9 mars 2026 | SAN DIEGO | PARIS
Avec Teradata Enterprise Vector Store, les données structurées et non structurées sont unifiées au sein d’une plateforme intégrant des capacités agentiques dans des environnements hybrides. Cette approche permet de déployer rapidement des systèmes d’IA performants, prêts à être exploités à grande échelle.
Teradata (NYSE: TDC) annonce aujourd’hui de nouvelles capacités de données agentiques et multimodales pour Teradata Enterprise Vector Store, une solution unifiée qui permet aux entreprises d’exploiter pleinement le potentiel de l’IA générative et des agents autonomes dans des environnements hybrides, cloud et on-premises. Intégrant la technologie d’Unstructured, cette nouvelle version marque une évolution majeure de l’infrastructure d’IA de Teradata. Elle combine l’intégration de données multimodales, des capacités agentiques et une recherche hybride avancée afin d’offrir de nouveaux niveaux d’intelligence artificielle, de performance et d’efficacité.
*Nouvelles* Fonctionnalités
Teradata Enterprise Vector Store propose un pipeline complet, allant de la génération d’embeddings à l’indexation, en passant par la gestion des métadonnées et l’intégration de frameworks d’IA. La solution inclut notamment les capacités avancées suivantes :
- Intégration de données non structurées : ingestion et traitement automatisés de documents, PDF, images et fichiers audio, avec prise en charge prochaine de la vidéo.
- Recherche hybride : combinaison de la recherche sémantique et lexicale, enrichie par des techniques basées sur les métadonnées, pour des recherches plus précise et contextualisée.
- Intégrations multimodales : prise en charge des embeddings de texte, d’images et d’audio pour des représentations sémantiques plus riches.
- Dimensions des embeddings : prise en charge jusqu’à 8 000 dimensions, permettant une meilleure précision et une compréhension plus fine du contexte.
- Intégration avec LangChain : intégration native permettant de développer des pipelines RAG à grande échelle, d’accélérer le passage du prototypage à la production et de prendre en charge des workflows agentiques avancés. Les agents IA peuvent ainsi récupérer le contexte pertinent et déclencher des actions orchestrées de manière autonome.
Pourquoi maintenant : le défi de l’IA d’entreprise
Avec l’explosion de la croissance des données non structurées, estimée par Gartner à trois fois la croissance des données structurées, les bases de données vectorielles traditionnelles montrent leurs limites pour les déploiements d’IA à grande échelle. Ce défi s’accentue à mesure que les modèles d’IA deviennent de plus en plus multimodaux, capables de traiter simultanément du texte, des images, de l’audio et de la vidéo.
Alors que son adoption connaît une croissance rapide, près de 80 % des entreprises déploient déjà des agents IA, et la plupart anticipent un retour sur investissement supérieur à 100 % grâce à leurs initiatives en matière d’IA agentique, de nombreuses organisations se heurtent encore à des obstacles majeurs pour passer à l’échelle. Selon plusieurs études, ces freins incluent notamment des silos de données persistants, une évolutivité limitée et l’absence d’un accès unifié aux données structurées et non structurées. Ces contraintes empêchent les entreprises d’exploiter pleinement le potentiel de l’IA agentique à l’échelle. Pour combler cet écart, elles ont besoin d’un Vector Store capable d’offrir l’évolutivité, les performances et la gouvernance requises par le développement de l’IA moderne.
Pourquoi Teradata : performance et évolutivité à l’échelle de l’entreprise
Teradata a été conçu précisément pour répondre à ces enjeux. Selon Forrester research : « l’évolutivité et les performances à très grande échelle restent un défi majeur, notamment lorsqu’il s’agit de gérer des dizaines de milliards de données vectoriels (embedding)». La plupart des solutions vectorielles atteignent leurs limites pratiques à quelques centaines de millions d’embeddings. Teradata Enterprise Vector Store, en revanche, est conçu pour l’IA à l’échelle de l’entreprise, avec la capacité d’ingérer des millions de documents, des milliers de fichiers par heure et des flux de données multimodaux, selon la configuration et les caractéristiques des données.
Associé à l’architecture éprouvée de Teradata Vantage, Teradata Enterprise Vector Store offre : une extensibilité linéaire sur des milliards de vecteurs et d’embeddings à multiples dimensions, la prise en charge de plus de 1 000 requêtes simultanées sans dégradation des performances, l’optimisation des coûts d’infrastructure en évitant les architectures redondantes et la garantie d’une gouvernance adaptée aux entreprises dans des environnements cloud, on-premises et hybrides.
Comment les entreprises l’utiliseront
L’approche intégrée de Teradata, en partenariat avec Unstructured.io, élimine la complexité des solutions spécifiques en analysant et en transformant automatiquement les données non structurées en embeddings de haute qualité, tout en unifiant les données structurées et non structurées au sein d’une plateforme unique et gouvernée. Cette approche permet aux agents IA d’accéder de manière autonome à l’ensemble du contexte de l’entreprise et d’exécuter des workflows complexes, accélérant ainsi la prise de décision et l’automatisation des processus sans intervention manuelle.
Traiter divers types de données à grande échelle : Grâce au partenariat avec Unstructured.io, les organisations peuvent analyser et transformer automatiquement des documents, fichiers PDF, images et fichiers audio en embeddings de haute qualité à grande l’échelle. Cela permet aux systèmes d’IA de se baser sur des sources de données hétérogènes avec une compréhension sémantique unifiée.
