(Crédit photo: Shutterstock)
À mesure qu’elle gagne en maturité, l’IA aide les entreprises à passer de la phase pilote au déploiement réel. Quelle que soit l’échelle de leurs projets avancés, les entreprises s’appuient sur des jumeaux numériques, l’IA agentique et des cadres d’orchestration multi-agents. Ces déploiements diffèrent considérablement par leur portée et leur taille, mais reposent tous sur un même socle : les données.De l’expérimentation à la production, l’architecture des données devient un véritable enjeu stratégique dans les projets d’IA. Emplacement des données, rapidité d’accès, sécurité en matière de gouvernance... Autant de facteurs qui détermineront si l’IA apporte une valeur concrète à grande échelle.Compte tenu de ce qui se joue dans ces projets, les entreprises ne doivent pas s’arrêter à la promesse d’un nouvel outil, mais prêter une attention particulière à l’architecture sous-jacente. Le matériel a son importance, mais le stockage et l’accessibilité des données en a tout autant, à mesure que les projets d’IA évoluent et mûrissent pour répondre aux besoins essentiels de l’entreprise. Dans le cloud public, sur site ou en périphérie... Les entreprises doivent choisir où déployer leurs charges de travail en termes de données et d’IA.De l’expérimentation à la productionDepuis l’émergence de ChatGPT en 2022, l’IA générative a connu une progression fulgurante, que ce soit en termes de standard ou de maturité. Résultat : les entreprises, quel que soit leur secteur, n’ont cessé de multiplier les expérimentations et commencent aujourd’hui à en récolter les fruits. D’après le rapport technologique mondial de KPMG, près de 70 % des entreprises auraient franchi le pas de l’IA et pour environ 74 % de ces early adopters, cette technologie représenterait une valeur significative.Nombreuses sont les entreprises à avoir déjà déployé avec succès des systèmes d’IA opérationnels. C’est le cas de SLB, une entreprise spécialisée dans les technologies énergétiques qui a lancé fin 2025 un outil d’IA nommé Tela, conçu pour automatiser et transformer les processus et les flux de travail d’autres entreprises du secteur.Grâce à l’IA agentique, Tela permet aux entreprises utilisant des produits SLB d’obtenir de meilleurs résultats. L’outil repose sur une boucle qui s’articule autour de cinq principes clés : observer, planifier, générer, agir et apprendre.Comme le souligne Rakesh Jaggi, président du numérique et de l’intégration chez SLB, dans le communiqué de presse de l’entreprise annonçant le lancement de Tela, « une technologie comme [celle-ci] marque un véritable changement de paradigme dans la façon dont l’IA soutient le secteur de l’énergie, du sous-sol aux opérations.Inscrivez-vous à la newsletter TechRadar Pro pour recevoir toutes les actualités, les opinions, les analyses et les astuces dont votre entreprise a besoin pour réussir !Aujourd’hui, l’industrie fait face à un double défi, avec une main-d’œuvre réduite et une complexité technique accrue. La bonne nouvelle, c’est que Tela est en mesure de répondre à ces deux enjeux. Tela ne se contente pas d’automatiser des tâches, mais est capable de comprendre les objectifs, de prendre des décisions et de passer à l’action. Quand 100 ans de science de domaine rencontre une technologie numérique de pointe, cela vient renforcer l’ingéniosité humaine tout en redéfinissant les méthodes de travail. »Autre exemple : Pegatron, une entreprise taïwanaise opérant dans le secteur de la conception et de la fabrication électronique, qui exploite les jumeaux numériques et les modèles d’usine virtuels pour améliorer ses installations de production. Les chiffres parlent d’eux-mêmes : -40 % sur les délais de construction et des taux de défauts en net recul.Enfin, une étude scientifique publiée en décembre 2025 recense de nombreux exemples d’agents IA déployés en production dans des centaines d’entreprises à travers le monde. Deux motivations dominent chez les professionnels qui développent et déploient des agents IA : augmenter la productivité (80,3 %) et diminuer le temps de travail (72,7 %).Comme souvent avec les technologies émergentes, adopter l’IA ne garantit pas pour autant d’en réussir le déploiement. En creusant un peu plus, les recherches de Databricks montrent que l’écrasante majorité des entreprises (97 %) affichant un retour sur investissement (ROI) croissant disposent d’architectures de données unifiées. Le constat est clair : la fragmentation des environnements de données peut freiner les performances de l’IA, ralentir son déploiement et limiter son impact sur l’entreprise.Résidence des donnéesQuand il s’agit d’exécution des charges de travail IA, l’attention se porte généralement sur l’infrastructure de calcul. Pourtant, l’organisation, la gestion et l’emplacement des données