Personne ne semble l’ignorer : l’intelligence artificielle prend de plus en plus d’ampleur dans le monde professionnel, imposant de réviser la gestion et le traitement accordés à la data. Il faut une stratégie suffisamment mûre et une architecture prête pour adopter l’IA, ce qui est loin d’être le cas actuellement.
Garantir des performances optimales pour les modèles d’IA
Seules 37 % des entreprises (DataProt, 2023) utilisent ainsi cette technologie dans le cadre de leurs activités, majoritairement pour de petits projets. Ces derniers ne sont pas toujours complètement industrialisés ni mis au service de l’utilisateur final.Or, les modèles d’IA sont gourmands en ressources. Ils nécessitent des capacités de calcul importantes pour traiter les données et fournir des prédictions en temps réel. La mise à l’échelle des infrastructures IT pour l’IA est un processus complexe à l’heure d’ajouter des ressources à la demande. Pour garantir des performances optimales pour les modèles IA et une gestion efficace des ressources informatiques, les entreprises doivent donc se doter de la bonne stratégie et des bons outils.
La solution : un data warehouse moderne dans le Cloud
Si l’adoption de l’Intelligence Artificielle nécessite d’énormes puissances de calcul, l’architecture on-premise n’est actuellement pas capable de gérer une telle volumétrie, vélocité et variété de données. Pour assurer la précision et la fiabilité de l’analyse prédictive, il faut des données de haute qualité, une stratégie mûre et une architecture solide. Elle doit être capable de supporter l’ajout de surcouches d’analyses prédictives aux surcouches existantes sur les process BI (Business Intelligence) et sur l’architecture data pour en améliorer les fonctionnalités et la performance.La solution est d’implémenter sur le Cloud un data warehouse moderne. Celui-ci permet d’automatiser l’ingestion et l’analyse de données, tout en donnant la possibilité d’ajouter des surcouches IA pour l’analyse prédictive. Ses bénéfices sont nombreux. La virtualisation des données, tout d’abord, les rend accessibles. Elles peuvent être analysées à la source, réduisant ainsi la complexité, le risque d’erreurs, le coût et le temps de traitement. Cette architecture permet par ailleurs de gérer des flux mixtes, pour une ingestion continue et une analyse en temps réel des données. D’autant qu’il n’est pas forcément question pour les entreprises de laisser tomber leur architecture actuelle. Une stratégie intermédiaire consistera à la transformer en Cloud privé, lui adjoindre un Cloud public, et permettre aux deux architectures de communiquer ensemble de façon efficace et sécurisée.
https://fr.insight.com/fr_FR/content-and-resources/2023/articles/tribune-cloud-comment-preparer-son-environnement-a-l-adoption-de-IA.html
Par Slim Farhani, Architecte Data chez Insight
