IA à poids ouverts : le choix, la souveraineté et le contrôle au service des entreprises

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

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

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

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

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

La question stratégique plus large est de savoir quelle liberté cette architecture préserve. Un environnement d’IA d’entreprise conçu autour du choix des modèles peut donner aux organisations davantage de contrôle sur le lieu d’exécution des charges de travail aujourd’hui, tout en leur permettant d’adopter demain d’autres modèles, infrastructures et approches de déploiement.

Pourquoi le contrôle est essentiel pour les entreprises

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

Un avantage clé est la possibilité d’exécuter l’inférence dans des environnements contrôlés par l’organisation. Cela peut s’avérer particulièrement précieux lorsque les applications d’IA traitent des données propriétaires, des informations clients, des charges de travail réglementées ou d’autres propriétés intellectuelles sensibles. Conserver ces charges de travail sur une infrastructure régie par l’entreprise peut contribuer au respect des politiques de sécurité internes, des exigences de résidence des données et de la souveraineté de l’IA : un contrôle accru sur le lieu d’exécution des modèles, le lieu de traitement des données sensibles et les personnes qui contrôlent les systèmes sous-jacents.

Les modèles à poids ouverts peuvent également donner aux équipes davantage de latitude pour adapter l’IA au travail à accomplir. Selon le modèle et sa licence, les organisations peuvent être en mesure de l’affiner pour intégrer une terminologie spécialisée, des connaissances métier ou des processus opérationnels spécifiques. Elles peuvent évaluer des versions figées des modèles au regard de leurs propres exigences, tester leurs performances sur l’infrastructure de leur choix et déterminer à quel moment une version plus récente est la mieux 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 très spécialisée. L’IA à poids ouverts donne aux organisations davantage de liberté pour prendre ces décisions charge de travail par charge de travail, plutôt que de façonner chaque cas d’usage autour du portefeuille d’un seul fournisseur.

Cette approche présente également un avantage à long terme : lorsque les modèles peuvent s’exécuter sur des environnements compatibles d’infrastructure et de logiciels, les entreprises disposent de davantage de marge pour ajuster leurs choix technologiques à mesure que leurs besoins évoluent. Par exemple, une organisation peut 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 reconstruire l’application depuis zéro. Les poids des modèles ne garantissent pas à eux seuls la portabilité, mais ils constituent un point de départ plus solide pour préserver le choix à tous les niveaux de la pile.

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

Modèles d’IA à poids ouverts ou fermés pour les entreprises

Comparés aux modèles fermés proposés principalement via des services hébergés par les fournisseurs, les modèles à poids ouverts peuvent donner aux entreprises un contrôle plus direct sur le déploiement, l’adaptation et le choix de l’infrastructure. Les modèles fermés peuvent offrir une expérience davantage entièrement gérée. De nombreuses organisations utiliseront les deux approches, en sélectionnant celle qui convient le mieux à une charge de travail donnée.

Les modèles ont besoin de puissance et de sécurité, Dell les fournit

L’accès aux poids des modèles ne constitue qu’une partie d’une stratégie d’IA d’entreprise. La valeur du choix des modèles dépend de la capacité de l’environnement qui les entoure 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 le déploiement plus cohérent et plus facile à gérer.

Dell AI Factory avec NVIDIA met ce modèle d’exploitation en pratique. Cette solution transforme les briques fondamentales de l’IA de NVIDIA en solutions d’IA prêtes pour la production, offrant aux organisations une base plus intégrée pour déployer l’IA dans des environnements qu’elles contrôlent. Pour les entreprises, l’avantage est de disposer d’un meilleur contrôle sur les modèles, les données et le déploiement sans devoir intégrer et 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 de déploiement, de sécurité, de supervision et de mise à jour, au lieu de traiter chaque modèle comme un projet d’infrastructure distinct.

Dans une récente interview accordée à eSpeaks, Beth Williams, responsable mondiale du portefeuille chez Dell Technologies, a souligné la nécessité de disposer d’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. Il est donc essentiel de disposer d’étapes intermédiaires pour y parvenir dans le cadre des cas d’usage que vous exécutez. »

Une base reproductible prend une valeur croissante à mesure que les entreprises adoptent davantage de modèles pour un plus grand nombre de cas d’usage. La valeur de l’IA à poids ouverts réside dans le choix, mais ce choix est plus facile à préserver lorsque l’environnement sous-jacent peut accompagner les changements sans contraindre les équipes à reconstruire la pile à chaque fois.

