NetApp IT libère toute la puissance de l’analytique de l’IA

Chez NetApp, nous ne parlons pas seulement d’IA : nous l’explorons, la testons et la mettons en œuvre pour résoudre de réels problèmes de valeur commerciale. Alors que l’engouement autour de l’IA générative continue de croître, nous adoptons une approche plus ciblée, identifions des cas d’usage à fort impact et obtenons des résultats significatifs dans l’ensemble de notre écosystème de données. Voici comment NetApp IT aborde l’analytique de l’IA et ce que nous avons appris.

L’IA générative rencontre les données structurées

L’un de nos premiers défis a été de permettre des interactions basées sur le chat avec des documents dans NetAIChat, notre outil interne d’IA générative. Les utilisateurs pouvaient télécharger des fichiers—Word, PowerPoint, Excel—et poser des questions à leur sujet. Cela fonctionnait bien pour la plupart des formats, mais Excel posait un problème unique : les modèles d’IA générative ont du mal avec les chiffres.

Au lieu d'abandonner, nous avons opéré un virage stratégique. Nous avons remplacé l'interprétation du langage naturel par une nouvelle fonctionnalité : la conversion de texte en SQL. Lorsqu'un utilisateur importe des données structurées, le système traduit sa question en requêtes SQL. Résultat ? Des analyses précises et exploitables à partir de feuilles de calcul et de fichiers structurés auparavant mal interprétés par les grands modèles de langage (LLM). 

Accès alimenté par l’IA à notre entrepôt de données

L’étape suivante a consisté à exploiter les informations de notre entrepôt de données d’entreprise, hébergé sur Snowflake. Plutôt que de compter sur des analystes humains pour générer des rapports, nous construisons un système dans lequel l’IA détermine les données nécessaires pour répondre à une question et génère des réponses à la volée. Par exemple, une demande du type « Montrez-moi les réservations en Allemagne pour Product X au cours du trimestre écoulé » ne nécessiterait plus de ticket ni de délai d’exécution — elle pourrait être traitée en quelques secondes.

L’objectif n’est pas seulement la vitesse, c’est l’échelle. Nous voulons permettre à nos analystes de se concentrer sur le travail stratégique, pas sur la création manuelle de rapports.

Analytique en temps réel — et garde-fous dans le monde réel

Bien que les rapports sur les données historiques soient précieux, il existe une demande croissante d’informations en temps réel provenant de systèmes transactionnels tels que les ventes et la chaîne d’approvisionnement. Nous étudions actuellement la manière d’intégrer l’IA à ces systèmes sans compromettre la sécurité ou les contrôles d’accès.

La sécurité est une préoccupation majeure. Nous ne nous contentons pas de regarder quelles données peuvent être accessibles ; nous veillons à ce que seules les bonnes personnes puissent y accéder. L’IA générative doit respecter les autorisations de données comme n’importe quel autre système d’entreprise. Cela signifie pas de raccourcis pilotés par l’IA autour des informations sensibles.

Vers l’intelligence prédictive

NetApp investit également dans le machine learning classique pour des cas d’usage tels que la planification de la capacité et la détection de ransomware. Ici, les données historiques sont utilisées pour entraîner des modèles afin de prévoir les comportements futurs, comme l’identification des signes avant-coureurs d’une attaque par ransomware sur la base d’une activité système anormale.

Ces modèles requièrent une expertise spécialisée et une surveillance attentive, mais ils complètent nos efforts en matière d’IA générative. Ensemble, ils nous aident à répondre à « que s’est-il passé ? » et « que va-t-il se passer ensuite ? »

Le rôle de la gouvernance — et du réalisme

Nous avons également mis en place un comité de gouvernance de l’IA pour veiller à utiliser ces technologies de manière responsable. Ce comité s’est développé de manière organique et travaille désormais avec la direction pour donner la priorité aux cas d’utilisation qui offrent une valeur commerciale tangible, pas seulement à des expériences scientifiques.

L’un des plus grands défis que nous avons rencontrés est la gestion des attentes. Les dirigeants veulent souvent des réponses basées sur l’IA avec le même niveau de précision que les rapports générés par des humains. Mais l’IA générative n’est pas conçue pour une précision de 100 %. Elle convient mieux aux informations ponctuelles, au brainstorming et à l’aide à la décision, pas au reporting financier.

Au fur et à mesure que nous continuons de développer des outils d’IA, nous affinons des moyens d’améliorer la confiance dans les réponses générées par l’IA, tout en communiquant leurs limites.

L’IA comme facteur de différenciation stratégique

Je suis convaincu que l’IA deviendra aussi omniprésente qu’Internet, mais cela prendra du temps. Actuellement, NetApp est en avance sur son temps, mais le domaine évolue rapidement. Pour l’exercice 2026, notre priorité est de miser davantage sur les cas d’usage éprouvés, de les opérationnaliser à grande échelle et de veiller à investir dans ce qui apporte le plus de valeur.

Notre CEO a récemment souligné dans une communication à l’ensemble de l’entreprise que « l’IA n’est pas qu’une simple tendance. C’est un levier stratégique pour gagner en efficacité. » Chez NetApp IT, nous concrétisons cette vision. 

Pour plus d’informations, veuillez consulter NetApp gestion des données d’IA pour les applications d’IA.