Dell et Jason Nassar : faire passer la vision par ordinateur d’entreprise à l’échelle

Corey Noles : Bonjour et bienvenue dans eSpeaks d'eWeek. Je suis votre hôte, Corey Noles, et aujourd'hui nous allons parler de la prochaine étape de la vision par ordinateur en entreprise. Qu'est-ce qui a changé, qu'est-ce qui reste difficile et que faut-il vraiment pour passer du stade de pilote prometteur à celui de système en production fonctionnant à grande échelle ? Cela fait des années que la vision par ordinateur fait partie des discussions en entreprise. Cela fait des années que la vision par ordinateur fait partie des discussions en entreprise, mais le paysage évolue rapidement. Les organisations disposent désormais de plus de données visuelles que jamais auparavant, provenant de caméras, de capteurs, d'appareils, de machines, d'installations, de véhicules et même d'environnements connectés. Parallèlement, les progrès réalisés dans les infrastructures d'IA, l'informatique en périphérie, le calcul accéléré et même le déploiement de modèles permettent de transformer ces données visuelles en informations plus rapides et en opérations plus réactives. Pour nous aider à décrypter l'évolution de cette technologie, je suis aujourd'hui accompagné de Jason Nassar, responsable de l'activation verticale de la plateforme d'automatisation chez Dell Technologies. Nous allons discuter des problèmes métier que la vision par ordinateur résout aujourd'hui, des défis en matière d'infrastructure et de données les défis liés à la mise à l'échelle, ainsi que des points dont les dirigeants d'entreprise doivent tenir compte à mesure que l'IA visuelle devient une partie de plus en plus importante de leur fonctionnement. Jason, merci beaucoup de vous être joint à nous. Ravi de vous avoir parmi nous.

Jason Nassar : Merci de m'avoir invité. C'est sympa, Corey.

Corey Noles : Excellent. Pour commencer, je suppose que la vision par ordinateur existe depuis un certain temps déjà, mais les discussions en entreprise semblent différentes aujourd'hui. De votre point de vue, qu'est-ce qui a le plus changé dans ce domaine ces dernières années ?

Jason Nassar : D'après moi, la plupart des changements ont eu lieu au cours de l'année passée et le plus important concerne vraiment les changements au niveau de l'architecture. À mon sens, nous avons beaucoup utilisé l'apprentissage automatique et ce n'est pas comme si cette technologie avait disparu, mais nous nous orientons davantage vers une approche plus agentique. Nous utilisons actuellement des VLM, qui sont des modèles vision-langage, et cela change complètement la donne. Donc, ce que cela fait, c'est que nous transformons des objets, des formes, des couleurs, en valeurs numériques. Ces valeurs sont appelées plongements vectoriels. Cela a permis aux entreprises d'accélérer des opérations qui prenaient auparavant beaucoup de temps. Vous pouvez en fait poser des questions sur ce qui se passe dans les images. C'est un changement considérable, n'est-ce pas ? Nous savons tous ce que les chatbots ont fait, mais cette IA agentique vous permet de dire : « Hé, que portait cette personne ? », « Que faisait cette personne ? », « Puis-je lire un reçu ? », « Qu'y avait-il sur le reçu ? ». Quel temps fait-il ? Oui, quel temps fait-il ? Et cela change véritablement la donne en matière de vision par ordinateur par rapport au passé. Et vous savez, nous avons de nouveaux modèles qui sont sortis récemment. Certains de ces VLM sont, comme vous le savez, Gemini Pro de Gemini, Clip d'OpenAI, Qwen d'Alibaba, et il y en a quelques autres.

Corey Noles : Super ! Donc, quand des entreprises s'adressent à Dell pour se renseigner sur la vision par ordinateur, quels sont les problèmes métier qu'elles cherchent généralement à résoudre en premier ?

