Déployez l'analyse par IA là où se trouvent vos données

Les expériences en matière d'IA sont de plus en plus souvent mises en production à l'échelle de l'entreprise. Cependant, dans de nombreux cas, l'approche « taille unique » consistant à recourir exclusivement à l'IA dans le cloud avec des modèles gérés par le fournisseur n'est pas viable.

Lorsque l'IA s'intègre aux processus métier quotidiens, les entreprises sont confrontées à des questions souvent éludées lors des premières phases d'expérimentation : où l'application s'exécute-t-elle ? Quels modèles peut-elle utiliser ? Où les données sensibles sont-elles traitées ? L'architecture répond-elle aux exigences existantes en matière de sécurité, de réglementation et de souveraineté des données ?

Une nouvelle étude menée par BARC et Actian montre comment les exigences en matière d’ déploiement s évoluent à mesure que l’IA est mise en production. Le rapport « Where Enterprise AI Runs » révèle que trois organisations sur quatre utilisent, d’une manière ou d’une autre, des services cloud pour leurs charges de travail liées à l’IA, mais que 76 % d’entre elles affirment que l’importance du déploiement de l’IA en dehors du cloud s’est accrue au cours des 12 derniers mois. Cette évolution reflète des exigences croissantes en matière de souveraineté, de données sensibles, d’auditabilité, de dépendance vis-à-vis des fournisseurs, de résilience et de criticité pour l’activité.

Cela ne signifie pas pour autant que les entreprises tournent le dos au cloud. Mais cela reflète bien leur besoin de pouvoir choisir où exécuter leurs différentes charges de travail liées à l'IA.

Actian AI Analyst prend désormais en charge les modèles « déploiement » hébergés en interne et les modèles « bring-your-own LLM » (BYOLLM), offrant ainsi aux entreprises davantage de contrôle sur l'environnement d'exécution de leurs analyses d'IA et sur les modèles qu'elles utilisent.

Des analyses basées sur l'IA fiables, avec davantage de choix en matière d'déploiement

AI Analyst met à la disposition des utilisateurs professionnels un analyste de données basé sur l'IA dédié aux données d'entreprise. Ceux-ci peuvent poser des questions en langage naturel, analyser les évolutions, créer des rapports et suivre l'activité de l'entreprise sans avoir à attendre une nouvelle version d'tableau de bord , ni à soumettre chaque question à l'équipe d'analyse.

Derrière ces interactions, AI Analyst fonde ses analyses sur des indicateurs, des dimensions, des relations et des définitions métier clairement définis. La logique utilisée pour produire les résultats reste visible, ce qui permet aux équipes de vérifier comment une réponse a été obtenue, plutôt que de se contenter d'accepter une réponse générée par l'IA.

Jusqu’à présent, AI Analyst était proposé sous forme de SaaS géré. Cela reste l’option la plus simple pour de nombreuses entreprises, mais elle ne convient pas à tous les environnements de production.

Une institution financière peut exiger qu’une application d’analyse soit exécutée au sein de son cloud privé, aux côtés d’autres services d’IA approuvés. Un fabricant peut avoir besoin que des données opérationnelles sensibles restent confinées à un environnement particulier. Un prestataire de soins de santé peut déjà avoir approuvé certains fournisseurs de modèles de langage à grande échelle (LLM) et mis en place des politiques d’ gouvernance s des modèles que toute nouvelle application d’IA doit respecter.

Ces exigences deviennent de plus en plus difficiles à contourner à mesure que l'IA passe du stade expérimental à celui de la mise en production. Le BARC qualifie cette nouvelle approche de « placement délibéré de l'charge de travail ». Il s'agit de déterminer où l'IA doit être déployée en fonction des exigences en matière de contrôle, de risque, de performance et d'infrastructure propres à chaque charge de travail.

Utilisez AI Analyst là où vos besoins l'exigent

déploiement , en auto-hébergement, permet aux entreprises d'exécuter AI Analyst au sein de leur propre infrastructure, plutôt que d'utiliser exclusivement l'environnement cloud d'Actian.

