L’usage des bases de données vectorielles sur la plateforme Databricks a progressé de 377% en une seule année, sur une base de 10 000 clients (Databricks, State of Data + AI 2024). Les analystes évaluent le marché 2025 entre 2,58 et 3,02 milliards de dollars et anticipent une croissance de 23,6% à 27,5% par an, tandis que la prévision de Gartner sur les bases de données désigne les bases vectorielles comme le segment à la croissance la plus rapide, avec un TCAC de 75,3%. La génération augmentée par récupération (RAG) est désormais le principal usage en entreprise : Menlo Ventures l’a relevée dans 51% des déploiements d’IA générative, contre 31% un an plus tôt (voir nos statistiques sur l’IA générative pour le tableau plus large des dépenses). Nous avons agrégé des données de Gartner, MarketsandMarkets, Fortune Business Insights, Menlo Ventures, Retool, Databricks, DB-Engines, Stack Overflow, AWS et des annonces d’éditeurs de Pinecone, Qdrant et Zilliz.
TL;DR
- Le marché mondial des bases de données vectorielles devrait passer de 2,65 milliards de dollars en 2025 à 8,95 milliards de dollars en 2030, soit un TCAC de 27,5% (MarketsandMarkets 2025)
- Gartner anticipe une croissance de 18,4% du marché total des SGBD, à 161 milliards de dollars en 2026, les bases de données vectorielles croissant le plus vite avec un TCAC de 75,3% (Gartner DBMS Forecast 2025 Update)
- L’Asie-Pacifique est la région à la croissance la plus rapide, avec un TCAC de 30,2% et 2,46 milliards de dollars d’ici 2030 (MarketsandMarkets 2025)
- 63,6% des praticiens de l’IA interrogés utilisaient une base de données vectorielle en 2024, contre 20% en 2023 (Retool State of AI H1 2024)
- Le RAG apparaissait dans 51% des déploiements d’IA générative en entreprise en 2024, contre 31% auparavant (Menlo Ventures 2024)
- L’usage des bases de données vectorielles a progressé de 377% sur un an chez les clients de Databricks (Databricks State of Data + AI 2024)
- Elasticsearch obtient 95,50 dans le classement DB-Engines des SGBD vectoriels, soit plus de 10 fois le score de Pinecone, première base vectorielle spécialisée (9,07) (DB-Engines, septembre 2026)
- 17,9% des développeurs qui créent des agents d’IA utilisent pgvector, contre 11,2% pour Pinecone (Stack Overflow Developer Survey 2025)
- Sur 1,4 milliard de vecteurs, Pinecone annonce 5 700 requêtes par seconde avec une latence médiane de 26 ms (Pinecone, Dedicated Read Nodes 2025)
- Amazon S3 Vectors a stocké 40 milliards de vecteurs durant ses quatre premiers mois et revendique jusqu’à 90% de coût en moins que les bases de données vectorielles spécialisées (AWS 2025)
- Qdrant a levé 50 millions de dollars en série B en mars 2026, portant son financement total à 87,8 millions de dollars (Qdrant 2026)
- 63% des organisations n’ont pas, ou ne sont pas sûres d’avoir, les bonnes pratiques de gestion des données pour l’IA (Gartner 2025)
1. Taille du marché et prévisions de croissance
Les analystes ne s’accordent pas sur la taille actuelle du marché, mais s’accordent sur sa vitesse de croissance. Leurs estimations 2025 diffèrent d’environ 440 millions de dollars (2,58 milliards contre 3,02 milliards de dollars), surtout parce qu’ils définissent la catégorie différemment, et pourtant chaque prévision se situe entre 23,6% et 27,5% par an. MarketsandMarkets prévoit que le marché plus que triplera, à 8,95 milliards de dollars, d’ici 2030.
