Trois technologies de calcul de transformation permettant ... · Les organisations de la phase 3 ont également 2 fois plus de chances que celles de la phase 1 d’avoi un délai

© 2019 par The Enterprise Strategy Group, Inc. Tous droits réservés.

Les avantages pour l’entreprise de tirer parti de l’infrastructure informatique avancée pour les initiatives d’intelligence artificielle Par Scott Sinclair, analyste senior ESG ; Mike Leone, analyste senior ESG ; Adam DeMattia, directeur de recherche Novembre 2019 Ce rapport ESG Research Insights a été commandé par Dell EMC et Intel et distribué sous licence ESG.

Enterprise Strategy Group | Getting to the bigger truth.™

Trois technologies de calcul de transformation permettant d’accélérer l’intelligence artificielle et les principaux atouts associés

Rapport Research Insights

Rapport Research Insights : Trois technologies de calcul de transformation permettant d’accélérer l’intelligence artificielle et les principaux atouts associés 2


Sommaire

Une infrastructure adaptée à l’intelligence artificielle peut-elle améliorer les résultats de l’entreprise ? ..................... 3

Identification du type d’infrastructure qui favorise la réussite des initiatives d’IA .......................................................... 3

L’impact de la maturité de l’infrastructure informatique optimisée pour l’IA : Résumé des résultats

de la recherche ............................................................................................................................................................. 4

La maturité de l’infrastructure informatique optimisée pour l’IA améliore l’IA et offre de meilleurs résultats

commerciaux ..................................................................................................................................................................... 5

Quantifier les résultats de l’entreprise et les avantages obtenus en tirant parti d’une infrastructure

informatique optimisée pour l’IA .................................................................................................................................. 7

Impact sur le chiffre d’affaires d’une phase de maturité supérieure de l’infrastructure informatique

optimisée pour l’IA ........................................................................................................................................................ 8

Comprendre comment le calcul optimisé pour l’IA soutient le développement et l’utilisation de l’IA ......................... 10

La maturité de l’infrastructure informatique optimisée pour l’IA donne l’opportunité de développer

davantage de charges applicatives et des modèles d’IA ............................................................................................ 10

Un meilleur développement de l’IA avec une infrastructure informatique optimisée pour l’IA soutient une

utilisation plus étendue de l’IA en production ........................................................................................................... 11

En conclusion .................................................................................................................................................................. 13

Comment Dell EMC et Intel Technologies peuvent vous aider ...................................................................................... 13

Annexe I - Méthodologie de recherche et caractéristiques démographiques des personnes interrogées ................... 15

Annexe II - Critères d’évaluation de la phase de maturité des organisations concernant l’utilisation d’une

infrastructure de calcul optimisée pour l’IA ................................................................................................................... 17

Annexe III - Tendances d’investissement dans les entreprises ayant un haut niveau de maturité pour l’utilisation

d’une infrastructure de calcul optimisée pour l’IA ......................................................................................................... 18



Une infrastructure adaptée à l’intelligence artificielle peut-elle améliorer les résultats de l’entreprise ?

Depuis des années, l’analytique permet aux entreprises de tirer parti de leurs données. Toutefois, étant donné les exigences en matière de concurrence de l’économie numérique moderne, les entreprises veulent et doivent faire plus. Poussées par le désir d’une plus grande précision et d’informations plus rapides, plus prédictives et plus granulaires, les entreprises se tournent vers le domaine en pleine évolution de l’intelligence artificielle (IA).

Le concept d’IA existe depuis des dizaines d’années. Mais désormais, l’apprentissage automatique (ML) et un sous-ensemble du ML appelé Deep Learning (DL) permettent d’accélérer la formation des logiciels d’IA et de les aider à devenir bien plus précis. Les algorithmes ML titrent leurs connaissances des données, ce qui permet au logiciel de réaliser des prévisions et de réagir en conséquence. Ces algorithmes continuent à s’améliorer au fil du temps, en fonction des données collectées.

La disponibilité de techniques informatiques à moindre coût, l’abondance de données quasi illimitées et les nouvelles avancées dans les modèles et algorithmes d’IA font que les possibilités d’initiatives d’IA sont maintenant pratiquement infinies. Aujourd’hui, l’IA automatise la prise de décision, améliore les interactions avec les clients, rationalise les opérations et aide les sociétés à tirer parti des nouvelles opportunités de produits et de marchés.

Grâce à l’IA, les données constituent l’une des plus grandes opportunités que les entreprises aient jamais eues d’obtenir un avantage concurrentiel. Même avec tous ces avantages, des questions subsistent :

• Quels avantages commerciaux une entreprise peut-elle réellement tirer des initiatives d’IA ?

• Quelles sont les technologies, si elles existent, qui permettent d’obtenir les meilleurs résultats ?

ESG a récemment mené une étude détaillée pour répondre à ces questions et mieux comprendre et analyser les relations entre les technologies de calcul modernes, l’utilisation des charges de travail fondées sur l’IA et les résultats pour l’entreprise. À partir de cette étude, ESG a conclu que :

• L’IA offre une formidable opportunité d’extraire et de capturer la valeur contenue dans les données.