Jason Nassar : Oui. Eh bien, c'est généralement très spécifique à la verticalité. Donc, quand je dis verticalité, je parle de fabrication, d'énergie, de vente au détail. C'est donc sur ce point que nous nous concentrons à partir d'un cas d'utilisation. Donc, pour le secteur de la fabrication, plus précisément, les entreprises cherchent constamment à améliorer la qualité des produits et leurs processus. Elles utiliseront donc la vision par ordinateur pour déterminer si un produit présente des défauts ou non sur la chaîne de production. Elles utiliseront également la vision par ordinateur pour optimiser un processus, que ce dernier soit abordé d'un point de vue ergonomique dans lequel des gens sont réellement impliqués ou qu'il s'agisse d'un problème sur une chaîne de montage qui utilise des automates programmables. Dans les grandes salles, ils utilisent en fait la vision par ordinateur dans des domaines tels que la sécurité, notamment pour détecter la présence ou l'absence d'armes dans des lieux comme des stades, ou même dans des stades, et c'est un peu un cas d'utilisation transversal avec le commerce de détail, pour mettre en place des points de vente sans agent de caisse. Euh, des cas où… on a déjà vu ça plusieurs fois, non ? Où vous scannez votre carte de crédit en faisant la queue, puis vous prenez simplement ce que vous voulez, puis vous sortez et le système de vision par ordinateur observe et sait ce que vous avez pris et c'est ce qui est facturé sur votre carte. J'ai vu ça à l'aéroport cette semaine : vous arrivez et vous posez vos articles et euh, le système a compris. Ou alors, vous sortez, tout simplement. Oui, c'est assez incroyable. En fait, il existe même des cas d'utilisation dans des magasins de détail où, par exemple, quelqu'un parcourt les rayons et prend un produit, disons une bouteille de shampoing, mais il la regarde et il n'est pas vraiment intéressé et il la remet en place. Eh bien, la vision par ordinateur peut suivre cette personne jusqu'à la caisse, puis une fois les achats payés, imprimer un bon de réduction. C'est donc remarquable. Et ensuite, vous ciblez votre public, vous améliorez vos ventes et, bien sûr, vous augmentez vos revenus. Le niveau atteint aujourd'hui est donc assez incroyable.

Corey Noles : Incroyable. Je sais que beaucoup d'organisations possèdent des caméras, des images, des flux vidéo, des données de capteurs, mais cela ne se transforme pas automatiquement en valeur commerciale. Que faut-il pour transformer ces données visuelles en informations exploitables susceptibles d'être utilisées par une entreprise ?

Jason Nassar : Eh bien, d'après moi, il faut d'abord que la capacité de calcul soit située près de l'opération. Tout dépend donc de l'intensité de votre charge de travail, si vous allez traiter ou non des vidéos, si vous avez besoin de données en temps réel ou non, ou s'il s'agit de quelque chose qui va prendre un peu plus de temps. Par conséquent, si vous avez besoin de quelque chose dans un environnement hautement sécurisé, comme dans la fabrication, vous aurez probablement besoin de serveurs avec des accélérateurs ou des GPU situés au plus près de cette opération, afin que cette charge de travail, l'entraînement et l'inférence puissent réellement être gérés. Mais si vous n'avez pas besoin d'une telle vitesse, vous pouvez en fait envoyer les choses dans des centres de données ou dans le cloud. Donc, il y a cet aspect-là. Puis, il vous faut également des logiciels très performants. Vous avez donc besoin de logiciels capables de gérer les cas d'utilisation. Beaucoup de ces fournisseurs de logiciels, ces ISV, proposent des logiciels qui ont parfois des centaines de cas d'utilisation intégrés. Cela peut faciliter et accélérer un peu le travail, mais vous devez veiller à choisir le logiciel adapté à votre cas d'utilisation, ainsi que la bonne puissance de calcul. Quelque chose de mineur, disons détecter des produits, comme des objets, comme des fruits et des légumes, et indiquer le prix, vous pouvez en fait le faire avec un processeur x86. Vous n'aurez peut-être pas besoin d'un GPU. Mais si vous essayez d'effectuer une reconnaissance faciale et de comprendre exactement ce qui se passe, voire de déchiffrer les émotions d'une personne en fonction de son langage corporel, là vous allez effectivement avoir besoin de GPU et d'accélérateurs à proximité de cette opération.

Corey Noles : D'accord. D'accord, je comprends. Je vois bien où se situerait cette différence. De nombreux projets de vision par ordinateur basés sur l'IA fonctionnent bien en phase pilote, mais rencontrent souvent des difficultés lorsqu'ils passent aux opérations concrètes. Qu'est-ce qui distingue un projet pilote réussi d'un modèle d'entreprise déployable à grande échelle ?

