IA, cloud hybride et SAP - plus que du chat

Les modèles d'IA et de ML présentent de nombreux défis et nécessitent des cadres et des outils spécifiques. Ici aussi, une plateforme cloud hybride ouverte et bien établie ainsi qu'une chaîne d'outils écosystémique offrent un soutien.

En raison notamment de l'engouement suscité par ChatGPT et LLM (Large Language Model), l'IA et le ML gagnent en importance dans de nombreuses entreprises, y compris chez les utilisateurs de SAP. SAP lui-même s'engage de plus en plus dans la voie de l'IA, comme le montre l'annonce des nouveaux assistants numériques basés sur l'IA générative.

Le spectre d'utilisation de l'IA dans le contexte SAP va toutefois bien au-delà des possibilités d'un assistant vocal. Une utilisation efficace devient de plus en plus judicieuse, par exemple pour l'analyse des données de base, l'optimisation des processus de production et des chaînes d'approvisionnement ou le contrôle de la qualité. De nombreuses entreprises développent et entraînent de plus en plus de modèles avec des données SAP, qu'elles utilisent et exploitent ensuite dans les environnements productifs les plus divers, comme les scénarios Factory et Edge.

Une plateforme cloud hybride ouverte constitue une base idéale pour le développement, le service et le suivi des modèles, ainsi que pour la gestion du cycle de vie et les pipelines de science des données pour l'ensemble de l'entreprise dans le contexte des sources de données SAP et non SAP. Elle offre tout d'abord aux utilisateurs un accès à des partenaires IA/ML certifiés dans le cadre d'un écosystème. Pour les entreprises, cela signifie qu'elles disposent de solutions complètes pour le développement, le déploiement et la gestion de modèles ML, ce qui leur permet d'utiliser plus facilement et plus rapidement des applications intelligentes basées sur l'IA.

Avec Red Hat OpenShift Data Science, une telle plate-forme MLOps open source est disponible sous forme de service géré et de produit logiciel traditionnel dans le cloud et sur site. Un environnement d'exécution cloud-natif comme base soutient les intégrations d'IA de la même manière dans les environnements hybrides, sur site et en périphérie - et donc également les différentes exigences propres au client et spécifiques à l'application. Cette flexibilité est un atout majeur pour l'IA. D'une part, les entreprises peuvent développer et former des modèles d'IA avec des données confidentielles dans leur propre centre informatique et les exploiter ensuite de manière contrôlée dans des applications et dans le cloud. D'autre part, il est également possible d'utiliser le cloud pour le développement et l'entraînement des modèles d'IA, par exemple en utilisant des données de test anonymes ou synthétiques, et d'intégrer ensuite les modèles dans une application sur site ou en périphérie.

L'utilisation de l'IA promet de nombreux avantages, notamment en ce qui concerne l'optimisation de la chaîne d'approvisionnement ou l'économie de ressources pour atteindre les objectifs de durabilité. Mais un domaine comme l'automatisation peut également en profiter de manière décisive. Ainsi, une entreprise peut utiliser l'IA pour entraîner l'automatisation par rapport à sa propre infrastructure. Il est ainsi possible de concevoir plus rapidement de nouveaux cas d'utilisation spécifiques à l'utilisateur. Dans le domaine de l'automatisation, Red Hat se concentre également de plus en plus sur le thème de l'IA, comme en témoigne la solution Red Hat Ansible Lightspeed avec IBM Watsonx Code Assistant pour l'automatisation IT pilotée par l'IA. Elle vise la création de playbooks générés par l'IA. Cela signifie que sur la base de recommandations générées par l'IA, un code syntaxiquement correct, adapté à l'environnement informatique propre, est entre autres émis. Les scénarios d'automatisation complexes et inter-silos deviennent également plus rapidement réalisables.

Il ne fait aucun doute que l'utilisation des techniques d'IA/ML va augmenter sur un large front. L'apprentissage initial des modèles d'IA est toutefois très gourmand en infrastructure et nécessite des plates-formes, des frameworks et des outils spécialisés, avant même d'aborder le model serving, le tuning et la gestion des modèles. Avec Red Hat OpenShift Data -Science, Red Hat fournit une base cohérente et évolutive pour l'exploitation informatique et un écosystème de partenaires pour les data scientists et les développeurs, afin que les innovations dans le domaine de l'IA puissent être utilisées plus facilement et plus rapidement par les utilisateurs SAP.

PDF (en anglais)