Chris Sharp, Chief Technology Officer, Digital Realty

La vitesse à laquelle le hardware, le software et les réseaux évoluent entraîne une évolution rapide des modèles d'intelligence artificielle (IA). En 2025, chaque trimestre va enregistrer autant d'innovation que l'ensemble de l'année 2024.

Ce changement s'accentue. L'IA évolue des modèles monolithiques vers des modèles multiples, redéfinissant ainsi la stratégie d'IA de l'entreprise.

Qu’est-ce que cela signifie ?

Alors que les systèmes d'IA à large-scale étaient entraînés pour gérer un large éventail de tâches, les architectures modulaires et multi-modèles décomposent désormais les tâches en composants d'IA spécialisés. L'IA devient de plus en plus spécifique aux tâches, dynamique et optimisée. Cela entraîne des résultats plus efficaces et réduit les coûts.

Pour comprendre l'impact de l'innovation dans le domaine de l'IA et son évolution et comment un écosystème axé sur l'IA permet aux pionniers de s'imposer, ce blog abordera les points suivants :

Suivi de l'évolution de l'IA
Comment l'IA impacte les infrastructures métropolitaines
Comment l'IA multi-modèle accélère la rapidité de mise sur le marché
Comment Digital Realty propulse la prochaine phase de l’IA

Suivi de l'évolution de l'IA : durabilité, disruption et déploiement

À mesure que l'adoption de l'IA progresse, il est crucial d'assurer la durabilité, l'efficacité et l'évolutivité des workloads. Le passage des modèles d'IA monolithiques aux architectures multi-modèles provoque des disruptions, mais il est crucial de comprendre l'histoire de l'évolution de l'IA pour comprendre pourquoi cela se produit.

Il y a cinq ans, l'infrastructure d'IA était principalement axée sur l'entraînement basé sur le cloud, les entreprises s'appuyant pour cela sur des clouds publics et des hyperscalers. L'inférence en IA à l'edge était réduite au minimum en raison des contraintes de latence et de bande passante, et les goulots d'étranglement du réseau limitaient l'évolutivité de l'IA. La plupart du trafic devait passer par des data centers cloud centralisés.

Aujourd’hui, l’IA évolue vers l’inférence distribuée, nécessitant des data centers métropolitains pour la prise de décision en temps réel.

L'impact de l'IA sur les infrastructures métropolitaines et pourquoi la proximité est plus importante que jamais

Les workloads de l'IA exigent de plus en plus une inférence à faible latence (≤ 50 ms). Cela est dû au fait que l'inférence en IA – le processus qui consiste à exécuter des modèles d'IA entraînés sur des données du monde réel –nécessite une faible latence pour les applications qui nécessitent une prise de décision en temps réel. Cela rend l'infrastructure de calcul stratégique des métropoles cruciale.

Le trafic de l'IA n'est pas simplement acheminé vers l'emplacement edge le plus proche. Il doit prendre en compte :

Les capacités d'inférence des ressources de calcul disponibles
L'utilisation de la GPU et la disponibilité du matériel
L'efficacité du réseau et la performance du workload

À mesure que l'IA devient instantanément réactive, elle soutient les objectifs des entreprises en matière d'expérience utilisateur finale. L'inférence à faible latence alimente :

Une réactivité semblable à celle des humains dans les interactions clients alimentées par l'IA (pensez aux chatbots et aux assistants vocaux)
L'automatisation pilotée par l'IA alimente les voitures autonomes, l'automatisation industrielle et les systèmes robotiques qui doivent être traités en temps réel pour fonctionner en toute sécurité
Les recommandations personnalisées par le biais de services de streaming, de plateformes de e-commerce et de technologies publicitaires
L’IA dans le trading financier, où les algorithmes à haute fréquence doivent traiter et agir sur les données du marché en quelques millisecondes pour tirer parti des fluctuations des cours.