Jason Nassar : Au bout du compte, le plus important, c'est de veiller à entraîner les modèles correctement. Par le passé, beaucoup de ces projets pilotes n'ont pas été lancés à grande échelle car il n'y avait pas de moyen d'entraîner ces modèles aussi rapidement que maintenant. J'ai donc donné l'exemple de centaines de cas d'utilisation. Supposons que vous ayez un progiciel, qu'il contienne un cas d'utilisation dédié à la prévention des pertes et qu'il fonctionne vraiment bien. Mais quoi que vous fassiez, chaque site est unique. Alors, par le passé, vous aviez besoin d'un ingénieur ou d'une personne du service informatique qui puisse visionner les vidéos et entraîner le modèle spécifiquement pour leur cas d'utilisation, leur magasin de détail, l'éclairage particulier du site, afin qu'il fonctionne correctement. Et cela prend beaucoup de temps. Et ensuite, lorsque vous le déployez sur les sites deux, trois et quatre, ces conditions d'éclairage peuvent être différentes, par exemple. Cela entraîne un grand nombre de problèmes. Ce que je constate en ce moment, et qui est remarquable, c'est la capacité d'entraîner rapidement parce que, au lieu d'avoir une personne dans la boucle, vous pouvez en fait utiliser des agents d'IA pour effectuer tout ce travail. Ainsi, quelque chose qui prendrait des semaines, voire des mois, du point de vue d'un projet pilote, peut être fait en quelques heures seulement, car il suffit de dire à l'agent de télécharger les fichiers vidéo, les exemples du site exact, puis de dire : « Hé, écoute, j'ai besoin d'un entraînement sur le cas d'utilisation A, B ou C », et cela se fera plus rapidement que jamais auparavant, et votre modèle sera nettement mieux affiné que si un humain l'avait fait. C'est donc le type de percée révolutionnaire que nous avons réalisée et qui permettra aux entreprises de déployer à grande échelle.

Corey Noles : Je comprends. Je n'avais pas réfléchi à ce que pouvait impliquer l'entraînement, et votre remarque sur la façon dont l'éclairage, une chose aussi simple que ça, peut varier d'un bâtiment à l'autre, et même dans différentes parties d'un même bâtiment, est logique et je comprends mieux les défis que cela présente. Par conséquent, à mesure que les entreprises font passer la vision par ordinateur des projets pilotes à la production, les besoins en infrastructures peuvent devenir plus complexes, comme vous l'avez mentionné il y a un instant, notamment en matière de performances des données, de vitesses d'inférence souhaitées. Comment Dell et NVIDIA aident-elles les organisations à réfléchir à ces choix d'infrastructure qui comptent le plus pour elles ?

Jason Nassar : Effectivement. Tout d'abord, nous avons beaucoup d'experts en la matière, tels que moi-même et des ingénieurs, et Dell et NVIDIA peuvent fournir des services de conseil. Nous pouvons donc examiner vos opérations, et plus précisément votre cas d'utilisation, ce que vous essayez d'accomplir, et nous assurer que vous allez obtenir un retour sur investissement. Mais d'une manière générale, si vous souhaitez utiliser un traitement en temps réel, vous aurez besoin que votre puissance de calcul soit située à proximité de l'opération. Cela signifie donc que vous devrez être derrière le pare-feu, pas nécessairement dans le centre de données ou le cloud, mais vraiment à proximité immédiate de votre opération. Et c'est vraiment important dans la fabrication verticale où tout se passe plus ou moins en temps réel, et vous souhaitez peut-être prendre des décisions correctives et vous voulez renvoyer des informations à ces contrôleurs en fonction de ce que voit la vision par ordinateur. Cependant, si vous effectuez des opérations de calcul très importantes et que le temps réel n'est pas absolument nécessaire, disons que vous comptez simplement des personnes, que vous essayez de comprendre des opérations aéroportuaires afin d'optimiser les flux de personnes, vous pouvez le faire dans votre centre de données. Et le plus intéressant, c'est que Dell et NVIDIA offrent cette architecture d'usine d'IA, ces produits d'usine d'IA qui sont très spécifiques. Nous pouvons aider nos clients et leur indiquer très précisément ce dont ils ont besoin pour obtenir un retour sur investissement très rapide.

Corey Noles : C'est génial. C'est génial. Dans de nombreux cas d'utilisation informatique, le timing est crucial. Comme vous l'avez mentionné avec l'exemple de la personne et de la bouteille de shampooing il y a quelques minutes, une information tardive peut devenir inutile, par exemple si vous traitez des questions liées à la fabrication, la sécurité, le contrôle qualité, les problèmes de production, voire à la réactivité opérationnelle. Comment les entreprises abordent-elles la vision IA en temps réel ou quasi réel ? Et quel rôle joue le calcul accéléré pour rendre ce type d'échelle possible ?

