Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Vecteurs
<a name="s3-vectors-vectors"></a>

Chaque vecteur est constitué d’une clé qui identifie de manière unique chaque vecteur dans un index vectoriel. En outre, vous pouvez attacher des métadonnées (par exemple, année, auteur, genre, lieu) sous forme de paires clé-valeur à chaque vecteur. 

Les opérations relatives aux données vectorielles incluent l’insertion, le listage, l’interrogation et la suppression de vecteurs. Pour générer de nouvelles intégrations vectorielles de vos données non structurées, vous pouvez utiliser l'[InvokeModel](https://docs.aws.amazon.com/bedrock/latest/APIReference/API_runtime_InvokeModel.html)opération API d'Amazon Bedrock pour spécifier l'ID du modèle d'intégration que vous souhaitez utiliser. En outre, l’outil open source Amazon S3 Vectors Embed CLI fournit un moyen simplifié de générer des vectorisations et d’effectuer des recherches sémantiques à partir de la ligne de commande. Pour plus d’informations sur cet outil open source qui automatise à la fois la génération de vectorisations avec les modèles de fondation Amazon Bedrock et les opérations de recherche sémantique dans vos index vectoriels S3, consultez [Création de vectorisation et réalisation de recherches sémantiques avec `s3vectors-embed-cli`](s3-vectors-cli.md).

## Concepts de vecteur
<a name="s3-vectors-concepts"></a>

**Clés vectorielles** : chaque vecteur est identifié par une clé vectorielle unique dans l’index. Les clés vectorielles peuvent contenir jusqu’à 1 024 caractères et doivent être uniques dans l’index vectoriel. Les clés sont sensibles à la casse et peuvent contenir n’importe quel caractère UTF-8.

**Dimension vectorielle** : une dimension est le nombre de valeurs d’un vecteur. Les plus grandes dimensions nécessitent plus d’espace de stockage. Tous les vecteurs d’un index doivent avoir le même nombre de dimensions, qui est spécifié lors de la création de l’index. Une dimension doit être un entier compris entre 1 et 4 096.

**Métadonnées** : vous pouvez associer des métadonnées aux vecteurs sous forme de paires clé-valeur pour fournir un contexte supplémentaire et activer le filtrage lors des requêtes. Les métadonnées incluent des clés de métadonnées filtrables et non filtrables. Les métadonnées filtrables sont utilisées pour le filtrage des requêtes. Les clés de métadonnées non filtrables sont spécifiées lors de la création d’un index vectoriel et fournissent un contexte supplémentaire mais ne peuvent pas être utilisées pour le filtrage. Les métadonnées prennent en charge les types Chaîne, Numérique et Booléen. Pour plus d’informations sur les métadonnées filtrables et non filtrables, consultez [Filtrage de métadonnées](s3-vectors-metadata-filtering.md). Pour plus d’informations sur les limites relatives aux métadonnées, y compris la limite de taille des métadonnées par vecteur et le nombre maximal de clés de métadonnées par vecteur, consultez [Limites et restrictions](s3-vectors-limitations.md). 

**Topics**
+ [Concepts de vecteur](#s3-vectors-concepts)
+ [Insertion de vecteurs dans un index vectoriel](s3-vectors-index-create.md)
+ [Création d’une liste de vecteurs](s3-vectors-list.md)
+ [Interrogation des vecteurs](s3-vectors-query.md)
+ [Suppression de vecteurs dans un index vectoriel](s3-vectors-delete.md)
+ [Filtrage de métadonnées](s3-vectors-metadata-filtering.md)