Quelles infrastructures de données pour l'Intelligence Artificielle

L’intelligence artificielle, par son ROI, devient le catalyseur de la transformation digitale. L’utilisation massive de cette technologie dans l’entreprise va renforcer les besoins en infrastructures de données. Retour sur les nouveaux besoins des entreprises en matière d’infrastructures de données associées à l’IA.

L’IA drive les besoins en data

Le déploiement de l’intelligence artificielle est accéléré par l’adéquation entre sa performance et les objectifs de l’entreprise déclinés sur les métiers. En 2019, l’IA dans l’entreprise débute une phase de déploiement industriel, après une phase exploratoire, fondée principalement sur des développements sur-mesure depuis 2016.

La plupart des cas d’usage en entreprise ont été vus et revus, leurs performances sont connues ainsi que les besoins en termes de données, que ce soit pour des développements sur-mesure ou des solutions du marché.

Le ROI de ces nouveaux outils justifie la mise en œuvre de la captation, du stockage et du management des données nécessaires à la bonne marche de ces algorithmes.

En effet, la majeure partie des algorithmes utilisés dans l’entreprise utilisent l’apprentissage supervisé. Il est donc nécessaire d’historiser les données qui constitueront les futurs jeux d’apprentissage. Ainsi, il sera possible de comprendre les causes ou de prendre automatiquement les bonnes décisions, en fonction de la demande des métiers.

Par exemple, comment réduire les 3 à 4% de déchets d’une chaine de production à partir des données relatives aux matières premières, aux données des différents éléments constitutifs de la chaine de production et enfin aux analyses en sortie de production ?

On peut également citer la plateforme Fielbox.ai de Total : pour assurer la maintenance des pompes de ses puits de pétrole, l’entreprise a d’abord mesuré l’importance relative des 30.000 paramètres présents sur une plateforme de forage vis-à-vis de la sensibilité de ses modèles de maintenance prédictive et choisi les bonnes données à historiser. Total est ainsi passé de 6 à 40 jours de prédiction de panne et a réduit ses coûts de maintenance liés à l’urgence du transport des pièces voire à l’arrêt du forage faute de pièces de rechange.

L’IA va renforcer le besoin en termes de données. Elle aura un impact significatif sur la gouvernance des données, les infrastructures et le management de la donnée.

Quelles infrastructures de données pour l’IA ?

Conscients de l’apport de l’intelligence artificielle à la réalisation des objectifs de l’organisation, l’entreprise devra disposer d’infrastructures adaptées au déploiement de sa roadmap IA.

En effet, la mise en œuvre de cette technologie demande beaucoup d’agilité de la part des infrastructures de calcul et de stockage. Les développements réalisés par des data scientists sont généralement industrialisables en 3 mois et les solutions du marché sont déployables dans un délai de 15 jours à quelques mois, selon le niveau de paramétrage. Il faut donc être rapidement opérationnel quels que soient la demande ou les volumes.

Ce sont les data scientists qui vont sélectionner les données utiles appelées « features » pour que leurs modèles aient des rendements optimaux. De nouveaux profils encore peu répandus, les data ingénieurs, devront ensuite industrialiser ces flux : leur formatage, leur normalisation (si besoin) et leur stockage.

L’entrainement de ces modèles demande également beaucoup de CPU, et plus encore un accès rapide aux données, sans quoi la vitesse de la CPU ne sert à rien. Ces pics de CPU sur de gros volumes de données, dans des temps très courts de déploiement, demandent des infrastructures de CPU et de stockage connexes extrêmement souples (IAAS) sur lesquelles de nombreux services sont offerts (PAAS).

Cette description des besoins en termes d’infrastructure correspond aux offres que proposent les acteurs du Cloud comme AWS, Google Cloud et Microsoft Azure.

Leur puissance et le recours au stockage à la demande, en coûts variables, prévisibles, seront privilégiés contrairement au CAPEX des infrastructures « on premise » dont on ne sait si elles tiendront la charge, auront les services requis ou seront prêtes à temps. Compte tenu de cette adéquation technique mais surtout économique avec les prérequis liés au déploiement de l’IA, on assite à une large adhésion toute industrie confondue y compris des plus frileuses comme les banques à ces offres dites du cloud.

 Vers un cloud souverain ?

Ce mouvement d’ensemble de l’industrie vers le cloud aurait été absolument impensable il y a seulement 3 ans. La notion d’actif de la donnée de l’entreprise prédominait et il aurait été hors de question de la stocker hors de l’entreprise. L’intelligence artificielle est passée par là et la valeur du résultat du traitement prend actuellement le pas sur la valeur intrinsèque de la donnée. Les industriels sont alors prêts à la stocker « n’importe où », du moment qu’ils ont accès aux optimisations de coûts opérationnels et à l’augmentation des revenus rendues possibles par l’IA.

Ce transfert de valeur et cette vision quelque peu candide n’aura qu’un temps. En ces temps de guerre commerciale, les modèles situés au cœur de nos industries (Core Business AI Driven) deviendront de vrais enjeux de propriété intellectuelle, comme c’est déjà le cas pour des métiers spécifiques comme la finance ou le trading.

Mais nous n’en sommes pas là pour la majeure partie de l’industrie qui va d’abord équiper ses métiers et laisser le temps à OVH de progresser avant peut être qu’une nouvelle génération de serveurs ne voit le jour.

A lire : 

Vous êtes concerné par l’intelligence artificielle et souhaitez approfondir cette thématique, nous vous invitons à découvrir le livre de Stéphane Roder :

Guide pratique de l’intelligence artificielle dans l’entreprise:
Anticiper les transformations, mettre en place des solutions

A propos du contributeur
Stéphane Roder a fondé en 2018 AI Builders, sa société de conseil en intelligence artificielle. Il a déployé dans de grandes entreprises du monde des solutions d’optimisation et de classification des dépenses basées sur de l’intelligence artificielle. En février 2019, Stéphane Roder a publié aux Editions Eyrolles un guide pratique de l’Intelligence Artificielle dans l’entreprise – Anticiper les transformations, mettre en place des solutions.