La catégorie reste modeste face à l’ensemble du marché des bases de données. L’estimation 2026 la plus haute, 3,73 milliards de dollars de The Business Research Company, représente environ 2,3% de la prévision de 161 milliards de dollars de Gartner pour les SGBD la même année (3,73 / 161 = 0,023), et ces deux estimations n’ont pas le même périmètre. Un TCAC de segment de 75,3% au sein d’un marché en croissance de 18,4% suggère que la recherche vectorielle devient une fonctionnalité standard des bases de données, et non un produit de niche. Les chiffres proviennent du rapport MarketsandMarkets sur le marché des bases de données vectorielles, de l’analyse Fortune Business Insights sur les bases de données vectorielles et du rapport mondial de Business Research Company.
| Métrique | Valeur | Source |
|---|---|---|
| Marché mondial des bases de données vectorielles, de 2024 à 2025 | de 2 006,2 M$ à 2 652,1 M$ | MarketsandMarkets Vector Database Market Report 2025 |
| Marché mondial, 2026 (estimation la plus haute) | 3,73 Md$ | The Business Research Company Vector Database Global Market Report 2026 |
| Prévision du marché mondial, 2030 | 8 945,7 M$ (TCAC de 27,5%, 2025-2030) | MarketsandMarkets Vector Database Market Report 2025 |
| Marché mondial des bases de données vectorielles, 2025 (estimation alternative) | 2,58 Md$ | Fortune Business Insights Vector Database Market 2026 |
| Prévision du marché mondial, 2034 | 17,91 Md$, contre 3,2 Md$ en 2026 (TCAC de 24%) | Fortune Business Insights Vector Database Market 2026 |
| Marché mondial, de 2025 à 2030 (troisième estimation) | de 3,02 Md$ à 8,71 Md$ (TCAC de 23,6%, 2026-2030) | The Business Research Company Vector Database Global Market Report 2026 |
| Marché total des SGBD, 2026 | 161 Md$ (+18,4%) | Gartner Forecast: Database Management Systems, Worldwide, 2023-2029, 2025 Update |
| TCAC des bases de données vectorielles dans la prévision SGBD | 75,3% | Gartner Forecast: Database Management Systems, Worldwide, 2023-2029, 2025 Update |
Note de contexte : The Business Research Company est la plus optimiste des trois sociétés à court terme. MarketsandMarkets présente la courbe de croissance la plus raide. La prévision complète de Gartner sur les SGBD est derrière un accès payant, donc les deux lignes Gartner proviennent du résumé de la prévision SGBD de Gartner.
2. Répartition régionale et sectorielle
L’Amérique du Nord est le premier marché, mais pas celui qui croît le plus vite. L’Asie-Pacifique devrait croître de 30,2% par an, ce qui la placerait au niveau de l’Europe, à environ 2,4 milliards de dollars d’ici 2030. À cette date, le marché sera réparti plus équitablement entre les régions, ce qui compte pour les éditeurs qui décident où ouvrir de nouvelles régions cloud.
Par secteur, la banque et le commerce de détail représentent ensemble près de la moitié des dépenses. Le commerce de détail et l’e-commerce sont aussi le secteur vertical à la croissance la plus rapide, car la recherche de produits et les recommandations ont été parmi les premiers usages en production des embeddings. Les chiffres régionaux proviennent de la ventilation régionale de MarketsandMarkets. Les parts par secteur et par technologie viennent de Fortune Business Insights.
| Métrique | Valeur | Source |
|---|---|---|
| Part de revenus de l’Amérique du Nord, 2025 | 36,6% (MarketsandMarkets) contre 41% (Fortune Business Insights) | MarketsandMarkets 2025 ; Fortune Business Insights 2026 |
| Marché américain, de 2025 à 2030 | de 874,0 M$ à 2 662,2 M$ (TCAC de 25,0%) | MarketsandMarkets Vector Database Market Report 2025 |
| Marché Asie-Pacifique, de 2025 à 2030 | de 658,2 M$ à 2 460,1 M$ (TCAC de 30,2%, le plus rapide) | MarketsandMarkets Vector Database Market Report 2025 |
| Marché européen, de 2025 à 2030 | de 676,8 M$ à 2 397,4 M$ (TCAC de 28,8%) | MarketsandMarkets Vector Database Market Report 2025 |
| Part par composant | Solutions 68%, services 32% | Fortune Business Insights Vector Database Market 2026 |
| Part des dépenses par secteur vertical | BFSI 23%, commerce de détail et e-commerce 22%, IT et ITeS 18%, santé 14% | Fortune Business Insights Vector Database Market 2026 |
| Taux de croissance du commerce de détail et de l’e-commerce | TCAC de 33,8% (secteur le plus rapide) | MarketsandMarkets Vector Database Market Report 2025 |
| Part par technologie | Traitement du langage naturel 46%, vision par ordinateur 31%, systèmes de recommandation 23% | Fortune Business Insights Vector Database Market 2026 |
Note sur les valeurs atypiques : le même rapport chiffre le Royaume-Uni (de 160,4 M$ à 559,8 M$, TCAC de 28,4%), le Moyen-Orient et l’Afrique (de 228,0 M$ à 787,2 M$, TCAC de 28,1%) et l’Amérique latine (de 117,2 M$ à 313,1 M$, TCAC de 21,7%, la région la plus lente). Dans ses prévisions, la région MEA croît plus vite que l’Amérique du Nord.