Pour les organisations soumises à des exigences en matière de sécurité, de réglementation, de souveraineté des données ou d'architecture concernant l'emplacement d'exécution des applications, AI Analyst peut s'intégrer à l'environnement qu'elles ont déjà mis en place. Cela peut se traduire par un déploiement dans un cloud privé aux côtés des services de données et d'IA existants, ou par le maintien de l'sur site ité de l'application lorsque les charges de travail doivent rester au sein de l'environnement propre à l'organisation.

Le choix dépend des exigences de l’ charge de travail. Optez pour la solution SaaS gérée si vous souhaitez qu’Actian gère l’infrastructure de l’application. Hébergez vous-même AI Analyst lorsque des exigences en matière de sécurité, de réglementation, de souveraineté ou d’architecture imposent que l’application soit exécutée au sein d’une infrastructure que vous contrôlez.

déploiement Le choix du modèle n'a aucune incidence sur l'expérience utilisateur. La version auto-hébergée d'AI Analyst offre les mêmes fonctionnalités et les mêmes performances que la version cloud, notamment la même base sémantique régie par des règles et la même visibilité sur la manière dont les résultats sont générés.

Choisissez le LLM qui correspond à votre stratégie en matière d'IA

Le lieu d'exécution de l'application n'est qu'un élément parmi d'autres. De nombreuses entreprises ont également noué leurs propres relations avec des fournisseurs de modèles de langage à grande échelle (LLM), des passerelles d'IA et des services d'IA dans le cloud.

La fonctionnalité « Apportez votre propre LLM » permet aux organisations de connecter AI Analyst à leur fournisseur de LLM existant ou au point de terminaison de leur modèle, plutôt que de s'appuyer sur un modèle hébergé par Actian. Les équipes bénéficient ainsi d'un plus grand contrôle sur le choix du modèle, et AI Analyst s'intègre plus facilement à l'infrastructure d'IA existante de l'entreprise ainsi qu'à ses politiques d'gouvernance .

Il peut s'agir d'un compte géré par le client auprès d'un fournisseur commercial de modèles de langage (LLM) tel qu'OpenAI ou Anthropic, ou encore de modèles accessibles via une passerelle d'IA d'entreprise ou un service d'IA dans le cloud tel qu'AWS Bedrock, Google Vertex AI ou Azure AI, en fonction de l'architecture du client et de ses exigences en matière d'authentification.

Pour certaines organisations, le modèle BYOLLM offre tout le contrôle supplémentaire dont elles ont besoin. D’autres peuvent disposer d’une infrastructure de modèles accessible uniquement depuis leur réseau privé. Dans ces environnements, l’auto-hébergement d’AI Analyst offre un niveau supplémentaire de contrôle sur l’ déploiement , tout en conservant les mêmes fonctionnalités d’analyse.

À mesure que l'IA passe du stade expérimental à une utilisation quotidienne dans l'entreprise, les organisations ont besoin de flexibilité pour intégrer l'IA à leur infrastructure, à leurs exigences de sécurité et à leur stratégie en matière de modèles déjà en place. Grâce aux options « déploiement » et « BYOLLM » (Bring Your Own Language Model), AI Analyst peut désormais s'adapter à l'architecture et à la stratégie d'IA choisies par les utilisateurs.

Commencez un essai gratuit d'Actian AI Analyst pour découvrir comment l'analyse IA régulée s'applique à vos données.

À propos de l'auteur

À propos de Andrew Petersen

Andrew dirige le marketing produit pour le portefeuille d'IA d'Actian. Fort d'une expérience couvrant le marketing produit, les études clients, la stratégie de contenu et le journalisme, Andrew s'attache à mettre en avant les technologies complexes liées aux données et à l'IA afin de les relier à des résultats commerciaux concrets. Avant de rejoindre Actian, il a occupé des postes dans le marketing produit chez CData, data.world et Workato.