[{"data":1,"prerenderedAt":113},["ShallowReactive",2],{"seo-verification":3,"marketplace-app-fr-weaviate":6},{"google":4,"bing":5},"EycwPY2XMyTkVzas3n1ygeNJFGAH513qrMjfDljzsMQ","",{"key":7,"data":8},"marketplace-app-fr-weaviate",{"slug":9,"slugs":10,"categorySlugs":11,"name":16,"description":17,"phase":18,"unavailableReason":19,"docsUrl":20,"logo":21,"github":21,"tagline":22,"longDescription":23,"features":24,"useCases":31,"steps":41,"faq":60,"specs":76,"compatibleOs":84,"relatedApps":85,"relatedPosts":106,"category":110},"weaviate",{"fr":9,"en":9,"ar":9,"es":9},{"fr":12,"en":13,"ar":14,"es":15},"ia","artificial-intelligence","الذكاء-الاصطناعي","inteligencia-artificial","Weaviate","Base de données vectorielle open source pour la recherche sémantique et le RAG multimodal. Combinez texte, images et métadonnées avec les vectorizers intégrés ou vos propres embeddings sur votre VPS.",2,"awaiting_qa","https:\u002F\u002Fservorbit.com\u002Fblog\u002Fheberger-weaviate-vps",null,"Base de données vectorielle multimodale auto-hébergée — GraphQL, RAG et vectorizers intégrés sur votre VPS.","Weaviate est une base de données vectorielle open source qui combine recherche sémantique, GraphQL et vectorizers intégrés pour vos pipelines RAG et de recherche multimodale, sur votre VPS.",[25,26,27,28,29,30],"Vectorizers intégrés — text2vec-openai, text2vec-cohere, img2vec : Weaviate vectorise à l'ingestion","API GraphQL et REST — requêtes par similarité, filtres scalaires ou combinaison dans la même requête","Collections multimodales — texte, images et métadonnées dans le même objet Weaviate","Intégrations natives LangChain, LlamaIndex et Haystack","Licence BSD-3-Clause — auditable, sans télémétrie, air-gap possible","Runtime Go — faible empreinte mémoire, démarrage rapide",[32,35,38],{"title":33,"body":34},"Mémoire de pipeline RAG","Indexez documentation, base de connaissance ou catalogue produit dans Weaviate. À chaque requête utilisateur, récupérez les k passages les plus pertinents et fournissez-les en contexte au LLM.",{"title":36,"body":37},"Recherche sémantique sur documents","Remplacez la recherche par mots-clés par une récupération basée sur le sens. Une requête « résolution litige facture » remonte les résultats sur « traitement de conflit de facturation » même si ces mots n'apparaissent pas.",{"title":39,"body":40},"Récupération multimodale","Stockez images produit et descriptions dans la même collection Weaviate, et cherchez par similarité d'image, de texte ou les deux combinés.",[42,45,48,51,54,57],{"title":43,"body":44},"Commander le VPS","2 Go de RAM minimum (4 Go recommandés). Ubuntu 24.04 + Docker pré-installés par la recette.",{"title":46,"body":47},"Déployer depuis le Marketplace","Marketplace → Intelligence Artificielle → Weaviate → Déployer. L'image `semitechnologies\u002Fweaviate:1.27.2` démarre en quelques secondes. Les API REST et GraphQL répondent sur le port 8080 lié à 127.0.0.1 ; gRPC sur 50051, même contrainte.",{"title":49,"body":50},"Se connecter pour la première fois","Aucune clé API n'est requise — accès anonyme activé par défaut. Ouvrez un tunnel SSH : `ssh -L 8080:127.0.0.1:\u003Cport> root@\u003Cip-vps>` puis interrogez `http:\u002F\u002Flocalhost:8080\u002Fv1\u002Fschema`.",{"title":52,"body":53},"Créer un schéma et ingérer","Définissez une classe via REST, choisissez `vectorizer: none` pour fournir vos propres embeddings, ou `text2vec-openai` pour laisser Weaviate vectoriser automatiquement à l'ingestion.",{"title":55,"body":56},"Interroger en GraphQL ou REST","Requête nearVector en GraphQL ou endpoint \u002Fv1\u002Fobjects en REST. Clients officiels disponibles pour Python, Go, TypeScript et Java.",{"title":58,"body":59},"Sécuriser l'instance","Ajoutez `AUTHENTICATION_APIKEY_ENABLED=true` et `AUTHENTICATION_APIKEY_ALLOWED_KEYS=\u003Cvotre-clé>` aux variables d'environnement et redémarrez. Le port peut ensuite être publié derrière un nom de domaine.",[61,64,67,70,73],{"q":62,"a":63},"Quelle est la différence entre Weaviate et Qdrant ?","Qdrant (Rust) se concentre sur la recherche par similarité vectorielle pure avec des filtres de payload — sans schéma ni vectorisation. Weaviate (Go) ajoute une couche de schéma, des vectorizers intégrés qui appellent des modèles d'embedding à l'ingestion, une API GraphQL et un support multimodal natif. Choisissez Qdrant pour les performances brutes sur des vecteurs pré-calculés ; choisissez Weaviate quand vous voulez que la base gère la vectorisation et que vous avez besoin de la syntaxe GraphQL ou de collections multimodales.",{"q":65,"a":66},"De combien de RAM Weaviate a-t-il besoin ?","Weaviate lui-même consomme 400–600 Mo au repos. La mémoire totale dépend de votre index : paramètres HNSW, nombre d'objets et dimension des vecteurs. Un VPS 4 Go gère confortablement des collections de quelques centaines de milliers d'objets en 1536 dimensions.",{"q":68,"a":69},"Ai-je besoin d'une clé OpenAI pour utiliser Weaviate ?","Non. Le paramètre `DEFAULT_VECTORIZER_MODULE=none` (défaut de ce déploiement) indique à Weaviate de ne jamais appeler d'API d'embedding externe. Vous fournissez vos propres vecteurs à chaque import. Les modules text2vec-openai, text2vec-cohere… sont optionnels.",{"q":71,"a":72},"Quels frameworks s'intègrent nativement avec Weaviate ?","LangChain, LlamaIndex, Haystack et DSPy disposent tous d'un connecteur de vector store Weaviate. Les clients officiels couvrent Python, Go, TypeScript et Java.",{"q":74,"a":75},"Puis-je utiliser Weaviate et Qdrant sur le même VPS ?","Oui — Weaviate sur 8080\u002F50051, Qdrant sur 6333\u002F6334, aucun conflit de ports. Sur un VPS 4 Go c'est possible mais serré ; 8 Go est plus confortable pour les deux bases de données plus Ollama.",{"ram":77,"cpu":78,"disk":79,"stack":80,"port":83},"2 Go","1 vCPU","20 Go",[81,82],"Docker","Go","8080",[],[86,94,100],{"name":87,"slug":88,"categorySlug":12,"categoryName":89,"categoryColor":90,"logo":91,"tagline":92,"description":93},"Qdrant","qdrant","Intelligence Artificielle","text-purple-400 bg-purple-500\u002F10","https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fselfhst\u002Ficons\u002Fsvg\u002Fqdrant.svg","Self-hosted vector database for semantic search and RAG — the missing infrastructure layer for your LLM stack.","Self-hosted vector database for semantic search and RAG. Store, index and query high-dimensional embeddings with HNSW indexing — the missing infrastructure layer for your LLM stack.",{"name":95,"slug":96,"categorySlug":12,"categoryName":89,"categoryColor":90,"logo":97,"tagline":98,"description":99},"Ollama","ollama","https:\u002F\u002Fcdn.simpleicons.org\u002Follama","Servez des LLM open source depuis votre VPS — API compatible OpenAI, aucun coût au jeton.","Servez des LLM open source depuis votre propre serveur. Récupérez Llama 3, Mistral, Qwen ou DeepSeek en une commande, derrière une API compatible OpenAI et sans coût au jeton.",{"name":101,"slug":102,"categorySlug":12,"categoryName":89,"categoryColor":90,"logo":103,"tagline":104,"description":105},"Open WebUI","open-webui","https:\u002F\u002Fcdn.jsdelivr.net\u002Fgh\u002Fselfhst\u002Ficons\u002Fsvg\u002Fopen-webui.svg","Interface web pour vos LLMs — Ollama, OpenAI, Mistral — hébergée sur votre propre serveur.","Interface web pour interagir avec vos LLMs locaux ou distants. Vos données restent sur votre infrastructure — aucun tiers impliqué.",[107,108,109],"heberger-weaviate-vps","heberger-qdrant-vps","heberger-ollama-vps",{"key":12,"slug":12,"name":89,"objective":111,"icon":112,"color":90},"Créer, héberger et exploiter des solutions IA.","ai",1790092294876]