Nous savons tous ce qu’est l’intelligence artificielle générative (GenAI) et comment elle est devenue une force transformatrice dans notre société en révolutionnant divers aspects de nos vies. Selon les ouvrages, GenAI est un sous-ensemble de l’apprentissage profond, qui est une technique d’apprentissage automatique (AA), et l’AA est une branche de la construction d’une intelligence artificielle (AI) plus vaste permettant aux machines d’acquérir des connaissances et d’améliorer leur performance à travers l’expérience, sans nécessiter de programmation directe. Si cela semble confus, pour faire simple, GenAI crée du contenu original en réponse aux commandes des utilisateurs. Elle peut générer du texte, des images, des vidéos, de la musique ou même du code logiciel sans intervention humaine. L’étendue des applications, allant de la création de chefs-d’œuvre numériques, de l’écriture de symphonies ou de récits captivants au diagnostic médical, à l’assistance virtuelle, à l’amélioration de l’expérience de jeu et à la détection précoce des fraudes — le tout sans guidance humaine — distingue cette technologie de toutes les autres technologies émergentes des dernières décennies. Et de toute évidence, les chiffres parlent d’eux-mêmes.

La trajectoire de croissance prévue et la taille du marché de la GenAI sont tout simplement remarquables

• Selon McKinsey, les fonctionnalités de la GenAI pourraient ajouter jusqu’à 4,4 billions $ par année à l’économie mondiale et augmenter l’impact de toute l’intelligence artificielle de 15 à 40 %.
• La taille du marché de l’intelligence artificielle générative devrait atteindre 36,06 milliards $ d’ici 2024, avec un taux de croissance annuel impressionnant de 46,47 % de 2024 à 2030.
• Statista estime qu’en 2030, le marché pourrait atteindre un impressionnant 356,10 milliards $.

Voici quelques cas d’usage courants qui alimentent cette croissance de la GenAI, que l’on peut grossièrement regrouper comme suit

• L’amélioration du service à la clientèle dans des secteurs comme le commerce de détail, le voyage, l’hôtellerie et le commerce électronique.
• La mise en œuvre de solutions d’assistants virtuels tels que l’assistance aux patients, le conseil financier, le centre de services intelligent/ soutien à distance, etc.
• L’autonomisation des employés pour rationaliser et automatiser des tâches comme la gestion de projet, la création de code, l’analyse de données pour la prise de décision d’affaires et les recommandations d’EOP (Élaborations de procédures opérationnelles standard).
• La génération de contenu et d’actifs innovants comme la musique, l’art et les textes. La création de matériel de marketing dans le commerce électronique, la création d’actifs visuels, de campagnes de marketing, etc.
• Les capacités prédictives comme la détection des fraudes, la maintenance prédictive, le diagnostic médical, la conformité aux audits, etc.
• L’optimisation des flux de travail ou des processus par la simulation et l’apprentissage adaptatif, comme le conseil financier, la modélisation en construction, la simulation de processus de fabrication, l’optimisation de la performance des réseaux, la planification de trajets, la découverte de médicaments, etc.

GenAI et l’infrastructure TI

La GenAI peut non seulement exécuter vos tâches routinières, mais aussi vous aider dans la réflexion créative et l’idéation. Voyons cela dans le contexte de l’infrastructure TI.

• Elle peut créer des stratégies d’optimisation pour les opérations en nuage ou dans les centres de données, tandis que l’AI optimise dynamiquement l’allocation des ressources selon la demande en temps réel et les tendances historiques. Elle attribue les ressources aux charges de travail critiques et gère efficacement les tâches non essentielles; la performance est optimisée et les coûts sont réduits. Cette agilité assure une meilleure efficacité globale.
• La GenAI peut être déployée pour simuler différents scénarios d’utilisation de l’espace, de l’énergie et du refroidissement dans un centre de données. Cela peut aider à optimiser la densité TI et à ajouter de la charge TI supplémentaire tout en améliorant la durabilité du centre de données.
• La GenAI peut aider à améliorer la cybersécurité en créant des scénarios de test. Avec l’analyse prédictive, elle peut aider à détecter les vulnérabilités, détecter le hameçonnage, automatiser les calendriers de correctifs de sécurité, renforcer la biométrie et créer des simulations de menaces.
• La GenAI peut également aider à améliorer la mise en réseau en écrivant des programmes et scripts, en créant de la documentation, en formulant des politiques et des configurations, en accompagnant les audits, en répondant aux incidents, en servant d’assistante virtuelle ou de mentor pour les professionnels du réseau. D’autres cas d’usage incluent la billetterie automatisée dans les centres de données, le dépannage de problèmes TI, les agents de soutien personnalisés et l’assistance à distance.

Tout cela semble prometteur, mais en réalité, la situation de l’infrastructure TI est plutôt nuancée. Dans le domaine de l’infrastructure TI ou ailleurs, une importante puissance de calcul est requise pour répondre à la demande de tous ces cas d’usage.

