MongoDB Atlas

MongoDB stocke les données sous forme de documents souples, proches du JSON, plutôt qu’en lignes et colonnes, ce qui convient aux applications dont la forme des données change souvent. Atlas le fait tourner en service managé : il gère le provisionnement, les sauvegardes, la montée en charge et la sécurité, et fonctionne sur les grands clouds. Les développeurs se connectent avec des drivers pour la plupart des langages, et des fonctions comme la réplication et le sharding soutiennent la haute disponibilité et les grands jeux de données. Une offre gratuite permet les petits projets et l’apprentissage.

Pour l’IA, Atlas propose la recherche vectorielle à côté de la base classique, pour que les applications stockent des embeddings et lancent des requêtes de similarité sans déplacer les données vers une base vectorielle séparée. Ça sert la génération augmentée par retrieval, les recommandations et la recherche sémantique. MongoDB a aussi acquis une entreprise qui construit des modèles d’embedding et de reranking, et s’intègre à des frameworks d’IA courants comme LangChain et LlamaIndex. La recherche plein texte, les séries temporelles et l’analytique sont sur la même plateforme.

Atlas est facturé à l’usage : niveau de calcul, stockage et transfert de données, avec une offre gratuite et des offres dédiées pour la production. Les coûts peuvent monter pour les grands clusters. Un modèle document convient mieux à certaines applications qu’à d’autres, et les équipes avec des données très relationnelles préfèrent souvent Postgres. Les alternatives incluent PostgreSQL avec pgvector sur des services comme Neon et Supabase, Amazon DynamoDB et DocumentDB, Couchbase, et des bases vectorielles dédiées comme Pinecone. Atlas est un choix courant pour les apps dont le schéma évolue.