> ## Documentation Index
> Fetch the complete documentation index at: https://clickhouse.com/docs/llms.txt
> Use this file to discover all available pages before exploring further.

# paramètres de session vector_search_*

> Paramètres de session ClickHouse du groupe généré vector_search_*.

export const SettingsInfoBlock = ({type, default_value, changeable_without_restart}) => {
  return <div className="not-prose" style={{
    display: "flex",
    flexWrap: "wrap",
    alignItems: "baseline",
    columnGap: "0.5rem",
    rowGap: "0.125rem",
    margin: "0.375rem 0",
    fontSize: "0.8125rem",
    lineHeight: "1.125rem"
  }}>
      <div style={{
    fontWeight: 600,
    opacity: 0.72
  }}>Type</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{type}</div>
      <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>Par défaut</div>
      <div style={{
    overflowWrap: "anywhere"
  }}>{default_value}</div>
      {changeable_without_restart && <div style={{
    fontWeight: 600,
    opacity: 0.72,
    marginInlineStart: "0.5rem"
  }}>
          Modifiable sans redémarrage
        </div>}
      {changeable_without_restart && <div style={{
    overflowWrap: "anywhere"
  }}>
          {changeable_without_restart}
        </div>}
    </div>;
};

Ces paramètres sont disponibles dans [system.settings](/docs/fr/reference/system-tables/settings) et sont générés automatiquement à partir du [code source](https://github.com/ClickHouse/ClickHouse/blob/master/src/Core/Settings.cpp).

<div id="vector_search_filter_strategy">
  ## vector\_search\_filter\_strategy
</div>

<SettingsInfoBlock type="VectorSearchFilterStrategy" default_value="auto" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.5"},{"label": "auto"},{"label": "Nouveau paramètre"}]}]} />

Si une requête de recherche vectorielle comporte une clause WHERE, ce paramètre détermine si celle-ci est évaluée en premier (préfiltrage) ou si l'index de similarité vectorielle est consulté en premier (post-filtrage). Valeurs possibles :

* 'auto' - Post-filtrage (la sémantique exacte pourra évoluer à l'avenir).
* 'postfilter' - Utilise l'index de similarité vectorielle pour identifier les plus proches voisins, puis applique les autres filtres
* 'prefilter' - Évalue d'abord les autres filtres, puis effectue une recherche en force brute pour identifier les voisins.

<div id="vector_search_index_fetch_multiplier">
  ## vector\_search\_index\_fetch\_multiplier
</div>

**Alias** : `vector_search_postfilter_multiplier`

<SettingsInfoBlock type="Float" default_value="1" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.8"},{"label": "1"},{"label": "Alias du paramètre 'vector_search_postfilter_multiplier'"}]}]} />

Multiplie par cette valeur le nombre de plus proches voisins récupérés depuis l’index de similarité vectorielle. S’applique uniquement en cas de post-filtrage avec d’autres prédicats ou si le paramètre 'vector\_search\_with\_rescoring = 1'. Plage valide : \[1.0, 1000.0]. Les valeurs en dehors de cette plage sont rejetées.

<div id="vector_search_use_quantized_codes">
  ## vector\_search\_use\_quantized\_codes
</div>

<SettingsInfoBlock type="Bool" default_value="0" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "26.7"},{"label": "0"},{"label": "Nouveau paramètre permettant d’activer une optimisation de recherche vectorielle approximative en deux étapes avec un codec de colonne `Quantize(...)` ; par défaut, les requêtes restent exactes."}]}]} />

Active une recherche vectorielle approximative en deux étapes, sans index (parcours exhaustif), sur une colonne compressée avec `Quantized`. Lorsqu’il est activé, `ORDER BY L2Distance|cosineDistance(vec, reference) LIMIT k` sur une colonne encodée avec un codec `Quantized(...)` va

1. parcourir et filtrer les vecteurs quantifiés (cette étape produit `k * vector_search_index_fetch_multiplier` résultats), puis
2. recalculer le score des vecteurs trouvés à partir des vecteurs d’origine en pleine précision.

<div id="vector_search_with_rescoring">
  ## vector\_search\_with\_rescoring
</div>

<SettingsInfoBlock type="Bool" default_value="0" />

<VersionHistory rows={[{"id": "row-1","items": [{"label": "25.8"},{"label": "0"},{"label": "Nouveau paramètre."}]}]} />

Indique si ClickHouse effectue un rescoring pour les requêtes qui utilisent l’index de similarité vectorielle.
Sans rescoring, l’index de similarité vectorielle renvoie directement les lignes contenant les meilleures correspondances.
Avec rescoring, l’index de similarité vectorielle récupère les lignes candidates et ClickHouse calcule la distance exacte
pour ces lignes à partir des vecteurs d’origine en pleine précision dans le pipeline SQL standard.
Lorsque c’est possible, ClickHouse applique les filtres au parcours des lignes candidates avant le calcul final de la distance.
Augmentez `vector_search_index_fetch_multiplier` si davantage de lignes candidates sont nécessaires pour améliorer le rappel, en particulier
avec des filtres supplémentaires ou des index vectoriels quantifiés.
Note : une requête exécutée sans rescoring et avec les répliques parallèles activées peut se rabattre sur le rescoring.