Recherche documentaire sémantique
Cherchez vos documents par sens, pas par mots-clés. Posez une question en langage naturel et trouvez le bon document — factures, contrats, e-mails, notes — même quand les mots exacts ne correspondent pas.
Applications → Qdrant
Trouvez n'importe quoi par sens, pas par mots-clés.
Qdrant stocke les embeddings vectoriels de vos documents pour que vous puissiez chercher par sens, pas seulement par mots-clés. Demandez « montrez-moi le contrat du dernier trimestre » et trouvez-le instantanément — même si les mots exacts n'apparaissent nulle part. C'est la couche de mémoire derrière la recherche documentaire privée de ReefOffice.
Ce que fait Qdrant
Qdrant transforme vos documents en vecteurs — des représentations mathématiques du sens — et les stocke pour une recherche sémantique instantanée. Quand vous cherchez quelque chose, Qdrant trouve les documents qui correspondent à votre intention, même s'ils utilisent des mots totalement différents. Chaque plan ReefOffice inclut Qdrant pour l'indexation automatique des documents.
Pourquoi Qdrant sur ReefOffice
Indexation automatique
Chaque fichier que vous ajoutez à Nextcloud, Paperless ou Dolibarr est automatiquement indexé. Pas de configuration manuelle — votre corpus documentaire reste consultable dès le premier jour.
Couche de mémoire IA
Qdrant alimente la mémoire derrière Hermes Agent et la recherche documentaire d'Open WebUI. Quand votre IA répond à des questions sur vos fichiers, elle récupère le contexte pertinent depuis Qdrant pour des réponses précises et sourcées.
Entièrement privé
Tous les embeddings sont stockés sur votre serveur ReefOffice — aucune donnée n'est envoyée à des services de recherche ou d'IA externes. Votre recherche documentaire reste entièrement dans votre infrastructure.
Comment ça marche
Sous le capot
Qdrant est une base de données vectorielle haute performance écrite en Rust. Sur ReefOffice, elle fonctionne comme un conteneur Docker avec stockage persistant. Les documents sont transformés en embeddings avec bge-m3 — un modèle multilingue sous licence MIT — et stockés comme vecteurs pour une recherche par similarité rapide.
Comment elle s'intègre à votre stack
Qdrant est le moteur de recherche de ReefOffice. Elle alimente la recherche documentaire dans Open WebUI, fournit le contexte pour les actions d'Hermes Agent, et peut être déclenchée par les automatisations Activepieces. Quand vous demandez « quelles factures sont impayées ? », Qdrant trouve les documents pertinents en millisecondes.
Questions fréquentes
En quoi est-ce différent d'une recherche classique ? +
Une recherche classique correspond aux mots exacts. Si vous cherchez « bail de bureau » mais que le document dit « contrat de location d'espace de travail », la recherche classique ne le trouvera pas. Qdrant comprend le sens — il trouve les documents sémantiquement similaires, même avec une formulation différente.
Combien de stockage les embeddings vectoriels utilisent-ils ? +
Environ 1 Go pour 100 000 pages de texte. La plupart des clients utilisent bien moins. Qdrant ne stocke que les vecteurs, pas les documents originaux — ceux-ci restent dans Nextcloud, Paperless ou Dolibarr.
Qdrant fonctionne-t-il sans Ollama ? +
Oui. Qdrant est inclus dans chaque plan ReefOffice pour l'indexation et la recherche de documents. Ollama fonctionne aussi sur chaque plan — pour les embeddings — mais seuls les plans AI chargent les modèles de génération qui répondent à vos questions sur vos documents.
Prêt pour une recherche documentaire plus intelligente ?
Réservez une démo et voyez comment Qdrant sur ReefOffice rend vos documents trouvables par leur sens — pas seulement par mots-clés.