
Meilisearch
Meili · Programmation
Meilisearch est une API de moteur de recherche open source que vous installez dans votre propre application ou site web et qui renvoie des résultats pertinents et instantanés presque sans configuration. Elle mêle la recherche en texte intégral à une recherche hybride dopée à l'IA, pour que les utilisateurs trouvent ce qu'ils veulent dire même quand ils écrivent mal un mot ou n'en tapent qu'une partie. Les équipes peuvent l'héberger elles-mêmes gratuitement ou l'utiliser comme service cloud géré, ce qui en fait un choix pratique pour les développeurs qui veulent une recherche rapide sans faire tourner un gros cluster.

À propos de Meilisearch
Qu'est-ce que Meilisearch ?
Meilisearch est un moteur de recherche conçu pour ceux qui ont besoin d'une recherche à l'intérieur d'une application, pas de toute une plateforme de données. Vous lui donnez vos documents et il renvoie des réponses en millisecondes. Aussi simple que ça. Le projet est open source et écrit en Rust, ce qui le rend économe en ressources et rapide au démarrage.
Le principal problème qu'il résout, c'est l'écart entre une requête basique à la base de données et une vraie expérience de recherche. Une simple requête SQL rate les fautes de frappe, ignore l'ordre des mots et devient lente dès que vos données grossissent. Et pourquoi ça compte ? Les utilisateurs blâment votre application, pas leur façon de taper. Meilisearch gère la tolérance aux fautes de frappe, la correspondance par préfixe et le classement par pertinence dès le départ, si bien que vous n'avez pas à régler un modèle de pertinence avant que votre première recherche fonctionne.
Sa principale limite, c'est sa portée. N'attendez pas ici un moteur d'analytique général. Meilisearch ne fera pas d'agrégations lourdes ni de rapports complexes comme peut le faire Elasticsearch, et les jeux de données énormes finissent par demander du partitionnement, qui relève de l'offre Enterprise payante. Pour la recherche produit, la recherche dans une documentation ou la découverte dans une app, ce compromis compte rarement.
Pour commencer
- Installez Meilisearch en téléchargeant le binaire, en lançant l'image Docker officielle ou en créant un projet sur Meilisearch Cloud.
- Ajoutez vos données sous forme de documents JSON via l'API REST, avec un index par type de contenu, comme les produits ou les articles.
- Définissez les attributs recherchables et filtrables pour que le moteur sache quels champs classer et sur lesquels filtrer.
- Lancez une requête de recherche et ajustez la tolérance aux fautes, les synonymes ou les règles de classement personnalisées si les premiers résultats demandent des réglages.
- Choisissez un SDK de langage, comme JavaScript, Python, Go ou Ruby, et branchez la barre de recherche dans votre application ou site web.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Meilisearch.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Développeurs d'apps et de web
- Petites équipes produit
- Fondateurs techniques qui livrent vite
Tâches
- Recherche produit tolérante aux fautes
- Consultation de documentation et de base de connaissances
- Récupération sémantique et hybride
Cas d'usage
- Catalogues e-commerce où le filtrage et les facettes guident la navigation, et où des résultats lents coûtent des ventes.
- Outils internes et tableaux de bord où les employés cherchent des enregistrements par noms ou codes partiels.
- Apps d'IA qui ont besoin d'une couche de récupération pour le RAG, en stockant les vecteurs à côté du texte dans le même index.
Fonctionnalités clés
Recherche ultra-rapide pendant la saisie
Meilisearch renvoie des résultats en moins de 50 millisecondes, selon Meili, une vitesse suffisante pour mettre la page à jour à chaque frappe. Cette rapidité, c'est la différence entre une barre de recherche en laquelle les utilisateurs ont confiance et une autre qu'ils abandonnent. Le moteur y parvient grâce à un cœur en Rust et un index conçu pour les requêtes à faible latence plutôt que pour les rapports par lots. Rapide, toujours.
Recherche hybride dopée à l'IA
La recherche hybride mêle la correspondance en texte intégral à la recherche sémantique, si bien qu'une requête trouve des résultats par le sens et pas seulement par les mots exacts. Quelqu'un qui cherche « écouteurs de course étanches » peut tomber sur une fiche intitulée « écouteurs de sport résistants à la transpiration » même sans mots-clés communs. Vous apportez votre propre modèle d'embeddings, et Meilisearch se charge du stockage des vecteurs et du classement qui combine les deux signaux en une seule liste ordonnée. Pas un jouet à mots-clés.
Tolérance aux fautes et pertinence dès le départ
Les fautes d'orthographe, les lettres manquantes et les caractères intervertis ne cassent pas une recherche. Meilisearch classe par pertinence par défaut, pondère l'importance des mots et traite les préfixes comme des correspondances, si bien que taper « app » fait remonter « apple ». Vous obtenez des résultats exploitables avant même de toucher à une seule règle de classement.