• En utilisant l’IA de manière efficace, les entreprises deviennent plus fortes, plus efficaces et plus concurrentielles.

• Certaines technologies de calcul sont beaucoup plus efficaces pour prendre en charge les initiatives d’IA d’entreprise que d’autres.

Identification du type d’infrastructure qui favorise la réussite des initiatives d’IA

Ce document validé par des données décrit les résultats obtenus par les entreprises en déployant l’IA sur une infrastructure informatique moderne. L’enquête sur laquelle repose l’étude rassemble les réponses de 750 personnes interrogées dans le monde entier, qui sont toutes des professionnels de l’informatique employés dans des organisations qui utilisent déjà l’IA ou envisagent de déployer l’IA au cours des 24 prochains mois. Toutes les personnes interrogées devaient bien connaître l’infrastructure IT sur laquelle reposent leurs charges de travail d’IA, ainsi que les initiatives métiers et processus que l’IA a permis d’améliorer (ou permettra d’améliorer).1

1 Pour plus d’informations sur les caractéristiques de l’étude, ainsi que sur la méthodologie utilisée pour définir et créer la phase de maturité

dans chaque organisation participante, consultez les annexes à la fin de ce document.

Les données constituent l’une des plus grandes opportunités que les entreprises aient jamais eues d’obtenir un avantage concurrentiel.



Établissement de la phase de maturité de l’infrastructure IT optimisée pour l’IA

ESG a posé aux participants une série de questions sur les infrastructures informatiques dont leur organisation dispose pour prendre en charge le développement et l’utilisation des charges de travail d’intelligence artificielle. ESG leur a ensuite affecté des points (30 au maximum) en fonction de leurs réponses. À l’aide des totaux des points, ESG a attribué à chaque organisation une phase de maturité de « l’infrastructure informatique optimisée pour l’IA ». La phase de maturité de chaque organisation reflète son utilisation de trois technologies de calcul modernes qui influencent et améliorent la prise en charge des charges de travail d’IA :

1. Les serveurs modernes qui utilisent des fonctionnalités d’automatisation étendues (par exemple, l’automatisation de la mise à jour, la surveillance, la configuration, le provisioning et les mesures correctives).

2. L’utilisation et l’extension des accélérateurs tels que les processeurs graphiques (GPU) ou les circuits logiques programmables (FPGA) pour prendre en charge les charges de travail d’IA.

3. Utilisation d’une infrastructure convergée/hyperconvergée pour prendre en charge les charges de travail d’IA.

ESG a ensuite assigné à chaque organisation l’une des trois phases de maturité :

• Phase 1 (42 % des organisations de l’étude) : faible niveau d’automatisation, utilisation très limitée des accélérateurs et/ou peu ou pas d’infrastructure convergée/hyperconvergée pour l’IA.

• Phase 2 (33 % des organisations) : niveaux d’automatisation modérés, certaines utilisations des accélérateurs et/ou une infrastructure convergée/hyperconvergée pour l’IA.

• Phase 3 (24 % des organisations) : niveaux d’automatisation élevés, large utilisation des accélérateurs et/ou utilisation élevée d’une infrastructure convergée/hyperconvergée pour l’IA.

L’impact de la maturité de l’infrastructure informatique optimisée pour l’IA : Résumé des résultats de la recherche

Les niveaux de maturité les plus élevés en ce qui concerne l’utilisation de l’automatisation des serveurs, des accélérateurs et d’infrastructures convergées/hyperconvergées améliorent grandement la capacité de l’organisation à développer et à utiliser des charges de travail d’IA en production. L’atteinte d’un niveau de maturité plus élevé grâce à ces trois technologies de calcul modernes offre également de meilleurs résultats pour l’entreprise.

Cette étude a révélé plusieurs avantages d’un niveau supérieur de maturité de l’infrastructure informatique optimisée pour l’IA, notamment :

• Développement de modèles d’IA plus rapides et plus efficaces. Par exemple, les organisations de la phase 3 ont 7 fois plus de chances que celles de la phase 1 de considérer qu’elles sont leaders sur leur marché dans le développement, le déploiement et le réglage des modèles d’IA en production.

• Adoption plus large et plus riche des charges de travail d’IA en production. Par exemple, les organisations de la phase 3 sont 4,5 fois plus susceptibles que celles de la phase 1 de dire qu’elles ont déployé l’IA de manière intensive en production.

• Meilleurs résultats pour l’entreprise et une entreprise plus robuste et plus concurrentielle : Par exemple, les organisations de la phase 3 sont 7,8 fois plus susceptibles que celles de la phase 1 de dire que l’IA a été très efficace pour générer de la valeur. Les organisations de la phase 3 ont également 2 fois plus de chances que celles de la phase 1 d’avoir un délai de rentabilité (time-to-value) pour l’IA plus court que prévu.

Le reste de ce document fournit des informations détaillées sur les avantages obtenus par les organisations de la phase 3 qui utilisent des solutions de calcul modernes optimisées pour une infrastructure d’IA.



