skip to Main Content
Intelligence artificielle

La quatrième révolution industrielle est en train de se produire, portée par la progression très rapide de l’appren-tissage automatique (AA) et de l’intelligence artificielle (IA). Ce n’est plus un secret : les données sont le pétrole moderne et les entreprises doivent réussir à extraire un maximum d’informations exploitables à partir de ces données. C’est particulièrement le cas pour les pays fortement industrialisés comme la Suisse.

L'apprentissage automatique et l'intelligence artificielle ont le vent en poupe
Derniers développements et le rôle déterminant de la technologie de stockage moderne pour l'accélération des workloads exigeants.

La quatrième révolution industrielle est en train de se produire, portée par la progression très rapide de l’apprentissage automatique (AA) et de l’intelligence artificielle (IA). Lors des trois révolutions techniques précédentes, la société, longtemps agricole, s’est d’abord transformée en une société industrielle, puis est venue ensuite la production de masse et finalement la numérisation. La quatrième révolution, portée par les machines et les services intelligents, devrait à nouveau transformer notre société. De nouveaux secteurs vont voir le jour.

Ce n’est plus un secret: les données sont le pétrole moderne et les entreprises doivent réussir à extraire un maximum d’informations exploitables à partir de ces données. [1] C’est particulièrement le cas pour les pays fortement industrialisés comme la Suisse. Ici, les données et le savoir revêtent depuis longtemps une très grande importance en tant que facteurs de production. Des sujets tels que l’IA, le Deep Learning et le Big Data Analytics deviennent donc de plus en plus importants pour la place économique suisse. Les grands du secteur tels que le groupe industriel ABB et le groupe pharmaceutique Roche sont à l’avant-garde des stratégies d’IA et Swisscom conseille même expressément aux entreprises suisses d’investir dans l’IA. [2] [3]

Ce n’est plus un secret : les données sont le pétrole moderne et les entreprises doivent réussir à extraire un maximum d’informations exploitables à partir de ces données. [1] C’est particulièrement le cas pour les pays fortement industrialisés comme la Suisse.

Les «Early Adopters» sont des entreprises qui se font remarquer dans ce domaine et embrassent la transformation numérique. Elles utilisent déjà le potentiel de la quatrième révolution industrielle et profitent de plus en plus des nouveaux développements, ce qui leur permet de connaître une croissance exponentielle, de devenir plus efficaces et de développer de nouveaux produits et services attrayants. Elles y parviennent avant tout car elles réussissent, grâce à l’utilisation des technologies les plus modernes, à mieux tirer parti des données mises à leur disposition.
D’autres entreprises en Suisse et dans le monde entier vont peu à peu commencer à identifier les applications permettant de tirer profit de l’AA et de l’IA. Des marchés innovants tels que les Etats-Unis et la Chine illustrent la façon dont des entreprises découvrent de nouvelles possibilités et en tirent parti.

D’autres entreprises en Suisse et dans le monde entier vont peu à peu commencer à identifier les applications permettant de tirer profit de l’AA et de l’IA.

Le stockage ne doit pas constituer le goulot d'étranglement de l'IA et de l'AA

Les réserves de données ne constituent pas le problème. A l’heure actuelle, la plupart des entreprises disposent de quantités énormes de nouvelles et d’anciennes données, mais souvent, elles ne savent même pas ce que ces données contiennent. Elles partent du principe que les données sont précieuses et utiles, mais ne peuvent pas exploiter cette utilité.

Dans le cadre du rapport d’évolution d’un fournisseur de stockage leader sur le marché, 9’000 entreprises ont été interrogées de par le monde, dont 500 en Suisse. Les entreprises ont reconnu qu’elles pouvaient extraire des données commerciales précieuses et pertinentes dans les données. La complexité technique constitue toutefois un obstacle pour 49 % d’entre elles. [4]
Ces entreprises sont intéressées par de nouvelles solutions. Elles ont besoin d’une technologie qui leur permette de rendre les données disponibles très rapidement pour une analyse moderne. Pour ce faire, de grandes quantités de données doivent être, traitées à des vitesses très élevées par des processeurs travaillant en parallèle, tels que des CPU et des GPU multi-cœurs. Il est ainsi possible de faire progresser de façon plus rapide et précise l’apprentissage automatique et les algorithmes analytiques. Jusqu’à présent, la majeure partie de l’utilisation de l’AA revenait aux hyperscalers, de grands fournisseurs de cloud tels qu’Amazon, Microsoft et Google, ainsi qu’à des entreprises dotées d’une infrastructure web-scale importante. Les workloads d’AA et d’IA sont toutefois de plus en plus traités sur place dans les centres de calcul propres des entreprises. [5]

Jusqu’à présent, la majeure partie de l’utilisation de l’AA revenait aux hyperscalers, de grands fournisseurs de cloud tels qu’Amazon, Microsoft et Google, ainsi qu’à des entreprises dotées d’une infrastructure web-scale importante. Les workloads d’AA et d’IA sont toutefois de plus en plus traités sur place dans les centres de calcul propres des entreprises. [5]

