Comment les données éparses ralentissent les progrès de l’IA en entreprise.

Le passage des entreprises à l’informatique Cloud

Les entreprises se sont heurtées à un mur avec les centres de données sur site. Les demandes de stockage et de calcul ne cessaient d’augmenter, mais l’infrastructure n’évoluait pas assez vite. L’informatique Cloud a changé la donne. Il a supprimé ces limites physiques et a permis aux entreprises d’accéder à des ressources informatiques évolutives et à la demande, que Chalan Aras, vice-président principal et directeur général de l’accélération chez Riverbed, a décrit avec précision comme étant « pratiquement infinies ».

Avec le cloud, les organisations ont acquis la capacité de traiter des ensembles de données massifs, d’entraîner des modèles d’IA modernes et de déployer des services axés sur les données à l’échelle mondiale, le tout sans investissements matériels initiaux. Pour les dirigeants, le message est simple : le cloud n’est pas seulement une migration technique ; c’est une décision stratégique qui favorise l’agilité et l’innovation à long terme. Lorsque la puissance de calcul et le stockage évoluent sans effort, la croissance de l’entreprise et l’expérimentation progressent au même rythme.

Les décideurs devraient considérer le cloud non pas simplement comme un centre de coûts, mais comme une plateforme compétitive. Il permet aux entreprises de pivoter rapidement, de tester de nouvelles capacités d’IA et de se développer sur de nouveaux marchés sans contraintes matérielles. Le cloud est devenu la base de référence pour l’innovation des entreprises.

L’adoption de l’IA est compliquée par la dispersion des données dans des environnements multicloud et des régions disparates

Les entreprises utilisent aujourd’hui des systèmes multiclouds, souvent à dessein. Elles souhaitent bénéficier de la flexibilité nécessaire pour choisir les meilleurs services auprès de différents fournisseurs de cloud, réduire la dépendance à l’égard d’un seul fournisseur et améliorer la résilience. La contrepartie est la dispersion des données. Les informations finissent par être stockées dans des environnements multiples, parfois sur plusieurs continents. Pour l’IA, il s’agit d’un défi de taille. L’entraînement à l’IA nécessite de rassembler d’énormes ensembles de données au même endroit où les GPU (unités de traitement graphique) effectuent les calculs lourds. Lorsque ces données sont stockées dans des régions éloignées ou chez des fournisseurs différents, les performances et les coûts s’en ressentent.

Les dirigeants doivent comprendre que si les stratégies multicloud offrent contrôle et choix, elles compliquent la préparation à l’IA. La latence augmente. Les coûts de transfert de données augmentent. Certaines régions ont des coûts d’énergie élevés, ce qui rend difficile l’exécution efficace des charges de travail intensives en GPU. Tout cela ralentit les projets d’IA et augmente leur coût total de possession.

La solution n’est pas d’abandonner le multicloud, mais de mettre en place des systèmes plus intelligents de circulation et de gouvernance des données entre les fournisseurs. La dispersion des données n’est pas un problème en soi, c’est le manque de coordination qui nuit aux performances. Les entreprises prêtes pour l’avenir sont celles qui unifient leur stratégie de données tout en conservant la flexibilité opérationnelle qu’offrent les systèmes multicloud.

Les transferts de données pour l’IA et les opérations dans le cloud présentent des défis majeurs en termes de finances, de vitesse et de gouvernance

Le déplacement de grandes quantités de données reste l’un des aspects les plus coûteux et les plus lents du déploiement de l’IA dans les entreprises. Le transfert d’un seul pétaoctet d’informations peut prendre environ neuf jours sur une connexion de 10 Gbps et coûter jusqu’à 80 000 dollars rien qu’en frais de sortie. Ces chiffres démontrent que même l’infrastructure cloud la plus avancée peut encore avoir du mal avec le mouvement des données à l’échelle. Au-delà des coûts monétaires et temporels, il y a un facteur de gouvernance à prendre en compte, pour garantir l’intégrité et l’exactitude des données, ainsi que le respect des réglementations tout au long du processus de transfert.

Pour les dirigeants, cela représente un point d’étranglement stratégique. Alors que les entreprises accélèrent leurs initiatives en matière d’IA, les retards dans les transferts de données ralentissent les progrès et augmentent le risque opérationnel. L’entraînement continu des modèles signifie que de nouvelles données doivent alimenter les systèmes quotidiennement, et non pas une seule fois. Si le processus n’est pas rapide et sécurisé, peu importe la puissance des modèles d’IA d’une organisation, le pipeline devient le facteur limitant.