sont tout aussi essentiels à la réussite (ou à l’échec) d’un projet. D’après McKinsey, jusqu’à 40 % de la valeur potentielle est perdue en cours de route, en partie à cause de systèmes cloisonnés et d’un modèle d’exploitation insuffisamment pensé.Selon le mode de déploiement, l’IA exige d’énormes volumes de données à jour pour s’entraîner, s’affiner et raisonner. D’autres questions se posent : la localisation des données ainsi que la facilité déconcertante avec laquelle les modèles d’IA peuvent parfois y puiser des pétaoctets d’informations en un instant. La solution peut impliquer de rapprocher les capacités de calcul de l’emplacement des données (à l’instar de l’informatique de périphérie) et d’unifier les environnements grâce à des métadonnées partagées, des politiques de gestion communes et des pipelines de données robustes.Le cloud public est généralement bien adapté aux charges de travail IA en phase précoce ou expérimentale. Il permet aux équipes de fournir rapidement des ressources et de tester des modèles, tout en bénéficiant de services gérés sans avoir à investir dans du matériel dès le départ. Les hyperscalers peuvent aussi apporter des avantages logiciels ou d’orchestration dans le cadre d’une offre plus globale. Enfin, la résidence des données constitue également un élément important de l’équation : les entreprises orientées cloud public tendront naturellement à héberger leurs données au plus près de leurs charges de travail IA basées sur le cloud.Ce modèle perd de son attrait dès lors que les charges de travail IA prennent de l’ampleur, tournent en continu et deviennent de plus en plus gourmandes en données. À ce stade, les entreprises doivent arbitrer entre coûts croissants liés au déplacement des données, exigences plus strictes en matière de gouvernance et latence induite par le transfert de grands ensembles de données d’un environnement à l’autre. Pour de nombreuses charges de travail en production, les déploiements sur site ou en périphérie offrent souvent un contrôle accru, une latence réduite et une meilleure prévisibilité économique.Infrastructure de données moderneLes plateformes de données ont été initialement pensées et conçues pour répondre aux besoins du big data, de l’analytique et de l’information en temps réel. Or, ces fondements ne sont pas nécessairement adaptés aux environnements modernes des entreprises, désormais tournées vers l’IA. Sophistiqués et multidisciplinaires, les projets d’IA exigent une infrastructure de données taillée pour absorber des volumes massifs, en temps réel, dans les pipelines. L’infrastructure doit également être capable non seulement de composer avec les agents qui perçoivent, raisonnent et agissent au moyen de différents outils et applications, mais aussi d’orchestrer le tout avec cohérence et efficacité.À l’ère de l’IA, il est essentiel de minimiser la latence au maximum, mais aussi de miser sur un stockage haute performance et des métadonnées unifiées afin de servir différents outils et applications dans divers systèmes et environnements. Et n’oublions pas l’énorme débit GPU que tout cela exige. Les défis d’aujourd’hui appellent donc des solutions modernes. Des systèmes comme la Dell AI Data Platform offrent aux entreprises une infrastructure rationalisée qui leur permet de passer de la phase pilote à la production en toute fluidité dans le cadre de leurs projets d’IA.Optimisé par NVIDIA, le système rassemble les solutions de stockage et les moteurs de données modulaires de Dell avec sa plateforme de calcul basée sur l’IA, ses capacités de mise en réseau ainsi que son logiciel d’entreprise IA afin d’offrir un environnement unique et entièrement intégré pour les charges de travail IA à grande échelle. De quoi accélérer concrètement les efforts déployés par les entreprises en la matière.Face à l’évolution des projets d’IA, un défi subsiste : créer une base de données pour soutenir la performance, la gouvernance et la maîtrise des coûts, quel que soit l’environnement. C’est là que mettre en place une infrastructure de données d’IA moderne devient un réel avantage concurrentiel. Avec les GPU NVIDIA Blackwell, la Dell AI Data Platform offre des performances de requête SQL six fois supérieures à celles des processeurs x86. De plus, l’indexation vectorielle est jusqu’à 12 fois plus rapide pour les clients.La plateforme garantit un niveau de sécurité et de protection des données adapté aux exigences de l’entreprise ; des blocs de construction modulaires permettant de démarrer à petite échelle puis de croître à mesure que les besoins évoluent ; ainsi qu’une architecture ouverte prête à intégrer les technologies de demain.Pour découvrir comment propulser vos projets d’IA, de la phase pilote au déploiement, avec la Dell AI Data Platform, rendez-vous sur le site web.
