29 octobre 2013 | Québec
Des ressources informatiques accessibles selon les besoins
Développer des solutions d’intelligence artificielle peut nécessiter d’importantes ressources informatiques. Stockage des données, entraînement des modèles, déploiement d’applications : les besoins peuvent évoluer considérablement d’un projet à l’autre.
Plutôt que de dépendre uniquement d’une infrastructure informatique locale, les organisations peuvent recourir à l’infonuagique, ou cloud computing, pour accéder à des ressources informatiques à distance et les adapter à leurs besoins.
Dans le programme de Spécialiste en intelligence artificielle – LEA.E3 du Collège CDI, l’infonuagique est abordée dans le contexte de l’intelligence artificielle et de la science des données.
Qu’est-ce que l’infonuagique?
L’infonuagique permet d’utiliser à distance différentes ressources informatiques accessibles via un réseau.
Il peut notamment s’agir de puissance de calcul, de capacité de stockage, de bases de données ou d’autres services nécessaires au fonctionnement d’une application.
Une organisation n’a donc pas nécessairement besoin de posséder physiquement l’intégralité de l’infrastructure utilisée pour un projet. Elle peut accéder à certaines ressources auprès d’un fournisseur de services infonuagiques et ajuster leur utilisation en fonction de ses besoins.
Cette possibilité devient particulièrement intéressante lorsque la quantité de données ou la puissance de calcul nécessaire varie au cours d’un projet.
👉 Découvrez également : Mégadonnées : comment traiter de très grands volumes de données en IA?
Pourquoi le cloud est-il utile en intelligence artificielle?
L’entraînement de certains modèles peut nécessiter beaucoup plus de puissance de calcul que l’utilisation quotidienne d’une application traditionnelle.
Les besoins peuvent également être temporaires. Une équipe pourrait avoir besoin de ressources considérables pendant l’entraînement d’un modèle, puis de beaucoup moins de puissance une fois cette étape terminée.
L’infonuagique permet de disposer d’une infrastructure évolutive, plutôt que de dimensionner une infrastructure locale en fonction du besoin maximal.
Cette flexibilité peut également faciliter l’expérimentation de différentes approches avant de déterminer celle qui convient le mieux au problème étudié.
Quel rôle joue le cloud dans le stockage des données?
Les projets d’intelligence artificielle peuvent nécessiter l’exploitation de données issues de plusieurs sources.
L’infonuagique offre différents moyens de stocker ces données et de les rendre accessibles aux outils qui serviront ensuite à les préparer, à les analyser ou à entraîner des modèles.
Cette infrastructure peut notamment s’intégrer à des bases de données, des entrepôts de données ou des lacs de données.
Le cloud ne remplace donc pas les concepts liés à l’organisation des données. Il fournit plutôt un environnement où plusieurs de ces technologies peuvent être déployées et utilisées.
👉 Découvrez également : SQL et NoSQL : pourquoi les bases de données sont-elles essentielles en IA?
Entraîner un modèle dans le cloud
Lors de son entraînement, un modèle doit parfois effectuer un nombre considérable de calculs.
Selon le projet, les ressources nécessaires peuvent dépasser celles d’un ordinateur personnel ou d’un serveur traditionnel. Les plateformes infonuagiques permettent alors d’accéder à des infrastructures adaptées à des charges de calcul plus élevées.
Cette possibilité est particulièrement pertinente pour certains modèles d’apprentissage profond, qui peuvent nécessiter davantage de ressources lors de leur entraînement.
L’objectif n’est toutefois pas d’utiliser systématiquement la puissance maximale disponible. Les ressources doivent être choisies en fonction de la complexité du problème, des données et du modèle utilisé.
Du développement au déploiement
Créer un modèle n’est qu’une partie d’un projet d’intelligence artificielle.
Une fois développé et évalué, celui-ci doit parfois être intégré à une application ou à un système afin de traiter de nouvelles données. C’est ce qu’on appelle le déploiement.