La maturité de l’infrastructure informatique optimisée pour l’IA améliore l’IA et offre de meilleurs résultats commerciaux

Les initiatives d’IA sont généralement mises en place dans le but de prendre l’avantage sur la concurrence. À cette fin, les entreprises font généralement de lourds investissements pour rechercher le personnel approprié, lui proposer les applications logicielles et les ensembles d’outils appropriés, et le soutenir avec l’infrastructure appropriée. Mais l’infrastructure de calcul est-elle importante ? Le choix des technologies appropriées peut-il modifier la capacité des projets d’IA à générer des bénéfices commerciaux ? La réponse à ces deux questions est un « oui » franc.

ESG a demandé aux participants de donner des renseignements sur l’état de leurs initiatives d’IA et leurs succès en la matière, la valeur générée par ces initiatives et la force concurrentielle de leur entreprise. Les conclusions révèlent que les organisations de la phase 3 bénéficient d’un avantage significatif par rapport à leurs homologues moins matures dans de nombreux secteurs d’activité.

En ce qui concerne le lien entre les initiatives d’IA et les bénéfices commerciaux généraux, les organisations de la phase 3 étaient hautement susceptibles (63 %) de considérer qu’elles étaient très efficaces pour générer de la valeur à partir des initiatives d’IA. Ce pourcentage est quasiment 8 fois supérieur à celui des entreprises de la phase 1 et 3 fois supérieur à celui des organisations de la phase 2.

Figure 1. La maturité de l’infrastructure informatique optimisée pour l’IA permet de générer une plus grande valeur à partir des initiatives d’IA

Source : Enterprise Strategy Group

Non seulement les organisations de la phase 3 sont plus susceptibles de générer de la valeur, mais ces sociétés, qui utilisent des technologies de calcul modernes, sont également mieux équipées pour accélérer la fourniture et le déploiement des charges de travail d’IA en production (figure 2). La probabilité que le time-to-value des organisations de la phase 3 soit plus long que prévu est presque égale à celle qu’il ne le soit pas, et ces entreprises sont 2 fois plus susceptibles d’atteindre un time-to-value plus court que prévu que les organisations moins matures de la phase 1.

Les entreprises

de la phase 3

sont 7,8 fois

plus susceptibles

de dire que l’IA a été très efficace pour générer de la valeur



Figure 2. L’infrastructure informatique optimisée pour l’IA accélère le time-to-value pour les initiatives d’IA


Grâce à l’amélioration de la valeur générée et du time-to-value, les organisations de la phase 3 sont beaucoup plus susceptibles d’atteindre une position de leader de l’IA dans leur secteur, pas seulement dans un domaine, mais dans une grande variété de segments d’activité (figure 3). Les organisations de la phase 3 ont déclaré que la probabilité qu’elles soient leader sur leur marché se situait entre près de 50 % et près de 60% sur plusieurs segments d’activité différents. Ces segments vont du business intelligence à l’expérience client en passant par les avantages opérationnels, comme un leadership dans la sécurité, le marketing, le développement et la vente. Les données montrent une corrélation entre le fait de tirer parti d’une infrastructure de calcul optimisée pour les technologies de l’IA et une plus grande probabilité d’être perçu comme un leader dans presque tous les aspects de l’entreprise.

Figure 3. La maturité de l’infrastructure informatique optimisée pour l’IA renforce les capacités de plusieurs segments de l’entreprise


Les entreprises de

la phase 3 ont

2 fois plus de

chances d’avoir un

time-to-value plus

court que prévu



Bien qu’il soit souvent difficile de prouver qu’il existe un lien de causalité, la proportion d’organisations de la phase 3 qui dépassent leurs homologues moins matures dans de multiples catégories de réussite commerciale laisse penser que cette corrélation est plus que fortuite. Il est évident que les trois technologies de calcul modernes sur lesquelles cette étude est axée offrent des avantages tangibles. En d’autres termes, pour que les organisations aient les meilleures opportunités d’optimiser les avantages générés par les initiatives d’IA, l’utilisation d’une infrastructure informatique moderne n’est pas seulement importante, elle est essentielle.

Les sociétés de la phase 3, qui utilisent davantage l’automatisation des serveurs, les accélérateurs et une infrastructure convergée/hyperconvergée pour l’IA, dépassent leurs homologues dans quasiment tous les domaines commerciaux. Récapitulatif :

• Les organisations de la phase 3 sont 2,6 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière d’analytique et de Business Intelligence.

• Les organisations de la phase 3 sont 3,1 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière d’expérience client et de support.

• Les organisations de la phase 3 sont 2,5 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière de cybersécurité.

• Les organisations de la phase 3 sont 3,3 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière de marketing numérique.

• Les organisations de la phase 3 sont 2,3 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière de développement de produits.

• Les organisations de la phase 3 sont 2,2 fois plus susceptibles que celles de la phase 1 de se démarquer de la concurrence en matière d’opérations commerciales.