Ainsi, pour atteindre une latence d'inférence inférieure à 50 ms, les workloads d'IA doivent être déployées plus près des utilisateurs finaux. Cela stimule la demande pour une infrastructure d'IA métropolitaine qui réduise la distance physique entre les ressources de calcul et les sources de données.

Comment l'IA multi-modèle accélère la rapidité de mise sur le marché

Les modèles d'IA traditionnels ont rencontré des problèmes liés à des coûts de calcul élevés, une efficacité médiocre et des difficultés de mise à l'échelle. Aujourd'hui, les entreprises adoptent des architectures d'IA multi-modèles qui dirigent les tâches vers des composants d'IA spécialisés selon leurs points forts.

Les principales innovations à l'origine de ce changement sont les suivantes :

Mélange d'experts (MoE) : un cadre d'IA qui sélectionne dynamiquement des modèles spécialisés (ou « experts ») pour traiter les différentes parties d'une tâche, améliorant ainsi l'efficacité et la précision.
Prédiction multi-token : une technique où les modèles d'IA prédisent plusieurs mots ou éléments à la fois, rendant les réponses plus rapides et plus cohérentes.
Modèles de raisonnement en tant qu'orchestrateurs : les modèles d'IA sont conçus pour analyser et décomposer des requêtes complexes, puis acheminer les tâches vers les modèles les plus adaptés.
Interconnexion de l'IA : la capacité de connecter de manière transparente les workloads d'IA entre différents environnements (cloud, edge et infrastructure privée) pour une performance et une efficacité optimales.

Avoir une base d'infrastructure solide est crucial pour répondre aux besoins continus d'innovation en IA. Digital Realty a commencé à évaluer l'impact futur de l'IA sur les data centers il y a plus de sept ans. Nous avons constaté à maintes reprises auprès de nos clients que la clé du succès est de planifier en gardant autant que possible la finalité à l’esprit. Pour réussir, il est crucial d'avoir les bons partenaires tout au long du chemin.

Comment Digital Realty propulse la prochaine phase de l’IA

Alors que les innovations en matière de software, de hardware et de réseaux se succèdent, Digital Realty accueille la transformation grâce à trois produits et solutions clés prêts à répondre à la demande en IA :

ServiceFabric™ simplifie la connexion de l'inférence en IA dans les environnements métropolitains. Il présente une faible latence, une large bande passante et achemine dynamiquement les workloads d'IA vers des emplacements de calcul optimaux.
Private AI Exchange (AIPx) est une interconnexion IA pour entreprise. Il orchestre en toute sécurité les workloads d'IA à travers des environnements multicloud et privés et soutient les déploiements d'IA axés sur la conformité sans compromettre les performances.
PlatformDIGITAL®, notre plateforme mondiale de data centers, propose des data centers métropolitains prêts pour l'IA, positionnés pour :
- Se trouver à proximité des principaux hubs d'IA pour une inférence à ultra-faible latence
- L'utilisation optimisée de la GPU pour des workloads d'IA évolutifs
- Une intégration transparente avec les réseaux natifs de l'IA

La prochaine vague d'innovation en matière d'IA nécessite plus que des modèles puissants. Il est nécessaire d'avoir un système bien conçu et interconnecté pour prendre des décisions d'IA en temps réel.

Pour les entreprises, l'accent doit être mis sur :

Une architecture IA multi-modèle pour l'efficacité et la précision.
Une infrastructure native à l'IA pour prendre en charge l'inférence en IA en temps réel à l'échelle métropolitaine.
Une interconnexion transparente pour maximiser l'impact commercial de l'IA.

Chez Digital Realty, nous ne faisons pas que soutenir l’adoption de l’IA, nous façonnons l’avenir des entreprises alimentées par l’IA.

Renforcez votre stratégie informatique avec une infrastructure pérenne et prête pour l'IA. Contactez-nous dès aujourd'hui pour démarrer.

L'innovation en IA ne ralentira pas : comment l'IA multi-modèle accélère la mise sur le marché