Les dirigeants devraient investir dans des systèmes de transfert de données qui privilégient à la fois la rapidité et la gouvernance. L’objectif devrait être une stratégie de transfert de données évolutive capable de prendre en charge des mises à jour en temps réel ou quasi réel, avec un contrôle transparent pour confirmer que chaque transfert est sécurisé et validé. Le coût financier d’un transfert de données inefficace est considérable, tout comme le coût d’opportunité de l’innovation manquée en raison des retards.

Riverbed s’appuie sur des décennies d’expertise pour optimiser les migrations de données à grande échelle pour les applications d’IA.

Riverbed a transformé le mouvement des données en une opération de haute performance. S’appuyant sur 25 ans d’expérience, l’entreprise aide ses clients à extraire, optimiser et déplacer efficacement des ensembles de données massives dans des environnements cloud. Chalan Aras, vice-président senior et directeur général de l’accélération chez Riverbed, a décrit leur approche comme étant de « servir sur un plateau », en fournissant des données prêtes à être utilisées immédiatement dans les charges de travail d’IA.

Cette approche a produit des résultats mesurables. Un client confronté à un transfert massif prévoyait douze jours par pétaoctet, avec plus de vingt pétaoctets à déplacer. L’estimation initiale prévoyait que le projet prendrait jusqu’à neuf mois, mais Riverbed l’a achevé en moins d’un mois. Une autre société de services financiers a réalisé une migration de 30 pétaoctets entre des clouds en un peu plus d’un mois, tout en maintenant une conformité totale en matière de gouvernance. Ces résultats ont été importants non seulement sur le plan opérationnel, mais aussi sur le plan stratégique, car leurs équipes ont pu utiliser le temps de traitement GPU dans les délais prévus, sans perturber la formation à l’IA.

Les dirigeants doivent être attentifs à cette évolution. La capacité à transférer des données rapidement et de manière fiable ne représente plus seulement un avantage opérationnel, c’est un avantage concurrentiel. Les organisations qui parviennent à rationaliser le processus de transfert des données peuvent permettre une expérimentation plus rapide de l’IA, une mise sur le marché plus rapide et un retour sur investissement plus fort sur les investissements dans le cloud. Riverbed démontre comment l’excellence opérationnelle dans le traitement des données soutient directement les résultats stratégiques au niveau de l’entreprise.

Les décisions prises par le passé en matière d’infrastructure ont abouti à des environnements informatiques fragmentés et hétérogènes.

De nombreuses grandes organisations fonctionnent avec un patchwork d’environnements informatiques construits au fil des années et de l’évolution des besoins de l’entreprise. Les décisions prises par le passé, allant des systèmes existants sur site aux déploiements modernes dans le cloud, l’ont été pour répondre à des besoins immédiats plutôt qu’à des objectifs d’intégration à long terme. Différents départements ou unités commerciales ont souvent adopté leurs propres solutions cloud ou SaaS de manière indépendante, créant des silos qui rendent la consolidation des données à l’échelle de l’entreprise de plus en plus complexe.

Pour les dirigeants, cette fragmentation représente un défi structurel pour la stratégie d’IA. Les données dispersées dans de nombreux systèmes ne peuvent pas être facilement agrégées pour l’analyse ou la formation de modèles. Cela ralentit l’innovation et limite la capacité à extraire des informations unifiées des données de l’organisation. Dans un environnement concurrentiel, où les performances de l’IA dépendent fortement d’ensembles de données complets, ces obstacles internes peuvent directement freiner les progrès.

La solution exige que le leadership donne la priorité à l’intégration et à la visibilité de toutes les sources de données, qu’elles soient sur site, dans le cloud ou basées sur SaaS. Elle exige également des cadres de gouvernance qui relient ces éléments sans perturber les opérations existantes. La modernisation de l’infrastructure ne se limite pas à l’adoption de nouvelles technologies ; il s’agit de créer une cohésion entre tous les éléments existants. Une approche coordonnée de l’infrastructure et de la gestion des données donne aux entreprises une base plus complète pour une croissance basée sur l’IA.

Les consolidations de clouds uniques sont souvent insuffisantes pour répondre aux besoins globaux des entreprises

De nombreuses organisations envisagent de consolider toutes les opérations au sein d’un seul fournisseur de cloud afin de simplifier la gestion, les contrats et la maintenance. Si cette solution peut réduire la complexité sur le papier, elle offre rarement une couverture complète dans la pratique. Aucun fournisseur hyperscale ne dessert toutes les zones géographiques ou ne répond à toutes les exigences réglementaires et de performance. Par conséquent, les entreprises font souvent appel à au moins un autre fournisseur pour combler ces lacunes, acceptant des frais de gestion supplémentaires en contrepartie de la flexibilité et de la couverture.

