Dans un contexte où les modèles de langage évoluent, Qdrant, une entreprise berlinoise spécialisée dans la recherche vectorielle, a récemment levé 50 millions de dollars lors d’une série B, deux ans après avoir levé 28 millions de dollars en série A. Le lancement de sa version 1.17 souligne l’importance croissante des bases de données vectorielles dans l’ère de l’IA agentique, où les agents effectuent des centaines à des milliers de requêtes par seconde pour prendre des décisions dites intelligentes. Qdrant met en avant que la nécessité d’une couche de récupération dédiée est cruciale, car les agents doivent gérer des données en constante évolution et des volumes de requêtes bien supérieurs à ceux des utilisateurs humains. Les défis associés à l’absence d’une infrastructure de recherche adaptée incluent une dégradation de la qualité des résultats et des lenteurs dans la recherche de données récentes. Des entreprises comme GlassDollar et &AI, qui utilisent Qdrant, ont constaté des améliorations significatives avec une réduction de 40 % des coûts d’infrastructure et un triplement de l’engagement des utilisateurs, grâce à une recherche optimisée. Qdrant se distingue des bases de données traditionnelles en se positionnant comme une « couche de récupération d’information pour l’ère de l’IA » et non simplement comme une base de données vectorielle.