IA à poids ouverts : les avantages du libre choix, de la souveraineté et du contrôle pour les entreprises

L’IA d’entreprise a atteint un stade où le choix du modèle devient une décision d’architecture.

Lorsque l’IA passe en production, les entreprises doivent décider où l’inférence sera exécutée, quelles données peuvent quitter l’entreprise et avec quelle facilité elles pourront modifier les modèles à mesure que les capacités évoluent.

L’IA à poids ouverts donne aux entreprises davantage de contrôle sur ces décisions. En mettant à disposition les poids de modèles entraînés pour leur utilisation dans le cadre de la licence applicable, les modèles à poids ouverts peuvent donner aux entreprises plus de contrôle sur le lieu d’exécution de l’inférence, l’adaptation des modèles et la gestion des données sensibles.

Dell AI Factory avec NVIDIA aide les entreprises à transformer cette flexibilité en un modèle de déploiement reproductible. En combinant l’infrastructure Dell, le calcul accéléré NVIDIA ainsi que les logiciels, services et capacités de l’écosystème d’IA pour entreprises, cette solution fournit aux entreprises une base pour exécuter l’IA dans des environnements qu’elles contrôlent. 

Ensemble, ces capacités offrent aux entreprises un moyen concret d’adopter des modèles à poids ouverts tout en préservant leur liberté de choix des modèles, leur contrôle sur les données et la liberté de faire évoluer leurs stratégies d’IA.

La question stratégique plus vaste est de savoir quelle part de cette liberté l’architecture préserve. Un environnement d’IA axé sur le choix des modèles peut aujourd’hui donner aux entreprises davantage de contrôle sur le lieu d’exécution des charges de travail, tout en laissant suffisamment de marge pour adopter à l’avenir d’autres modèles, infrastructures et approches de déploiement.

Pourquoi la gouvernance d’entreprise est importante

Pour les entreprises, la valeur de l’IA à poids ouverts réside dans les possibilités qu’elle crée en matière de déploiement, d’adaptation et de gouvernance.

L’un de ses principaux avantages est la possibilité d’exécuter l’inférence au sein d’environnements contrôlés par l’entreprise. Cela peut être particulièrement précieux lorsque les applications d’IA manipulent des données propriétaires, des données clients, des charges de travail réglementées ou d’autres éléments de propriété intellectuelle sensibles. Le maintien de ces charges de travail sur une infrastructure gérée par l’entreprise peut contribuer au respect des politiques de sécurité internes, des exigences de localisation des données et de la souveraineté de l’IA. L’entreprise bénéficie d’un contrôle accru sur le lieu d’exécution des modèles, le lieu de traitement des données sensibles et les personnes qui pilotent les systèmes sous-jacents.

Les modèles à poids ouverts peuvent également donner aux équipes davantage de latitude pour adapter l’IA à chaque tâche. Selon le modèle et la licence, les entreprises peuvent éventuellement l’affiner pour une terminologie particulière, une expertise métier ou des processus spécifiques. Elles peuvent évaluer des versions fixes du modèle en fonction de leurs propres exigences, tester les performances sur une infrastructure privilégiée et déterminer à quel moment une version plus récente constitue le meilleur choix.

Cette flexibilité est essentielle sur un marché où les capacités des modèles évoluent rapidement. Un modèle peut être particulièrement adapté au raisonnement, un autre à la génération de code et un autre encore à une application interne hautement spécialisée. L’IA à poids ouverts donne aux entreprises davantage de liberté pour prendre leurs décisions en fonction des charges de travail, plutôt que de concevoir chaque cas d’usage autour du portefeuille d’un seul fournisseur.

Elle présente également un avantage à long terme : lorsque les modèles peuvent être exécutés sur des environnements d’infrastructure et de logiciels compatibles, les entreprises disposent d’une plus grande marge de manœuvre pour adapter leurs choix technologiques à l’évolution de leurs besoins métier. Une entreprise pourrait par exemple valider un modèle à poids ouverts pour une application interne, puis transférer cette charge de travail vers une autre infrastructure ou adopter un modèle plus récent, sans recréer l’application depuis zéro. Les poids des modèles ne garantissent pas à eux seuls la portabilité, mais ils offrent aux entreprises un point de départ plus solide pour préserver leur liberté de choix sur l’ensemble de la pile.

Le résultat est une stratégie d’IA offrant un contrôle accru sur le lieu d’exécution des modèles, une plus grande liberté pour les adapter et davantage de flexibilité pour intégrer de nouvelles options à mesure que l’écosystème évolue.

