Double exposure of technology sketch hologram and woman holding and using a mobile device. Ai concept

Découvrez pourquoi les entreprises devraient adopter des solutions d’IA en tant que service.

Image : peshkova/Adobe Stock

Pour chaque application disponible sur site, il est presque certain qu’elle sera également disponible en tant que service basé sur le cloud, fourni à la demande, par un fournisseur de services cloud. L’IA en tant que service (AIaaS) est un ajout assez récent au domaine en plein essor des services basés sur le cloud. Avec l’AIaaS, les entreprises peuvent profiter des avantages de l’IA sans avoir à faire d’investissements initiaux dans le matériel et les logiciels. Et dans le cas de l’IA, les économies peuvent être importantes.

Après des décennies comme fourrage pour les films de science-fiction, l’utilisation de l’intelligence artificielle dans les affaires a explosé. Les entreprises utilisent l’IA pour tout, du service client et du marketing à l’automatisation des processus, à la sécurité et aux prévisions commerciales et commerciales. En fait, une étude menée par les conseillers stratégiques NewVantage a révélé que neuf des 10 meilleures entreprises investissent en permanence dans l’IA. Une étude réalisée en 2019 par le chercheur en informatique Gartner a révélé que 37 % des organisations en 2019 utilisaient réellement l’IA sur le lieu de travail.

VOIR: Politique d’éthique de l’intelligence artificielle (TechRepublic Premium)

Cependant, pour les petites et moyennes entreprises, selon le même rapport Gartner, seulement 29 % ont déclaré avoir adopté l’IA. Ceci est au moins quelque peu influencé par la connaissance que du matériel d’IA spécialisé est nécessaire et a souvent un coût prohibitif. En effet, un serveur générique prêt à l’emploi pourrait être utilisé, mais en raison de la puissance de traitement massive requise, il n’est pas idéal et mettrait un terme à la productivité.

Et ce n’est que l’investissement pour le matériel. Ensuite, il y a le logiciel, la programmation et la formation des modèles, qui nécessitent des data scientists spécialement formés, qui perçoivent des salaires importants. Avec l’AIaaS, les entreprises de toutes tailles peuvent profiter des avantages de la recherche sur l’IA, de l’apprentissage automatique et de l’analyse à la demande et via le cloud.

Quand les entreprises doivent-elles adopter l’AIaaS ?

Comme toutes les autres technologies, l’IA a été adoptée lentement et progressivement. Les entreprises plongent leurs orteils dans l’eau avant de plonger la tête la première pour l’essayer et voir si elle tient ses promesses. Ainsi, le déploiement initial des premiers projets d’IA est généralement mesuré et modeste. Les petites entreprises sont particulièrement averses au risque.

AIaaS est particulièrement utile pour les entreprises qui ne s’attendent pas à faire beaucoup de travail d’IA dès le départ. L’IA se décompose en un processus en deux étapes : l’entraînement et l’inférence. La partie formation est la partie gourmande en calcul, mais l’inférence a des besoins en énergie beaucoup plus faibles et peut être gérée avec un processeur non spécialisé beaucoup moins puissant.

Supposons maintenant que vous ne prévoyiez de déployer que deux ou trois projets d’IA et que vous ayez choisi d’investir dans du matériel spécialisé. Étant donné que vous ne pouvez pas réutiliser un serveur de formation AI en tant que serveur de base de données à usage général, il restera inutilisé.

Inversement, si vous réalisez plusieurs projets d’IA chaque année, vous pouvez envisager d’adopter une approche hybride et d’investir dans un système sur site. En effet, les services cloud utilisent un modèle de paiement à l’utilisation pour toute la puissance de calcul nécessaire pour ingérer et traiter les données ainsi que toutes les applications associées pour le stockage, les bases de données, la mise en réseau et l’analyse. Les projets d’IA ambitieux génèrent des quantités massives de données. Connus sous le nom de « gravité des données », les projets AIaaS peuvent multiplier les besoins en capacité et en services supplémentaires, ce qui augmente les coûts. Cela peut facilement faire exploser la facture du fournisseur de services cloud (CSP) et, à terme, il devient plus économiquement faisable d’apporter ces charges de travail sur site.

Comment AIaaS démocratise l’IA

Il existe une variété de langages de programmation pour l’IA, du commun et omniprésent (Python, C++) à l’ésotérique (R, Rust). Cela peut s’avérer difficile pour un non-scientifique des données, qui peut ne pas avoir de capacité de codage ou de compréhension de la science des données au-delà des bases. Et trop souvent, des non-scientifiques des données sont chargés de posséder des projets d’IA parce qu’il n’y a tout simplement pas assez de programmeurs et de scientifiques des données qualifiés pour répondre aux demandes sans cesse croissantes de leurs compétences.

Heureusement, les CSP qui proposent des services AIaaS proposent également des infrastructures sans code pour les non-programmeurs. Les outils et services sans code sont ceux qui permettent aux utilisateurs de créer des applications sans avoir à les programmer de la manière traditionnelle d’écrire, de tester et de déboguer le code source. Au lieu de cela, la fonctionnalité de base est créée à l’aide d’outils visuels un peu comme un organigramme, où des actions sont prises en fonction de conditions prédéfinies. Si vous utilisez déjà Microsoft Visio, vous savez comment cela fonctionne.

L’absence de code permet aux utilisateurs professionnels de faire le travail de programmeurs, mais l’inconvénient est que les applications ont tendance à être simplistes. Si vous souhaitez un contrôle et une action précis et précis de modèles d’IA complexes, vous devez toujours programmer l’application.

Mais aucun code n’est encore très bon pour commencer à écrire des applications d’IA simples, alléger le fardeau des data scientists qui ont des tâches beaucoup plus exigeantes devant eux et peut-être écrire un simple chat bot.

Enfin, les avantages et les inconvénients d’une approche AIaaS ou d’une approche sur site/hybride de l’IA doivent être soigneusement examinés et prendre en compte les coûts, le temps et la spécialisation de la main-d’œuvre. Pour ceux qui débutent ou réalisent un nombre limité de projets d’IA chaque année, les avantages de l’AIaaS peuvent largement dépasser les alternatives.

Phil Brotherton est vice-président des solutions et des alliances chez NetApp.

Phil Brotherton est vice-président des solutions et des alliances chez NetApp.