Comment Hippocampus se compare-t-il à Vertex AI Search (Agent Search) ?

Vertex AI Search (Agent Search) est le meilleur choix pour des documents déjà stockés dans Google Drive, Cloud Storage ou BigQuery, ou quand les permissions par utilisateur doivent venir d'un fournisseur d'identité fédéré. Hippocampus est le meilleur choix quand chaque réponse doit pouvoir être vérifiée sur une page et une plage d'octets, et quand vous voulez choisir le modèle de langage qui répond. Vertex AI Search est l'un des cinq systèmes du rapport Thalius sur FinanceBench, SECQUE et LegalBench-RAG et ne figure pas dans le benchmark FDA.

Vertex AI Search est-il renommé Agent Search ?

Oui: la documentation de Google indique que Vertex AI Search est renommé Agent Search, qui fait partie de la Gemini Enterprise Agent Platform, et l'API reste discoveryengine.googleapis.com (vérifié en octobre 2026).

Vertex AI Search applique-t-il les permissions des documents ?

Oui, par utilisateur, lorsque le contrôle d'accès est choisi à la création du data store: les résultats sont limités aux documents que l'utilisateur qui cherche peut consulter, avec une identité issue de Google Identity ou d'un fournisseur fédéré tel qu'Entra ID, Okta ou Ping (vérifié en octobre 2026). Hippocampus applique les droits sur les dossiers et les documents, les groupes et l'héritage au sein de la recherche, avant le classement.

Puis-je conserver mes données dans l'UE ?

Oui, dans les deux cas, avec des limites différentes. Vertex AI Search propose une multirégion UE avec résidence des données au repos, où certaines fonctionnalités sont limitées par rapport à l'emplacement global (vérifié en octobre 2026). Hippocampus stocke les documents et la structure de connaissances dans l'UE (Finlande); l'inférence des modèles s'exécute par défaut aux États-Unis et peut, sur Corporate, être hébergée dans l'UE ou s'exécuter dans votre propre environnement.

Quels modèles de réponse chacun prend-il en charge ?

Vertex AI Search répond avec des modèles Gemini, choisis via un paramètre de version de modèle (vérifié en octobre 2026). Hippocampus fonctionne avec n'importe quel modèle de langage: vous choisissez quel modèle répond, réglé par espace de travail, et sur Corporate vous pouvez utiliser votre propre clé de modèle.

Hippocampus a-t-il été comparé à Vertex AI Search dans un benchmark ?

Oui, sur trois benchmarks publics. Dans notre rapport de benchmark, version 3.1 (20 octobre 2026), Hippocampus obtient un taux de réussite de 92,2 % sur FinanceBench, 81,2 % sur SECQUE et 85,7 % sur LegalBench-RAG, contre 40,6 %, 44,7 % et 76,1 % pour Vertex AI Search. Vertex AI Search ne fait pas partie de notre benchmark FDA GLP-1.

Comparatif · 18 octobre 2026

Hippocampus vs Vertex AI Search (Agent Search), comparés sur dix critères

Vertex AI Search, que Google renomme Agent Search et qui fait partie de la Gemini Enterprise Agent Platform (documentation Google Cloud, vérifiée en octobre 2026), est le meilleur choix lorsque vos documents se trouvent déjà dans Google Drive, Cloud Storage ou BigQuery, lorsque les permissions par utilisateur doivent provenir d'un fournisseur d'identité fédérée, ou lorsque votre équipe développe sur Gemini. Hippocampus est le meilleur choix lorsque chaque réponse doit pouvoir être vérifiée par rapport à une page et une plage d'octets, lorsque vous voulez choisir quel modèle de langage répond, réglé par espace de travail, et lorsque vous voulez récupérer la base de connaissances en Markdown ouvert. Vertex AI Search ne fait pas partie de notre benchmark FDA. Sur des benchmarks publics, Vertex AI Search est l'un des cinq systèmes de notre rapport de benchmark : voir FinanceBench, SECQUE et LegalBench-RAG.

Cet article compare les deux produits critère par critère, et désigne ci-dessous le produit sous le nom Vertex AI Search (Agent Search). Notre article précédent Hippocampus face à OpenAI File Search et PageIndex est un benchmark d'autres systèmes ; Vertex AI Search n'en faisait pas partie. Nous comparons aussi Hippocampus vs OpenAI File Search et Hippocampus vs PageIndex.