Une infrastructure infonuagique peut fournir un environnement pour héberger le modèle et le rendre accessible à d’autres applications.
Par exemple, une application pourrait transmettre certaines données à un modèle déployé dans le cloud et recevoir ensuite le résultat produit par ce dernier.
👉 Découvrez également : Analyse prédictive et analyse prescriptive : quelle différence?
Pourquoi parle-t-on de mise à l’échelle?
Une application peut fonctionner correctement lorsqu’elle est utilisée par quelques personnes, mais rencontrer des difficultés lorsque le nombre de demandes augmente fortement.
La mise à l’échelle, ou scalability, consiste à adapter les ressources disponibles pour répondre à cette évolution.
Dans un environnement infonuagique, il est possible d’augmenter ou de réduire certaines ressources en fonction des besoins. Cette caractéristique est particulièrement utile lorsqu’une application d’intelligence artificielle doit passer d’un environnement expérimental à une utilisation à plus grande échelle.
Le défi ne consiste donc plus uniquement à développer un modèle performant, mais également à mettre en place une infrastructure capable de le faire fonctionner dans des conditions réelles.
Le cloud élimine-t-il les contraintes techniques?
Non. L’infonuagique offre de nombreuses possibilités, mais ne supprime pas les décisions techniques.
Il faut notamment réfléchir à l’architecture utilisée, au stockage et au déplacement des données, aux ressources nécessaires, à la sécurité ainsi qu’aux coûts associés à l’utilisation des différents services.
Un projet mal conçu peut consommer inutilement des ressources ou devenir difficile à maintenir, même s’il repose sur une infrastructure infonuagique.
Comprendre le cloud signifie donc également apprendre à choisir et à utiliser les ressources de manière appropriée.
De la donnée au modèle déployé
L’infonuagique permet de mieux comprendre comment les différentes étapes d’un projet d’intelligence artificielle peuvent s’intégrer au sein d’un même environnement technologique.
Les données doivent être stockées et préparées, les modèles développés et entraînés, puis les résultats exploités au sein d’une application ou d’un processus.
Dans le programme de Spécialiste en intelligence artificielle – LEA.E3, ces notions s’inscrivent dans une progression qui comprend également les bases de données, Python, les statistiques, les mégadonnées, l’apprentissage automatique et l’apprentissage profond.
L’infonuagique constitue ainsi un lien entre le développement d’une solution d’intelligence artificielle et son utilisation dans un environnement informatique réel.
Foire aux questions
1. Qu’est-ce que l’infonuagique en intelligence artificielle?
L’infonuagique permet d’accéder à distance à des ressources informatiques, telles que du stockage, de la puissance de calcul ou des services. Dans un projet d’intelligence artificielle, ces ressources peuvent notamment servir à gérer les données, entraîner des modèles et déployer des applications.
2. Pourquoi entraîner un modèle d’intelligence artificielle dans le cloud?
Certains modèles nécessitent une puissance de calcul élevée lors de leur entraînement. Une infrastructure infonuagique permet d’accéder à des ressources adaptées au projet et de les ajuster en fonction des besoins plutôt que de dépendre uniquement du matériel disponible localement.
3. Quel est le lien entre le cloud et le déploiement d’un modèle?
Une fois entraîné et évalué, un modèle peut être hébergé dans une infrastructure infonuagique pour être utilisé par une application ou un autre système. Le cloud peut également permettre d’adapter les ressources lorsque le nombre de demandes augmente.
Pour aller plus loin
👉 Intelligence artificielle : comprendre le domaine et ses perspectives
👉 Réseaux neuronaux : comment fonctionnent-ils en intelligence artificielle?
👉 Apprentissage supervisé et non supervisé : quelle différence?
👉 En savoir plus sur le programme de Spécialiste en intelligence artificielle – LEA.E3 du Collège CDI
