Pris isolément, sans mesures de protection spécialisées ni protocoles de sécurité, le déploiement à l’échelle de l’entreprise de modèles d’intelligence artificielle générative (IA générative), en particulier de grands modèles de langage (LLM), représente pour toute organisation une opportunité à haut risque, mais potentiellement très avantageuse. La manière précise dont votre organisation doit franchir cette étape majeure dans l’univers de l’IA générative nécessite une planification mûrement réfléchie.
Il serait peut-être préférable pour votre organisation d’accéder aux modèles d’IA par l’intermédiaire d’un fournisseur, selon le modèle du logiciel en tant que service (SaaS), afin d’éviter tout problème de configuration ou d’installation. Il pourrait également être plus judicieux de déployer le modèle dans le cloud privé de votre organisation ou dans ses locaux, afin de lui permettre de contrôler la configuration et la gestion des API.
Cette série d’articles de blog répond à la question du comment : comment votre organisation doit-elle déployer les grands modèles de langage (LLM) à l’échelle de l’entreprise afin de maximiser le retour sur investissement ? Chaque article présentera les avantages et les inconvénients d’un modèle de déploiement courant, afin de vous permettre de l’évaluer au regard de la structure organisationnelle et commerciale de votre entreprise, ainsi que de ses besoins métier spécifiques.
Définition du cloud et des API
Le terme « cloud » est à la fois couramment utilisé et souvent mal compris. Nous souhaitons donc préciser ce que nous entendons lorsque nous l’employons. Le cloud est un vaste ensemble de serveurs physiques répartis dans une multitude de centres de données à travers le monde. Ces serveurs distants assurent de nombreuses fonctions essentielles aux entreprises, telles que l’exécution d’applications, le stockage ou la gestion de données, la diffusion de contenus, notamment sur les réseaux sociaux, ou encore la fourniture de services, comme les services de streaming ou les logiciels spécialisés. Bien que chacun remplisse une fonction qui lui est propre, ils sont interconnectés et constituent les composantes d’un écosystème numérique unique et interdépendant, qui permet aux utilisateurs — particuliers comme organisations — d’accéder à des fichiers et à des données depuis n’importe quel appareil connecté à Internet.
Parallèlement, une interface de programmation d’application (API) est, par essence, une connexion entre deux appareils qui leur permet d’échanger des informations. Le logiciel de l’API comprend des définitions qui déterminent les informations qui seront transmises entre les appareils (par exemple, l’appareil client qui envoie la requête et l’appareil serveur qui renvoie la réponse), ainsi que des protocoles définissant la manière dont ces informations doivent être transmises (par exemple, l’URL/le point de terminaison de l’appareil destinataire et la syntaxe/la formulation/le langage que la requête et la réponse doivent toutes deux utiliser).
Cela permet aux utilisateurs finaux, par exemple, de se connecter à des applications pour acheter des articles sur un site web, de réserver une course auprès d’un service de VTC ou, dans le cas d’un LLM, de soumettre une requête et de recevoir une réponse, sans avoir à comprendre comment ni pourquoi le système fonctionne. Les API peuvent être surveillées et sécurisées, de sorte que les données présentes sur l’appareil du client ne sont jamais entièrement exposées au serveur.
La différence entre le SaaS et les services basés sur le cloud
Le premier article de cette série abordait les avantages et les inconvénients du déploiement de LLM à l’échelle de l’entreprise au moyen d’un modèle de logiciel en tant que service, ou SaaS. Un modèle de déploiement SaaS ressemble à bien des égards à un modèle de déploiement dans le cloud, puisque tous deux utilisent le cloud pour accéder aux logiciels nécessaires plutôt que d’héberger les applications sur leurs propres systèmes. Toutefois, la principale différence entre les deux peut se résumer à un concept très simple. Par défaut, le SaaS signifie que votre organisation paie pour accéder à et utiliser une application logicielle tierce hébergée « dans le cloud », tandis que le cloud computing signifie que vous payez un tiers pour héberger les données de votre organisation et vous permettre d’y accéder, celles-ci étant stockées « dans le cloud ».
Avantages
Déploiement rapide : Les services cloud permettant de configurer un LLM pour une utilisation par votre organisation peuvent être mis en place rapidement, afin que vous puissiez commencer à utiliser le modèle sans attendre.
Évolutivité : Un LLM déployé dans le cloud peut être configuré pour s’adapter automatiquement à la demande, sans aucune intervention manuelle.
Réduction de la charge opérationnelle : La configuration, la sécurité, la maintenance, les mises à jour et l’optimisation du système sont généralement prises en charge par le fournisseur de services cloud, ce qui permet à votre équipe informatique et aux autres collaborateurs de se consacrer à d’autres tâches. Accessibilité : Les LLM basés dans le cloud sont accessibles depuis n’importe quel appareil et depuis tout lieu disposant d’un accès à Internet, ce qui offre davantage de flexibilité au personnel en déplacement ou en télétravail.
