LlamaIndex
Framework RAG spécialisé dans l'ingestion, l'indexation et le retrieval de données pour les LLM. Connecteurs pour 160+ sources de données. Plus focalisé sur le data pipeline que LangChain, qui est plus large.
Forces
- 160+ connecteurs de données : PDF, Notion, Slack, SQL, APIs, fichiers locaux
- Chunking et indexation optimisés pour le RAG, meilleur retrieval out of the box
- LlamaParse : parsing intelligent de documents complexes (tableaux, images, PDF)
- LlamaCloud : RAG managé en production sans infra custom
- Plus simple que LangChain pour le use case RAG pur, moins d'abstraction
Limites
- Moins polyvalent que LangChain, focalisé RAG, pas orchestration générale
- LlamaParse et LlamaCloud sont payants, les features premium ne sont pas gratuites
- Écosystème TypeScript moins mature que Python, le JS SDK est en rattrapage
- Documentation dense et parfois confuse, beaucoup de concepts à assimiler
Pour qui
- RAG sur documents d'entreprise : wikis, Confluence, SharePoint, Google Drive
- Chatbots sur documentation technique avec tableaux, images et PDF complexes
- Pipelines d'ingestion de données pour alimenter un vector store (Pinecone, pgvector)