3. Adoption en entreprise et usage du RAG
En un seul cycle d’enquête, les bases de données vectorielles sont passées d’un outil que la plupart des équipes d’IA n’avaient pas essayé à un outil que la plupart utilisent. Dans l’enquête de Retool auprès d’environ 730 praticiens, l’usage est passé de 20% à 63,6% en un an. La télémétrie de Databricks montre la même tendance en production : l’usage de la catégorie a progressé de 377% sur un an et de 186% dans les trois mois environ suivant l’aperçu public de sa propre recherche vectorielle (Databricks State of Data + AI).
Le RAG est la principale raison de cette croissance. Dans le rapport entreprise 2024 de Menlo Ventures, le RAG apparaissait dans 51% des déploiements, contre seulement 9% pour le fine-tuning. La plupart des entreprises choisissent de récupérer leurs propres données au moment de la requête plutôt que de réentraîner des modèles dessus, et la récupération repose sur un index vectoriel. Nos statistiques sur l’adoption de l’IA en entreprise et nos statistiques sur le RAG couvrent le tableau plus large des déploiements.
| Métrique | Valeur | Source |
|---|---|---|
| Praticiens utilisant une base de données vectorielle | 63,6% en 2024 (contre 20% en 2023) | Retool State of AI H1 2024 |
| Entreprises de 5 000+ employés utilisant des bases vectorielles ou le RAG pour personnaliser des modèles | Environ 33% (23,2% sur l’ensemble des répondants) | Retool State of AI H1 2024 |
| Déploiements d’IA générative en entreprise utilisant le RAG | 51% en 2024 (contre 31% en 2023) | Menlo Ventures, 2024 State of Generative AI in the Enterprise |
| Modèles en production utilisant le fine-tuning | 9% | Menlo Ventures, 2024 State of Generative AI in the Enterprise |
| Croissance sur un an de l’usage des bases de données vectorielles | 377% | Databricks State of Data + AI 2024 |
| Croissance de la catégorie après l’aperçu de la recherche vectorielle de Databricks | 186% en un peu plus de trois mois | Databricks State of Data + AI 2024 |
| Usage prévu des bases de données vectorielles en entreprise d’ici 2026 | 30% | Prédiction de Gartner, citée dans la version Milvus de Zilliz, décembre 2025 |
| Dépenses d’IA générative en entreprise, 2025 | 37 Md$ (3,2 fois 2024) | Menlo Ventures, 2025 State of Generative AI in the Enterprise |
Alerte d’actualité : les chiffres de Retool, de Menlo 2024 et de Databricks sont les données d’enquête et de télémétrie les plus récentes disponibles sur l’adoption des bases vectorielles spécifiquement : Retool H1 2024, Menlo Ventures 2024, Databricks 2024. Le rapport 2025 de Menlo (495 répondants, novembre 2025) classe le RAG deuxième derrière la conception de prompts, mais ne publie pas de nouveau pourcentage pour le RAG.
4. Classements de popularité et usage par les développeurs
La base de données vectorielle la plus populaire est un moteur de recherche qui a ajouté les vecteurs après coup. Elasticsearch obtient 95,50 dans le classement DB-Engines des SGBD vectoriels, soit plus de 10 fois le score de Pinecone (9,07), première base vectorielle spécialisée. Couchbase (9,43) se classe aussi devant Pinecone, à la troisième place. Beaucoup d’entreprises activent la recherche vectorielle dans un système qu’elles exploitent déjà avant d’acheter un produit dédié. Le classement DB-Engines des SGBD vectoriels suit 26 systèmes.