L’impact de l’intelligence artificielle générative sur l’infrastructure TI

Examinons les trois sources d’infrastructure TI pouvant alimenter les charges de travail GenAI, c’est-à-dire les fournisseurs de nuage, les fournisseurs de colocation et les centres de données d’entreprise afin de comprendre l’impact de la croissance de la demande pour la GenAI ou de la demande d’infrastructure TI à un niveau beaucoup plus fin. Alors que les modèles d’IA générative accessibles au public comme Midjourney et ChatGPT gagnent en popularité, l’intérêt pour leur potentiel économique s’est traduit par une vague de demande en IA. Cette montée en flèche stimule une frénésie de location de centres de données, avec environ 2,1 GW de locations aux États-Unis entre la mi-mai et la fin juillet. Les fournisseurs de nuage ou Hyperscalers se tournent vers les exploitants de colocation pour répondre à leurs besoins de capacité. Il faut reconnaître que les architectures de centres de données axées sur l’IA restent un territoire relativement inexploré et que des améliorations seront apportées afin de les optimiser, mais même en tenant compte de cela, environ 7 % de la production mondiale d’électricité sera consommée par l’infrastructure des centres de données et des communications d’ici 2030. Cela soulève non seulement des questions sur l’utilisation excessive des ressources TI, mais aussi sur l’utilisation même de la GenAI. Les acteurs de l’écosystème GenAI doivent également considérer l’impact de cette technologie sur notre environnement et comprendre si les avantages de la GenAI dépassent ses coûts de façon tangible.

Comme nous le savons tous, en raison de la nouveauté de la GenAI, il existe une barrière à cause des fabricants de matériel et de GPU (processeur graphique) qui font face à des goulets d’étranglement liés à une offre limitée de puces. Cela crée une situation de monopole où les fabricants de GPU détiennent le pouvoir et les Hyperscalers dominent. Le recours au nuage semble très attrayant, en raison des coûts initiaux moins élevés. Mais en approfondissant cette conversation nuage vs sur site, il s’avère que l’alternative la plus rentable dépend de l’avancement de votre parcours Cloud. Vos données sont-elles sur site ou déjà sur le nuage? À quel point l’AI sera-t-elle centrale à vos capacités? Et quel objectif final cherchez-vous à atteindre? Il faut comprendre que le TCO global (coût total de possession) ou le coût d’exécution des charges GenAI sur site pourrait être moindre que dans le nuage, à condition d’avoir déjà testé le nuage et déterminé précisément vos besoins en matériel et en stratégie AI.

Deuxièmement, outre les coûts matériels, l’avènement de l’AI privée, dans laquelle des données privées et sensibles comme des informations sur les employés ou les finances de l’entreprise sont utilisées pour entraîner les modèles AI en plus des autres grands modèles de langage publics (LLM), alimente aussi le débat sur le centre de données d’entreprise.

La prochaine demande majeure pour les applications GenAI concerne l’énergie, l’espace et le refroidissement. Pour accueillir du matériel supplémentaire dans l’infrastructure en place, c’est-à-dire pour accroître la densité TI dans un centre de données, il s’agit d’un enjeu important. Certains pourraient affirmer que les centres de données à la fine pointe sont déjà optimisés au point qu’il y a peu ou pas de marge d’amélioration. Il faut donc revenir à l’origine – la GenAI. Peut-on utiliser la GenAI pour optimiser le centre de données à un niveau supérieur? La réponse est, sans contredit, oui.

En conclusion, la relation entre la GenAI et l’infrastructure sous-jacente qui la supporte est plutôt ambivalente. L’intelligence artificielle générative possède assurément un potentiel immense du fait de la diversité de ses applications. Mais, en même temps, il faut l’utiliser de manière responsable étant donné l’impact qu’elle a sur l’infrastructure sous-jacente et sur l’environnement. La meilleure façon d’aborder cela est d’utiliser la GenAI ou l’AI elle-même pour optimiser l’infrastructure et maximiser l’utilisation des ressources. Les entreprises doivent se préparer à considérer tous les aspects possibles de leur stratégie et plan d’adoption GenAI pour adopter une démarche plus globale. Les approches devraient rester flexibles et inclure une phase d’expérimentation puisque cette technologie est nouvelle et en constante évolution, afin d’obtenir les meilleurs résultats possibles.

Pour en savoir plus, écrivez-nous à HCBU-PMG@hcltech.com.

Réf. :

• https://www.mckinsey.com/industries/technology-media-and-telecommunications/our-insights/beyond-the-hype-capturing-the-potential-of-ai-and-gen-ai-in-tmt
• https://www.prnewswire.com/news-releases/generative-ai-market-to-be-worth-109-37-billion-by-2030-grand-view-research-inc-301718827.html#:~:text=SAN%20FRANCISCO%2C%20Jan.,34.6%25%20from%202022%20to%202030
• https://www.turing.com/resources/generative-ai-enhances-cybersecurity
• https://tmotions.com/applications-of-generative-ai-in-it-infrastructure-optimization/
• https://www.datacenterknowledge.com/industry-perspectives/rise-generative-ai-and-its-impact-data-center-sector
• https://pisrt.org/psr-press/journals/easl-vol-3-issue-2-2020/new-perspectives-on-internet-electricity-use-in-2030/
• https://www.forbes.com/sites/tiriasresearch/2023/05/12/generative-ai-breaks-the-data-center-data-center-infrastructure-and-operating-costs-projected-to-increase-to-over-76-billion-by-2028/?sh=522fb7d17c15
• https://medium.com/@kyeg/cloud-vs-on-premise-where-to-deploy-your-ai-applications-b584335ae86a
• https://medium.com/venture-beyond/on-ai-the-gpu-shortage-and-the-potential-of-decentralised-inference-and-training-networks-2442527af18e
• https://www.techtarget.com/searchnetworking/tip/The-role-of-generative-AI-in-networking#:~:text=How%20GenAI%20can%20support%20networking,workloads%2C%20even%20as%20staffing%20declines.