David Zhang est un entrepreneur technologique et le cofondateur et directeur général de Weaviate, une entreprise qui développe une base de données vectorielle open-source pour les applications propulsées par l'IA. Sous sa direction, Weaviate est devenu un acteur notable dans la couche d'infrastructure de l'écosystème de l'intelligence artificielle, fournissant des outils pour la recherche sémantique, les systèmes de recommandation et l'intégration de grands modèles de langage.
Zhang a cofondé Weaviate en 2019 avec Bob van Luijt et Etienne Dilocker. L'entreprise est basée à Amsterdam, aux Pays-Bas, et dispose d'un bureau d'ingénierie à Berlin, en Allemagne. La base de données vectorielle a été initialement publiée comme projet open-source sous la licence BSD-3. Près de deux ans après la fondation, l'entreprise a obtenu un financement de démarrage pour accélérer le développement.
Financement et croissance
Weaviate a levé un tour de table de 5 millions de dollars en juin 2021, mené par Battery Ventures, avec la participation de Canaan Partners et d'autres investisseurs. Ce capital initial a soutenu l'expansion de l'équipe d'ingénierie et la maturation de la plateforme de base de données. En avril 2022, l'entreprise a clôturé un tour de série A de 24 millions de dollars, également mené par Battery Ventures, avec la participation des investisseurs existants. Ce financement a permis à Weaviate de faire évoluer ses opérations commerciales et d'introduire des offres cloud gérées. En septembre 2023, l'entreprise a annoncé un tour de série B de 50 millions de dollars, mené par Index Ventures, avec la participation de Battery Ventures et d'autres bailleurs de fonds. Le financement cumulé d'environ 79 millions de dollars a positionné Weaviate pour étendre ses ventes aux entreprises et ses efforts de recherche.
Évolution du produit
La base de données vectorielle Weaviate a connu plusieurs versions majeures. La version 1.0 a été lancée en octobre 2021, marquant l'API stable et l'ensemble de fonctionnalités du projet. Cette version a introduit le support de la recherche hybride, combinant la similarité vectorielle et le filtrage par mots-clés. La version 1.14, publiée en juin 2022, a ajouté la multi-location native, considérée comme une fonctionnalité significative pour les implémentations SaaS. En novembre 2022, le projet a introduit son module de recherche générative, permettant aux utilisateurs de combiner la récupération vectorielle avec de grands modèles de langage tels que GPT-3 d'OpenAI et Claude d'Anthropic.
En février 2023, Weaviate a lancé Weaviate Cloud Services (WCS), une offre entièrement gérée disponible sur Amazon Web Services, Google Cloud et Microsoft Azure. Cette initiative visait à réduire les frictions de déploiement pour les entreprises. Plus tard cette année-là, en septembre 2023, l'entreprise a dévoilé Weaviate 1.20, qui incluait un support multimodal pour les images et le texte, permettant une recherche sémantique intermodale. La plateforme s'est également intégrée aux transformateurs de Hugging Face et aux plongements de Cohere, élargissant son écosystème.
Approche technique
Weaviate se distingue des bases de données traditionnelles en stockant les données sous forme de vecteurs de haute dimension générés par des modèles de apprentissage automatique. Cette conception permet une récupération basée sur la similarité plutôt que sur des requêtes de correspondance exacte. La base de données utilise un index approximatif des plus proches voisins (ANN), spécifiquement un graphe hiérarchique navigable à petit monde (HNSW), qui offre des temps de recherche sous-linéaires même avec des millions d'objets. Cette architecture est particulièrement adaptée aux applications impliquant des réseaux de neurones et des modèles de apprentissage profond, où les plongements capturent le sens sémantique.
La plateforme prend également en charge des modules de vectorisation, permettant aux utilisateurs de brancher des modèles pré-entraînés de fournisseurs comme OpenAI, Google DeepMind et NVIDIA. Cette modularité permet aux développeurs de tirer parti des dernières avancées en IA générative sans réarchitecturer leur pile de données. L'intégration de Weaviate avec des frameworks tels que LangChain et LlamaIndex en a fait un choix populaire pour la construction de pipelines de génération augmentée par récupération (RAG).
Leadership et vision
Zhang a été le visage public de Weaviate, intervenant fréquemment lors de conférences industrielles telles que le Data + AI Summit de Databricks et la conférence MLOps World. Il a articulé une vision où les bases de données vectorielles deviennent aussi fondamentales pour le développement d'applications d'IA que les bases de données relationnelles l'étaient pour les logiciels traditionnels. Dans des interviews, il a souligné l'importance des logiciels open-source pour prévenir le verrouillage fournisseur et favoriser l'innovation.
Avant de fonder Weaviate, Zhang a occupé des postes d'ingénierie dans plusieurs entreprises technologiques, notamment chez Oracle et SAP, où il a travaillé sur l'infrastructure de données et les services cloud. Il a également passé du temps chez AWS, contribuant au développement précoce des projets d'accélération matérielle AWS Trainium et AWS Inferentia. Cette expérience lui a donné un aperçu des défis liés à la mise à l'échelle des charges de travail d'IA en production.
Impact et adoption
En 2024, Weaviate rapporte plus de 15 000 étoiles GitHub et plus de 1 000 déploiements en production dans divers secteurs, notamment la santé, le commerce électronique et la finance. Parmi les utilisateurs notables figurent Intel, Samsung Electronics et la startup VR Meta (pour des outils internes). La base de données a été utilisée dans des applications allant de la découverte de médicaments à l'automatisation du support client.
Le succès de Weaviate a contribué à la croissance plus large de la catégorie des bases de données vectorielles, aux côtés d'autres acteurs comme Milvus, Pinecone et Qdrant. Le leadership de Zhang a positionné Weaviate comme une alternative open-source solide dans un marché dominé par des solutions propriétaires. L'entreprise continue d'investir dans la recherche, avec des partenariats avec des institutions académiques telles que le Stanford AI Lab et le MIT CSAIL pour faire progresser les techniques d'indexation vectorielle.
Références
- Site officiel de Weaviate (pas un lien, mais mentionné dans le texte)
- Annonces publiques de financement de TechCrunch et VentureBeat, 2021-2023.