Les enquêtes auprès des développeurs montrent la même chose. Dans le Stack Overflow Developer Survey 2025, Redis est la première couche de stockage chez les développeurs qui créent des agents d’IA (42,9%), et pgvector (17,9%) devance Pinecone (11,2%). Parmi les entreprises, Menlo Ventures a trouvé les bases spécialisées et généralistes presque à égalité. Pour le volet agents de ces chiffres, voir nos statistiques sur les agents d’IA.
| Métrique | Valeur | Source |
|---|---|---|
| SGBD vectoriels suivis | 26 systèmes | DB-Engines Vector DBMS Ranking, septembre 2026 |
| Score de popularité d’Elasticsearch | 95,50 (n° 1) | DB-Engines Vector DBMS Ranking, septembre 2026 |
| Score de popularité d’OpenSearch | 22,11 (n° 2) | DB-Engines Vector DBMS Ranking, septembre 2026 |
| Score de popularité de Pinecone | 9,07 (n° 4, première base spécialisée) | DB-Engines Vector DBMS Ranking, septembre 2026 |
| Scores de Milvus / Qdrant / Weaviate | 6,85 / 6,82 / 4,74 | DB-Engines Vector DBMS Ranking, septembre 2026 |
| Développeurs d’agents d’IA utilisant Redis pour le stockage des données | 42,9% | Stack Overflow Developer Survey 2025 |
| Développeurs d’agents d’IA utilisant ChromaDB / pgvector / Pinecone | 19,7% / 17,9% / 11,2% | Stack Overflow Developer Survey 2025 |
| Part des bases vectorielles en entreprise : Pinecone / Postgres / MongoDB | 18% / 15% / 14% | Menlo Ventures, 2024 State of Generative AI in the Enterprise |
Note méthodologique : DB-Engines mesure la popularité (intérêt de recherche, offres d’emploi, activité de questions-réponses et mentions sur les réseaux sociaux), pas les installations ni le chiffre d’affaires. La question de Stack Overflow n’a été posée qu’aux 3 398 répondants qui utilisent des agents d’IA. Dans ce même groupe, Qdrant a obtenu 8,2%, Milvus 5,2%, Weaviate 4,5% et LanceDB 4,4%.
5. Benchmarks de performance et d’échelle
La recherche sur un milliard de vecteurs renvoie désormais couramment des résultats en moins de 100 ms. La question la plus pertinente pour les acheteurs est le coût pour atteindre cette vitesse. Pinecone indique qu’une charge e-commerce en production d’environ 1,4 milliard de vecteurs traite 5 700 requêtes par seconde avec une latence médiane de 26 ms et un P99 de 60 ms (annonce Pinecone Dedicated Read Nodes). Les index plus volumineux peuvent rester plus lents : une charge de 480 millions de vecteurs dans la même publication affichait un P99 de 170 ms.
C’est sur le coût que les challengers attaquent les éditeurs spécialisés. Timescale a indiqué que Postgres auto-hébergé avec pgvectorscale surpassait le niveau optimisé pour le stockage de Pinecone sur 50 millions d’embeddings pour environ un quart du coût mensuel (annonce du benchmark Timescale). Tous les chiffres ci-dessous ont été produits par des éditeurs, il faut donc les traiter comme des affirmations portées contre un concurrent.
| Métrique | Valeur | Source |
|---|---|---|
| Charge de recherche média de 135 M de vecteurs | 600 QPS, P50 45 ms, P99 96 ms (test de charge : 2 200 QPS, P99 99 ms) | Pinecone, Dedicated Read Nodes, décembre 2025 |
| Charge de 480 M de vecteurs | 380 QPS, P50 80 ms, P99 170 ms | Pinecone, Dedicated Read Nodes, décembre 2025 |
| Recommandations e-commerce sur 1,4 Md de vecteurs | 5 700 QPS, P50 26 ms, P99 60 ms | Pinecone, Dedicated Read Nodes, décembre 2025 |
| pgvectorscale contre Pinecone s1, 50 M d’embeddings Cohere (768 dimensions) | Latence p95 28 fois plus basse, débit 16 fois plus élevé à 99% de rappel | Benchmark Timescale, juin 2024 |
| Coût mensuel dans le même test | Environ 835 $ en auto-hébergé contre 3 241 $ (Pinecone s1) et 3 889 $ (Pinecone p2) | Benchmark Timescale, juin 2024 |
| Latence des requêtes Amazon S3 Vectors | Environ 100 ms (fréquentes), moins d’une seconde (peu fréquentes) | AWS, S3 Vectors GA, décembre 2025 |
| Capacité d’Amazon S3 Vectors | 2 milliards de vecteurs par index, 20 000 milliards par bucket (40 fois l’aperçu) | AWS, S3 Vectors GA, décembre 2025 |
| Réduction de mémoire par quantification 1 bit RaBitQ | 72% | Zilliz, version Milvus, décembre 2025 |
Note de contexte : le projet open source VectorDBBench prend désormais en charge plus de 25 clients de bases de données et des jeux de données allant jusqu’à 100 millions de vecteurs. Zilliz maintient le projet, et Zilliz vend Milvus.