Synthèse

Critère	Hippocampus	Vertex AI Search (Agent Search)
Région d'hébergement et auto-hébergement	Les documents et la structure de connaissances sont stockés dans l'UE (Finlande), chiffrés. L'inférence des modèles s'exécute par défaut aux États-Unis ; sur Corporate, elle peut être hébergée dans l'UE ou s'exécuter dans votre propre environnement. L'hébergement dans votre propre cloud ou sur site fait partie de l'offre Enterprise. Sécurité	Emplacements : global, plus des multirégions US et UE avec résidence des données au repos. Google recommande l'emplacement global pour l'ensemble des fonctionnalités ; certaines fonctionnalités sont limitées dans les multirégions US et UE. Sur site ou auto-hébergé : non documenté. Locations (vérifié en octobre 2026)
Attribution des sources (citation au niveau de la page)	Chaque réponse indique le document, le chemin de section, les pages de début et de fin, les décalages d'octets et le texte utilisé. Les citations proviennent de l'étape de récupération, pas du modèle.	La méthode answer peut citer une source pour chaque phrase. Une API Check Grounding distincte cite les extraits à l'appui de chaque affirmation, avec un score de support. Citation au niveau de la page : non documentée. Answer method, Check grounding (vérifié en octobre 2026)
Application des permissions au moment de la requête	Appliquées au sein même de la recherche, comme filtre avant le classement ; la recherche ne renvoie rien si les permissions ne peuvent pas être vérifiées. Un résumé portant sur plusieurs documents n'est visible que par les personnes qui peuvent tous les lire. Les agents obéissent aux mêmes permissions. Sécurité	Les résultats sont limités aux documents que l'utilisateur qui cherche peut consulter, d'après des listes d'accès fournies à l'ingestion et une identité issue de Google Identity ou de fournisseurs fédérés (Entra ID, Okta, Ping). Couvre Cloud Storage, BigQuery, Google Drive et des sources tierces. Choisi à la création du data store ; jusqu'à 3 000 lecteurs par document. Access control (vérifié en octobre 2026)
Comportement face aux questions sans réponse	Lorsque la récupération ne renvoie rien, la question est refusée, pas devinée. Un refus coûte les mêmes crédits qu'une réponse.	À activer explicitement (opt-in) : des options de requête ignorent la réponse pour les requêtes malveillantes ou qui ne cherchent pas de réponse et renvoient des résultats de recherche, ou renvoient une réponse de repli lorsque le contenu n'est pas pertinent. Elles sont désactivées par défaut dans les exemples. Answer method (vérifié en octobre 2026)
Architecture de récupération (mémoire structurée, index vectoriel ou recherche de fichiers)	Mémoire structurée construite à l'import : un arbre par document avec un résumé d'index, des résumés de sections et des sections feuilles avec pages et plages d'octets. Deux entonnoirs, descendant sur les résumés et ascendant par recherche par mots-clés et par embeddings sur les sections feuilles, fusionnés en un seul classement. Développeurs	Analyse gérée (analyseur numérique, OCR ou de mise en page) et découpage des documents pour le RAG ; recherche sémantique et hybride. Fonctionnement interne du classement et des embeddings : non documenté. Parse and chunk documents, Pricing (vérifié en octobre 2026)
Modèles de réponse pris en charge	N'importe quel modèle de langage. Vous choisissez quel modèle répond, réglé par espace de travail ; sur Corporate, vous pouvez utiliser votre propre clé de modèle ou laisser les administrateurs choisir les modèles. Développeurs	Modèles Gemini, choisis via un paramètre de version de modèle. Autres modèles pour la méthode answer : non documenté. Answer generation models (vérifié en octobre 2026)
Disponibilité de l'API et du MCP	Un serveur MCP avec connexion OAuth dans le navigateur, et une API REST en accès anticipé. Développeurs	API REST avec bibliothèques clientes, une console et un widget intégrable. Un serveur MCP distant hébergé par Google, avec des outils de recherche, de recherche conversationnelle et de liste des moteurs. MCP reference (vérifié en octobre 2026)
Format d'export des données	Open Knowledge Format : un dossier par document, en Markdown avec en-tête YAML (front matter), contenant le résumé d'index, le texte intégral, le fichier d'origine et un dossier par section. Lisible via l'API, exportable tant que le compte est actif. Développeurs	Aucune fonction ni aucun format d'export documentés. Les documents peuvent être listés via l'API REST et les extraits lus en JSON. Format d'export en masse : non documenté. documents.list, Parse and chunk documents (vérifié en octobre 2026)
Utilisation des données clients pour l'entraînement	Jamais utilisées pour entraîner l'IA, ni par Thalius ni par les fournisseurs de modèles ; leurs contrats l'interdisent. Sécurité	Google déclare ne pas utiliser vos données pour entraîner ou affiner des modèles sans votre autorisation ou instruction. Un avenant sectoriel sur l'utilisation des données permet à Google d'échantillonner des données pour améliorer ses technologies ; s'il s'applique à une simple application de recherche : non documenté. Data governance, Data use terms (vérifié en octobre 2026)
Modèle de tarification et offre gratuite	Des crédits, une seule unité sur toutes les offres. Offre Free avec crédits mensuels inclus et sans carte, Starter, et Corporate sur devis. Un refus coûte autant qu'une réponse. Montants sur Tarifs	Deux modèles : paiement à l'usage par tranche de 1 000 requêtes plus le stockage de l'index, ou un abonnement configurable avec des minimums. Une allocation mensuelle d'essai gratuit en requêtes. Montants sur la page tarifs (vérifié en octobre 2026)

