Un commentaire d’Amel Ouarab,
Marketing & Communication Manager France chez Telehouse.
Les entreprises
approfondissent leur exploration du potentiel de l’intelligence artificielle, tout
en évaluant les défis structurants liés à la conception d’infrastructures
informatiques et réseaux optimisées, capables de supporter efficacement cette
montée en puissance technologique. Les charges de travail liées à l’IA, qu’il
s’agisse de phases d’entraînement des modèles ou d’inférence, sont désormais
réparties sur une diversité de plateformes de calcul et de sites d’hébergement.
À mesure que ces
charges de travail montent en échelle, les organisations se heurtent à des
problématiques critiques telles que la latence, les performances applicatives
ou la sécurisation des flux de données. Cela implique souvent le recours à des
architectures réseau personnalisées (connectivité fibre dédiée, topologies
intersites optimisées), à la disponibilité d’accélérateurs matériels de type
GPU et à des environnements de calcul haute densité. Compte tenu de la
sophistication des besoins, aucune approche standardisée ne permet à elle seule
de répondre à toutes les exigences.
Les entreprises s’orientent ainsi vers une
combinaison d’options : hyperscalers cloud, datacenters, ou infrastructures de
colocation tierces, en fonction de leurs contraintes métiers, techniques et
géographiques. Les stratégies d’implantation varient sensiblement selon les
secteurs industriels et les régions du monde.
Quatre points clés à
retenir pour les responsables informatiques
- L’IA est orientée cloud, mais
multiplateforme :
le cloud public hyperscale est la destination principale pour les workloads IA,
mais les stratégies multiplateformes continueront d’exister.
- Les disparités sont évidentes dans les
déploiements de l’IA : il existe des différences significatives dans le
déploiement de l’IA selon les géographies et les secteurs. Les entreprises en
Amérique du Nord et en Asie-Pacifique consacrent généralement une plus grande
part de leurs workloads à l’IA par rapport à leurs homologues européennes. Les
entreprises des secteurs de la technologie et de la santé/biotechnologies
investissent davantage dans l’IA que celles d’autres secteurs. Les grandes
entreprises (plus de 5 000 employés) investissent davantage dans l’IA.
- La portée géographique s’élargit : l’IA incite les
entreprises à reconsidérer l’endroit où elles peuvent placer leurs workloads.
La plupart des entreprises reconnaissent le potentiel de déployer ces charges
plus loin de leurs opérations physiques, en particulier pour l’entraînement des
modèles d’IA.
- Les services liés à l’IA sont essentiels : les points d’accès au
cloud sont considérés comme une nécessité pour les charges de travail IA, car
les problèmes de connectivité ont affecté les déploiements d’IA. Les services
de connectivité et de mise en réseau sont de plus en plus des critères essentiels
pour la sélection des lieux de déploiement des charges de travail IA. De plus,
de nombreuses entreprises recherchent des services de conseil en IA/ML auprès
de tiers, en particulier dans les environnements de colocation, pour des
solutions personnalisées à leurs besoins informatiques.
Considérations pour le
placement des charges de travail IA
- Déterminer où une entreprise se situe : comprendre les
stratégies d’infrastructure IA d’entreprises de taille similaire dans des
secteurs et géographies comparables peut aider à aligner la stratégie de
placement des charges de travail IA d’une entreprise avec celle de l’industrie
en général.
- Placer le Datacenter au cœur de la stratégie
:
étant donné la large distribution des charges de travail IA, la colocation peut
servir de hub central pour se connecter à divers lieux de déploiement. En
effet, les charges de travail IA resteront distribuées, avec une légère
préférence pour le cloud public. Les points d’accès au cloud proposés par les
fournisseurs de colocation peuvent être particulièrement précieux pour le
transfert de données.
- Consommation de données en IA : Analyser les tendances
dans l’entraînement des modèles IA des entreprises peut aider les responsables
informatiques à anticiper la consommation de données à mesure que les
entreprises intensifient leurs efforts en IA. Nombre d’entreprises utilisent
d’énormes quantités de données et ont tendance à entraîner leurs modèles
relativement fréquemment. Comme on pourrait s’y attendre, les grandes
entreprises utilisent généralement plus de données pour entraîner leurs modèles
IA. Pour les organisations traitant de vastes volumes de données et entraînant
fréquemment des modèles, un fournisseur de colocation spécialisé pourrait être
l’option la plus appropriée.
- Reconsidérer les limites géographiques : les entreprises montrent une flexibilité géographique accrue pour les charges de travail IA. Les entreprises de la région EMEA expriment une forte ouverture à l’idée de placer les modèles d’entraînement loin de leurs opérations commerciales principales, tandis que les entreprises nord-américaines et d’Asie-Pacifique sont flexibles pour l’entraînement comme pour l’inférence.