Conçue pour l’inévitable : le changement

L’IA à poids ouverts permet aux entreprises de choisir parmi une gamme croissante de modèles au lieu de concevoir chaque charge de travail autour d’un fournisseur ou d’une famille de modèles unique. Cela peut également réduire la dépendance vis-à-vis d’un fournisseur.

Parce que les organisations peuvent conserver et déployer les poids des modèles dans le cadre de la licence applicable, elles peuvent disposer d’une plus grande liberté pour déplacer les charges de travail entre des infrastructures compatibles, changer d’environnement d’exécution ou adopter un autre modèle à mesure que les exigences évoluent.

Aucun modèle ne sera probablement le mieux adapté à tous les cas d’usage des entreprises. L’un peut être plus performant pour le raisonnement, un autre pour la génération de code et un autre encore pour un cas d’usage interne spécialisé. Les conditions de licence, les exigences d’infrastructure, la latence et l’efficacité peuvent également varier considérablement d’un modèle à l’autre. Un écosystème de modèles ouverts donne aux organisations davantage de latitude pour évaluer ces différences et choisir en conséquence.

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

Williams a présenté cette question comme une décision de placement des charges de travail, plutôt que comme un choix d’infrastructure universel. « Il s’agit d’un processus décisionnel concernant les charges de travail d’IA : à quoi votre infrastructure doit-elle ressembler, que pouvez-vous utiliser dans le cloud public, que devez-vous conserver sur site, et qu’est-ce qui vous permettra d’obtenir le résultat le plus rapidement ? », a-t-elle expliqué.

Un écosystème de modèles plus vaste peut également faciliter l’adaptation à mesure que le marché évolue. Un modèle qui répond aux exigences actuelles pourra à terme 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 faciliter l’absorption de ces changements.

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 prend en charge l’accès à plusieurs modèles ouverts pour un déploiement sur des infrastructures Dell compatibles, notamment des modèles issus de familles telles que Meta Llama et Kimi. L’idée essentielle ne concerne pas les modèles pris individuellement, mais la possibilité de choisir entre eux à mesure que les besoins de l’entreprise évoluent.

La valeur stratégique de l’IA à poids ouverts tient à la préservation des options tout au long du cycle de vie des modèles : 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 reproductible à l’échelle de l’entreprise, en donnant 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 établir clairement les responsabilités, comprendre les conditions de licence, vérifier la provenance des modèles, contrôler l’accès aux systèmes de production, tester les modèles au regard du cas d’usage prévu et surveiller les performances dans le temps. À mesure que les modèles sont mis à jour ou adaptés,

les entreprises ont également besoin d’un processus cohérent pour examiner les changements importants et gérer le cycle de vie de ce qui s’exécute en production.

Un environnement d’exploitation commun facilite également 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 utiliser des pratiques 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 d’exploitation qui entoure la technologie. Williams estime qu’il s’agit souvent de la partie la plus difficile de l’IA en production. « La technologie, c’est la partie facile, a-t-elle déclaré. Le plus difficile, en réalité, c’est le changement organisationnel. » En pratique, cela signifie définir les responsabilités, le financement, l’approbation des changements, les rôles 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 fournissant aux organisations une base plus standardisée pour déployer et gérer l’IA dans des environnements qu’elles contrôlent. Dell Enterprise Hub en est un autre exemple, avec des ressources de déploiement et un conditionnement des modèles conçus pour faciliter la mise en exploitation des 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 entreprise entièrement nouvelle.

Construire pour la suite

L’IA à poids ouverts donne aux entreprises davantage de pouvoir sur le lieu d’exécution des modèles, leur évolution et la gouvernance des données sensibles. Tout aussi important, elle offre aux organisations la possibilité de faire des choix différents à mesure que les modèles, les paramètres 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 compteront demain. Les organisations qui préservent le choix entre les modèles et les environnements de déploiement peuvent adopter de nouvelles capacités sans abandonner le contrôle des données et de l’infrastructure qui les sous-tendent.

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

Le résultat est un environnement d’IA conçu pour le choix : choix du modèle, choix du déploiement et contrôle accru sur la suite.