Le monde devient un cloud hybride à mesure que de plus en plus d’entreprises déploient leurs charges de travail sur plusieurs fournisseurs de cloud publics ainsi que dans des clouds privés. Bien sûr, les raisons de migrer vers le cloud sont nombreuses, notamment l’élasticité des capacités de calcul et la nécessité de disposer d’un environnement applicatif moderne.
Mais un domaine qui n’a pas bénéficié d’une attention suffisante dans la plupart des organisations est la nécessité d’envisager l’informatique hybride sous l’angle d’une capacité compatible de gestion des données.
En résumé, pour tirer pleinement parti d’un modèle informatique hybride, les entreprises doivent également adopter un modèle de données qui permet aux utilisateurs de travailler avec les données là où cela est pertinent, que ce soit dans un cloud public ou privé, dans un centre de données sur site, ou même au sein d’un échange de données entre plusieurs organisations, et ce avec un minimum de friction.
Commencer par les données
La première étape de toute stratégie de cloud hybride consiste à s’assurer que les données elles-mêmes sont portables et entièrement gérées. L’objectif ultime est en effet de fournir un référentiel de données uniforme pour votre plateforme d’analyse et de logiciels d’IA disponible dans toutes les implémentations de clouds publics et privés, tout en évoluant vers une plateforme véritablement « agnostique », capable de prendre en charge de manière transparente n’importe quelle charge de travail sur n’importe quelle plateforme cloud.
Une telle solution doit intégrer un certain nombre de fonctionnalités permettant de rendre les données accessibles à une grande variété de charges de travail. Elle doit reposer sur un environnement sécurisé, évolutif et élastique, comprenant un plan de contrôle commun pour gérer toutes les données destinées à la réplication sur site et à la recherche globale de données, ainsi que la gouvernance des données afin de répondre aux exigences réglementaires.
La solution doit offrir une large couverture des modèles et une compatibilité d’exécution entre les plateformes, et fonctionner avec tous les grands clouds publics (AWS, Azure, GCP), ainsi qu’avec des accélérateurs d’IA (par exemple, Nvidia). L’utilisation d’entrepôts de données et/ou de solutions de stockage de données propriétaires proposées par les différents fournisseurs de cloud empêche de maximiser la valeur des actifs de données et complique leur transport.
La qualité des données est plus importante que la quantité
Autre point essentiel dans un environnement distribué et hybride : à mesure que les entreprises adoptent des systèmes dotés de capacités d’IA et construisent des modèles à partir de leurs jeux de données, il devient beaucoup plus critique de vérifier la qualité des données. Les modèles utilisés pour les algorithmes d’apprentissage automatique et d’intelligence artificielle fondés sur des données corrompues produisent de mauvais modèles et des informations peu fiables.
Pour maximiser la valeur des données de l’entreprise et générer directement des informations de qualité à partir de ces données, les entreprises ont besoin d’une plateforme de données fournissant des données propres, à jour, entièrement gérées et sécurisées. Cela suppose également de pouvoir savoir qui a « touché » aux données, et pas seulement des individus, mais aussi des modèles d’IA et des processus de charge de travail.
Pour y parvenir, il est crucial de suivre la lignée des données, et tous les entrepôts de données ne proposent pas facilement ce type de fonctionnalité.
La progression des données, du site au cloud
Les organisations commencent souvent leur transition vers le cloud en adoptant des stratégies applicatives modernes basées sur le cloud, comme les conteneurs et les microservices, en les utilisant d’abord sur site, puis en les transférant vers le cloud public. Cette méthodologie permet d’expérimenter en toute sécurité et de confirmer quelles charges de travail peuvent migrer efficacement et sans risque vers le cloud public, et lesquelles ont intérêt à rester sur site.
Cette pratique n’est pas forcément à sens unique : il peut être pertinent de rapatrier sur site des charges de travail exécutées dans le cloud, ou de les transférer vers un autre fournisseur de cloud public selon les besoins. Cela nécessite un moyen de créer des instances cloud qui ne soient pas verrouillées par des API et des composants système propriétaires, lesquels empêchent si souvent de déplacer les applications et les données d’un cloud à l’autre. La dépendance à un fournisseur constitue un véritable problème, y compris chez les fournisseurs qui revendiquent des environnements cloud totalement ouverts. Le point essentiel : il est impossible de gérer correctement les données dans un environnement verrouillé.
Choisir la bonne plateforme de données
L’utilisation d’une plateforme de données d’entreprise compatible avec l’hybride accroît la capacité à déplacer les données vers les charges de travail requises, exécutées sur différents processeurs sur site ou dans le cloud. Elle garantit en outre la qualité des données en gérant une instance unique, plutôt qu’en dispersant des jeux de données hétérogènes sur plusieurs plateformes.
Enfin, dans les secteurs réglementés et/ou dans les situations de conformité géographique imposant des restrictions sur les données, il est essentiel de maximiser la gouvernance des données afin d’éviter les amendes réglementaires et les violations de données. À terme, nous nous attendons à ce que les principales plateformes de données permettent plus largement d’écrire une seule fois et d’exécuter dans n’importe quel environnement cloud, autorisant ainsi une véritable capacité de traitement des charges de travail en mode mix-and-match. Les entreprises doivent mettre en place une véritable capacité de cloud de données compatible avec l’hybride si elles veulent tirer le maximum d’un environnement de cloud hybride.