De manière générale, l'AA et l'IA ont le vent en poupe dans de nombreux secteurs :
  • L’AA est considéré comme une immense opportunité de croissance dans l’industrie automobile, où se déroule actuellement la compétition mondiale pour construire les premiers véhicules autonomes utilisables dans la pratique. [6]
  • Dans le secteur de la finance, les entreprises mettent en place l’IA et l’AA pour automatiser les négociations, mieux comprendre les risques de crédit et gérer les risques. [7]
  • Dans la recherche médicale, l’analyse d’images IRM assiste les professionnels de la santé dans les diagnostics cliniques, comme c’est déjà le cas dans de grands hôpitaux suisses. [8]
Des technologies de stockage adéquates pour de nouveaux processeurs haut de gamme

Les CPU et GPU ultra-rapides de dernière génération nécessitent actuellement des technologies de stockage tout aussi rapides, qui les alimentent en permanence avec de grandes quantités de données. Pendant des années, on a toutefois répondu au besoin de ressources de stockage toujours plus importantes par une augmentation massive de matériel traditionnel. Celui-ci nécessite beaucoup d’espace, requiert énormément de refroidissement et, par conséquent, entraîne une consommation électrique très élevée. On utilise donc un peu partout encore des systèmes avec disques durs traditionnels qui, de plus, communiquent avec d’anciens protocoles et ne permettent pas de traitement multiple en parallèle des opérations sur les données.
Les solutions de stockage All-Flash apportent ici une contribution décisive à la «démocratisation» de l’intelligence artificielle. A l’aide de celles-ci, les entreprises peuvent stocker et traiter très rapidement d’immenses volumes de données avec des coûts chiffrables. Une plateforme de données fondée sur un stockage All-Flash, spécialement conçue pour l’intelligence artificielle et le Deep Learning et optimisée pour toutes les données non structurées, y est particulièrement adaptée. Cette approche innovante réunit une efficacité énergétique exem-plaire, une puissance de traitement en parallèle supérieure ainsi qu’une modularité réellement linéaire pour de nouvelles utilisations qui traitent beaucoup de données.

Une plateforme de données fondée sur un stockage All-Flash, spécialement conçue pour l’intelligence artificielle et le Deep Learning et optimisée pour toutes les données non structurées, y est particulièrement adaptée.

Comment vont évoluer l'IA et l'AA

Deux phases peuvent être à l’heure actuelle identifiées en matière de d’IA et d’AA :

  • Pendant la première phase, les experts développent des modèles.
  • Lors de la deuxième phase, ces modèles sont transposés dans une infrastructure.

Les données y sont traitées de façon à ce que les entreprises accèdent aux informations qu’elles cherchent avec une exactitude aussi grande que possible.

Un changement se produira certainement à l’avenir. Les deux phases (modélisation et collecte d’informations en utilisant l’infrastructure) vont fusionner.

Nous entrons dans une époque où les modèles de formation et d’apprentissage seront constamment optimisés par l’auto-optimisation. Les modèles de formation traiteront non seulement des données pour obtenir des informations, mais ils utiliseront les connaissances issues de ce processus pour s’améliorer eux-mêmes. L’intelligence artificielle va donc en permanence se renforcer elle-même car les modèles d’apprentissage commenceront à «travailler sur eux-mêmes».

Ces évolutions créent un besoin encore plus important pour des technologies de stockage des plus performantes. Celles-ci doivent aujourd’hui, et encore davantage à l’avenir, offrir des performances flexibles, fiables et, au besoin, extrêmement élevées tout en demeurant invisibles. L’exploitation discrète en arrière-plan ne réduit en rien l’énorme importance que le stockage prend aujourd’hui pour stimuler les workloads modernes dans les entreprises les plus innovantes du monde.

Nous entrons dans une époque où les modèles de formation et d’apprentissage seront constamment optimisés par l’auto-optimisation.

Ces évolutions créent un besoin encore plus important pour des technologies de stockage des plus performantes. Celles-ci doivent aujourd’hui, et encore davantage à l’avenir, offrir des performances flexibles, fiables et, au besoin, extrêmement élevées tout en demeurant invisibles.

Références

1 Source: Malte Spitz, Daten – das Öl des 21. Jahrhunderts? (Les données : le pétrole du 21e siècle?) Hoffmann und Campe, Hambourg 2017
2 Source: NZZ.ch, Zwei Schweizer Konzerne haben mit künstlicher Intelligenz Grosses vor (Deux groupes suisses ont de grandes ambitions en matière d’intelligence artificielle)
3 Source: Swisscom, Intelligence artificielle : Warum Schweizer Unternehmen in KI investieren sollten (Pourquoi les entreprises suisses devraient investir dans l’IA)
4 Source: Pure Storage, Evolution: The Data Economy Report, 2017
5 Source: DataCenterKnowledge.com, NVIDIA CEO: AI Workloads Will «Flood» Data Centers (Les workloads d’IA vont noyer les centres de données)
6 Source: Springer Professionell, KI setzt in der Automobilproduktion Milliarden frei (l’IA libère des milliards dans la production automobile)
7 Source: Big-Data-Insider.de, Maschinelles Lernen wird Standard im Finanzwesen (l’apprentissage automatique devient la norme dans le secteur de la finance)
8 Source: Microsoft KMU Blog, Hohes Potenzial für Künstliche Intelligenz im Gesundheitswesen (haut potentiel pour l’intelligence artificielle dans le secteur de la santé)

Related Content
Mobilité
Mobilité
Mobilité

La génération mobile nécessite une adaptation dans de nombreuses entreprises. Renseignez-vous sur toutes les subtilités à respecter en matière de mobilité pour les entreprises.

En savoir plus
Partenaires technologiques
NetApp

NetApp
Star Partner

Back To Top
×Close search
Rechercher