Prise en charge multilingue
Le moteur gère de nombreuses langues avec une tokenisation sensible à la langue, si bien que les limites entre mots et le radical des mots se comportent correctement hors de l'anglais. Pour un site qui sert plusieurs régions, cela veut dire qu'une seule configuration de recherche couvre une plus grande partie de votre audience au lieu d'un index séparé par région.
Filtrage, facettes et tri
Vous pouvez construire les contrôles qu'attendent les acheteurs, comme des filtres de marque, des plages de prix et des options de tri, par-dessus le même index qui alimente la recherche textuelle. Le filtrage cohabite avec la recherche sémantique au lieu de la remplacer, si bien qu'une requête hybride peut encore respecter un filtre de catégorie. Petit détail, gros gain.
Recherche fédérée entre sources
La recherche fédérée permet à une seule requête de tirer des résultats de plusieurs index à la fois et de les fusionner en une liste classée. Si votre application répartit les données entre produits, articles et documentation d'aide, les utilisateurs obtiennent une réponse au lieu de trois barres de recherche séparées. Une barre. Une liste.
Stockage de vecteurs pour le RAG
Meilisearch stocke les vecteurs et vous laisse lancer des requêtes de similarité, ce qui en fait une couche de récupération légère pour les apps d'IA. Vous gardez documents et embeddings au même endroit au lieu de coudre un moteur de recherche à une base de données vectorielle distincte. Un stockage, deux usages.
Avantages et inconvénients
Avantages
- L'installation prend quelques minutes, et les réglages intelligents font que vous pouvez chercher dans vos données avant d'écrire la moindre config de classement.
- L'auto-hébergement est gratuit et open source, donc vous contrôlez les données et évitez la facturation à la recherche.
- Les résultats pendant la saisie en moins de 50 ms gardent l'interface réactive à chaque frappe.
- La tolérance aux fautes et la correspondance par préfixe marchent sans configuration supplémentaire.
- La recherche hybride et vectorielle couvre les requêtes par mot-clé et par sens dans un seul index.
Inconvénients
- Il n'est pas conçu pour les agrégations lourdes ni l'analytique, donc les requêtes de type reporting appartiennent à un autre outil.
- Les gros jeux de données demandent du partitionnement, qui se trouve derrière l'offre Enterprise payante plutôt que dans l'offre gratuite.
- La recherche sémantique exige que vous fournissiez votre propre modèle d'embeddings, ce qui ajoute une étape de configuration.
- L'auto-hébergement signifie que vous gérez vous-même les sauvegardes, les mises à jour et la supervision, et là, personne ne vous prend par la main.
Questions fréquentes
Oui. Le moteur principal est open source et gratuit à auto-héberger, et vous pouvez l'utiliser dans des projets commerciaux. Meilisearch Cloud, la version gérée, démarre à $20 par mois avec un essai gratuit de 14 jours qui ne demande pas de carte bancaire. Sans carte.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Meilisearch.
Alternatives à Meilisearch
Forefront
Forefront · ProgrammationForefront est une plateforme web pour construire avec de l'IA open source. Elle vous laisse affiner les principaux modèles de langage open source sur vos propres données, évaluer leurs performances et les exécuter via une API ou les exporter pour les héberger vous-même. Les développeurs qui veulent le confort d'une plateforme fermée mais tiennent à rester propriétaires de leurs modèles et de leurs données sont le public visé ici.
Startkit
StartKit.AI · ProgrammationStartkit est un boilerplate pour créer des produits SaaS d'IA et des wrappers d'IA. Voyez-le comme un boilerplate de startup IA avec les parties ennuyeuses déjà branchées : authentification, paiements Stripe et Lemon Squeezy, limites d'usage, e-mail transactionnel et un kit de démarrage d'API IA qui parle à OpenAI, Anthropic, Groq ou Llama. Vous clonez le dépôt, fixez votre prix et attaquez la partie du produit pour laquelle les gens paient vraiment. Il repose sur Next.js au-dessus de React et Tailwind, donc une bonne partie du code boilerplate vous semble déjà familière.
Testim
Tricentis · ProgrammationTestim est une plateforme d'automatisation des tests dopée à l'IA, qui sert à créer et exécuter des tests de bout en bout sur des applications web, mobiles et Salesforce. Elle s'appuie sur l'apprentissage automatique pour garder les tests stables quand une interface change, alors les équipes passent moins de temps à réparer des sélecteurs cassés. Pas mal pour un outil de tests automatisés que vous pouvez utiliser dès aujourd'hui. Vous créez des tests en enregistrant des actions dans un navigateur, puis vous ajoutez du JavaScript quand vous avez besoin de plus de contrôle. C'est un choix solide pour une équipe QA bien occupée.
