ACTUALITÉS / TECHNOLOGIE DE L'AI

Avec le cloud, les utilisateurs se voient proposer une infrastructure abstraite en tant que service (IaaS*) plutôt que des ressources finies qu'ils peuvent acheter, connues sous le nom d'infrastructure sur site. Le cloud peut également offrir une application (PaaS* : Platform as a Service) ou une fonction (FaaS* : Function As A Service).

Le besoin d'abstraction

Avec le cloud, les utilisateurs se voient proposer une infrastructure abstraite en tant que service (IaaS*) plutôt que des ressources finies qu'ils peuvent acheter, connues sous le nom d'infrastructure sur site. Le cloud peut également offrir une application (PaaS* : Platform as a Service) ou une fonction (FaaS* : Function As A Service).

Comparez par exemple l'achat d'une voiture à l'utilisation d'un taxi.

Acheter une voiture, c'est connaître à l'avance les ressources dont vous avez besoin : puissance du moteur, taille, options, etc.

Prendre un taxi est beaucoup plus souple. Il n'y a pas d'entretien, il est disponible à la demande en quelques minutes et il offre plusieurs possibilités d'attente.

Dans le cloud, la maintenance des machines (pas de maintenance), la création de machines virtuelles à la demande (disponibilité en secondes/minutes) et le choix des applications (choix des options) peuvent être transparents pour l'utilisateur.

Grâce à la flexibilité du “à la demande” offerte par le cloud, l'IA peut répondre aux besoins de ressources souvent imprévisibles par l'utilisation d'algorithmes erratiques de “traitement”. Ainsi, l'informatique cloud se concentre davantage sur le problème que sur les outils nécessaires pour y répondre.

Le besoin de puissance des machines

L'IA a besoin de puissance. Les leaders de l'IA, qui sont aussi les principaux fournisseurs de cloud, ont investi dans des technologies propriétaires pour gagner la course à la meilleure puissance de calcul.

Google développe ses propres puces appelées TPU* (Tensor Processing Units), construites dans le seul but d'accélérer les calculs d'apprentissage profond sur TensorFlow*, son framework open-source dédié*. La troisième génération de TPU, le TPUv3 pod, atteint des vitesses de calcul de plusieurs centaines de pétaflops*.

Avant que Google n'invente les TPU, les CPU* (Central Processing Units) étaient utilisés pour toutes les opérations des programmes informatiques (logique, arithmétique, etc.). Les GPU* (Graphics Processing Units) sont des puces développées initialement pour les besoins graphiques (par exemple l'affichage de pixels à l'écran). En augmentant le nombre de cœurs, elles peuvent très efficacement paralléliser les calculs. (La détection de cette capacité spécifique date de 2009 : Les GPU sont 70 fois plus puissants que les CPU).

La nécessité d'optimiser les coûts

Le cloud offre la flexibilité de choisir le niveau d'abstraction de IaaS et PaaS à FaaS, ce qui permet aux entreprises de maximiser la création de valeur et de réduire les coûts.

Sur site, la capacité des machines et leur mise à disposition sont pensées en amont et fixées pour une certaine période. 

Du côté du cloud, les équipes ont la possibilité de choisir le modèle qui leur convient :

  • ‘Sur place’ cloud : l'équipe loue un nombre déterminé de machines à long terme auprès d'un fournisseur cloud.
  • ‘Sur demande’ cloud : les équipes du data peuvent librement augmenter ou réduire les ressources en fonction de leurs besoins, via un code ou via une interface de type bouton-clic (entièrement gérée).
  • ‘Sans serveur’ cloud : le dimensionnement des machines est réalisé automatiquement pour coller au plus près de la demande réelle, de la granularité d'une demande, d'un travail, etc.

La nécessité d'actualiser l'IA

Seul le cloud permet l'évolutivité et la mise à jour de l'IA. Un projet d'IA est toujours suivi d'une phase de maintenance et d'amélioration continue, où l'IA va progressivement évoluer pour se perfectionner. Ce processus nécessite une mise à jour perpétuelle de l'IA (intégration de nouveaux data, affinement des paramètres de l'algorithme, versioning, etc.).

Le cloud permet la mise en place d'une infrastructure toujours compatible avec les dernières innovations en matière d'IA, limitant ainsi la dette technologique créée par les choix de développement initiaux.

Le besoin de collaboration

Le cloud est un excellent véhicule pour la collaboration en matière d'IA. Les principaux acteurs ont créé des places de marché, comme la Google Cloud Platform, où les utilisateurs peuvent utiliser ou publier des outils et des algorithmes gratuitement ou moyennant paiement.

Les contributions des principaux acteurs du cloud et de leurs communautés de scientifiques et d'ingénieurs du data en témoignent également.

Le cloud est un espace intrinsèquement communautaire. Il ne s'agit pas d'opposer une technologie à une autre ; c'est un monde à part entière. Nous ne pouvons pas nous opposer à la technologie sur site dans le cloud, car les utilisateurs de cette technologie participent aux communautés du cloud qui sont le fer de lance de l'innovation.