résilience face aux rançongiciels.
Les correctifs de sécurité. Les moteurs de bases de données figurent régulièrement parmi les composants exposés dont les vulnérabilités sont activement exploitées. Voir notre couverture des vulnérabilités et CVE.
Le chiffrement et le cloisonnement des accès. Une base accessible depuis l’ensemble du réseau interne est un point de compromission majeur, quel que soit son modèle.
Questions fréquentes
Quelle base de données choisir pour un nouveau projet ?
Le moteur relationnel reste le choix par défaut pour la majorité des besoins. Il gère aujourd’hui le format document, l’indexation textuelle et souvent la recherche vectorielle. Une organisation qui en exploite déjà un doit démontrer qu’il ne convient pas avant d’en ajouter un autre, et non l’inverse.
Qu’est-ce qu’une base de données vectorielle ?
C’est un moteur qui indexe des représentations numériques du sens d’un contenu et retrouve les éléments les plus proches sémantiquement d’une requête. Elle constitue le socle des systèmes qui ancrent un modèle de langage sur une base documentaire interne, en sélectionnant les passages pertinents avant génération.
Faut-il une base vectorielle dédiée ?
Pas systématiquement. Plusieurs moteurs relationnels intègrent désormais la recherche vectorielle, ce qui évite d’ajouter une technologie au parc. Une base dédiée se justifie sur des volumes importants ou des exigences de latence que l’extension d’un moteur existant ne satisfait pas.
Quelle différence entre recherche sémantique et recherche lexicale ?
La recherche lexicale retrouve les documents contenant les mots de la requête. La recherche sémantique retrouve ceux dont le sens est proche, même sans mot commun. La seconde manque les termes exacts comme un identifiant ou une référence produit, ce qui conduit les implémentations sérieuses à combiner les deux.
Combien coûte l’ajout d’un moteur au parc ?
Le coût de licence n’en représente qu’une part. S’y ajoutent une chaîne de sauvegarde et une restauration à tester, une supervision à instrumenter, une trajectoire de correctifs, une compétence à maintenir et une intégration à la chaîne de livraison. Ce coût est récurrent et humain, alors que le bénéfice technique est souvent ponctuel.
Quand une base NoSQL est-elle justifiée ?
Quand le besoin est structurel et documenté : hétérogénéité forte des données, volumes que le relationnel ne tient pas, ou modèle d’accès très spécifique comme une série temporelle ou un graphe de relations. Une base non relationnelle adoptée pour accélérer un projet devient une dette d’exploitation durable.
Explorer le cluster
Cette page fait partie de notre couverture de l’intelligence artificielle, de la donnée et des plateformes : gouvernance, socle technique et industrialisation.
iTPro+ : recevez chaque semaine les analyses data et infrastructure qui concernent les directions informatiques.
Tech stories
-
Tech Stories
-
Tech Stories
-
Tech Stories
Découvrez nos
Ressources pour les professionnels IT
Vous êtes ?
RSSI
Espace responsable sécurité
Roadmaps SOC, KPI cyber, gouvernance, recrutement, budget
DSI
Espace DSI
Stratégie cyber au COMEX, arbitrages, business case
Architecte
Espace Architecte IT
Patterns Zero Trust, segmentation, intégration EDR/SIEM
IT Manager
Espace IT Manager
Sensibilisation, déploiement MFA, gestion incident