Exemple concret : Service de santé
Les établissements médicaux combinent les dossiers structurés des patients avec des notes cliniques, images médicales et capture audio pour accélérer le diagnostic et la planification des traitements. Les agents Teradata-LangChain orchestrent un workflow régulé, ils appliquent des modèles de vision, effectuent des recherches vectorielles multimodales et fondent les réponses sur des documents fiables garantissant ainsi des résultats explicables et traçables jusqu’à leur source.
Activer des workflows autonomes : Les agents IA peuvent récupérer de manière autonome le contexte, exécuter des actions et orchestrer des workflows complexes grâce à l’intégration transparente avec LangChain. Cela transforme de simples chatbots en systèmes entièrement autonomes et prêts à l’emploi, capables de prendre des décisions sophistiquées et fiables.
Exemple concret : Automatisation des demandes d’indemnisation
Les agents traitent simultanément les photos des dommages, les .pdf des polices d’assurance et les données structurées provenant des formulaires de demande. Ils extraient les informations pertinentes des documents et images tout en appliquant les règles de couverture et en croisant l’historique des demandes. Le résultat : des décisions plus rapides, explicables et conformes aux exigences d’audit.
Fournir des informations contextuelles : La recherche hybride combine la recherche sémantique vectorielle et lexicales avec des techniques basées sur les métadonnées, tandis que l’approche fusionnée permet une recherche unifiée sur des données structurées et non structurées. Cette approche multicouche améliore significativement la fiabilité des résultats et réduit les hallucinations de l’IA en intégrant un contexte complet à chaque requête.
Exemple concret : Renseignement militaire
Des organisations militaires transforment leur doctrine de camouflage statique en apparoche adaptative basée sur le renseignement. Les troupes capturent des images d’équipements camouflés via des applications sécurisées, qui sont ensuite traitées dans l’Enterprise Vector Store avec des modèles de terrain et des signatures de menaces. Des agents orchestrés par LangGraph fournissent ainsi des conseils tactiques en temps réel, à la vitesse du champ de bataille.
Éliminer les silos de données : Contrairement aux bases de données vectorielles qui opèrent isolément, les fonctions agentique du Teradata Vector Store permettent d’extraire simultanément des informations depuis des tables, des journaux, des documents, des images et des métadonnées au sein d’un environnement unique et gouverné. Elles suppriment ainsi la duplication des données et diminuent la complexité des pipelines.
Exemple concret : Agents de fidélisation commerciale
Les sociétés de services financiers créent des agents IA qui combinent des définitions de règles non structurées avec des données commerciales structurées pour répondre à des questions complexes, comme l’éligibilité aux remises de fidélité. Cette approche comble le fossé entre documents et bases de données, là où le SQL seul ne suffit pas.
Accélérer le développement et le déploiement : Grâce à des intégrations ouvertes avec SQL, Python et LangChain, les développeurs peuvent concevoir et orchestrer des workflows d’agents autonomes accédant aisément à des données structurées et non structurées multimodales. Cette approche permet de passer rapidement du prototypage à la production, dans des environnements cloud, on-premises ou hybrides, sans contraintes architecturales et en utilisant des outils et compétences répandu.
Exemple concret : Du prototype au champ de bataille
des organisations de défense déploient des applications mobiles sécurisées permettant aux troupes de capturer des images sur le terrain. Ces données sont instantanément traitées par l’Enterprise Vector Store, tandis que des agents orchestrés par LangGraph fournissent des conseils tactiques en temps réel. Cet exemple illustre comment des outils de développement courant permettent le déploiement rapide de systèmes d’IA critiques dans des environnements exigeants.
« Nous entrons dans une ère où les agents IA deviendront l’interface principale de l’intelligence artificielle : ils orchestreront de manière autonome des workflows, prendront des décisions dans le cadre de structures de gouvernance définies et exploiteront des informations pertinentes issues de tous types de données », a déclaré Sumeet Arora, Chief Product Officer chez Teradata. « Les bases de données vectorielles autonomes traditionnelles ne permettent pas de concrétiser cette vision. Teradata Enterprise Vector Store réinvente fondamentalement l’exploitation de l’IA en unifiant les données structurées et non structurées multimodales avec des capacités d’agents autonomes au sein d’une plateforme unique et gouvernée. Les organisations peuvent désormais passer du prototype à des systèmes agentifs de qualité production en quelques heures seulement, au lieu de plusieurs mois, tout en conservant la gouvernance, la sécurité et la souveraineté des données exigées pour l’IA critique. »
« Les entreprises ne devraient pas avoir à choisir entre sécurité des données et préparation à l’IA. En intégrant Unstructured de manière native dans Teradata Enterprise Vector Store, nos clients disposent de données de qualité production, prêtes pour l’IA, à grande échelle, sans outils externes, sans transfert des données et sans compromis sur la gouvernance », a ajouté Brian Raymond, fondateur et CEO d’Unstructured.
Disponibilité
Les nouvelles fonctionnalités agentiques et multimodales de Teradata Enterprise Vector Store seront disponibles pour les clients Teradata dès avril 2026.
Pour plus d'informations, rendez-vous sur : https://www.teradata.com/platform/clearscape-analytics/enterprise-vector-store
Teradata permet aux entreprises de transformer l’intelligence en actions autonomes, en intégrant les agents IA à un contexte métier riche et à des données fiables. À mesure que les agents IA se multiplient, Teradata devient le moteur contextuel, la gouvernance et la colonne vertébrale performante dont les organisations ont besoin pour réussir aujourd’hui. La plateforme Teradata Autonomous AI and Knowledge facilite la mise en production de l’IA dans des environnements cloud, on-premises et hybrides, offrant vitesse, fiabilité et gouvernance.