Toutes les actualités

AWS · 16 novembre 2026 · Data & AI

Amazon S3 Vectors combine recherche vectorielle et plein texte dans une requête

Amazon S3 Vectors prend désormais en charge une recherche hybride associant similarité vectorielle et recherche plein texte dans une liste unique de résultats classés. Cette combinaison vise à mieux couvrir l’intention et les termes exacts pour le RAG, la mémoire des agents et les applications de recherche. Le texte fourni comme métadonnée via PutVectors est automatiquement indexé avec un classement de pertinence BM25, avec la possibilité de choisir un analyseur propre à une langue.

Ce qui est annoncé

AWS enrichit Amazon S3 Vectors avec une recherche hybride associant, dans une même requête, similarité vectorielle et recherche plein texte. Le service rapproche ainsi le sens d’une demande et ses termes exacts pour produire une liste unique de résultats classés. Cette possibilité vise notamment la génération augmentée par récupération (RAG), la mémoire des agents et les applications de recherche. Elle est disponible dans toutes les régions commerciales AWS proposant Amazon S3 Vectors, ainsi que dans les régions AWS en Chine.

L’alimentation passe par PutVectors : le texte à rendre interrogeable est ajouté aux métadonnées des vecteurs, puis indexé automatiquement avec un classement de pertinence BM25. Un analyseur indépendant de la langue est utilisé par défaut, avec la possibilité de choisir un analyseur propre à une langue. Lors d’un appel QueryVectors, le texte de la requête accompagne le vecteur ; les deux recherches sont exécutées, puis leurs classements sont fusionnés avec Reciprocal Rank Fusion (RRF). Le service permet aussi d’interroger plusieurs champs textuels, d’activer le plein texte sur des données existantes ou d’exécuter les recherches séparément pour appliquer sa propre logique de classement.

Ce que ça change pour les entreprises

Pour les DSI et les équipes IT, cette évolution offre une option pour les applications où la proximité sémantique ne suffit pas, notamment lorsque certains termes doivent être retrouvés précisément. La combinaison des deux approches peut améliorer la pertinence des résultats, sans garantir un gain pour chaque usage. Des essais sur les données et les requêtes représentatives de l’entreprise restent donc utiles pour comparer recherche hybride, vectorielle et plein texte.

Le maintien des API existantes et l’activation possible sur les données déjà présentes peuvent faciliter l’intégration. Les équipes devront néanmoins examiner les champs à indexer, le choix de l’analyseur et les critères de classement. AWS annonce une latence inférieure à une seconde pour les requêtes peu fréquentes et d’environ 100 millisecondes ou moins pour les requêtes fréquentes ; ces indications sont à confronter aux exigences de l’application.

Comment UNEETY peut vous accompagner

Une ESN comme UNEETY peut accompagner le cadrage des usages, l’évaluation de la pertinence et l’intégration de cette recherche dans les applications, tout en aidant à sécuriser les accès aux données et à préparer l’adoption par les équipes.

Découvrez notre offre Data & AI ou contactez-nous.

Source : annonce AWS du 16 novembre 2026.

Au-delà de cette annonce, transformer les avancées de la donnée et de l'IA en projets adaptés à l'entreprise suppose de choisir un accompagnement spécialisé. UNEETY est une des meilleurs sociétés spécialisées dans l'IA.