• Les organisations de la phase 3 sont 7,8 fois plus susceptibles que celles de la phase 1 de dire que l’IA a été très efficace pour générer de la valeur.

• Les organisations de la phase 3 ont 2 fois plus de chances que celles de la phase 1 d’avoir un time-to-value pour l’IA plus court que prévu.

Quantifier les résultats de l’entreprise et les avantages obtenus en tirant parti d’une infrastructure informatique optimisée pour l’IA

L’utilisation de l’infrastructure de calcul appropriée, optimisée pour l’IA, améliore la probabilité de tirer des bénéfices des initiatives d’IA. Elle améliore également le time-to-value pour les projets d’IA. Elle augmente même les chances de devenir leader de la concurrence sur un large éventail de segments métiers. Mais qu’en est-il de la valeur des avantages générés par ces projets ? Oui, les organisations de la phase 3 sont plus efficaces lors de l’exécution de projets IA. Cependant, une fois les projets en place, les bénéfices sont-ils supérieurs pour les organisations de la phase 3 que pour les autres entreprises ayant une infrastructure informatique moins mature ? Encore une fois, la réponse est « oui ».

Les données de la figure 4 illustrent le pourcentage d’amélioration moyen de différents metrics, allant de la réussite des clients, à l’efficacité des opérations en passant par la réduction des coûts et des risques liés aux arrêts de service. Les bénéfices retirés par les entreprises de la phase 3 découlent d’améliorations 2 à 3 fois supérieures à celles des organisations de la phase 1, en fonction du metric considéré, comme indiqué dans la figure 4.



Figure 4. Une phase de maturité supérieure de l’infrastructure informatique optimisée pour l’IA améliore la valeur obtenue à partir de l’IA

Phase 1 Phase 2 Phase 3

Amélioration moyenne des dépenses des clients

6 % 8 % 18 %

Amélioration moyenne de la rétention des clients

8 % 9 % 19 %

Amélioration moyenne de la vitesse de décision

9 % 12 % 19 %

Amélioration moyenne de l’assurance qualité

9 % 14 % 17 %

Amélioration moyenne de la précision des décisions

8 % 10 % 21 %

Réduction moyenne du temps d’inactivité de l’IT

6 % 13 % 19 %

Réduction des coûts moyenne grâce à l’automatisation des processus métiers et/ou des opérations

6 % 10 % 16 %

Réduction moyenne des risques métiers

8 % 12 % 21 %

Lors de l’examen de ces résultats, il est essentiel de tenir compte de l’agrégation des données illustrées dans les figures 1 à 3. Les organisations de la phase 3 obtiennent non seulement des bénéfices supérieurs, mais elles sont également plus susceptibles de les obtenir, plus rapidement et pour un large éventail de segments métiers. Par conséquent, la valeur réelle générée par l’exploitation de l’infrastructure de calcul moderne adaptée est bien supérieure à celle que ces chiffres pris isolément peuvent suggérer.

Impact sur le chiffre d’affaires d’une phase de maturité supérieure de l’infrastructure informatique optimisée pour l’IA

Qu’en est-il de l’impact financier ? Les avantages de l’utilisation des technologies de calcul les plus modernes influent-ils sur les finances de l’entreprise, ou les avantages générés par un développement de l’IA plus efficace et son utilisation plus étendue en production éclipsés par d’autres forces du marché ? Les données des figures 5 et 6 révèlent que, grâce à l’IA, les entreprises de la phase 3 obtiennent une augmentation supérieure de leur chiffre d’affaires par rapport à leurs concurrents. Plus de la moitié (58 %) des organisations de la phase 3 obtiennent plus de 10 % de leur chiffre d’affaires grâce à des projets découlant d’une initiative d’IA, soit deux fois plus que le nombre d’organisations de la phase 1 qui signalent la même augmentation.



Figure 5. La maturité de l’infrastructure informatique optimisée pour l’IA améliore l’impact sur le chiffre d’affaires des initiatives d’IA


Bien que le pourcentage du chiffre d’affaires associé à l’IA soit important, les données de la figure 6 peuvent être plus importantes encore. Les organisations de la phase 3 dépassent considérablement leurs homologues moins matures en matière de croissance du chiffre d’affaires généré par l’IA. Les organisations de la phase 3 sont 6,6 fois plus susceptibles que celles de la phase 1 et 5 fois plus susceptibles que celles de la phase 2 de répondre que la totalité de la part du chiffre d’affaires liée à leurs initiatives d’IA est incrémentielle.

Figure 6. La maturité de l’infrastructure informatique optimisée pour l’IA permet d’obtenir un chiffre d’affaires des initiatives d’IA incrémentiel


Dans presque tous les cas, l’utilisation d’un environnement de calcul optimisé offre des fondements supérieurs pour le développement de l’intelligence artificielle, ce qui conduit à une adoption plus rapide, plus riche et plus large des charges de travail et des cas d’utilisation de l’IA.

