Expériences de recherche vectorielle avec Qdrant

Note de lab : brute, reproductible, en cours.

Je mesure le comportement de Qdrant sous des charges RAG réalistes : beaucoup de petites requêtes avec filtres de métadonnées, pas seulement de la recherche de plus proches voisins.

Mise en place

• Embeddings stockés avec des métadonnées de payload (source, langue, date).
• Recherche filtrée pour restreindre par langue et fraîcheur.
• Mesure des latences p50 / p95 sous requêtes concurrentes.

Premières observations

• Les filtres de payload sont peu coûteux lorsqu'ils sont indexés ; non indexés, ils s'effondrent.
• Le rappel reste élevé avec les réglages HNSW par défaut ; ajuster ef échange surtout de la latence contre du rappel.
• Co-localiser Qdrant avec le conteneur de l'API supprime une part étonnante de latence de queue.

Ensuite

• Tester la quantization pour la pression mémoire.
• Comparer la recherche hybride (mots-clés + vecteur) sur le même jeu de données.

Les chiffres et un script reproductible suivront une fois le banc d'essai nettoyé.