20 mai 2026
Le cas Ring avec pgvector montre comment la recherche sur vidéothèque peut équilibrer échelle, latence et coût pour créer des services de preuve plus précieux.
Signal de marché
AWS a expliqué comment Ring a mis en place une recherche sémantique vidéo sur des milliards d'embeddings, avec isolation par utilisateur et résultats pertinents en moins de deux secondes. Pour un FAI, la leçon principale est commerciale : une vidéothèque cesse d'être un passif de stockage quand elle devient récupérable et actionnable.
Lecture pour le FAI
Les services caméra se différencient peu lorsqu'ils proposent seulement visualisation ou enregistrement. La recherche sémantique permet de vendre investigation, preuve et réduction du temps de revue. L'architecture compte, car une fonction premium ne passe à l'échelle que si latence, isolation client et coût de requête restent maîtrisés.
Lien avec Horus ISP
Horus ISP peut rendre cette complexité vendable par l'opérateur. Avec ingestion, permissions, événements et opérations multi-tenant déjà structurés, le FAI peut indexer les moments pertinents, isoler les données par client et exposer des recherches rapides sur enregistrements sans toujours déplacer tout le média hors de son environnement.
Service ou package activé
- Récupération d'incidents en langage naturel.
- Recherche de scènes par objet, action ou description visuelle.
- Preuve managée pour immeubles, commerces et municipalités.
- Investigation rapide dans des centres avec beaucoup de caméras.
Sources
- AWS Database Blog. "Ring's Billion-Scale Semantic Video Search with Amazon RDS for PostgreSQL and pgvector". 2026-04-21. https://aws.amazon.com/blogs/database/rings-billion-scale-semantic-video-search-with-amazon-rds-for-postgresql-and-pgvector/