Connect with us

Technologie

Mettre les charges de travail d’intelligence artificielle et d’apprentissage automatique dans le cloud

Published

on


L’intelligence artificielle (IA) et l’apprentissage automatique (ML) sont parmi les technologies d’entreprise les plus médiatisées et ont captivé l’imagination des conseils d’administration, avec la promesse d’efficacités et de coûts réduits, et du public, avec des développements tels que les voitures autonomes et les taxis aériens quadcoptères autonomes.

Bien sûr, la réalité est un peu plus prosaïque, les entreprises se tournant vers l’IA pour automatiser des domaines tels que les recommandations de produits en ligne ou la détection de défauts sur les lignes de production. Les organisations utilisent l’IA dans des secteurs verticaux, tels que les services financiers, la vente au détail et l’énergie, où les applications incluent la prévention de la fraude et l’analyse des performances commerciales pour les prêts, la prévision de la demande pour les produits saisonniers et le traitement de grandes quantités de données pour optimiser les réseaux énergétiques.

Tout cela est en deçà de l’idée de l’IA en tant que machine intelligente sur le modèle de 2001 : L’Odyssée de l’espace Hal. Mais il s’agit toujours d’un marché en croissance rapide, stimulé par les entreprises qui tentent de générer plus de valeur à partir de leurs données et d’automatiser l’intelligence d’affaires et l’analyse pour améliorer la prise de décision.

Le cabinet d’analyse Gartner, par exemple, prévoit que le marché mondial des logiciels d’IA atteindra 62 milliards de dollars cette année, la croissance la plus rapide provenant de la gestion des connaissances. Selon la firme, 48% des DSI interrogés ont déjà déployé l’intelligence artificielle et l’apprentissage automatique ou prévoient de le faire au cours des 12 prochains mois.

Une grande partie de cette croissance est tirée par les développements de l’informatique en nuage, car les entreprises peuvent tirer parti des faibles coûts initiaux et de l’évolutivité de l’infrastructure en nuage. Gartner, par exemple, cite le cloud computing comme l’un des cinq facteurs de croissance de l’IA et du ML, car il permet aux entreprises « d’expérimenter et d’opérationnaliser l’IA plus rapidement avec une complexité moindre ».

En outre, les grands fournisseurs de cloud public développent leurs propres modules d’IA, y compris la reconnaissance d’images, le traitement de documents et les applications de périphérie pour prendre en charge les processus industriels et de distribution.

Certaines des applications d’IA et de ML à la croissance la plus rapide concernent le commerce électronique et la publicité, car les entreprises cherchent à analyser les habitudes de dépenses et à faire des recommandations, et utilisent l’automatisation pour cibler la publicité. Cela tire parti du volume croissant de données d’entreprise qui résident déjà dans le cloud, réduisant ainsi les coûts et la complexité associés au déplacement des données.

Le cloud permet également aux organisations d’utiliser des installations d’analyse et de calcul avancées, qui ne sont souvent pas rentables à construire en interne. Cela inclut l’utilisation d’unités de traitement graphique (GPU) dédiées et de volumes de stockage extrêmement importants rendus possibles par le stockage en nuage.

« De telles capacités sont hors de portée des offres sur site de nombreuses organisations, telles que le traitement GPU. Cela démontre l’importance de la capacité cloud dans les stratégies numériques des organisations », explique Lee Howells, responsable de l’IA chez pa Consulting.

Les entreprises développent également une expertise dans leur utilisation de l’IA grâce à des services basés sur le cloud. L’un des domaines de croissance est l’AIOps, où les organisations utilisent l’intelligence artificielle pour optimiser leurs opérations informatiques, en particulier dans le cloud.

Un autre est MLOps, qui, selon Gartner, est l’opérationnalisation de plusieurs modèles d’IA, créant des « environnements d’IA composites ». Cela permet aux entreprises de construire des modèles plus complets et fonctionnels à partir de blocs de construction plus petits. Ces blocs peuvent être hébergés sur des systèmes sur site, en interne ou dans des environnements hybrides.

