L'IA s'intègre de plus en plus dans les opérations quotidiennes des entreprises, mais les charges de travail qui la sous-tendent restent rarement cantonnées à un seul endroit. Certaines doivent rester proches des données sensibles dans des environnements privés. D'autres bénéficient de la portée du Cloud public ou de la rapidité des infrastructures de périphérie.
Cela soulève une question pratique : comment les organisations peuvent-elles exécuter chaque charge de travail là où elle est la plus performante, tout en gardant les données et les opérations sous contrôle ?
Cloudera et AMD répondent à cette question en réunissant une plateforme de données hybride et une infrastructure évolutive et accessible. Le résultat est une base conçue pour prendre en charge l’IA dans les environnements privés, Cloud et de périphérie (ou edge computing), sans obliger les équipes à gérer chacun d’eux différemment.
Des modèles différents ont leur place à des endroits différents
À mesure que l’adoption progresse, les décisions de déploiement prennent une importance stratégique accrue. Le meilleur emplacement pour une application dépend des données qu’elle utilise et de l’expérience qu’elle doit offrir.
Un modèle qui traite des informations sensibles sur les clients peut devoir s’exécuter dans un environnement privé, ou une application destinée aux clients peut tirer parti de l’élasticité du Cloud. La possibilité de faire ce choix pour chaque charge de travail donne aux organisations davantage de contrôle sur les performances, sans enfermer toutes les applications dans le même modèle de déploiement.
Cette flexibilité devient de plus en plus importante à mesure que les portefeuilles d’IA se développent. Ce qui fonctionne pour une première preuve de concept peut être mal adapté à une application de production destinée à des milliers d’utilisateurs. Une architecture prenant en charge plusieurs environnements permet aux équipes d’ajuster le placement à mesure que les habitudes d’utilisation et les exigences opérationnelles évoluent.
Pourquoi l’IA privée hybride devient un choix stratégique
Le choix de l’endroit où s’exécute une charge de travail ne représente qu’une partie de l’équation. Les équipes ont toujours besoin d’un moyen cohérent de la déployer et d’en assurer la gouvernance dans l’ensemble du parc technologique.
La gouvernance des données et les exigences réglementaires orientent les décisions de placement, mais les opérations peuvent vite devenir trop complexes lorsque chaque emplacement impose une manière de travailler différente. L’IA privée hybride offre aux organisations un cadre commun pour exécuter des charges de travail au plus près des données dont elles dépendent, tout en préservant le contrôle dans l’ensemble de l’environnement.
Cela peut également réduire la charge liée au déplacement de grands volumes de données propriétaires entre les systèmes. Rapprocher l’infrastructure de calcul des données peut réduire les coûts de transfert et simplifier les opérations, tout en aidant les organisations à tirer davantage de valeur de l’infrastructure dont elles disposent déjà.
Cette approche offre aux équipes davantage de liberté pour décider où placer les applications en fonction de leurs caractéristiques propres, plutôt que des limites imposées par une architecture fragmentée. Elles peuvent préserver le contrôle local là où cela compte, tout en faisant appel aux ressources du Cloud lorsque l’évolutivité ou la disponibilité l’exige.
Le calcul n'est qu'une partie de la pile
Le calcul haute performance donne aux modèles la puissance nécessaire pour s’entraîner et répondre. Cela ne leur donne pas, à lui seul, une compréhension de l’activité de l’entreprise.
Ce contexte provient des données d’entreprise. Les modèles doivent avoir accès à des informations pertinentes et soumises à une gouvernance afin de produire des résultats qui reflètent les clients, les activités et les priorités d’une organisation. Sans cet ancrage, même un modèle très performant peut générer des réponses qui manquent de la spécificité requise pour une utilisation concrète en entreprise.
La fiabilité des workflows de production est également importante. Les données doivent être préparées et récupérées efficacement, et l’inférence doit rester réactive à mesure que la demande augmente. Les équipes ont également besoin de visibilité sur le comportement des applications après leur déploiement afin de pouvoir identifier les problèmes de performance et s’adapter à l’évolution des exigences.
Ces capacités transforment un modèle prometteur en une application sur laquelle les utilisateurs peuvent compter au quotidien. Elles facilitent également le dépassement des projets pilotes isolés et favorisent une adoption plus large au sein de l’organisation.
Réunir l'IA d'entreprise
Cloudera et AMD réunissent des éléments distincts de ce socle.
Cloudera fournit la plateforme pour préparer les données, développer des modèles, gérer la gouvernance, et prendre en charge les applications jusqu’à la production. AMD fournit le socle de calcul de bout en bout qui sous-tend ce cycle de vie, du traitement de données et de la récupération à l’inférence de modèles.
Cela offre aux organisations davantage de choix quant à la manière dont elles allouent leurs ressources. Les applications reposant sur des modèles de petite et moyenne taille, comme les chatbots ou les systèmes de génération augmentée par récupération, peuvent fonctionner efficacement sur une infrastructure CPU. Les charges de travail plus exigeantes peuvent recourir au calcul accéléré lorsque les exigences de performance le justifient.
Cette distinction est importante, car toutes les applications n’ont pas besoin de la même puissance de traitement. Appliquer l’infrastructure la plus gourmande en ressources à chaque charge de travail peut augmenter les coûts sans apporter de bénéfice commercial correspondant.
Une approche axée sur la charge de travail permet aux équipes de sélectionner les ressources adaptées au cas d’usage actuel et de les ajuster selon l’évolution de la demande. Dans le même temps, la gestion des données et les opérations applicatives restent connectées au travers d’une plateforme cohérente, ce qui réduit les perturbations pouvant découler de l’évolution des exigences en matière d’infrastructure.
Se préparer à la suite
La combinaison des modèles et des charges de travail continuera d’évoluer. Les organisations devront avoir la liberté d’utiliser différents types de ressources de calcul sans avoir à reconstruire le socle de données ni le modèle opérationnel sous-jacents à chaque application.
Cloudera et AMD offrent cette flexibilité en reliant les données d’entreprise à une infrastructure capable de s’adapter à un éventail plus large de charges de travail.
Découvrez comment Cloudera et AMD peuvent vous aider à construire et à faire évoluer l’IA dans des environnements hybrides.
Veillez à rendre visite à AMD lors de nos prochains événements EVOLVE26 partout dans le monde. En savoir plus.
