En tant que concept, l’intelligence artificielle est très ancienne. Mon premier emploi à la sortie de l’université il y a près de 40 ans était celui de développeur de systèmes d’IA utilisant Lisp. De nombreux concepts de l’époque sont encore utilisés aujourd’hui. Cependant, il est aujourd’hui environ mille fois moins cher de créer, de déployer et d’exploiter des systèmes d’IA à des fins commerciales.
Le cloud computing a révolutionné l’IA et le machine learning, non pas parce que les hyperscalers l’ont inventé, mais parce qu’ils l’ont rendu abordable. Néanmoins, moi-même et d’autres constatons un changement dans la réflexion sur l’endroit où héberger le traitement AI/ML et les données couplées AI/ML. L’utilisation des fournisseurs de cloud public était à peu près une évidence ces dernières années. De nos jours, la valorisation de l’hébergement AI/ML et les données nécessaires sur les fournisseurs de cloud public sont remises en question. Pourquoi ?
Coût bien sûr. De nombreuses entreprises ont construit des systèmes d’IA/ML révolutionnaires dans le cloud, et lorsqu’elles reçoivent les factures du cloud à la fin du mois, elles comprennent rapidement que l’hébergement de systèmes d’IA/ML, y compris des téraoctets ou des pétaoctets de données, est coûteux. De plus, les coûts de sortie et d’entrée de données (ce que vous payez pour envoyer des données de votre fournisseur de cloud vers votre centre de données ou un autre fournisseur de cloud) augmenteront considérablement cette facture.
Les entreprises envisagent d’autres options plus rentables, y compris les fournisseurs de services gérés et les fournisseurs de colocation (colos), ou même déplacent ces systèmes vers l’ancienne salle des serveurs au bout du couloir. Ce dernier groupe revient aux « plates-formes détenues » en grande partie pour deux raisons.
Premièrement, le coût des équipements de calcul et de stockage traditionnels a considérablement diminué au cours des cinq dernières années environ. Si vous n’avez jamais utilisé que des systèmes basés sur le cloud, laissez-moi vous expliquer. Nous avions l’habitude d’aller dans des salles appelées centres de données où nous pouvions toucher physiquement notre équipement informatique, un équipement que nous devions acheter directement avant de pouvoir l’utiliser. Je ne plaisante qu’à moitié.
Lorsqu’il s’agit de louer ou d’acheter, beaucoup constatent que les approches traditionnelles, y compris la charge de la maintenance de votre propre matériel et logiciel, sont en fait beaucoup moins chères que les factures cloud en constante augmentation.
Deuxièmement, beaucoup connaissent une certaine latence avec le cloud. Les ralentissements se produisent parce que la plupart des entreprises utilisent des systèmes basés sur le cloud sur Internet ouvert, et le modèle de multilocation signifie que vous partagez des processeurs et des systèmes de stockage avec beaucoup d’autres en même temps. Une latence occasionnelle peut se traduire par plusieurs milliers de dollars de perte de revenus par an, en fonction de ce que vous faites avec votre système d’IA/ML basé sur le cloud spécifique dans le cloud.
La plupart des systèmes d’IA/ML disponibles auprès des fournisseurs de cloud sont également disponibles sur les systèmes traditionnels. La migration d’un fournisseur de cloud vers un serveur local est moins chère et plus rapide, et s’apparente davantage à un processus lift-and-shift, si vous n’êtes pas enfermé dans un système AI/ML qui ne s’exécute que sur un seul fournisseur de cloud.
Quel est l’essentiel ? Le cloud computing va continuer à se développer. Les systèmes informatiques traditionnels dont nous possédons et entretenons le matériel, pas autant. Cette tendance ne ralentira pas. Cependant, certains systèmes, en particulier les systèmes d’IA/ML qui utilisent une grande quantité de données et de traitement et qui sont sensibles à la latence, ne seront pas aussi rentables dans le cloud. Cela pourrait également être le cas pour certaines applications analytiques plus importantes telles que les lacs de données et les maisons de lacs de données.
Certains pourraient économiser la moitié du coût annuel de l’hébergement sur un fournisseur de cloud public en rapatriant le système d’IA/ML sur site. Cette analyse de rentabilisation est tout simplement trop convaincante pour être ignorée, et beaucoup ne le feront pas.
Les prix du cloud computing peuvent baisser pour s’adapter à ces charges de travail dont le coût est prohibitif pour s’exécuter sur des fournisseurs de cloud public. En effet, de nombreuses charges de travail peuvent ne pas y être construites en premier lieu, ce que je soupçonne de se produire actuellement. Il n’est plus toujours facile d’exploiter le cloud pour l’IA/le ML.
Toute l’actualité en temps réel, est sur L’Entrepreneur
