IA open-weight : les arguments en faveur du choix, de la souveraineté et du contrôle en entreprise

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

À mesure que l’IA entre en production, les entreprises doivent décider où l’inférence s’exécute, quelles données peuvent quitter l’organisation et avec quelle facilité elles peuvent changer de modèles à mesure que les capacités évoluent.

L’IA Open-Weight donne aux entreprises davantage d’autonomie sur ces décisions. En mettant à disposition les poids des modèles entraînés pour un déploiement sous la licence applicable, les modèles Open-Weight permettent aux entreprises de mieux contrôler où l’inférence s’exécute, comment les modèles sont adaptés et comment les données sensibles sont trai

Dell AI Factory avec NVIDIA aide les entreprises à transformer cette flexibilité en un modèle de déploiement reproductible. En associant l’infrastructure Dell, le calcul accéléré de NVIDIA ainsi que les logiciels d’IA d’entreprise, les services et le soutien de l’écosystème, cette solution offre aux organisations une base leur permettant d’exploiter l’IA dans des environnements qu’elles contrôlent. 

Ensemble, ces capacités offrent aux organisations une voie concrète pour adopter des modèles de taille variable tout en préservant le choix des modèles, le contrôle des données et la liberté d’évoluer à mesure que leurs stratégies d’IA mûrissent.

La question stratégique plus large est de savoir dans quelle mesure cette architecture préserve cette liberté. Un environnement d’IA d’entreprise conçu autour du choix des modèles peut offrir aux organisations davantage de contrôle sur l’emplacement d’exécution des charges de travail aujourd’hui, tout en laissant la possibilité d’adopter demain différents modèles, infrastructures et approches de déploiement.

Pourquoi le contrôle par l’entreprise est-il essentiel ?

Pour les entreprises, la valeur de l’IA « open-weight » réside dans les choix qu’elle offre en matière de déploiement, d’adaptation et de gouvernance.

L’un des principaux avantages est la possibilité d’effectuer des inférences au sein d’environnements contrôlés par l’organisation. Cela peut s’avérer particulièrement utile lorsque les applications d’IA traitent des données propriétaires, des informations clients, des charges de travail réglementées ou d’autres éléments sensibles relevant de la propriété intellectuelle. Le maintien de ces charges de travail sur une infrastructure gérée par l’entreprise permet de respecter les politiques de sécurité internes, les exigences en matière de résidence des données et la souveraineté en matière d’IA : une plus grande maîtrise sur le lieu d’exécution des modèles, le lieu de traitement des données sensibles et l’identité de ceux qui contrôlent les systèmes sous-jacents.

Les modèles open-weight peuvent également offrir aux équipes une plus grande latitude pour adapter l’IA aux tâches à accomplir. En fonction du modèle et de sa licence, les organisations peuvent être en mesure de l’ajuster à une terminologie spécialisée, à des connaissances spécifiques à un domaine ou à des processus métier particuliers. Elles peuvent évaluer des versions fixes de modèles à l’aune de leurs propres exigences, tester les performances sur l’infrastructure de leur choix et déterminer quand une nouvelle version est la plus adaptée.

Cette flexibilité est essentielle sur un marché où les capacités des modèles évoluent rapidement. Un modèle peut être mieux adapté au raisonnement, un autre à la génération de code, et un autre encore à une application interne hautement spécialisée. L’IA open-weight offre aux organisations davantage de liberté pour prendre ces décisions charge de travail par charge de travail, plutôt que d’adapter chaque cas d’utilisation au portefeuille d’un seul fournisseur.

Il existe également un avantage à plus long terme : lorsque les modèles peuvent s’exécuter sur des infrastructures et des environnements logiciels compatibles, les entreprises disposent d’une plus grande marge de manœuvre pour adapter leurs choix technologiques à mesure que les besoins métier évoluent. Par exemple, une organisation peut valider un modèle open-weight pour une application interne, puis transférer ultérieurement cette charge de travail vers une autre infrastructure ou adopter un modèle plus récent sans avoir à reconstruire l’application de A à Z. 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 à tous les niveaux de la pile technologique.