Benchmark

Vertex AI Search est l'un des cinq systèmes de notre rapport de benchmark public, version 3.1 (20 octobre 2026). Pour le taux de réussite, Hippocampus obtient 92,2 % sur FinanceBench contre 40,6 % pour Vertex AI Search, 81,2 % sur SECQUE contre 44,7 % et 85,7 % sur LegalBench-RAG contre 76,1 % (les guillemets ont été retirés de la requête de Vertex AI Search, comme l'explique cet article). Vertex AI Search ne fait pas partie de notre benchmark FDA GLP-1. Notre benchmark publié utilise dix documents publics de la FDA pour Saxenda, Wegovy et Zepbound (2 198 pages) et seize questions rédigées par l'équipe d'Atrogi. Le corpus, les questions et les résultats d'Hippocampus figurent dans le benchmark FDA GLP-1, et chaque résultat publié se trouve sur Preuves.

Quand Vertex AI Search (Agent Search) est le meilleur choix

Vos documents se trouvent dans Google Drive, Cloud Storage ou BigQuery et les permissions doivent suivre l'identité de chaque utilisateur : Vertex AI Search (Agent Search) filtre les résultats selon la liste d'accès de l'utilisateur qui cherche, avec une identité issue de Google Identity ou des fournisseurs fédérés Entra ID, Okta ou Ping (Access control, vérifié en octobre 2026).
Vous voulez une vérification d'ancrage distincte : l'API Check Grounding attribue à une réponse candidate un score de 0 à 1 par rapport aux faits fournis et cite les extraits à l'appui de chaque affirmation (Check grounding, vérifié en octobre 2026).
Vous voulez une chaîne d'analyse gérée au sein de Google Cloud : analyseurs numérique, OCR et de mise en page, découpage pour le RAG, et résidence des données au repos dans les multirégions US ou UE (Parse and chunk documents, Locations, vérifié en octobre 2026).
Votre équipe développe sur Gemini : la méthode answer utilise des modèles Gemini choisis via un paramètre de version de modèle (Answer generation models, vérifié en octobre 2026).

Essayez Hippocampus sur les mêmes documents

Importez les documents que vous mettriez dans un data store Vertex AI Search (Agent Search) et posez les mêmes questions à Hippocampus, puis ouvrez la page citée pour chaque réponse. Commencer gratuitement, sans carte. Avant cela, lisez comment Hippocampus applique les permissions et où il stocke les documents, l'API, le serveur MCP et le format d'export, le fonctionnement des crédits sur chaque offre et l'hébergement dans votre propre cloud ou sur site avec l'offre Enterprise.

Sources et dernière mise à jour

Dernière mise à jour : octobre 2026.