Les principaux défis infrastructurels limitant le potentiel de l'IA

PatrickLastennet, directeur du marketing et des affaires de la société immobilière numérique Interxion, examine les obstacles à l'accélération de l'innovation en matière d'IA. Il estime qu’il est important de développer dès le début une stratégie d’infrastructure solide pour le déploiement de l’IA.

La demande des gens en matière d’intelligence artificielle est croissante. Les entreprises de tous les secteurs étudient comment utiliser l’intelligence artificielle pour accélérer l’innovation et offrir un puissant avantage concurrentiel. Cependant, la conception d’une infrastructure d’IA est complexe et fastidieuse, et par conséquent, 76 % des entreprises estiment que l’infrastructure constitue un obstacle au succès de l’IA.

Cependant, ce n’est pas une excuse pour ralentir les progrès. Alors que de plus en plus d’entreprises recherchent activement l’IA, ou du moins sont à la traîne, celles qui attendent ne feront que prendre encore plus de retard.

Une enquête récente menée auprès des décideurs informatiques de huit pays européens a révélé que près des deux tiers des entreprises (62 %) déploient ou testent actuellement l'IA, et 17 % supplémentaires prévoient d'utiliser l'IA en 2020.

Les personnes interrogées ont noté que de nombreux obstacles infrastructurels limitent le déploiement à grande échelle de l'IA, allant du manque de ressources, telles que le financement, le personnel et l'infrastructure physique, jusqu'aux stratégies d'entreprise peu claires qui ne prennent pas en compte l'IA.

Le déploiement de l'IA étant un processus lent pour de nombreuses entreprises, un énorme fossé technologique se formera entre les entreprises qui sont entrées dans la phase de déploiement et celles qui n'ont pas encore commencé à planifier. Les entreprises qui ne souhaitent pas investir dans l’IA manqueront des opportunités d’acquérir un avantage concurrentiel.

C’est pourquoi il est si important d’avoir dès le début une stratégie d’infrastructure solide pour le déploiement de l’IA. Voici quelques questions à considérer.

Obstacles au succès

Souvent, les entreprises menant d'importantes activités de R&D en IA ne disposent pas d'un investissement initial significatif de la part de leur service informatique. En conséquence, les équipes créent malheureusement une infrastructure d’IA fantôme créée sous le radar du service informatique, ce qui constitue un défi à exploiter avec succès et, en fin de compte, inefficace. Les entreprises peuvent éviter l’IA fantôme en développant une stratégie d’infrastructure spécifiquement optimisée pour l’IA.

L'enquête a souligné que les coûts incommensurables constituent le principal problème (21 %). Qu’il s’agisse du besoin de nouveaux investissements en ressources humaines et en équipements, des coûts imprévus sur le chemin sinueux entre la conception et le déploiement de l’IA, en passant par l’innovation rapide et l’évolution des exigences technologiques, les investissements en IA peuvent être substantiels et difficiles à prévoir. De plus, les déconnexions internes entre le développement de l’informatique et de l’IA peuvent entraîner un faible retour sur investissement si les entreprises ne parviennent pas à déployer la technologie.

Le manque de personnel expert en interne constitue également un défi majeur. Les entreprises doivent souvent embaucher des développeurs professionnels, ce qui peut s'avérer coûteux et prendre du temps aux nouveaux employés pour apprendre le métier afin de répondre aux objectifs de conception de l'IA et d'organisation.

Un équipement informatique insuffisant empêche également les entreprises d’envisager comment l’intelligence artificielle peut être intégrée dans leurs opérations. Selon l'enquête, de nombreuses entreprises s'inquiètent du fait que leur infrastructure actuelle n'est pas optimisée pour prendre en charge l'IA et que les centres de données atteignent leur pleine capacité.

Les obstacles à la phase stratégique sont généralement similaires dans tous les secteurs, mais les décisions spécifiques en matière d'infrastructure peuvent varier selon le secteur. Les exigences légales ou de conformité, telles que le RGPD, ainsi que les types de données et de flux de travail impliqués, auront un impact sur les décisions en matière d'infrastructure d'IA.