Offres d’IA des fournisseurs de services cloud

Tout comme les fournisseurs de services cloud offrent les éléments constitutifs de l’informatique – calcul, stockage et mise en réseau – ils construisent une gamme de modèles d’intelligence artificielle et d’apprentissage automatique. Ils offrent également des services basés sur l’IA et le ML que les entreprises, ou les sociétés technologiques tierces, peuvent intégrer dans leurs applications.

Ces offres d’IA n’ont pas besoin d’être des processus de bout en bout, et souvent elles ne le sont pas. Au lieu de cela, ils fournissent des fonctionnalités qui seraient coûteuses ou complexes pour une entreprise à fournir elle-même. Mais ce sont aussi des fonctions qui peuvent être exécutées sans compromettre les exigences de sécurité ou réglementaires de l’entreprise, ou qui impliquent une migration à grande échelle des données.

Des exemples de ces modules d’IA comprennent le traitement et la reconnaissance d’images, le traitement et l’analyse de documents et la traduction.

« Nous opérons au sein d’un écosystème. Nous achetons des briques aux gens, puis nous construisons des maisons et d’autres choses à partir de ces briques. Ensuite, nous livrons ces maisons à des clients individuels », explique Mika Vainio-Mattila, PDG de Digital Workforce, une société d’automatisation des processus robotiques (RPA). L’entreprise utilise les technologies cloud pour étendre sa prestation de services d’automatisation à sa personnalisationrs, y compris son « robot as a service », qui peut fonctionner soit sur Microsoft Azure, soit sur un cloud privé.

Vainio-Mattila affirme que l’IA est déjà une partie importante de l’automatisation des affaires. « Celui qui est probablement le plus répandu est le traitement intelligent des documents, qui donne essentiellement un sens aux documents non structurés », dit-il.

« L’objectif est de rendre ces documents significatifs pour les « robots », ou agents numériques automatisés, qui font ensuite des choses avec les données de ces documents. C’est l’espace où nous avons vu la plupart des outils et des technologies d’IA, et où nous avons le plus appliqué l’IA nous-mêmes.

Il constate une poussée croissante des grandes entreprises de cloud public pour fournir des outils et des modèles d’IA. Initialement, c’est à des fournisseurs de logiciels tiers ou à des fournisseurs de services tels que son entreprise, mais il s’attend à ce que les fournisseurs de solutions cloud (CSP) offrent également plus de technologie d’IA directement aux entreprises utilisatrices.

« C’est un espace intéressant parce que les grands fournisseurs de cloud – dirigés par Google évidemment, mais très suivis par Microsoft et Amazon, et d’autres, IBM également – ont mis en œuvre des services autour de services basés sur le ML et l’IA pour déchiffrer les informations non structurées. Cela inclut la reconnaissance ou la classification des photographies ou, ou la traduction.

Il s’agit de technologies « à usage général » conçues pour que d’autres puissent les réutiliser. Les applications métier sont souvent très spécifiques aux cas d’utilisation et nécessitent des experts pour les adapter aux besoins commerciaux d’une entreprise. Et l’accent est davantage mis sur les opérations de back-office que sur des applications telles que les voitures sans conducteur.

Les fournisseurs de cloud proposent également des modules « spécifiques au domaine », selon Howells de PA Consulting. Ceux-ci ont déjà évolué dans les services financiers, la fabrication et les soins de santé, dit-il.

En fait, la gamme de services d’IA offerts dans le cloud est large et en croissance. « Le grand [cloud] les joueurs ont maintenant des modèles que tout le monde peut prendre et exécuter », explique Tim Bowes, directeur associé de l’ingénierie des données chez le cabinet de conseil Dufrain. « Il y a deux ou trois ans, il n’y avait que de la technologie tierce, mais ils construisent maintenant des outils propriétaires. »

Azure, par exemple, propose Azure AI, avec des modèles d’IA de vision, de parole, de langage et de prise de décision auxquels les utilisateurs peuvent accéder via des appels d’IA. Microsoft décompose ses offres en services d’IA appliquée, services cognitifs, apprentissage automatique et infrastructure d’IA.

