L'explosion de l'intérêt pour l'intelligence artificielle (IA) a généré une onde de choc dans le monde des affaires. Des secteurs entiers s'efforcent désespérément de comprendre les ramifications de l'investissement dans l'IA pour l'avenir, ainsi que les implications de la réticence à investir.
Ces derniers mois, de très nombreuses études ont été consacrées à l'IA générative, permettant de produire rapidement des contenus. Cependant, pour les entreprises qui cherchent à exploiter le potentiel profondément transformateur de l'IA, et pas uniquement à élaborer une solution permettant d'envoyer sporadiquement des e-mails, la difficulté est toute autre. Pour que cette technologie ait le type d'impact qu'imaginent les utilisateurs, l'IA doit avoir accès à de vastes quantités de données d'apprentissage, à partir desquelles elle peut apprendre, et doit disposer d'une puissance de calcul importante.
Le problème est que bien que ces deux piliers soient essentiels, ils représentent également un défi en termes de stockage et de gestion des données. C'est pourquoi, sans surprise, le cloud est devenu la solution de référence pour le stockage et le traitement des données pour les applications basées sur l'IA.
Le stockage dans le cloud constitue une solution flexible, évolutive et rentable pour le traitement de grands volumes de données ;par conséquent, le stockage dans le cloud et les applications basées sur l'IA sont en parfaite adéquation.Ensemble, ils fournissent un référentiel pour les données d'apprentissage, permettant aux modèles d'apprentissage automatique de réaliser des prédictions ou de prendre des décisions en fonction des nouveaux résultats.
Imaginons, par exemple, qu'une banque développe un système de détection des fraudes reposant sur l'IA. Pour fonctionner, le modèle d'apprentissage automatique a besoin d'une immense quantité de données concernant les transactions, telles que les montants dépensés, l'objet des dépenses et les lieux des transactions. Ces informations permettraient au programme basé sur l'IA de repérer les anomalies, de signaler les activités suspectes et d'apprendre à identifier les activités frauduleuses.
En soi, la collecte de toutes ces données est une tâche colossale. Cependant, elle est insignifiante comparée aux volumes de données et à la puissance de traitement nécessaires pour permettre à un système de lutte contre la fraude basé sur l'IA de fonctionner.
Une solution consiste à avoir recours à un fournisseur tiers de stockage dans le cloud, qui permettrait à la banque de stocker et d'analyser les données concernant les transactions, sans toutefois devoir investir dans sa propre infrastructure physique ou en assurer la gestion.
À mesure que le projet se développe, la banque peut choisir d'avoir recours à plusieurs clouds pour son système de lutte contre la fraude basé sur l'IA, afin de limiter les coûts et d'assurer sa conformité aux réglementations financières. Et à mesure que le projet prend de l'ampleur, la banque peut décider d'utiliser une plateforme cloud pour exécuter la phase d'apprentissage permettant au programme d'IA « d'apprendre » à partir des données... et une autre plateforme pour exécuter la phase « d'inférence », durant laquelle le programme réalise ses prédictions visant à identifier la fraude.
Cette approche multi-plateforme est courante dans le développement des systèmes basés sur l'intelligence artificielle. Cependant, elle implique que les entreprises doivent continuer à déplacer les données entre différentes plateformes de cloud, souvent proposées par plusieurs fournisseurs de cloud, pour exploiter tout le potentiel de l'IA.
Toutefois, il y a un problème : le transfert de données entre différentes plateformes peut être soumis à des frais de trafic sortant (ou frais de transfert de données). Ces frais sont facturés par les fournisseurs de services cloud lors du transfert de données hors de leurs réseaux.
Le problème est que bien que les frais de trafic sortant soient relativement peu élevés, ils peuvent s'accumuler rapidement, notamment pour les entreprises qui font appel à plusieurs fournisseurs de services cloud et transfèrent d'importants volumes de données.
Pour minimiser les frais de trafic sortant, parfois perçus comme une « taxe » sur les transferts de données, les fournisseurs de cloud encouragent les clients à stocker les données et à entraîner des modèles d'IA exclusivement dans leur cloud. Certes, cette approche permet d'éviter les frais de trafic sortant ;toutefois, elle n'est pas toujours viable, et ne constitue pas non plus nécessairement une bonne pratique.
La solution évidente au problème constitue à supprimer complètement les frais de trafic sortant, afin que les données puissent circuler librement, sans contraintes financières. Un avenir exempt de ces frais permettrait aux entreprises de stocker et d'analyser des données dans plusieurs clouds, leur offrant ainsi la possibilité d'utiliser les meilleurs outils disponibles,sans encourir de coûts supplémentaires.
Cette approche leur permettrait d'exploiter pleinement le potentiel de l'IA, sans devoir se préoccuper de l'augmentation de leurs dépenses.
Une fois mis en œuvre, un modèle de stockage dans le cloud sans frais de trafic sortant permettrait aux entreprises de réaliser d'importantes économies, et ainsi, de libérer des ressources qu'elles pourraient consacrer à d'autres domaines d'activité essentiels. Il éliminerait également le risque associé à la dépendance à un fournisseur de cloud unique, garantissant une plus grande fiabilité et une meilleure protection contre les pannes.
Plus important encore, un monde exempt de frais de trafic sortant dynamiserait l'innovation. La flexibilité qu'offre une architecture multi-cloud permet aux entreprises de sélectionner facilement le fournisseur le mieux adapté à des tâches spécifiques. Les entreprises peuvent ainsi se concentrer sur l'expérimentation et l'innovation, en tirant parti de l'IA et d'autres technologies ultra-modernes, sans que leurs progrès soient grevés par les coûts ou d'autres limitations.
Il ne fait guère de doute que l'IA est en passe de révolutionner les industries et la société dans son ensemble. Toutefois, cette révolution ne peut avoir lieu sans le cloud, le stockage et le déplacement d'immenses volumes de données entre différentes plateformes.
Comme nous l'avons déjà souligné, les frais de trafic sortant ne sont pas seulement coûteux ; ils constituent véritablement un obstacle à l'innovation. L'élimination des frais de trafic sortant est cruciale si nous espérons créer un avenir meilleur pour l'IA dans le cloud. C'est en partie la raison pour laquelle, en 2018, Cloudflare a rejoint des entreprises telles qu'Azure, Google Cloud, Oracle, Alibaba Cloud et d'autres pour fonder Bandwidth Alliance, afin d'aider les clients à réaliser des économies sur les frais de trafic sortant.
En adoptant cette approche, les entreprises peuvent exploiter tout le potentiel de l'IA sans se préoccuper des coûts associés aux transferts de données entre clouds. Cette approche représente également une avancée significative dans le domaine du stockage multi-cloud et pose les fondations d'un avenir plus efficace, plus innovant et plus prometteur au regard de la gestion des données et de l'IA.
Cet article fait partie de notre série consacrée aux nouvelles tendances et évolutions susceptibles d'affecter les décideurs en matière de technologies d'aujourd'hui.
Cet article a été initialement rédigé pour Business Reporter
John Engates – @jengates Field CTO, Cloudflare
Cet article vous permettra de mieux comprendre les points suivants :
Pourquoi les frais de trafic sont perçus comme une taxe sur les données
Un modèle pour le stockage d'objet sans frais de trafic sortant
L'impact que peut avoir la suppression des frais de trafic sortant sur la réalisation du potentiel de l'IA