6. Financement, éditeurs et arrivée des hyperscalers
Le financement a ralenti. Les spécialistes ont levé des fonds en 2023 et croissent désormais sur ce capital, tandis que les hyperscalers intègrent le stockage vectoriel dans leurs services existants. Les clients d’AWS ont créé plus de 250 000 index vectoriels et chargé 40 milliards de vecteurs dans Amazon S3 Vectors en un peu plus de quatre mois (article AWS sur la disponibilité générale de S3 Vectors). C’est le type d’adoption que les éditeurs spécialisés mettent des années à atteindre.
Pinecone, Qdrant et Weaviate ont divulgué environ 293,5 millions de dollars de financements cumulés (138 + 87,8 + 67,7). Cela représente environ 11% de l’estimation de marché 2025 la plus prudente (293,5 / 2 580 = 0,114), ce qui suggère que ces entreprises fonctionnent avec un capital serré. En septembre 2025, Pinecone a nommé son fondateur directeur scientifique et désigné un nouveau PDG, en citant plus de 5 000 clients (annonce de la direction de Pinecone). L’annonce de la série B de Qdrant est le plus gros nouveau tour de la catégorie cette année.
| Métrique | Valeur | Source |
|---|---|---|
| Série B de Pinecone | 100 M$ pour une valorisation de 750 M$ (avril 2023) | Communiqué de presse de Pinecone, 2023 |
| Financement total et clients de Pinecone | 138 M$ levés ; 5 000+ clients | Communiqué de presse de Pinecone, septembre 2025 |
| Série B de Qdrant | 50 M$ (mars 2026) ; 87,8 M$ levés au total | Annonce de la série B de Qdrant, 2026 |
| Traction open source de Qdrant | 250 millions de téléchargements ; 29 000 étoiles GitHub | Annonce de la série B de Qdrant, 2026 |
| Série B de Weaviate | 50 M$ (avril 2023) ; 67,7 M$ levés au total | Tech.eu, relayant l’annonce de Weaviate, 2023 |
| Série A de LanceDB | 30 M$ (juin 2025) | Annonce de la série A de LanceDB, 2025 |
| Adoption de Milvus | 40 000+ étoiles GitHub ; 10 000+ équipes d’entreprise en production | Communiqué de presse Zilliz Milvus, décembre 2025 |
| Premiers usages d’Amazon S3 Vectors | 250 000+ index, 40 milliards de vecteurs, 1 milliard+ de requêtes ; jusqu’à 90% de coût en moins par rapport aux bases vectorielles spécialisées | AWS, S3 Vectors GA, décembre 2025 |
Alerte d’actualité : les derniers tours valorisés divulgués par Pinecone et Weaviate datent d’avril 2023. Sources : le communiqué de la série B de Pinecone et l’article de Tech.eu sur Weaviate. Le tour de LanceDB provient de l’article sur la série A de LanceDB, et les chiffres de Milvus de la version Zilliz Milvus.
7. Défis et freins à l’adoption
La base de données elle-même est rarement ce qui retient les entreprises. Gartner prévoit que d’ici fin 2026, les organisations abandonneront 60% des projets d’IA qui ne s’appuient pas sur des données prêtes pour l’IA (Gartner, Lack of AI-Ready Data Puts AI Projects at Risk). Dans ce communiqué, Gartner recommande d’ajouter les magasins de vecteurs, le découpage en segments, les embeddings et l’intégration du RAG aux pratiques de gestion des données existantes plutôt que de construire une pile séparée.
