LE DÉFI
Utiliser MongoDB pour stimuler une croissance pilotée par l’IA
L’IA est appelée à façonner notre vie professionnelle pour les décennies à venir. Partout dans le monde, les entreprises prennent conscience de son potentiel et cherchent la meilleure façon d’en tirer parti. Cependant, rares sont celles qui l’utilisent de manière à atteindre les niveaux de croissance spectaculaires que Relevance AI parvient à réaliser, tant en interne que pour ses clients.
Basée à Sydney, en Australie, Relevance AI propose une plateforme sans code qui permet à ses clients de créer, à la demande, des collaborateurs IA personnalisés. Les clients s’appuient sur des processus automatisés basés sur de grands modèles de langage (LLM) pour concevoir et développer rapidement et efficacement des agents IA. Ces agents IA gèrent les tâches répétitives et à faible valeur ajoutée dans des domaines allant du service client aux ventes, en passant par le développement commercial, la génération de prospects et la conversion.
« Nous sommes une équipe de 30 personnes qui vise à créer les solutions d’automatisation dont nous sommes convaincus qu’elles seront le moteur des entreprises de nouvelle génération », a expliqué Jacky Koh, cofondateur de Relevance AI. « Nous voulons que les entreprises ne soient limitées que par l’envergure de leurs idées, et non par la taille de leurs équipes. »
Fondée en 2020, Relevance AI compte parmi ses utilisateurs une liste impressionnante de clients, allant des startups technologiques dynamiques aux géants du classement Fortune 500. Cependant, ils ont tous un point commun.
« Ces entreprises connaissent toutes une forte demande, qui ne cesse de croître. », a déclaré M. Koh. « Il existe une vieille équation selon laquelle développer une entreprise implique nécessairement d’agrandir son équipe. Notre rôle consiste à dissocier les deux ; c’est pourquoi ces entreprises en pleine expansion représentent pour nous une opportunité idéale. »
La base de données est au cœur du fonctionnement de Relevance AI. L’entreprise a été lancée sur une plateforme NoSQL propriétaire basée dans le cloud, mais a rapidement constaté que l’absence de fonctionnalités de recherche vectorielle constituait une limitation majeure. Relevance AI avait besoin d’une solution plus complète répondant à ses exigences de traitement rapide, fiable et efficace de volumes importants et croissants de données non structurées, et des vecteurs correspondants.
« Nous avions initialement envisagé de développer notre propre solution, mais nous avons constaté que MongoDB Atlas Vector Search avait développé cette fonctionnalité », a déclaré M. Koh. « Nous connaissions déjà la fluidité des capacités cloud de MongoDB, ainsi que les avantages de ses capacités de montée en charge automatique et d’observabilité ; la décision a donc été facile à prendre. »
LA SOLUTION
Passer à MongoDB permet d’obtenir flexibilité et facilité de gestion
La décision de Relevance AI de passer à MongoDB Atlas reposait sur divers facteurs clés. Avec une clientèle mondiale qui s’étend de l’Australie aux États-Unis, Relevance AI exploite des clusters régionaux distincts, à la fois spécifiques aux clients et mutualisés, sur Azure et AWS.
« Cette capacité interrégionale constituait également un argument de vente majeur pour MongoDB », a déclaré Jacky Koh. « Nous déployons des serveurs pour chaque région dans laquelle nous sommes présents : l’Europe, l’Asie-Australie et les États-Unis. Avec MongoDB, la gestion des clusters pour chaque région est transparente. »
Si Relevance AI a choisi MongoDB avant tout pour ses qualités de base de données, d’autres fonctionnalités se sont également distinguées et ont séduit les équipes de l’entreprise.
« Une grande partie de notre équipe possède une expérience en ingénierie full-stack ; MongoDB est donc naturellement le premier choix pour le développement d’applications », a expliqué M. Koh. « L’expérience développeur est excellente ; la possibilité d’intégrer de grands volumes de données non structurées sans impact négatif sur la latence ou les coûts constitue un argument très compétitif. »
La maturité de MongoDB en tant que plateforme cloud a également beaucoup séduit Jacky Koh et son équipe. « MongoDB offre une bonne observabilité et des profileurs de requêtes très performants », a-t-il ajouté. « L’interface utilisateur permettant de gérer les index a également constitué un argument de vente majeur, venant s’ajouter aux fonctionnalités de recherche vectorielle et d’évolutivité. »
Les capacités vectorielles sont particulièrement importantes pour Relevance AI, offrant aux équipes la flexibilité nécessaire pour développer une série d’applications clientes différentes et des cas d’utilisation basés sur les LLM.
« À titre d’expérience, nous avons essayé d’utiliser une base de données vectorielle distincte et MongoDB comme base de données opérationnelle. Mais la base de données vectorielle distincte n’a pas été à la hauteur sur plusieurs tests comparatifs différents », a déclaré M. Koh.
« Le fait de disposer à la fois de la base de données opérationnelle et de la base de données vectorielle sur une même plateforme simplifie considérablement la gestion de la montée en charge et rend la gestion des performances bien plus efficace. Cela nous permet également d’en faire un usage plus large : plutôt que de nous limiter à des cas très spécifiques, nous pouvons l’utiliser dès que le besoin s’en fait sentir. Par ailleurs, nous n’avons pas besoin d’apprendre un nouveau langage de requête, ce qui constitue un avantage majeur. »
_1.svg)