PostgreSQL & Redis, les fondations data de l'IA

PostgreSQL combine fiabilité éprouvée et fonctionnalités avancées essentielles pour l'IA. L'extension pgvector permet de stocker et rechercher des embeddings directement dans la base relationnelle, éliminant le besoin d'une base vectorielle séparée pour les projets de taille moyenne. Le type JSONB offre la flexibilité du NoSQL pour les données semi-structurées (logs LLM, metadata), et le full-text search natif complète la recherche sémantique. Forgit utilise PostgreSQL comme base de données principale dans plus de 90% de ses projets IA.

pgvector s'installe comme une simple extension PostgreSQL. Il ajoute un type de colonne vector pour stocker les embeddings et supporte les index HNSW (Hierarchical Navigable Small World) pour des recherches de similarité rapides. La recherche se fait via des opérateurs de distance (cosinus, L2, produit scalaire) directement en SQL. L'avantage majeur est la possibilité de combiner recherche vectorielle et filtres relationnels classiques dans une seule requête. Forgit recommande pgvector pour les projets RAG avec moins d'un million de vecteurs.

Redis joue plusieurs rôles critiques dans une architecture IA. Le caching des réponses LLM réduit les coûts API et la latence pour les requêtes répétitives. Le rate limiting protège les APIs d'inférence contre les abus. Les queues (BullMQ) orchestrent les tâches asynchrones comme l'ingestion de documents ou le batch processing. Le pub/sub permet la communication en temps réel entre services. Forgit utilise Redis sur chaque projet IA pour sa latence sub-milliseconde et sa polyvalence.

PostgreSQL offre le meilleur des deux mondes grâce à JSONB : la flexibilité du schéma NoSQL avec les garanties ACID des bases relationnelles. Les transactions assurent la cohérence lors de mises à jour complexes (modification simultanée d'un document et de ses embeddings), ce qui est impossible avec la plupart des bases NoSQL. L'intégration pgvector évite d'ajouter une base vectorielle dédiée. Forgit ne recommande MongoDB ou DynamoDB que pour des cas spécifiques (time series massives, key-value distribué).

Forgit applique une architecture data en couches : PostgreSQL comme base principale (données métier, utilisateurs, embeddings via pgvector), Redis pour le caching et les queues, et optionnellement une base vectorielle dédiée (Pinecone, Weaviate) pour les projets nécessitant plus d'un million de vecteurs. Les migrations sont versionnées avec Prisma ou Alembic, les backups automatisés, et le monitoring intègre des alertes sur la performance des requêtes et l'espace disque.