Avec l’IA générative, il n’existe pas de « modèle unique pour les gouverner tous »

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

À en croire les gros titres, OpenAI est le seul acteur qui compte dans le domaine de l’IA générative. L’entreprise est citée dans toutes les discussions sur l’IA, y compris celle-ci. Mais ce n’est ni le seul service existant ni le seul modèle disponible.

En réalité, l’adoption de l’IA générative par les entreprises n’est pas aussi homogène que les gros titres pourraient le laisser penser.

Notre étude la plus récente a révélé que les entreprises utilisent en moyenne près de trois modèles différents. Ce choix semble être dicté par les cas d’usage.

Par exemple, il n’est pas surprenant que les opérations de sécurité privilégient les modèles open source, qui peuvent être entraînés de manière privée sans risquer d’exposer des processus et des données d’entreprise sensibles. Il en va de même pour la création de contenu, qui nécessite souvent de partager des données sensibles avec un modèle. Il n’est pas non plus étonnant que les cas d’usage liés à l’automatisation des workflows se tournent vers les services hébergés de Microsoft, car de nombreuses organisations dépendent étroitement des solutions Microsoft, aussi bien sur site que dans Azure.

Aucun modèle unique ne pourra répondre à toutes les exigences techniques et commerciales de la liste croissante de cas d’usage de l’IA générative en entreprise.

Cela pose certains défis en matière de déploiement et de sécurité des applications, ainsi que d’exploitation générale, car les différents choix de modèles impliquent des schémas de déploiement différents.

Nouveaux modèles de déploiement de l’IA

Trois grands modèles de déploiement se dessinent. La principale différence réside dans la responsabilité opérationnelle de la mise à l’échelle des services d’inférence. Dans tous les modèles, l’organisation est responsable de la mise à disposition des applications et de la sécurité.

1. Géré en mode SaaS. Dans un modèle de déploiement géré en mode SaaS, les applications d’IA utilisent des API pour accéder à un service d’IA géré, tel qu’OpenAI ChatGPT. La responsabilité opérationnelle de la mise à l’échelle incombe au fournisseur.
2. Géré dans le cloud. Les modèles de déploiement gérés dans le cloud s’appuient sur des services d’IA hébergés par un fournisseur de cloud. Ces services restent accessibles via une API, mais peuvent être réservés à l’entreprise ou partagés. Les applications d’IA elles-mêmes peuvent également se trouver dans le cloud public ou sur site. Lorsque le service est privé, l’entreprise assume la responsabilité de la mise à l’échelle des services d’inférence, ce qui peut s’avérer difficile, car la plupart des organisations ont peu d’expérience en matière de mise à l’échelle des grands modèles de langage. Lorsque le service est partagé, les organisations délèguent cette responsabilité au fournisseur de cloud, mais doivent tenir compte de facteurs tels que les quotas et les coûts basés sur le nombre de jetons dans le cadre de leurs opérations.
3. Autogéré : Les modèles open source sont le plus souvent déployés selon un modèle autogéré, aussi bien dans le cloud public que sur site. Ils peuvent être accessibles via une API ou directement depuis une application. Dans ce modèle, les organisations assument l’entière responsabilité de la mise à l’échelle, de la sécurisation et de la surveillance des services d’inférence.

(Pour approfondir ces modèles, vous pouvez consulter cet article de blog de Chris Hain)

De nombreux fournisseurs hébergent des modèles open source dans le cadre d’une approche SaaS gérée, et de nombreux fournisseurs de services cloud proposent également des solutions open source en tant que service.

Les modèles OpenAI sont disponibles non seulement selon un modèle SaaS géré par OpenAI, mais aussi selon un modèle cloud géré par Microsoft. Mistral, un modèle open source populaire, peut être déployé selon ces trois modèles. C’est pourquoi nous considérons le cas d’usage comme le principal facteur déterminant le choix du modèle, puisque les entreprises peuvent, pour ainsi dire, combiner à leur guise les modèles et les modes de déploiement.

Les organisations ressentent déjà la pression liée aux compétences nécessaires non seulement pour entraîner les modèles, mais aussi pour les exploiter et les sécuriser. Ainsi, pour de nombreuses organisations disposant d’une expertise opérationnelle limitée, il est particulièrement judicieux d’adapter les modèles aux cas d’usage. Concentrer les ressources sur les cas d’usage qui, pour des raisons de sécurité ou de confidentialité, ne peuvent pas être déployés dans des environnements partagés permettra, à terme, d’obtenir les meilleurs résultats.

Méfiez-vous de la myopie opérationnelle

Mais attention au risque de myopie opérationnelle, qui peut entraîner la création de silos au sein de l’organisation. Nous avons déjà observé ce phénomène avec le cloud computing et il ne fait aucun doute qu’il se reproduira avec l’IA générative en entreprise. Toutefois, en prenant conscience du danger que représente le cloisonnement des opérations et de la sécurité par modèle, on peut espérer que les organisations éviteront la complexité et les risques qui en découlent, et qu’elles choisiront de manière stratégique des modèles et des modes de déploiement permettant de tirer le meilleur parti de leurs ressources, de leurs capacités et de leurs budgets opérationnels.

Nous n’en sommes qu’aux prémices et, lorsque vous lirez ces lignes, de nouveaux fournisseurs et de nouveaux modèles dotés de nouvelles fonctionnalités auront sans doute fait leur apparition. Toutefois, les modes de déploiement resteront globalement les mêmes, ce qui permet une planification plus stratégique des opérations, qu’il s’agisse des budgets, des effectifs ou des services applicatifs nécessaires pour sécuriser et faire évoluer les modèles que vous choisirez.

À propos de l’auteur

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.

Autres articles de Lori Mac Vittie