Modèles d’IA ouverts ou fermés pour les entreprises

Par rapport aux modèles fermés, principalement proposés via des services hébergés par le fournisseur, les modèles à poids ouverts peuvent offrir aux entreprises un contrôle plus direct sur le déploiement, l’adaptation et le choix de l’infrastructure. Les modèles fermés peuvent proposer une expérience davantage gérée de bout en bout. De nombreuses entreprises devraient utiliser les deux approches et choisir celle qui fonctionne le mieux pour une charge de travail donnée.

Les modèles ont besoin de performances et de sécurité, Dell offre les deux

L’accès aux poids des modèles ne constitue qu’un volet de la stratégie d’IA d’une entreprise. La valeur du choix des modèles dépend de la capacité de l’infrastructure sous-jacente à les déployer, les sécuriser, les gérer et les mettre à l’échelle de manière cohérente.

Pour de nombreuses entreprises, cela signifie s’appuyer sur une infrastructure et des logiciels capables de prendre en charge des charges de travail d’IA exigeantes, sans renoncer au contrôle de l’environnement. L’objectif est de préserver la flexibilité des modèles à poids ouverts tout en rendant leur déploiement plus cohérent et plus facile à gérer.

Dell AI Factory avec NVIDIA met ce modèle opérationnel en pratique. Cette solution s’appuie sur les composants fondamentaux de l’IA de NVIDIA et les transforme en solutions d’IA prêtes pour la production, offrant aux entreprises une base plus intégrée pour déployer l’IA dans des environnements contrôlés. Pour les entreprises, l’avantage est de disposer d’un contrôle accru sur les modèles, les données et le déploiement, sans devoir intégrer et gérer chaque niveau comme un projet distinct.

Une pile validée et standardisée peut également simplifier les opérations quotidiennes.  Les équipes peuvent appliquer des processus communs pour le déploiement, la sécurité, la supervision et les mises à jour, plutôt que de traiter chaque modèle comme un projet d’infrastructure distinct.

Dans un entretien accordé à eSpeaks, Beth Williams, responsable mondiale du portefeuille chez Dell Technologies, a souligné la nécessité de disposer d’étapes intermédiaires entre l’expérimentation et la mise à l’échelle. « L’écart entre une infrastructure pilote et une grande usine d’IA distribuée est important, a-t-elle déclaré. Les étapes intermédiaires constituent une stratégie réellement essentielle pour mener à bien les cas d’usage que vous développez. »

Une base reproductible prend d’autant plus de valeur que les entreprises utilisent davantage de modèles pour un nombre croissant de cas d’usage. La valeur de l’IA à poids ouverts réside dans la liberté de choix, mais cette liberté est plus facile à préserver lorsque l’environnement sous-jacent peut accompagner les changements sans obliger les équipes à reconstruire toute la pile à chaque fois.

Conçue pour accompagner les changements inévitables

L’IA à poids ouverts permet aux entreprises de choisir parmi une sélection croissante de modèles, plutôt que de concevoir chaque charge de travail autour d’un fournisseur ou d’une famille de modèles unique. Elle peut également réduire la dépendance à l’égard d’un fournisseur. Comme les entreprises peuvent conserver et utiliser les poids des modèles dans le cadre de la licence applicable, elles disposent potentiellement d’une plus grande liberté pour déplacer les charges de travail entre des infrastructures compatibles, modifier les environnements de déploiement ou adopter un autre modèle lorsque les besoins évoluent.

Il est peu probable qu’un seul modèle constitue la meilleure solution pour tous les cas d’usage en entreprise. Un modèle peut être plus adapté au raisonnement, un autre à la génération de code et un autre encore à un cas d’usage interne spécialisé. En outre, les conditions de licence, les exigences d’infrastructure, la latence et l’efficacité peuvent varier considérablement d’un modèle à l’autre. Un écosystème de modèles ouverts offre aux entreprises davantage de latitude pour évaluer ces différences et faire leur choix en conséquence. 

Le même principe s’applique au déploiement : les entreprises peuvent décider quelles charges de travail distribuer sur site, dans le cloud, à la périphérie ou selon une combinaison d’environnements, en fonction de leurs exigences en matière de données, de performances et de gouvernance.

Williams a présenté cette démarche comme une décision de placement des charges de travail, et non comme une décision d’infrastructure fondée sur le principe « taille unique ». « Les questions de savoir à quoi votre infrastructure doit ressembler, ce que vous pouvez utiliser dans le cloud public, ce que vous devez conserver sur site et ce qui vous permettra d’obtenir les résultats les plus rapides deviennent un processus décisionnel pour les charges de travail d’IA », a-t-elle déclaré.