La gouvernance fait la plus grande différence mesurable. Databricks a constaté que les entreprises qui utilisent des outils de gouvernance de l’IA mettent 12 fois plus de projets d’IA en production. Les équipes qui choisissent une base de données vectorielle accordent le plus d’importance aux benchmarks de performance, mais presque autant s’appuient sur les avis de la communauté ou sur leurs propres preuves de concept.
| Métrique | Valeur | Source |
|---|---|---|
| Organisations sans pratiques de gestion des données prêtes pour l’IA, ou incertaines d’en avoir | 63% | Enquête Gartner, T3 2024 (publiée en février 2025) |
| Projets d’IA sans données prêtes pour l’IA dont l’abandon est attendu d’ici fin 2026 | 60% | Gartner, février 2025 |
| Organisations estimant que leurs données ne sont pas prêtes pour l’IA | 57% | Gartner Hype Cycle for Artificial Intelligence 2025 |
| Projets d’IA générative dont l’abandon après la preuve de concept est prévu d’ici fin 2025 | 30% | Gartner, juillet 2024 |
| Principales méthodes de sélection d’une base vectorielle | Benchmarks de performance 40%, avis d’utilisateurs 39,3%, preuves de concept 38% | Retool State of AI H1 2024 |
| Projets d’IA atteignant la production avec des outils de gouvernance | 12 fois plus | Databricks State of AI Agents 2026 |
| Systèmes d’IA atteignant la production avec des outils d’évaluation | 6 fois plus | Databricks State of AI Agents 2026 |
| Répondants qui jugent leur programme de gouvernance de l’IA insuffisant | 40% | Enquête Economist Impact 2024, citée dans Databricks State of AI Agents 2026 |
Note de contexte : dans le Hype Cycle 2025, Gartner place les données prêtes pour l’IA et les agents d’IA au Sommet des attentes exagérées (Gartner Hype Cycle for AI 2025). Le rapport Databricks State of AI Agents analyse plus de 20 000 organisations.
Résumé : l’adoption des bases de données vectorielles en entreprise en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Marché mondial, 2025 | de 2,58 Md$ à 3,02 Md$ (trois estimations) | Fortune Business Insights 2026 ; MarketsandMarkets 2025 ; The Business Research Company 2026 |
| Prévision du marché mondial, 2030 | 8,95 Md$ (TCAC de 27,5%) | MarketsandMarkets 2025 |
| Prévision du marché mondial, 2034 | 17,91 Md$ (TCAC de 24%) | Fortune Business Insights 2026 |
| TCAC des bases vectorielles dans le marché des SGBD | 75,3% | Gartner DBMS Forecast, 2025 Update |
| Marché total des SGBD, 2026 | 161 Md$ (+18,4%) | Gartner DBMS Forecast, 2025 Update |
| Région à la croissance la plus rapide | Asie-Pacifique, TCAC de 30,2% | MarketsandMarkets 2025 |
| Part de revenus de l’Amérique du Nord, 2025 | de 36,6% à 41% | MarketsandMarkets 2025 ; Fortune Business Insights 2026 |
| Plus grand secteur vertical | BFSI, 23% | Fortune Business Insights 2026 |
| Praticiens utilisant des bases vectorielles | 63,6% (contre 20%) | Retool State of AI H1 2024 |
| Déploiements d’IA générative en entreprise utilisant le RAG | 51% (contre 31%) | Menlo Ventures 2024 |
| Croissance de l’usage des bases de données vectorielles | 377% sur un an | Databricks State of Data + AI 2024 |
| Premier SGBD vectoriel sur DB-Engines | Elasticsearch, 95,50 | DB-Engines, septembre 2026 |
| Première base vectorielle spécialisée sur DB-Engines | Pinecone, 9,07 | DB-Engines, septembre 2026 |
| Développeurs d’agents d’IA utilisant pgvector | 17,9% | Stack Overflow Developer Survey 2025 |
| Débit en production à l’échelle du milliard | 5 700 QPS avec un P50 de 26 ms (1,4 Md de vecteurs) | Pinecone 2025 |
| Ingestion initiale d’Amazon S3 Vectors | 40 milliards de vecteurs en environ quatre mois | AWS 2025 |
| Financement total de Qdrant | 87,8 M$ | Qdrant 2026 |
| Adoption de Milvus en production | 10 000+ équipes d’entreprise | Zilliz 2025 |
| Organisations sans pratiques de données prêtes pour l’IA | 63% | Gartner 2025 |
| Projets d’IA dont l’abandon est attendu sans données prêtes pour l’IA | 60% d’ici fin 2026 | Gartner 2025 |
Méthodologie et sources
Nous avons collecté environ 75 points de données bruts par des recherches ciblées et conservé les chiffres que nous pouvions rattacher à un rapport, un dépôt réglementaire, une enquête, une télémétrie de plateforme ou une annonce d’entreprise. Nous avons écarté les chiffres qui n’apparaissent que sur des blogs d’agrégation.
