Chroma convient-il à la production ?

Oui, pour des charges petites à moyennes et avec le cloud managé ; pour de très gros déploiements, évaluez Qdrant ou Pinecone.

Dois-je calculer les embeddings moi-même ?

Non : Chroma embarque une fonction d’embedding par défaut et se branche sur OpenAI, Cohere ou sentence-transformers. Ajoutez vos documents, il gère l’embedding à l’ingestion ; n’apportez vos propres vecteurs que si vous y tenez.

Quand passer de Chroma à une base vectorielle managée ?

Migrez quand il vous faut une mise à l’échelle horizontale, une réplication multi-nœuds, des SLA stricts ou un filtrage fin de métadonnées sur des millions de vecteurs. Pour les prototypes et le mono-serveur, Chroma est rapide et simple.

Open sourceDébutant

Chroma

Name: Chroma
Author: Chroma

Chroma est une base d'embeddings open source et conviviale pour les développeurs, qui lance des prototypes RAG en quelques minutes avec une API Python ou JavaScript simple. Elle fonctionne in-process pour le développement local et passe à l'échelle via son offre cloud gérée — la porte d'entrée la plus simple vers la recherche vectorielle.

Aperçu

« Chroma » est une ressource de type « Open source » sélectionnée par AI Resource Hub, classée dans la catégorie Outils et adaptée aux apprenants de niveau Débutant. Elle est fournie par Chroma, a été mise à jour pour la dernière fois le 2026-07-24 et affiche une note éditoriale de 4.5/5 attribuée par notre équipe. Cliquez sur « Visiter la ressource » à droite pour ouvrir la page d’origine.

Notre verdict

Chroma est la porte d’entrée par défaut vers la recherche vectorielle pour la plupart des développeurs : on l’installe, on lui verse des documents, et un prototype RAG tourne en quelques minutes — sans infrastructure ni pipeline d’embeddings à câbler. L’architecture in-process et les intégrations de premier ordre avec LangChain et LlamaIndex en font un choix idéal pour le développement et l’itération en local. Quand viennent l’échelle horizontale, la réplication multi-nœuds ou le filtrage fin de métadonnées sur des millions de vecteurs, les moteurs plus lourds prennent le dessus. Commencez ici ; migrez quand les données le demandent.