Menu

Architectures de données unifiées pour les workflows d'IA

personne tenant une tablette et regardant à travers un mur en verre tout en marchant
Sommaire

Partager cette page

Arunkumar Gururajan
Arun Gururajan
603 vues

Dans les domaines en constante évolution de l'intelligence artificielle (IA) et du machine learning (ML), la capacité à gérer et à traiter différents types de données est essentielle à la qualité des informations exploitables générées par les modèles.

Optimiser votre stratégie de stockage

Une stratégie de stockage optimale doit prendre en compte plusieurs éléments :

  • Types de données utilisés par les entreprises (données structurées, telles que les bases de données et les feuilles de calcul, et données non structurées telles que les e-mails, les images, l'audio, la vidéo et les documents)
  • Emplacement de ces types de données (sur site et/ou dans un ou plusieurs clouds publics ou stockages de fournisseurs SaaS disséminés géographiquement)
  • Types d'architectures de stockage tels que le stockage de fichiers (données accessibles et gérées en tant que fichiers), le stockage bloc (données stockées sous forme de blocs qui permettent des opérations efficaces à faible latence) et le stockage objet (données gérées sous forme d'objets, chacun contenant des données, des métadonnées et un ID unique, pour une évolutivité optimale et adaptée aux données non structurées)

Surmonter les obstacles aux déploiements de l'IA

Créer une architecture de données pour favoriser l'adoption généralisée de l'IA dans l'entreprise constitue un véritable défi. Il n'est donc pas surprenant que de nombreuses entreprises qui achètent des serveurs basés sur des processeurs graphiques ou qui accèdent à ces serveurs via des hyperscalers se retrouvent bloquées lors de la phase de gestion des données. Une étude d'IDC révèle que le déplacement et la gestion des données font partie des obstacles les plus courants à la réussite des déploiements de l'IA.

Grâce à une approche unifiée et intelligente, NetApp permet aux équipes chargées de l'IA de dépasser les frontières des données en silo, peu importe où et comment elles sont stockées. Voici les principaux avantages des solutions NetApp pour les workflows d'IA :

  • Déplacement des données : surtout avec l'IA multimodale, les workflows d'IA et de ML impliquent souvent le déplacement d'importants datasets à différentes étapes du traitement. Ce déplacement est facilité par une architecture de stockage unifié qui propose le type approprié de stockage à chaque étape, optimisant ainsi la vitesse, l'accessibilité ou la durabilité, si nécessaire. Cette approche est essentielle pour l'exploitation de l'IA, car elle implique le transfert fluide de volumes de données considérables dans le pipeline d'inférence.
  • Gestion des données : la nature diverse et multimodale des datasets d'IA, qui englobent des images, des vidéos, des informations issues de capteurs et plus encore, requiert une approche flexible de gestion des données à laquelle vous avez accès grâce à l'infrastructure intelligente de NetApp. Un système de stockage NetApp permet de stocker efficacement ces datasets pour qu'ils soient accessibles rapidement pour les tâches d'IA complexes. Par exemple, dans le cas des applications du domaine de la santé, les workflows d'imagerie médicale exploitent le stockage bloc pour accéder aux données d'imagerie, tandis que les dossiers des patients et les autres données non structurées peuvent être conservés en tant qu'objets avec métadonnées riches pour simplifier l'extraction et l'analyse.
  • Gouvernance des données : les entreprises doivent exploiter les données appropriées avec les contrôles d'accès adéquats, tout en respectant les politiques internes et les réglementations locales et en protégeant leur propriété intellectuelle. La gouvernance des données est intégrée d'office dans les fonctionnalités de gestion des données NetApp.

Créer une infrastructure intelligente de données

Les clients NetApp bénéficient depuis des années d'une expérience multicloud hybride unifiée. NetApp ne pouvait pas prédire l'explosion de l'IA générative au cours des 12 derniers mois, mais nous avons conçu une infrastructure intelligente de données pour les entreprises data-driven. Il s'avère que ce framework est exactement ce dont les entreprises ont besoin pour exploiter l'IA et l'IA générative et obtenir un avantage concurrentiel.

En savoir plus

Pour connaître le point de vue d'IDC sur les architectures de données pour les workflows d'IA, lisez le document Unified Data Architectures Provide Needed Flexibility for AI Workflows. Pour découvrir les points de vue des dirigeants de NetApp sur l'IA et l'IA générative, cliquez ici.

Arun Gururajan

Arun Gururajan est Vice-président de la recherche et des sciences des données chez NetApp. Il supervise les initiatives liées à l'intelligence artificielle, au machine learning et aux sciences des données pour l'ensemble de la gamme de produits de l'entreprise. Auparavant, il a occupé divers postes à responsabilités chez Meta et Microsoft, où il a développé des produits optimisés par l'IA qui ont été largement adoptés de façon durable.

Afficher tous les posts par Arun Gururajan

Pour aller plus loin

Drift chat loading