Rentabilité : Les fournisseurs de services cloud proposent généralement un modèle de tarification à l’usage, qui vous permet de ne payer que les ressources que vous utilisez. Cela peut être particulièrement avantageux si les besoins de votre organisation fluctuent. Votre organisation n’a ainsi pas besoin de disposer d’importantes ressources de calcul ni d’une grande capacité de stockage de données.
Modèles préentraînés et affinés : Les modèles d’IA sont continuellement améliorés et entraînés sur des jeux de données plus vastes et de meilleure qualité, et peuvent être affinés pour être utilisés avec des jeux de données personnalisés.
Redondance intrinsèque : Les risques de perte de données due à des interruptions de service sont considérablement réduits grâce aux multiples niveaux de redondance des environnements cloud.
Inconvénients
Latence : La définition du « temps réel » dépend de l’emplacement, de la vitesse et de la puissance de calcul des serveurs exploités par votre fournisseur de services cloud. Si des temps de réponse légèrement plus longs peuvent passer inaperçus dans certains environnements, ils risquent de compromettre des activités critiques dans d’autres.
Coûts récurrents : Le cloud computing n’est pas une solution à petit budget et, à mesure que les modèles deviennent plus volumineux et plus rapides, les coûts des ressources de calcul et de stockage augmentent en conséquence.
Dépendance vis-à-vis d’un fournisseur : S’appuyer sur un seul fournisseur comporte des risques. Le niveau de sécurité physique et de cybersécurité du fournisseur, ainsi que ses protocoles en la matière, sont des éléments importants à prendre en compte, tout comme les modifications des conditions d’utilisation ou d’autres politiques, les hausses de prix et l’arrêt de certains services.
Conclusion
Pour déterminer si les avantages du déploiement d’un LLM à l’échelle de votre entreprise au moyen d’un service cloud l’emportent sur les inconvénients, vous devrez examiner attentivement les ressources financières et techniques de votre organisation, ses besoins opérationnels ainsi que ses contraintes de sécurité ou autres contraintes d’exploitation. Certains de nos précédents articles de blog ont porté sur la mise en place de mesures de protection internes et externes systématiques, de programmes de gouvernance de l’IA, ainsi que sur d’autres moyens de déployer en toute sécurité ces outils transformateurs au sein de votre organisation. Ils pourront vous être utiles tandis que vous vous engagez sur cette nouvelle voie à travers la technosphère.
À propos de l’auteur
Articles de blog associés
F5 rejoint le projet PQC du NIST pour contribuer à l’élaboration de normes résistantes aux attaques quantiques
En rejoignant le consortium du projet « Migration to PQC » du NIST, F5 contribue à élaborer des recommandations pratiques pour un monde résistant aux menaces quantiques.
La dernière version de F5 Distributed Cloud Bot Defense offre des fonctionnalités et des améliorations de nouvelle génération
Les mises à jour de la console de F5 Distributed Cloud Bot Defense améliorent la gestion des menaces automatisées et l’intégration dans des cadres de sécurité plus larges.
La nouvelle surface de risque liée à l’IA : invisible, autonome et déjà à l’intérieur
James White, vice-président de l’ingénierie chez F5 À mi-parcours de l’année 2025, le moment est bien choisi pour dresser un état des lieux de l’adoption de l’IA en entreprise et de la sécurité de l’IA. L’utilisation de l’IA générative est désormais la norme dans les entreprises De manière générale, les entreprises possèdent au moins une compréhension élémentaire de l’IA générative. Elles savent ce qu’elle est et où elle peut […]
Évaluation des LLM : renforcer la confiance grâce à la notation de sécurité
À mesure que l’adoption de l’IA s’accélère dans les entreprises, l’évaluation des LLM ne porte plus uniquement sur leurs performances, mais aussi sur la confiance qu’ils inspirent. Les équipes de sécurité doivent évaluer non seulement les performances d’un modèle, mais aussi la sûreté de son comportement. Pourtant, la plupart des cadres d’évaluation se concentrent sur des critères de précision, laissant les facteurs de sécurité et de risque dans le flou ou sans mesure.
Évaluer le niveau de préparation de votre organisation à la sécurité de l’IA
Dans un paysage de l’intelligence artificielle (IA) en constante évolution, il est non seulement important, mais impératif de savoir si votre organisation est prête à instaurer et à soutenir une culture de la sécurité de l’IA. À mesure que les technologies d’IA progressent, elles font émerger une multitude de nouveaux défis de sécurité qui, pour être gérés efficacement, exigent une approche réfléchie, globale et proactive […]
Déployer des LLM en entreprise : via une API dans un cloud privé
Pris isolément, sans mesures de protection spécialisées ni protocoles de sécurité en place, le déploiement de modèles d’IA générative (GenAI), en particulier de grands modèles de langage (LLM), à l’échelle de l’entreprise représente pour toute organisation une opportunité à haut risque, mais potentiellement très rentable. La manière précise dont votre organisation doit franchir ce grand pas dans l’univers de la GenAI nécessite une planification mûrement réfléchie. Peut-être serait-il […]