Telehouse présente sa nouvelle étude « Stratégies 2025 de déploiement des charges de travail IA »

Telehouse, leader européen des solutions d’hébergement en datacenters, confirme son expertise des sujets liés à l’hébergement et à l’IA en annonçant une nouvelle étude d’envergure.

La présente enquête sur les Stratégies 2025 de déploiement des charges de travail IA a été commanditée par Telehouse et S&P Global Market Intelligence. Elle a interrogé 915 répondants issus d’une grande diversité géographique, de secteurs d’activité et de fonctions professionnelles. La majorité des répondants provenaient d’Amérique du Nord, 29 % étant basés aux États-Unis. En outre, environ 17 % des répondants étaient du Royaume-Uni, suivis de 12 % de Chine/Hong Kong et 10 % du Japon.

 Les charges de travail liées à l’IA, qu’il s’agisse de phases d’entraînement des modèles ou d’inférence, sont désormais réparties sur une diversité de plateformes de calcul et de sites d’hébergement. À mesure que ces charges de travail montent en échelle, les entreprises se heurtent à des problématiques critiques telles que la latence, les performances applicatives ou la sécurisation des flux de données. Ce qui peut impliquer le recours à des architectures réseau et fibre personnalisées, à la disponibilité d’infrastructures de type GPU et à des environnements de calcul haute densité. 

L’enquête Stratégies 2025 de déploiement des charges de travail IA fournit des informations approfondies sur les besoins des entreprises en matière d’architecture IA. À mesure que l’adoption de l’IA croît, comprendre l’évolution des exigences des entreprises devient crucial. De nombreuses entreprises intensifient leurs efforts à court terme tout en maintenant leurs stratégies informatiques existantes. Les circonstances actuelles illustrent comment les entreprises peuvent s’adapter pour éviter les casse-têtes auxquels sont confrontées les sociétés qui déploient l’IA.

Quatre points clés à retenir pour les responsables informatiques

• L’IA est orientée cloud, mais multiplateforme : le cloud public hyperscale est la destination principale pour les charges de travail IA, mais les stratégies multiplateformes continueront d’exister.

• Les disparités sont évidentes dans les déploiements de l’IA : il existe des différences significatives dans le déploiement de l’IA selon les régions et les secteurs. Les entreprises en Amérique du Nord et en Asie-Pacifique consacrent généralement une plus grande part de leurs charges de travail à l’IA par rapport à leurs homologues européennes. Les entreprises des secteurs de la technologie et de la santé/biotechnologies investissent davantage dans l’IA que celles d’autres secteurs. Les grandes entreprises (plus de 5 000 employés) investissent davantage dans l’IA par rapport à leurs homologues de plus petite taille.

• La portée géographique s’élargit : l’IA incite les entreprises à reconsidérer l’endroit où elles peuvent déployer leurs charges de travail. La plupart des entreprises reconnaissent le potentiel de déployer ces charges plus loin de leurs opérations physiques, en particulier pour l’entraînement des modèles IA.

• Les services liés à l’IA sont essentiels : les points d’accès au cloud sont considérés comme une nécessité pour les charges de travail IA, car des problèmes de connectivité ont affecté les déploiements d’IA. Les services de connectivité et de mise en réseau sont de plus en plus des critères essentiels pour la sélection des sites de déploiement des charges de travail IA. De plus, de nombreuses entreprises recherchent des services de conseil en IA/ML auprès de tiers, en particulier dans les environnements d’hébergement en colocation, pour des solutions personnalisées à leurs besoins informatiques.

Recommandations pour le déploiement des charges IA

• Déterminer où une entreprise se situe : comprendre les stratégies d’infrastructure IA d’entreprises de taille similaire dans des secteurs et des géographies comparables peut aider à aligner la stratégie de déploiement des charges de travail IA d’une entreprise avec celle du secteur en général. Selon cette enquête, les entreprises des secteurs de la technologie et de la santé/biotechnologies, celles basées en Amérique du Nord et en Asie-Pacifique, ainsi que celles comptant plus de 5 000 employés, sont plus susceptibles de consacrer une plus grande proportion de leurs charges de travail à l’IA et d’investir massivement dans l’IA.

• Placer le centre de données au cœur de la stratégie : étant donné la large distribution des charges de travail IA, l’hébergement en colocation peut servir de hub central pour se connecter à divers sites d’hébergement. Étant donné que les répondants prévoient que les charges de travail IA resteront distribuées, avec une légère préférence pour le cloud public, les points d’accès au cloud proposés par les fournisseurs d’hébergement en colocation peuvent être particulièrement précieux pour le transfert de données.

• Comprendre la consommation de données pour l’IA : analyser les tendances dans l’entraînement des modèles IA des entreprises peut aider les responsables informatiques à anticiper la consommation de données à mesure que les entreprises intensifient leurs efforts en IA. Les résultats de l’enquête montrent que les entreprises utilisent d’énormes quantités de données et ont tendance à entraîner leurs modèles relativement fréquemment, une majorité le faisant quotidiennement. Comme on pourrait s’y attendre, les grandes entreprises utilisent généralement plus de données pour entraîner leurs modèles IA. Pour les entreprises traitant de vastes volumes de données et entraînant fréquemment des modèles, un fournisseur d’hébergement en colocation spécialisé pourrait être l’option la plus appropriée.

• Reconsidérer les limites géographiques : les entreprises font preuve d’une flexibilité géographique accrue pour les charges de travail IA. Les répondants dans la région EMOA se montrent très ouverts à l’idée de placer les modèles d’entraînement loin de leurs opérations commerciales principales, tandis que les répondants en Amérique du Nord et en Asie-Pacifique font preuve de flexibilité tant pour l’entraînement que pour l’inférence.

L’intégralité de l’étude est disponible ici : https://www.telehouse.fr/blog-fr/webinar-workload-strategies-ia-2025/