Jason Nassar : Il faut d'abord que la capacité de calcul soit située à proximité des opérations. C'est ce qui est essentiel lorsque vous travaillez avec des données en temps réel, mais il faut aussi un moyen de gérer et d'orchestrer cela, n'est-ce pas ? Et ce que nous constatons du point de vue de l'échelle à la périphérie, c'est une difficulté, généralement causée par le persona d'OT. Vous voyez ce que je veux dire ? Le persona de technologie opérationnelle. Une difficulté à comprendre comment mettre les dispositifs informatiques locaux à l'échelle de ce qui se passe réellement avec la vision par ordinateur. Vous savez, chez Dell, nous avons deux plateformes qui permettent vraiment de faire progresser cela rapidement. Il s'agit de la Dell Automation Platform et du cloud privé distribué Dell. Ces deux technologies vous permettent de déployer des solutions logicielles de système d'exploitation avec une mise en service sans intervention. Bien. Donc, lorsque vous avez une opération en périphérie qui nécessite ce temps réel, et que vous souhaitez déployer cette solution sur des centaines, voire des milliers de sites à travers le monde, afin que vous puissiez vraiment concrétiser ce cas d'utilisation, c'est vraiment l'avancée que nous avons apportée à nos clients. Et cela vous offre une expérience très similaire à celle de ces appareils de télévision en streaming que nous avons, comme les Google Chromecast et les Amazon Fire Stick, où vous placez le calcul à proximité du processus pour lequel vous avez besoin de ces informations en temps réel, vous le branchez, et tous les systèmes d'exploitation logiciels, les interconnexions, les intégrations de données, tout cela se déploie automatiquement à grande échelle, sur des centaines d'appareils. Par conséquent, ce qui se passe, c'est que vous avez une opération dont la réalisation aurait normalement pris des mois et vous avez réduit cette durée à quelques jours, quelques heures même parfois, en fonction des processus.

Corey Noles : C'est fou. Oui, je suppose qu'en considérant la latence par rapport au temps réel, on ne veut absolument pas attendre que nos fichiers vidéo soient transférés vers AWS Est et qu'ils reviennent après avoir été analysés. Vous seriez incapable de mettre en œuvre du temps réel de cette façon, à mon sens.

Jason Nassar : En effet, vous ne pourriez pas réaliser une exécution en temps réel et vous ne pourriez pas la mettre à grande échelle. Vous savez, beaucoup de ces entreprises travaillent dans des environnements complètement isolés. Si vous travaillez dans le secteur de l'énergie et que vous essayez de déployer un logiciel de vision par ordinateur, ou dans le secteur de la production, vous suivez cette architecture appelée modèle de Purdue et en gros, vous avez un pare-feu qui vous empêche totalement de vous connecter au centre de données. Par conséquent, en effet, vous avez besoin que votre puissance de calcul, que vos puissants accélérateurs basés sur des appareils d'usine d'IA soient à proximité de votre opération pour l'exécuter.

Corey Noles : C'est logique. C'est logique. La vision par ordinateur soulève de nombreuses questions importantes en matière de protection de la vie privée, de sécurité, de biais ou de gouvernance. Que doivent faire les entreprises pour instaurer la confiance dans ces systèmes dès le début ?

Jason Nassar : Une sécurité de type confiance zéro doit être prise en compte dès le départ. Vous devez donc mettre en place une gestion et une orchestration afin d'éviter que quelqu'un vienne avec une clé USB et tente d'apporter des modifications au niveau du point de terminaison, pour finalement introduire un risque de cybersécurité. Ce que je veux dire, c'est que cela va coûter aux entreprises des millions, voire des dizaines de millions de dollars si cela se produit, ne serait-ce qu'une seule fois. Alors, que signifie la confiance zéro ? Globalement, cela signifie que les seules personnes qui peuvent réellement modifier des éléments de cet appareil, de ce logiciel, de ce logiciel de vision par ordinateur, de ce système d'exploitation, de ces intégrations, sont des administrateurs. Et ce que Dell a fait, c'est qu'elle fournit ce cloud privé distribué Dell où nos appareils de point de terminaison sortent de l'usine avec cette sécurité de type confiance zéro intégrée. Personne ne pourra les trafiquer. Et cela s'applique très précisément à ces environnements isolés, comme je le disais, qui suivent le modèle Purdue. Nous respectons également les exigences de la NERC et de la FERC, qui sont absolument cruciales dans le secteur énergétique. Et donc, pour la toute première fois, directement depuis l'usine Dell, vous avez des appareils dotés de capacités de calcul d'intelligence artificielle très poussées qui intègrent aussi une sécurité confiance zéro, et ce directement de notre usine jusqu'à l'endroit où le cas d'utilisation sera mis en œuvre.