Les entreprises de la phase 3 sont 2 fois plus susceptibles d’obtenir 10 % ou plus de leur chiffre d’affaires en lien avec des initiatives d’IA

Les entreprises de

la phase 3 sont 6,6 fois plus

susceptibles de

dire que la totalité de la part du

chiffre d’affaires liée à l’IA est

incrémentielle



Comprendre comment le calcul optimisé pour l’IA soutient le développement et l’utilisation de l’IA

La section précédente était axée sur la valeur et les avantages obtenus par les organisations de la phase 3 grâce à l’utilisation plus étendue et plus complète des trois technologies de calcul de transformation modernes (automatisation des serveurs, accélérateurs et infrastructure convergée/hyperconvergée). Cette section fournit des informations sur la façon dont ces trois technologies permettent aux entreprises d’atteindre de meilleurs résultats métiers.

La maturité de l’infrastructure informatique optimisée pour l’IA donne l’opportunité de développer davantage de charges applicatives et des modèles d’IA

L’utilisation efficace de l’IA exige d’abord la capacité de l’organisation à élaborer des modèles, puis à les déployer en production, ainsi que la capacité à former et à améliorer ces modèles avec le temps. Dans le cadre de cette étude, ESG a identifié un lien solide entre le fait de tirer parti des trois technologies de calcul modernes qui définissent la maturité de l’infrastructure de calcul optimisée pour l’IA et une amélioration tangible et significative dans le développement de modèles d’IA et l’utilisation de ces modèles dans les charges de travail de production.

Les données présentées dans la figure 7 mettent en évidence les avantages significatifs obtenus par les organisations de la phase 3, qui ont atteint la dernière phase de maturité de l’utilisation des trois technologies de calcul. Plus précisément, près de la moitié (48 %) des organisations de la phase 3 se sont identifiées comme des leaders sur leurs marchés respectifs dans le développement, le déploiement et le réglage des modèles d’IA. Par rapport à leurs homologues moins matures, les organisations de la phase 3 étaient près de 7 fois plus susceptibles que celles de la phase 1 et près de 5 fois plus susceptibles que celles de la phase 2 de se considérer comme des leaders du marché concernant le développement de modèle d’IA.

Figure 7. L’infrastructure informatique optimisée pour l’IA aide les organisations à se démarquer des concurrents grâce à leurs réussites en matière d’IA


Les entreprises de la phase 3 sont

près de 7 fois plus susceptibles de

dominer leurs concurrents en

matière de capacités d’IA



Si on considère les performances futures, les organisations de la phase 3 ont également plus de chances d’anticiper un succès continu avec l’IA, 60 % d’entre elles étant très confiantes dans la capacité de leur département IT à répondre aux futurs objectifs de l’IA au cours des 36 prochains mois. Ce pourcentage était 6 fois plus élevé que celui des organisations de la phase 1 (60 % par rapport à 10 %).

Un meilleur développement de l’IA avec une infrastructure informatique optimisée pour l’IA soutient une utilisation plus étendue de l’IA en production

Comme on peut s’y attendre, le leadership perçu dans le développement, le déploiement et le réglage des modèles d’IA augmente la portée de l’utilisation des charges de travail d’IA en production. Les données de la figure 8 montrent que près de trois quarts (72 %) des organisations de la phase 3 ont répondu qu’elles utilisaient des technologies d’IA de manière intensive dans leur environnement, une valeur de 4,5 fois supérieure à celle des entreprises de la phase 1 et 3,4 fois supérieure à celle des organisations de la phase 2.

Figure 8. Une infrastructure de calcul optimisée pour l’IA améliore la probabilité d’utilisation de l’IA en production


Ces données laissent penser que le déploiement et l’utilisation des modèles ou des charges de travail d’IA ne sont pas des processus « une fois pour toutes ». Les technologies et les cas d’usage de l’IA peuvent être mis en œuvre sur plusieurs facettes de l’entreprise. Tirer parti des technologies de calcul optimisées pour l’IA augmente non seulement la probabilité d’une utilisation plus étendue de l’IA en production, mais cela augmente également la diversité des types de charges de travail d’IA que l’organisation est en mesure de prendre en charge.

Pour mieux comprendre l’augmentation de la diversité des types de charges de travail d’IA prises en charge, la figure 9 présente des données sur les taux d’utilisation de divers types d’initiatives d’IA répandues. ESG a constaté que les organisations de la phase 3 avaient de 21 % à 2 fois plus de chances de disposer de modèles spécifiques en production, ce qui représentait un avantage considérable dans la diversité de l’utilisation de l’IA dans la production.

Les entreprises de la

phase 3 sont 4,5 fois plus susceptibles de

déployer l’IA de

manière intensive

en production



Figure 9. L’infrastructure de calcul optimisée pour l’IA permet d’augmenter l’éventail de modèles d’IA utilisés en production


En d’autres termes, les organisations de la phase 3 ont non seulement amélioré le développement de l’IA et ont une utilisation plus étendue de l’IA en production, mais ces entreprises qui ont une utilisation mature des technologies de calcul modernes ont également indiqué que la plus grande variété de modèles utilisés en production avait contribué à aider plusieurs facettes métiers.