Il en résulte une stratégie d’IA offrant un meilleur contrôle sur l’emplacement 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 « open-weight » versus modèles « closed » pour les entreprises

Par rapport aux modèles fermés (closed), principalement fournis via des services hébergés par des prestataires, les modèles open-weight peuvent offrir aux entreprises un contrôle plus direct sur le déploiement, l’adaptation et le choix de l’infrastructure. Les modèles fermés peuvent quant à eux offrir une expérience plus entièrement gérée. De nombreuses organisations utiliseront les deux approches, en choisissant celle qui convient le mieux à une charge de travail particulière.

Les modèles ont besoin de puissance et de sécurité : Dell répond à ces besoins

L’accès aux poids des modèles n’est qu’un aspect d’une stratégie d’IA d’entreprise. La valeur du choix d’un modèle dépend de la capacité de l’environnement à déployer, sécuriser, gérer et faire évoluer ces modèles de manière cohérente.

Pour de nombreuses entreprises, cela implique de 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 open-weight tout en rendant le déploiement plus cohérent et plus facile à gérer.

Dell AI Factory avec NVIDIA met ce modèle opérationnel en pratique. Elle s’appuie sur les composants fondamentaux de l’IA de NVIDIA pour les transformer en solutions d’IA prêtes à l’emploi, offrant ainsi aux organisations une base plus intégrée pour déployer l’IA dans des environnements qu’elles contrôlent. Pour les entreprises, l’avantage réside dans un contrôle accru sur les modèles, les données et le déploiement, sans avoir à intégrer et à gérer chaque couche 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 surveillance et les mises à jour, au lieu de traiter chaque modèle comme un projet d’infrastructure distinct.

Dans un entretien récent accordé à eSpeaks, Beth Williams, Global Portfolio Lead chez Dell Technologies, a souligné la nécessité de prévoir des étapes intermédiaires entre l’expérimentation et le passage à l’échelle. « L’écart entre une infrastructure pilote et une grande usine d’IA distribuée est considérable », a-t-elle déclaré. « Disposer d’étapes intermédiaires pour y parvenir, en fonction des cas d’utilisation que vous exploitez, constitue donc une stratégie vraiment importante. »

Une base reproductible devient de plus en plus précieuse à mesure que les entreprises adoptent davantage de modèles dans un nombre croissant de cas d’utilisation. La valeur de l’IA open-weight réside dans le choix, mais ce choix est plus facile à maintenir lorsque l’environnement sous-jacent peut prendre en charge le changement sans obliger les équipes à reconstruire la pile à chaque fois.

Conçue pour l’inévitable, le changement

L’IA open-weight permet aux entreprises de choisir parmi une gamme croissante de modèles, plutôt que de concevoir chaque charge de travail autour d’un seul fournisseur ou d’une seule famille de modèles. Cela peut également réduire la dépendance vis-à-vis d’un fournisseur. Étant donné que les organisations peuvent conserver et déployer les poids des modèles dans le cadre de la licence applicable, elles disposent d’une plus grande liberté pour déplacer leurs charges de travail vers des infrastructures compatibles, changer d’environnement de service ou adopter un modèle différent à mesure que leurs besoins évoluent.

Aucun modèle ne peut à lui seul convenir parfaitement à tous les cas d’utilisation en entreprise. L’un peut être plus performant pour le raisonnement, un autre pour la génération de code, et un autre encore pour un cas d’utilisation interne spécialisé. Les conditions de licence, les exigences en matière d’infrastructure, la latence et l’efficacité peuvent également varier considérablement d’un modèle à l’autre. Un écosystème de modèles ouverts offre aux organisations davantage de latitude pour évaluer ces différences et faire leur choix en conséquence. 

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

Mme Williams a présenté cela comme une décision de placement des charges de travail plutôt que comme un choix d’infrastructure « universel ». « Cela devient un processus décisionnel lié aux charges de travail d’IA visant à déterminer à quoi doit ressembler votre infrastructure, ce que vous pouvez utiliser dans le cloud public, ce que vous devez conserver sur site, et ce qui vous permettra d’obtenir le résultat le plus rapide », a-t-elle déclaré.

