Redis 8 intègre la recherche vectorielle native et renforce les modules (RediSearch, JSON) pour des cas cache, search et RAG/IA dans un même produit.

Le vector search permet de stocker des embeddings et d'exécuter des recherches de similarité (k-NN), idéal pour le RAG (retrieval-augmented generation) et les recommandations. RediSearch 3 améliore les index full-text et les agrégations. La validation JSON Schema et la réplication Active-Active renforcent la robustesse. Redis reste le standard pour le cache et les queues ; avec la recherche et les vecteurs, il couvre aussi des besoins proches d'Elasticsearch ou de bases vectorielles.

Recommandation : utiliser les index vectoriels pour les fonctionnalités « recherche sémantique » ou « similaires » sans déployer un moteur dédié.

Points forts / Points faibles

Points forts

  • Cache, structures de données et recherche dans un seul service
  • Vector search natif pour RAG et recommandations
  • Très faible latence et débit élevé
  • Modules et écosystème (Redis Stack) matures

Points faibles

  • Coût mémoire pour les gros jeux de vecteurs
  • Configuration cluster et persistance à maîtriser
  • Moins de fonctions analytics qu'Elasticsearch pour la recherche full-text avancée