En résumé, les trois technologies de calcul de transformation modernes suivantes ont été utilisées pour définir les phases de maturité de l’infrastructure de calcul optimisée pour l’IA :

1. L’utilisation de serveurs modernes avec des fonctionnalités d’automatisation étendues pour les mises à jour, la surveillance, la configuration, le provisioning et les mesures correctives.

2. L’utilisation d’accélérateurs, comme les GPU ou les FPGA, pour prendre en charge les charges de travail de l’IA.

3. L’utilisation d’une infrastructure convergée/hyperconvergée pour prendre en charge les charges de travail d’IA.

Les organisations ayant une utilisation mature de ces trois technologies ont constaté les avantages suivants :

• Elles bénéficient d’un développement de modèles d’IA de qualité.

• Ce développement de modèles permet une utilisation plus large et plus diversifiée des modèles d’IA en production.

• Cette utilisation plus étendue de l’IA en production améliore la valeur ajoutée des initiatives d’IA, l’ampleur des secteurs d’activité où la valeur est capturée et le time-to-value.

L’impact combiné améliore le pourcentage de chiffre d’affaires réalisé grâce aux projets d’IA, ainsi que la probabilité que le chiffre d’affaires soit incrémentiel. Lorsqu’elles sont combinées, les données issues de l’étude définissent un



chemin d’accès clair vers la réussite. Les initiatives d’IA doivent toujours commencer par la définition du cas d’utilisation : le problème que l’entreprise souhaite résoudre. Une fois ce problème compris, les exigences en matière de données et de performances dicteront les exigences d’infrastructure de haut niveau. Toutefois, pour répondre à ces exigences, il existe plusieurs options d’infrastructure. Cette étude met en évidence trois technologies de calcul qui peuvent considérablement améliorer les chances de réussite des initiatives d’IA. Par conséquent, l’amélioration de l’utilisation des serveurs modernes avec des fonctionnalités d’automatisation étendues, des accélérateurs et une infrastructure convergée/hyperconvergée doit faire partie de tout processus de conception de l’infrastructure d’IA.

En conclusion

Les données sont des ressources puissantes, qui peuvent vous permettre de créer une distance significative entre vous et la concurrence. Bien entendu, les données ont toujours eu un intérêt. Mais les récents progrès spectaculaires de l’apprentissage automatique et du Deep Learning, fondés sur l’intelligence artificielle, montrent tout le potentiel qu’offre maintenant l’utilisation de la valeur maximale des données.

Les conclusions d’ESG montrent que l’intelligence promise par l’IA est absolument réelle. La valeur de l’IA pour les entreprises est une réalité. Il s’avère également vrai que les réussites associées à l’IA dépendent non seulement de la définition précise du problème à résoudre et du travail des bons professionnels, mais également de la mise en place de l’infrastructure appropriée. Les entreprises qui ont une utilisation mature de l’automatisation des serveurs, des accélérateurs d’applications et de l’infrastructure convergée/hyperconvergée obtiennent de biens meilleurs résultats avec l’IA que les entreprises qui se contentent d’une infrastructure moins efficace.

Compte tenu de la priorité donnée aux initiatives d’IA et à leur visibilité, ainsi qu’aux investissements considérables en personnel, les entreprises doivent faire tout ce qui est en leur pouvoir pour permettre à ces initiatives de réussir. Les trois technologies identifiées dans cette étude ne doivent pas seulement améliorer les chances de réussite mais, dans de nombreux cas, elles doivent considérablement les améliorer.

Il convient aussi de noter que ces trois technologies sont une sorte de « guide de démarrage » pour les investissements globaux de l’entreprise en matière d’infrastructure de calcul. En résumé, l’IA promet d’améliorer l’entreprise et d’accroître sa compétitivité. Mais lorsque l’IA est associée à la technologie de calcul appropriée, les avantages peuvent être encore plus importants.

En d’autres termes, l’infrastructure est importante… en particulier avec l’IA.

Comment Dell EMC et Intel Technologies peuvent vous aider

Ce rapport ESG Research Insights a été commandé par Dell EMC et Intel Corporation. Pour en savoir plus sur Dell EMC et la façon dont sa gamme de marques peut vous aider à tirer le meilleur parti de votre vision de l’IA, commencez ici :

• Les serveurs PowerEdge optimisés pour l’IA offrent des technologies de pointe en matière d’automatisation, d’agilité modulaire et de compatibilité avec plusieurs options d’accélération matérielle. PowerEdge offre la prise en charge des GPU et/ou des FPGA pour accélérer la formation. En outre, en tirant parti d’une infrastructure basée sur Intel Xeon, PowerEdge peut offrir des améliorations des performances d’inférence pour les charges de travail d’IA, car la majorité des opérations d’inférence sont effectuées sur le processeur. Intel affirme que les processeurs évolutifs Intel Xeon 2e génération sont les seuls processeurs de datacenter ayant une accélération IA intégrée.