Un écosystème de modèles plus large peut également faciliter l’adaptation à mesure que le marché évolue. Un modèle qui répond aux exigences d’aujourd’hui pourrait à terme être remplacé par un autre offrant de meilleures performances, une latence plus faible ou une efficacité accrue. Le fait de préserver l’accès à un écosystème de modèles plus large peut faciliter l’absorption de ces changements.

La collaboration entre Dell et Hugging Face illustre comment ce choix de modèle peut s’étendre au déploiement en entreprise. Dell Enterprise Hub sur Hugging Face permet d’accéder à plusieurs modèles ouverts pour un déploiement sur l’infrastructure Dell prise en charge, y compris des modèles issus de familles telles que Meta Llama et Kimi. L’enjeu principal ne réside pas dans les modèles individuels en eux-mêmes, mais dans la capacité à choisir parmi eux à mesure que les besoins de l’entreprise évoluent.

La valeur stratégique de l’IA open-weight 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 d’orientation.

Gérer l’IA open-weight en toute confiance

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

Pour l’IA open-weight, cela implique de définir clairement la responsabilité, de comprendre les conditions de licence, de vérifier la provenance des modèles, de contrôler l’accès aux systèmes de production, de tester les modèles par rapport au cas d’utilisation prévu et de surveiller leurs performances au fil du temps. À mesure que les modèles sont mis à jour ou adaptés, les entreprises ont également besoin d’un processus cohérent pour examiner les modifications substantielles et gérer le cycle de vie des éléments 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 distinct pour chaque modèle, les équipes peuvent s’appuyer sur des pratiques communes en matière de sécurité, de cycle de vie et de supervision lorsqu’elles évaluent, déploient et gèrent de nouveaux modèles.

La gouvernance dépend également du modèle opérationnel associé à la technologie. Beth Williams a fait valoir que c’est souvent la partie la plus difficile de l’IA en production. « La technologie, c’est la partie facile », a-t-elle déclaré. « Le plus difficile, c’est vraiment le changement organisationnel. » Dans la pratique, cela implique de définir la responsabilité, le financement, le processus d’approbation des changements, les responsabilités en matière de sécurité et de risques, ainsi que la mesure continue de la valeur.

Dell AI Factory avec NVIDIA peut soutenir cette approche en offrant aux organisations une base plus standardisée pour déployer et gérer l’IA dans les environnements qu’elles contrôlent. Dell Enterprise Hub en est un autre exemple, avec des ressources de déploiement et des packages de modèles destinés à faciliter la mise en œuvre des modèles pris en charge sur les infrastructures Dell et NVIDIA.

Pour les entreprises, la gouvernance peut s’inscrire dans le processus de mise à l’échelle de l’IA open-weight. Avec les contrôles appropriés en place, les équipes peuvent évaluer de nouveaux modèles, les mettre en production et les adapter au fil du temps sans considérer chaque déploiement comme une entreprise entièrement nouvelle.

Préparer l’avenir

L’IA open-weight offre aux entreprises davantage de contrôle sur le lieu d’exécution des modèles, leur évolution et la gouvernance des données sensibles. Tout aussi important, elle donne aux organisations la marge de manœuvre nécessaire pour faire des choix différents à mesure que les modèles, les enjeux économiques et les exigences 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 qui dominent aujourd’hui ne seront pas nécessairement ceux sur lesquels les entreprises s’appuieront demain. Les organisations qui préservent leur liberté de choix en matière de modèles et d’environnements de déploiement peuvent adopter de nouvelles fonctionnalités sans renoncer au contrôle des données et de l’infrastructure qui les sous-tendent.

Dell AI Factory avec NVIDIA – associée au travail plus large de Dell avec Hugging Face, au Dell Enterprise Hub et à l’engagement de Dell et NVIDIA en faveur de l’écosystème à modèle ouvert – fournit une base permettant de mettre cette stratégie en pratique à l’échelle de l’entreprise. 

Il en résulte un environnement d’IA conçu pour offrir le choix : choix du modèle, choix du déploiement et contrôle accru sur l’avenir.