Google propose une infrastructure d’IA, Vertex AI, une plate-forme de ML, des services de science des données, la traduction des médias et la synthèse vocale, pour n’en nommer que quelques-uns. Son API Cloud Inference permet aux entreprises de travailler avec de grands ensembles de données stockés dans le cloud de Google. La société, sans surprise, fournit des GPU cloud.

Amazon Web Services (AWS) fournit également une large gamme de services basés sur l’IA, notamment la reconnaissance d’images et l’analyse vidéo, la traduction, l’IA conversationnelle pour les chatbots, le traitement du langage naturel et une suite de services destinés aux développeurs. AWS fait également la promotion de ses modules santé et industriels.

Les grands fournisseurs de logiciels d’entreprise et de logiciels en tant que service (SaaS) ont également leurs propres offres d’IA. Il s’agit notamment de Salesforce (ML et analyse prédictive), Oracle (outils ML, y compris les modèles pré-entraînés, la vision par ordinateur et NLP) et IBM (Watson Studio et Watson Services). IBM a même développé un ensemble spécifique d’outils basés sur l’IA pour aider les organisations à comprendre leurs risques environnementaux.

Les entreprises spécialisées comprennent H2O.ai, UIPath, Blue Prism et Snaplogic, bien que ces trois dernières puissent être mieux décrites comme des sociétés d’automatisation intelligente ou de RPA que des fournisseurs d’IA pure-play.

Il s’agit toutefois d’une ligne fine. Selon Jeremiah Stone, directeur de la technologie (CTO) chez Snaplogic, les entreprises se tournent souvent vers l’IA à titre expérimental, même lorsque des technologies plus matures peuvent être plus appropriées.

« Probablement 60% ou 70% des efforts que j’ai vus sont, au moins au début, commencer à explorer l’IA et le ML comme un moyen de résoudre des problèmes qui pourraient être mieux résolus avec des approches plus bien comprises », dit-il. « Mais c’est pardonnable parce que, en tant que personnes, nous sommes continuellement extrêmement optimistes quant à ce que les logiciels et la technologie peuvent faire pour nous – si nous ne le faisions pas, nous n’irions pas de l’avant. »

L’expérimentation de l’IA apportera, dit-il, des avantages à long terme.

Limites et perspectives de l’IA basée sur le cloud

Il existe d’autres limitations à l’IA dans le cloud. Tout d’abord, les services basés sur le cloud sont les mieux adaptés aux données génériques ou aux processus génériques. Cela permet aux organisations de surmonter les obstacles en matière de sécurité, de confidentialité et de réglementation liés au partage de données avec des tiers.

Les outils d’IA contrecarrent cela en ne déplaçant pas les données – ils restent dans l’application métier ou la base de données locale. Et la sécurité dans le cloud s’améliore, au point que de plus en plus d’entreprises sont prêtes à l’utiliser.

« Certaines organisations préfèrent conserver leurs données les plus sensibles sur site. Cependant, avec des fournisseurs de cloud offrant des capacités de sécurité de pointe, la raison de le faire est de réduire rapidement », explique Howells de PA Consulting.

Néanmoins, certaines entreprises préfèrent construire leurs propres modèles d’IA et faire leur propre formation, malgré le coût. Si l’IA est le produit – et que les voitures sans conducteur en sont un excellent exemple – l’entreprise voudra posséder la propriété intellectuelle des modèles.

Mais même dans ce cas, les organisations bénéficieront de domaines dans lesquels elles peuvent utiliser des données et des modèles génériques. La météo en est un exemple, la reconnaissance d’image en est potentiellement un autre.

Même les entreprises ayant des demandes très spécifiques pour leurs systèmes d’IA pourraient bénéficier des vastes ressources de données dans le cloud pour la formation de modèles. Potentiellement, ils pourraient également vouloir utiliser les données synthétiques des fournisseurs de cloud, ce qui permet une formation sur les modèles sans les problèmes de sécurité et de confidentialité du partage de données.

Et peu de gens dans l’industrie parieraient contre ces services provenant, d’abord et avant tout, des fournisseurs de services cloud.

Click to comment

Leave a Reply

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Tendance