• Dans un réseau mondial de 21 centres de solutions clients Dell technologies, des experts IT de premier ordre sont disponibles pour collaborer avec vous, vous aider à réduire les risques associés aux nouveaux investissements technologiques et vous aider à améliorer la vitesse et la facilité de mise en œuvre.

• Les centres d’excellence de Dell EMC pour le HPC et l’IA offrent une approche visionnaire, testent de nouvelles technologies et partagent les bonnes pratiques. Ils offrent un réseau de ressources reposant sur le savoir-faire et l’expérience approfondis de la communauté.

https://www.dellemc.com/en-us/servers/index.htm?tfcid=2935801

https://corporate.delltechnologies.com/fr-fr/newsroom/announcements/2019/04/20190402-01.htm

https://www.delltechnologies.com/fr-fr/what-we-do/customer-engagement-programs/customer_solution_centers.htm?tfcid=4823790

http://www.dellemc.com/coe



• Accédez au laboratoire d’innovation HPC et IA de Dell EMC, un datacenter de 1 200 m², équipé de milliers de serveurs Dell EMC, deux puissants superordinateurs et des systèmes de stockage et de réseau sophistiqués. Vous pourrez y rencontrer un groupe de chercheurs, d’ingénieurs et de doctorants en informatique qui peuvent travailler avec vous.

• Dell technologies Consulting aide les organisations de toutes tailles, de tous les secteurs et de tous les niveaux de maturité à développer et à accélérer leurs capacités d’analytique et d’IA, de la stratégie à l’exécution en passant par la modélisation des données. Les services dédiés à l’IA comprennent les services de conseil ProConsult, qui incluent le développement accéléré d’un plan pour moderniser vos plates-formes et architectures analytiques, afin de les rendre plus évolutives et performantes grâce à la méthodologie AS-IS/TO-BE. Les services offrent une évaluation de bout en bout objective, qui fournit des résultats exploitables adaptés à votre vision et à votre stratégie d’entreprise.

https://www.dellemc.com/resources/fr-fr/asset/offering-overview-documents/services/H17456-dell-emc-proconsult-advisory-services-svo.pdf?tfcid=9308578



Annexe I - Méthodologie de recherche et caractéristiques démographiques des personnes interrogées

Pour collecter les données de ce rapport, ESG a mené une enquête en ligne complète auprès de décideurs IT au sein d’organisations des secteurs privé et public dans 9 pays : États-Unis (32 %), Canada (7 %), Royaume-Uni (9 %), France (11 %), Australie (8 %), Nouvelle-Zélande (3 %), Singapour (9 %), Chine (11 %) et Brésil (11 %). L’enquête a été réalisée entre le 7 mai 2019 et le 30 mars 2019. Pour participer à cette enquête, les personnes interrogées devaient avoir une influence sur le processus d’achat de l’infrastructure de datacenter, des investissements dans le Cloud privé, de la protection des données ou des technologies d’IA/apprentissage automatique. En outre, elles devaient disposer de connaissances sur les initiatives d’IA actuelles/futures de l’organisation.

Après avoir éliminé les participants non éligibles, supprimé les réponses en double et analysé les réponses restantes (sur la base de plusieurs critères) en vue d’assurer l’intégrité des données, il est resté un échantillon final de 750 participants.

Toutes les personnes interrogées ont reçu un incentive pour répondre à l’enquête, sous la forme d’une récompense et/ou somme en espèces. Remarque : Il est possible que le résultat de l’addition des totaux des figures et des tableaux de ce rapport ne soit pas égal à 100 %, en raison de l’arrondi.

Les figures ci-dessous décrivent en détail les données démographiques de la base de personnes interrogées : responsabilités professionnelles actuelles de chaque participant, nombre total de collaborateurs, principal secteur d’activité et chiffre d’affaires annuel des organisations participantes.

Figure 10. Personnes interrogées pendant l’enquête, par responsabilité professionnelle




Figure 11. Personnes interrogées pendant l’enquête, par taille de société (nombre de collaborateurs)


Figure 12. Personnes interrogées pendant l’enquête, par secteur




Figure 13. Participants à l’enquête, par budget IT


Annexe II - Critères d’évaluation de la phase de maturité des organisations concernant l’utilisation d’une infrastructure de calcul optimisée pour l’IA

Cette section donne de plus amples détails sur l’établissement des phases de maturité. Comme mentionné précédemment, les participants à l’étude se sont vu attribuer des points en fonction de leur utilisation de trois technologies de calcul modernes permettant le développement et l’utilisation des charges de travail d’IA, avec un maximum de 30 points possibles.

