L’extension pg_vectorsearch, développée par Tiger Data, est sortie en alpha et vise à améliorer la recherche de similarité vectorielle directement dans PostgreSQL. Son index PRISM se démarque de l’approche basée sur graphe de pgvector, notamment l’index HNSW, en privilégiant la partition et la compression des données. Erik Nordström, ingénieur senior chez Tiger Data, explique que cette méthode permet de réduire significativement les besoins en mémoire et d’accélérer la construction des index.

L’objectif est de rendre la recherche sémantique complexe accessible sans avoir à déployer une infrastructure de base de données vectorielle séparée. Pour l’utiliser, les développeurs doivent installer l’extension et créer un index PRISM sur la colonne vectorielle. Les tests réalisés par Tiger Data, basés sur 100 millions de vecteurs, mettent en lumière un gain de performance notable. L’index PRISM a été construit en une heure quarante minutes sur une machine équipée de 128 Go de mémoire. En comparaison, l’algorithme HNSW a nécessité quarante-deux heures sur un serveur disposant de 512 Go.

Michael Freedman, cofondateur et directeur technique de Tiger Data, a décrit l’architecture du PRISM. Elle combine un clustering hiérarchique pour circonscrire l’espace de recherche, des vecteurs compressés et la quantification RaBitQ pour alléger les calculs de distance. Au lieu de connecter chaque vecteur à ses voisins dans un graphe, PRISM regroupe les vecteurs similaires en partitions. La recherche est alors réduite à ces partitions pertinentes, permettant un balayage séquentiel des vecteurs compressés. Ce procédé, selon Freedman, évite les accès aléatoires coûteux en mémoire ou sur disque.

Cependant, des réserves subsistent dans la communauté technique. L’extension requiert PostgreSQL 18 ou une version plus récente et ne supporte actuellement que des vecteurs jusqu’à 1968 dimensions. Le défi majeur, comme l’a reconnu Freedman, réside dans le maintien du clustering lorsque le jeu de données évolue. Les centroïdes ne se déplacent pas automatiquement avec l’arrivée de nouveaux vecteurs, et les listes de publication peuvent perdre leur proximité physique initiale. Le rebalancement général n’est pas encore implémenté.

Malgré ces limites, le potentiel est clair, surtout pour les applications de type RAG dont les budgets sont serrés. Hermon Hagos a souligné que « la recherche sémantique rapide sans démarrer un magasin vectoriel séparé ou un serveur plus gros, c’est de l’argent économisé ». Bien que Tiger Data valide ses résultats en utilisant un outil open source et en comparant les indexes sous la même configuration, les praticiens attendent une validation indépendante avant de considérer cette technologie pour des déploiements clients. Il faudra surveiller comment cette extension gérera l’évolution des datasets en production.

Sources

• GitHub – timescale/timescaledb: A time-series database for high-performance real-time analytics packaged as a Postgres extension, github.com
• GitHub – timescale/rekall: Vector search benchmark tool in Rust, github.com
• Open Source pg_vectorsearch Brings More Scalable Vector Search to PostgreSQL, InfoQ, 7 novembre 2026

Crédits photo

• Image en une : Messy Cables, par National Park Service, CC0, via Rawpixel via Openverse (recadrée)