L’IA dans les centres de données : une convergence révolutionnaire

À la une chaque jour avec des avancées extraordinaires comme le robot Sophia, l’intelligence artificielle a déjà changé la donne pour de nombreux secteurs. Elle fait partie intégrante de notre vie et a transformé entre autre la façon dont on magasine, écoute et voit. Le chemin parcouru pour déclencher ces innovations et en particulier le rôle que joue l’apprentissage automatique est fascinant. Prenons l’exemple des voitures autonomes.

Afin de passer la seconde avec ses tests, Waymo, la filiale d’Alphabet (Google) chargée de développer la voiture autonome de demain, a mis en circulation cet hiver sur les routes de Detroit, une flotte entière de minivans autonomes. Le choix stratégique de la ville a permis au groupe de tester la performance et la fiabilité des Waymo-Chrysler Pacificas dans des conditions météorologiques des plus rudes. Avec un conducteur derrière le volant au cas où, les véhicules ont passé plusieurs mois à sillonner les rues de Detroit malgré la neige, le verglas ou encore des phénomènes de voile blanc.

Pendant la phase de recherche et développement, les ingénieurs ont analysé des données capturées par une panoplie de ressources : caméras vidéo, radars et des détecteurs derniers cris appelés lidars (acronyme de l’expression en anglais « light detection and ranging » soit en français « détection et estimation de la distance par la lumière »). Ces derniers permettent de créer des situations en 3D afin d’identifier tous les facteurs qui entrent en jeux et qui peuvent altérer les conditions de base.

Avec ces modèles 3D, des milliers de scénarios ont été testés afin de recréer notre monde réel : de la neige qui fond et rend soudainement la chaussée glissante, des changements de voie d’autres véhicules sans clignotant, des véhicules d’urgence, des animaux sauvages… Les ingénieurs ont pu jouer avec différents facteurs extérieurs afin de former les véhicules autonomes à répondre de manière intelligente et assurer la sécurité de tous en tout moment. Une fois ces compétences acquises, elles sont ajoutées au système nerveux central qui alimente le réseau de voitures autonomes. Ce partage de connaissances et de compétences entre machines est un atout majeur d’IA.

Ce n’est donc sans surprise qu’autour du monde, les ingénieurs dans toutes les industries se tournent vers l’apprentissage automatique pour améliorer leur productivité, la fiabilité de leurs produits ou services mais aussi dans le cas de l’automobile, la sécurité des véhicules. Aujourd’hui 90% des accidents sont dues à l’erreur humaine. Malgré la nouvelle tragique de la mort d’une piétonne, percutée par une voiture autonome d’Uber en Arizona la semaine passée, les experts expliquent que ces voitures sont justement conçues pour pouvoir mieux anticiper ce type de situation qu’un humain et éviter ce genre de drame. L’analyse des données télémétriques de la voiture permettra certainement de comprendre pourquoi le système n’a pas détecté la présence du piéton afin de renforcer l’apprentissage des véhicules au niveau de la sécurité.

L’IDC estime que les investissements en la matière devraient continuer de croitre fortement à raison d’une moyenne de 50% par an jusqu’en 2020, soit un montant global estimé à environ 47 milliards de dollars.

Jusqu’ici l’apprentissage automatique au sein des centres de données n’a eu qu’un impact limité sur les opérations mise à part pour optimiser la consommation d’énergie.

De manière traditionnelle, un réseau de détecteurs électroniques contrôle l’énergie et la température des infrastructures alors qu’une équipe d’experts effectue les procédures de maintenance et de surveillance.

Cette matrice – technologie de pointe qui alerte les ingénieurs hautement qualifiés afin d’intervenir et agir rapidement en cas de problème – fonctionne. Pour le moment.

La démocratisation de nouvelles technologies est un indicateur que la croissance du volume de données ne montre aucun signe de ralentissement. Avec ces innovations vient la nécessité de stocker davantage de données. Les principaux fournisseurs de services dans les nuages anticipent le besoin de tripler leur infrastructure d’ici 2020.

Alors que le plus grand centre de données, le Range en Chine, mesure la taille du Pentagone, même les installations plus modestes atteignent déjà en moyenne 100,000 pieds carrés. Plus les centres sont larges, plus ils deviennent complexes avec des centaines de logiciels et de composants nécessaires pour réaliser chaque tâche mais aussi avec des millions d’utilisateurs dépendants. Les experts expliquent que la variation des demandes mais aussi la météo sont des risques majeurs pour le bon fonctionnement des infrastructures et des opérations. À vrai dire aujourd’hui, le volume à lui seul expose les centres de données les plus performants à des risques bien plus graves de coupures et de pannes.

Pour répondre à ces risques, l’Intelligence Artificielle prend le volant. Dans le domaine du traitement des données, le potentiel qu’offre l’IA est en train de permettre aux pionniers de mettre en place un taux de disponibilité fiable et sécuritaire de 100%. Pour en savoir plus sur l’utilisation de l’IA pour surmonter ce défi, cliquez L’intelligence artificielle et l’apprentissage automatique au sein des centres de données : ROOT s’impose comme leader pour maintenir une fiabilité sans faille.