À partir de ce nombre de points, chaque organisation participante a été affectée à une phase de maturité en fonction de son utilisation de trois technologies qui ont une incidence sur la prise en charge des charges de travail d’IA :

1. Automatisation des services : Les points compris entre 0 et 10 ont été attribués en fonction de l’étendue de l’automatisation des serveurs utilisés dans trois catégories différentes : mises à jour et surveillance des serveurs, configuration/provisioning des serveurs, diagnostic et mesures correctives. Les participants travaillant dans une organisation dans laquelle ces trois tâches étaient entièrement ou principalement automatisées ont obtenu 10 points. Ceux dont l’organisation avait entièrement ou principalement automatisé deux des trois tâches ont obtenu 7,5 points, et ceux dont l’organisation n’avait automatisé qu’une seule tâche 2,5 points. Tous les autres ont reçu zéro point. Dans ce domaine, la valeur était non seulement optimisée grâce à l’automatisation élevée, mais aussi grâce à l’automatisation d’un plus grand nombre de tâches liées aux serveurs.

2. Calcul accéléré : les points compris entre 0 et 10 ont été attribués en fonction de l’utilisation et de l’extension des accélérateurs, comme les GPU ou les FPGA, pour prendre en charge les charges de travail de l’IA. Les entreprises qui ont indiqué recourir à ces technologies de manière intensive ont obtenu 10 points. Celles qui ont déclaré qu’elles utilisaient ces technologies ont reçu 7,5 points, tandis que les autres organisations ont obtenu moins de points.

3. Utilisation d’infrastructures convergées/hyperconvergées : les points compris entre 0 et 10 ont été attribués en fonction de l’utilisation d’une infrastructure convergée/hyperconvergée pour prendre en charge les charges de travail d’IA. Les entreprises ayant déclaré utiliser l’hyperconvergence ou à la fois la convergence et l’hyperconvergence ont reçu 10 points. Celles qui ont uniquement indiqué l’utilisation de la convergence ont reçu 5 points tandis que les autres organisations ont reçu 0 point.



En fonction de ces scores, ESG a attribué à l’organisation de chaque participant l’un des trois niveaux de maturité suivants :

• Phase 1 (42 % des organisations de l’étude) : Faible niveau d’automatisation, utilisation très limitée des accélérateurs et/ou peu ou pas d’infrastructure convergée/hyperconvergée pour l’IA.

• Phase 2 (33 % des organisations) : Niveaux d’automatisation modérés, certaines utilisations des accélérateurs et/ou une infrastructure convergée/hyperconvergée pour l’IA.

• Phase 3 (24 % des organisations) : Niveaux d’automatisation élevés, large utilisation des accélérateurs et/ou utilisation élevée d’une infrastructure convergée/hyperconvergée pour l’IA.

Figure 14. Allocation des niveaux de maturité aux participants


Annexe III - Tendances d’investissement dans les entreprises ayant un haut niveau de maturité pour l’utilisation d’une infrastructure de calcul optimisée pour l’IA

Dans le cadre de cette étude, les organisations de la phase 3 ont révélé d’autres tendances d’investissement et d’organisation qui différaient de celles de leurs homologues moins matures. Voici quelques-uns des différences les plus importantes :

• Les organisations de la phase 3 étaient 2,2 fois plus susceptibles que celles de la phase 1 d’indiquer qu’elles disposaient d’une équipe centralisée pour l’analyse des données (82 % contre 37 %).

• Les organisations de la phase 3 étaient 3 fois plus susceptibles que les entreprises de la phase 1 de classer les performances comme la caractéristique la plus importante lors de la sélection de l’infrastructure IA (24 % contre 8 %).

• Les organisations de la phase 3 étaient 3 fois plus susceptibles que celles de la phase 1 d’indiquer stocker 10 Po ou plus pour ses charges de travail d’IA (63 % contre 11 %).

• Les organisations de la phase 3 étaient 5,7 fois plus susceptibles que celles de la phase 1 de considérer qu’elles étaient très efficaces pour la hiérarchisation des données dans les charges de travail d’IA (63 % contre 11 %).

Toutes les marques commerciales citées sont la propriété de leurs détenteurs respectifs. Les informations figurant dans cette publication proviennent de sources qu’ESG (Enterprise Strategy Group) considère comme fiables, bien qu’ESG n’offre aucune garantie quant à leur exactitude. Cette publication peut comporter des informations reflétant des opinions propres à ESG et susceptibles d’évoluer à tout moment. Enterprise Strategy Group, Inc. détient les droits de cette publication. Toute reproduction ou diffusion intégrale ou partielle au format papier, électronique ou autre, destinée à une personne non autorisée à la recevoir, sans accord exprès d’Enterprise Strategy Group, Inc., constitue une violation de la loi américaine sur le copyright, est passible de poursuites et peut entraîner des dommages-intérêts, ainsi qu’une condamnation pénale le cas échéant. Pour toute question, contactez le service de relations clients ESG au +1 508 482 0188.

www.esg-global.com [email protected] Téléphone : 508.482.0188

Enterprise Strategy Group est une entreprise de recherche, de validation, de stratégie et d’analyse IT qui fournit des perspectives interactives et intelligentes à la grande communauté des technologies de l’information.

© 2019 Enterprise Strategy Group, Inc. Tous droits réservés.

www.esg-global.com

[email protected]

Documents

Trois technologies de calcul de transformation permettant ... · Les organisations de la phase 3 ont également 2 fois plus de chances que celles de la phase 1 d’avoi un délai