L'étude a révélé que 39 % des entreprises, tous secteurs confondus, utilisent les principaux cloud publics, dont la majorité sont des fabricants à la recherche de flexibilité et de rapidité. Pendant ce temps, 29 % des personnes interrogées préfèrent les solutions internes soutenues par des consultants – généralement des sociétés financières, énergétiques et de santé qui souhaitent conserver leurs données d’informations personnelles identifiables (PII) sous une sécurité stricte et sous un meilleur contrôle.

Éléments d'une infrastructure d'IA réussie

Étant donné que de nombreuses entreprises partent de zéro, il est essentiel d'avoir une stratégie claire dès le début, car une nouvelle architecture ultérieure coûtera beaucoup de temps, d'argent et de ressources. Pour réussir à mettre en œuvre l’IA à grande échelle, les entreprises doivent examiner plusieurs aspects.

Avant tout, les entreprises doivent être en mesure de s'assurer qu'elles disposent de la bonne infrastructure pour prendre en charge l'acquisition et la collecte de données requises pour les ensembles de données préparés pour les charges de travail d'IA. En particulier, il faut prêter attention à l’efficacité et au coût de la collecte de données à partir d’appareils de périphérie ou dans le cloud sur lesquels l’inférence de l’IA s’exécute. Idéalement, cela doit être mis en œuvre dans plusieurs régions du monde, tout en tirant parti des connexions à haut débit et en garantissant une haute disponibilité. Cela signifie que les entreprises ont besoin d'une infrastructure soutenue par une structure réseau qui offre :

Proximité des données d'IA : La 5G et les nœuds centraux de lignes fixes dans les centres de données d'entreprise apportent les données d'IA provenant des équipements de terrain, des bureaux et des installations de fabrication dans la région. Centres de données d'interconnexion pour traiter selon des architectures multi-nœuds.

Accès direct au cloud : Fournit un accès haute performance aux environnements cloud hyperscale pour prendre en charge les déploiements hybrides de charges de travail de formation ou d'inférence d'IA.

Échelle géographique : En plaçant leur infrastructure dans plusieurs centres de données situés dans des zones géographiques stratégiques, les entreprises peuvent réaliser une acquisition de données à faible coût et une fourniture de charges de travail d'IA hautes performances à l'échelle mondiale.

Lorsque les entreprises envisagent de former des modèles d'IA/d'apprentissage profond, il est impératif de considérer un partenaire de centre de données capable d'accueillir la technologie d'alimentation et de refroidissement nécessaire pour prendre en charge le calcul accéléré par GPU sur le long terme, ce qui nécessite :

Haute densité de racks : Pour prendre en charge les charges de travail d'IA, les entreprises ont besoin de plus de puissance de calcul dans chaque rack de leurs centres de données. Cela signifie une densité de puissance plus élevée. En fait, la plupart des entreprises devront au moins tripler leur densité maximale pour prendre en charge les charges de travail d’IA et se préparer à des niveaux plus élevés à l’avenir.

Volume et échelle : La clé pour tirer parti des avantages de l'IA est sa mise en œuvre à grande échelle. La possibilité de fonctionner sur du matériel à grande échelle (GPU) permet des effets informatiques à grande échelle.

La route vers une intelligence artificielle réaliste

La plupart des centres de données d'entreprise sur site ne peuvent pas gérer une telle échelle de données. Les cloud publics, quant à eux, offrent la voie de la moindre résistance, mais ne constituent pas toujours le meilleur environnement pour former des modèles d'IA à grande échelle ou les déployer en production en raison de coûts élevés ou de problèmes de latence.

Alors, quelle est la meilleure approche pour les entreprises qui souhaitent concevoir une infrastructure pour prendre en charge les charges de travail de l'IA ? En examinant comment les entreprises qui tirent déjà parti de l'IA choisissent de déployer leur infrastructure, des leçons importantes peuvent être tirées.

Des entreprises à grande échelle telles que Google, Amazon, Facebook et Microsoft ont déployé avec succès l'IA à grande échelle en utilisant leur propre infrastructure centrale et périphérique, souvent déployée dans des centres de données hautement connectés et de haute qualité. Ils ont largement recours à la colocation dans le monde entier, car ils savent qu'elle peut prendre en charge l'échelle, la densité et la connectivité dont ils ont besoin.

En tirant parti des connaissances et de l'expérience de ces leaders de l'IA, les entreprises seront en mesure de tracer leur propre destin dans le domaine de l'IA.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!