Corey Noles : D'accord, d'accord. Au-delà de la technologie elle-même, lorsque vous souhaitez faire cela, dans quoi les équipes doivent-elles s'impliquer pour que la vision par ordinateur réussisse à l'échelle d'une entreprise ?

Jason Nassar : Bien, alors, l'un des principaux défis des environnements OT réside dans le conflit entre les équipes informatiques et opérationnelles. Généralement, elles n'aiment pas travailler ensemble, mais en fait, avec l'IA, elles doivent impérativement le faire, car les entreprises qui mettent en œuvre correctement l'IA, l'IA agentique et la vision par ordinateur peuvent réussir et progresser nettement plus vite que les entreprises qui ne le font pas. Et la plupart des entreprises s'en rendent compte actuellement. Vous avez donc besoin de vos équipes informatiques et de vos équipes opérationnelles, qui doivent collaborer. Vous aurez également besoin de votre équipe de sécurité et de conformité, ainsi que de vos équipes de secteur d'activité. Dans ces conditions, selon moi, les technologies que nous fournissons avec l'usine d'IA permettent en quelque sorte ce fonctionnement. Tout est conçu pour que les équipes informatiques et les équipes opérationnelles puissent se réunir et développer la recette, c'est-à-dire ces plans, comme je l'ai dit précédemment, vos logiciels, votre système d'exploitation, vos intégrations, et les développer à l'avance afin que ces appareils de point de terminaison puissent arriver chargés avec tout ce dont ils ont besoin, ainsi qu'avec une mise en service sans intervention. C'est extrêmement important, mais vous avez besoin de cela à tous les niveaux, du DSI jusqu'à l'ouvrier d'usine qui est ingénieur en automatisation.

Corey Noles : Bien. Une dernière question avant de nous quitter. Essayons de jeter un petit coup d'œil dans la boule de cristal. Selon vous, quelle sera l'évolution de la vision par ordinateur en entreprise au cours des quelques prochaines années ?

Jason Nassar : Nous progressons actuellement à pas de géant, et ce qu'était la vision par ordinateur il y a encore six mois par rapport à avant est en train de changer radicalement. Tous les logiciels accélèrent à une vitesse sans précédent, car bien que les humains participent au processus, c'est l'IA qui les crée réellement. Et cela change tout. De surcroît, nous ajoutons une IA agentique intégrée directement aux VLM et à l'apprentissage automatique. Nous accélérons donc aussi de ce côté. Vous pouvez désormais poser des questions sur ce qui se passe. Mais je pense que si vous voulez vraiment réfléchir à très très long terme, nous allons arriver à un point où les humains n'auront plus vraiment besoin d'être dans la boucle. La vision par ordinateur va se corriger elle-même. Elle va identifier les domaines du logiciel qui nécessitent une correction. Et peut-être qu'il y aura juste un être humain qui dira : « oui, je suis d'accord », ou peut-être pas du tout. On en arrivera là à mesure que nous nous rapprocherons de l'IAG. Et ça va arriver. Nous allons nous en rapprocher de plus en plus.

Corey Noles : Pareil, pareil. Surtout par rapport à il y a cinq ans. C'est incroyable. Oui. Eh bien, Jason, merci beaucoup de nous avoir rejoints aujourd'hui. Où les spectateurs peuvent-ils trouver plus d'informations sur vos travaux, la vision par ordinateur et toutes les choses que Dell et NVIDIA ont à offrir dans ces domaines ?

Jason Nassar : Oui, alors vous devez absolument visiter Dell.com et vous renseigner sur la Dell AI Factory with NVIDIA pour comprendre un peu mieux toutes ces informations. Faites une recherche sur le cloud privé distribué Dell (DDPC) et sur la Dell Automation Platform. Vous pouvez également me contacter. Vous me trouverez sur LinkedIn, Jason Nassar, et je pourrai vous aider quels que soient vos besoins, avec une expérience de conseil spécialisée venant directement de Dell, afin que nous puissions vous faire évoluer correctement.

Corey Noles : Excellent. Ainsi, la vision par ordinateur en entreprise évolue, tout comme les éléments que les organisations doivent prendre en compte à mesure qu'elles passent de l'expérimentation au déploiement à grande échelle. Votre organisation est-elle prête ? Pour accéder à plus d'actualités, d'analyses, de guides d'achat et d'entretiens avec des experts en technologies d'entreprise, rendez-vous sur eWeek.com. Vous pouvez également suivre eWeek sur LinkedIn, Facebook et X. Merci beaucoup d'avoir écouté eSpeaks. À bientôt.

Jason Nassar : Merci.