Un écosystème de modèles plus vaste peut également faciliter l’adaptation à l’évolution du marché. Un modèle qui répond aux besoins actuels pourra un jour être remplacé par un modèle offrant de meilleures performances, une latence plus faible ou une efficacité accrue. Préserver l’accès à un écosystème de modèles plus large peut rendre ces changements plus faciles à absorber.

Le travail de Dell avec Hugging Face illustre la manière dont ce choix de modèles peut s’étendre au déploiement en entreprise. Dell Enterprise Hub sur Hugging Face permet d’accéder à plusieurs modèles ouverts pour un déploiement sur une infrastructure Dell prise en charge, notamment des modèles issus de familles telles que Meta Llama et Kimi. L’idée essentielle ne réside pas dans les modèles individuels eux-mêmes, mais dans la capacité à choisir entre eux lorsque les besoins de l’entreprise évoluent.

La valeur stratégique de l’IA à poids ouverts réside dans la préservation des options tout au long du cycle de vie du modèle : quel modèle utiliser, où l’exécuter, comment l’adapter et quand changer de direction.

Gouverner l’IA à poids ouverts en toute confiance

La gouvernance transforme le choix des modèles en une capacité d’entreprise reproductible, en fournissant aux équipes une méthode cohérente pour approuver, déployer, superviser et mettre à jour les modèles à mesure que les charges de travail évoluent.  

Pour l’IA à poids ouverts, cela signifie définir clairement les responsabilités, comprendre les conditions de licence, vérifier la provenance du modèle, contrôler l’accès aux systèmes de production, tester les modèles en fonction du cas d’usage prévu et surveiller les performances sur le long terme. Lorsque les modèles sont mis à jour ou adaptés, les entreprises ont également besoin d’un processus uniforme pour examiner les changements importants et gérer le cycle de vie des modèles utilisés en production.

Un environnement opérationnel commun facilite l’application de ces pratiques à un portefeuille croissant de charges de travail d’IA. Plutôt que de créer un processus de gouvernance propre à chaque modèle, les équipes peuvent utiliser des procédures communes de sécurité, de gestion du cycle de vie et de supervision lorsqu’elles évaluent, déploient et gèrent de nouveaux modèles.

La gouvernance dépend également du modèle opérationnel mis en place autour de la technologie. Williams a fait valoir qu’il s’agit souvent de la partie la plus difficile de l’IA en production. « La technologie est la partie facile, a-t-elle déclaré. Les véritables difficultés résident dans les changements au sein de l’entreprise. » En pratique, cela signifie définir les responsabilités en matière de financement, d’approbation des changements, de sécurité et de risques, ainsi que mesurer la valeur dans la durée.

Dell AI Factory avec NVIDIA peut soutenir cette approche en fournissant aux entreprises une base standardisée pour déployer et gérer l’IA dans des environnements qu’elles contrôlent. Dell Enterprise Hub en offre un autre exemple, avec des ressources de déploiement et des packages de modèles conçus pour faciliter la mise en production de modèles pris en charge sur les infrastructures Dell et NVIDIA.

Pour les entreprises, la gouvernance peut devenir une composante du processus de mise à l’échelle de l’IA à poids ouverts. Avec les contrôles appropriés, les équipes peuvent évaluer de nouveaux modèles, les mettre en production et les adapter au fil du temps, sans traiter chaque déploiement comme une initiative entièrement nouvelle.

Construire pour l’avenir

L’IA à poids ouverts offre aux entreprises un contrôle accru sur le lieu d’exécution des modèles, leur évolution et la gestion des données sensibles. Tout aussi important, elle leur laisse la marge de manœuvre nécessaire pour prendre des décisions différentes lorsque les modèles, les conditions économiques et les besoins métier évoluent.

La capacité à changer de cap pourrait devenir l’une des caractéristiques les plus importantes d’une architecture d’IA d’entreprise. Les modèles leaders d’aujourd’hui ne seront pas nécessairement ceux auxquels les entreprises feront confiance demain. Les entreprises qui préservent leur liberté de choix des modèles et des environnements de déploiement pourront adopter de nouvelles capacités sans renoncer au contrôle des données et de l’infrastructure sous-jacentes.

Dell AI Factory avec NVIDIA – avec le travail approfondi de Dell avec Hugging Face, Dell Enterprise Hub ainsi que l’engagement de Dell et de NVIDIA en faveur de l’écosystème des modèles ouverts – fournit une base pour mettre en œuvre cette stratégie à l’échelle de l’entreprise. 

Le résultat est un environnement d’IA conçu pour offrir la liberté de choix : choix du modèle, choix du déploiement et contrôle accru sur la suite des opérations.