NVIDIA et Oracle ont officialisé le développement d’une technologie d’indexation vectorielle accélérée par GPU.
Cette innovation repose sur l’intégration des GPU NVIDIA et de la bibliothèque open source cuVS avec les solutions Private AI Service Container et AI Database d’Oracle.
L’objectif est de transférer vers le GPU des tâches jusqu’ici assurées par les CPU, notamment la création d’index et la recherche vectorielle. Résultat, une accélération significative des traitements et une meilleure exploitation des volumes massifs de données.
Le défi croissant des données non structurées
Face à l’explosion des données multimodales — textes, images, vidéos — les entreprises rencontrent des difficultés à exploiter rapidement ces informations.
La création d’index vectoriels, essentielle pour les systèmes d’IA, reste en effet un processus complexe et chronophage.
La technologie développée par NVIDIA et Oracle vise précisément à réduire ce goulot d’étranglement, en raccourcissant drastiquement les temps de traitement et en améliorant l’efficacité globale des modèles d’intelligence artificielle.
Des cas d’usage déjà concrets dans la santé
Plusieurs applications industrielles illustrent déjà le potentiel de cette innovation. L’entreprise Sophia, spécialisée dans l’IA médicale, exploite une base de données de plus de 500 millions de vecteurs, représentant environ 3 téraoctets.
Grâce à l’accélération GPU, le temps nécessaire à la création d’index, auparavant de plusieurs jours, a été considérablement réduit.
De son côté, BioPie s’appuie sur l’infrastructure cloud d’Oracle équipée de GPU NVIDIA pour analyser les maladies infectieuses et proposer des traitements. En combinant base de données et recherche vectorielle, l’entreprise a réussi à diminuer la latence tout en optimisant ses coûts.
Une brique clé pour l’IA à grande échelle
Au-delà du secteur médical, NVIDIA insiste sur le rôle structurant de la recherche vectorielle accélérée par GPU.
Cette technologie s’impose comme un pilier des infrastructures IA modernes, notamment pour les traitements en temps réel et les environnements d’entraînement et d’inférence à grande échelle.
En facilitant l’exploitation rapide de données non structurées, elle ouvre la voie à de nouveaux usages dans de nombreux secteurs industriels.