Pour les chefs d’entreprise, la clé réside dans l’équilibre stratégique. Un cloud unique simplifie les opérations, mais une dépendance excessive accroît la vulnérabilité aux limitations propres aux fournisseurs, telles que la disponibilité régionale, les pannes de service ou les changements de prix. Les structures multi-nuages offrent une certaine résilience et un accès aux meilleurs outils de plusieurs fournisseurs, mais elles posent des problèmes de gouvernance et d’exploitation qui requièrent une discipline interne rigoureuse.

Les équipes de la suite devraient considérer l’architecture cloud comme un choix stratégique en constante évolution, et non comme une décision ponctuelle. L’objectif doit être d’obtenir la bonne combinaison, en maintenant les performances, la conformité et la résilience tout en évitant une complexité inutile. Les entreprises qui conçoivent leurs stratégies cloud avec cette vision à long terme gagnent en agilité sans perdre le contrôle.

L’essor de l’IA agentique intensifie la nécessité d’un mouvement continu et à grande échelle des données.

Les systèmes d’IA agentique, qui agissent de manière autonome pour effectuer des tâches de raisonnement complexes, nécessitent un accès constant à des sources de données vastes et diverses. Ces systèmes fonctionnent en continu et dépendent d’un flux régulier d’informations mises à jour pour maintenir leur précision et leur pertinence. Cela crée une forte augmentation à la fois de la fréquence et du volume des transferts de données à travers les environnements cloud. Contrairement aux modèles d’IA traditionnels qui sont formés périodiquement, l’IA agentique doit s’appuyer sur des flux de données en temps quasi réel, ce qui exige une infrastructure capable d’assurer des mouvements de données soutenus et contrôlés.

Pour les dirigeants, cette évolution signifie que les migrations de données ponctuelles ne sont plus suffisantes. Les entreprises doivent désormais concevoir des pipelines permanents et automatisés qui maintiennent les données synchronisées entre les environnements sans goulots d’étranglement. La fiabilité, la sécurité et l’efficacité de ces transferts déterminent directement l’efficacité des opérations d’IA. Des mouvements de données retardés ou incohérents réduiront la réactivité du système et limiteront sa capacité à fournir des informations en temps voulu.

Pour gérer cette nouvelle échelle, les entreprises ont besoin d’une infrastructure conçue pour le débit et la prévisibilité. Les solutions doivent gérer des transferts constants de gros volumes sans compromettre la gouvernance ou la conformité. Chalan Aras, vice-président senior et directeur général de l’accélération chez Riverbed, a noté que de nombreux clients passent de migrations d’une seule instance à des modèles de mouvement continu des données pour soutenir leurs stratégies d’IA en constante évolution. C’est un signal pour les équipes de direction de se concentrer sur la préparation opérationnelle, en s’assurant que leur architecture de données peut soutenir les exigences du traitement de l’IA 24/7.

Dernières réflexions

Le passage à des opérations pilotées par l’IA a révélé l’un des plus grands défis de l’entreprise moderne : la fluidité des données. La question n’est pas seulement de savoir où vivent les informations, mais aussi à quelle vitesse, en toute sécurité et de manière intelligente elles se déplacent. Les systèmes fragmentés, les transferts coûteux et les exigences en matière de gouvernance mettent en évidence une réalité que chaque dirigeant doit prendre en compte : Les performances de l’IA dépendent de l’infrastructure qui les alimente.

Les chefs d’entreprise qui considèrent le mouvement des données comme une capacité stratégique, et non comme une simple fonction informatique, seront ceux qui façonneront la prochaine frontière concurrentielle. La capacité à transférer efficacement de grands volumes de données, tout en maintenant la conformité et la transparence, détermine la vitesse à laquelle une organisation peut innover.

La voie à suivre consiste à unifier les environnements fragmentés grâce à des pipelines de données plus intelligents et continus. Il ne s’agit pas de choisir un cloud ou un fournisseur, mais d’activer un écosystème de données connecté qui prend en charge les progrès persistants de l’IA. Les entreprises qui investissent dès maintenant dans ce domaine ne se contenteront pas d’opérer plus rapidement, elles penseront plus vite, décideront plus rapidement et dirigeront avec confiance dans un monde construit sur des données intelligentes.