- MarketsandMarkets, Vector Database Market Report 2025-2030 (publié en décembre 2025)
- Fortune Business Insights, Vector Database Market 2026-2034 (mis à jour en septembre 2026)
- The Business Research Company, Vector Database Global Market Report 2026
- Gartner, Forecast: Database Management Systems, Worldwide, 2023-2029, 2025 Update
- Gartner, Lack of AI-Ready Data Puts AI Projects at Risk (février 2025)
- Gartner, Hype Cycle Identifies Top AI Innovations in 2025 (août 2025)
- Gartner, 30% of Generative AI Projects Will Be Abandoned After Proof of Concept (juillet 2024)
- Menlo Ventures, 2024 State of Generative AI in the Enterprise (600 décideurs informatiques américains)
- Menlo Ventures, 2025 State of Generative AI in the Enterprise (495 répondants)
- Retool, State of AI H1 2024 (environ 730 répondants)
- Databricks, State of Data + AI 2024 (10 000 clients)
- Databricks, State of AI Agents 2026 (20 000+ organisations)
- DB-Engines, Vector DBMS Ranking (septembre 2026)
- Stack Overflow, Developer Survey 2025 : IA
- Pinecone, Dedicated Read Nodes (décembre 2025)
- Pinecone, communiqué de presse sur la série B (avril 2023) et annonce de la direction (septembre 2025)
- Timescale, annonce du benchmark pgvectorscale (juin 2024)
- AWS, disponibilité générale d’Amazon S3 Vectors (décembre 2025)
- Qdrant, annonce de la série B (mars 2026)
- Tech.eu, série B de Weaviate (avril 2023)
- LanceDB, annonce de la série A (juin 2025)
- Zilliz, annonce des 40 000 étoiles GitHub de Milvus (décembre 2025)
- Zilliz, dépôt VectorDBBench
- Note sur les données : les trois estimations de taille de marché pour 2025 divergent (2,58 milliards de dollars pour Fortune Business Insights, 2,65 milliards de dollars pour MarketsandMarkets, 3,02 milliards de dollars pour The Business Research Company) parce que chaque société définit la catégorie différemment, et leurs parts pour l’Amérique du Nord diffèrent aussi (36,6% contre 41%). Menlo Ventures a révisé ses propres dépenses d’IA générative en entreprise pour 2024, de 13,8 milliards de dollars dans le rapport 2024 à 11,5 milliards de dollars dans le rapport 2025. La prédiction de Gartner d’une adoption à 30% est citée ici telle que Zilliz l’a rapportée. La recherche originale de Gartner est payante, et les sources secondaires la formulent différemment (30% des entreprises contre 30% des applications d’entreprise). Le TCAC de 75,3% provient du résumé public de Gartner sur la prévision SGBD, pas du rapport complet. Chaque benchmark présenté ici a été réalisé ou publié par un éditeur ayant un intérêt commercial, et aucun n’a été reproduit de manière indépendante. Les scores DB-Engines mesurent la popularité, pas les déploiements. Les enquêtes d’adoption (Retool H1 2024, Menlo Ventures 2024, Databricks 2024) sont les données spécifiques aux bases vectorielles les plus récentes disponibles. De nouveaux chiffres sont attendus dans le prochain rapport entreprise de Menlo Ventures, et le classement DB-Engines est mis à jour chaque mois.
Dernière mise à jour : 3 octobre 2026. Nous actualisons ce tour d’horizon chaque trimestre, et la prochaine mise à jour est attendue lorsque Menlo Ventures publiera son rapport 2026 State of Generative AI in the Enterprise.