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

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.