Demandez à un(e) éminent(e) ingénieur(e)
L’IA générative, les controverses sur le nuage et ce qui freine vraiment le progrès
L’émergence de nouvelles tendances et les plus récentes innovations promettent de remodeler notre façon de travailler et de vivre. Si vous souhaitez être en avance sur votre courbe technologique, il est indispensable que vos équipes techniques se mettent au diapason de l’ère numérique actuelle.
L’équipe d’éminent(e)s ingénieur(e)s d’Insight comprend les enjeux actuels et est prête à relever les défis.
Dans cette section du Tech Journal, nos éminent(e)s ingénieur(e)s répondent à des questions réelles posées par d’autres professionnel(le)s des TI et écartent des idées fausses sur la technologie.
Chez Insight, un(e) éminent(e)s ingénieur(e)s (EI) est un(e) professionnel(le) des TI dont les compétences sont reconnues dans l’industrie et qui a atteint les plus hauts sommets en matière de leadership éclairé, de mentorat et d’influence. L’industrie n’a plus de secret pour les EI. Pour cette raison, ils et elles inspirent le plus grand respect et leurs services sont très recherchés. Grâce à leurs perspectives sur les grandes tendances et l’évolution technologique, ils et elles proposent aux chefs d’entreprise de nouvelles façons d’aborder la transformation numérique.
Le nuage multiple est largement controversé aux yeux des puristes – et de certains fournisseurs peut-être –, mais pas dans l’entreprise de plusieurs de nos clients. En fait, la plupart de nos clients choisissent le nuage multiple hybride – celui dans lequel certaines charges de travail sont réparties entre différents fournisseurs de nuage –, tandis que d’autres demeurent sur site.
Il y a trois ou quatre ans, la conception la plus répandue voulait que toutes les charges de travail soient déplacées vers le nuage. Depuis, de nombreuses entreprises ont compris que certaines charges de travail sont spécialement conçues pour le nuage, tandis que d’autres requièrent de lourds efforts de transformation avant ledit transfert. Les personnes qui ont compris cela savent qu’il peut être judicieux de conserver les charges de travail sur site pendant la période de transformation – ou indéfiniment –, car le coût d’un transfert vers le nuage est trop élevé comparativement aux bénéfices associés.
À la différence de la solution hybride, le nuage multiple mobilise les ressources de plusieurs fournisseurs de nuage et requiert l’uniformisation des capacités entre eux, ce qui est extrêmement difficile. La plupart des entreprises ne possèdent pas les capacités nécessaires à une telle opération et ne souhaitent probablement pas emprunter cette voie. Par exemple, le stockage d’objets dans AWS est très différent de celui, natif, qu’on effectue dans Azure ou dans Google Cloud Platform (GCP). Et il n’y a ici qu’un seul ensemble d’API et un seul service. Les nuages publics sont constitués de milliers de services qui, bien que similaires individuellement, sont incompatibles entre les fournisseurs.
Même si des couches communes peuvent être utilisées pour remédier à ce problème, il reste généralement très difficile d’y arriver. Si des développeurs ont codé une application en supposant qu’elle utiliserait le modèle de persistance d’un fournisseur de nuage, mais que l’entreprise souhaite ensuite exécuter cette charge de travail en recourant à un autre fournisseur de nuage, il faudra restructurer l’intégralité de la couche de persistance. Voilà une tâche ultra complexe qu’il ne vaut probablement pas la peine d’entreprendre pour de nombreuses charges de travail. Il faudra vraisemblablement un jour se mettre à la tâche, mais cela exigera des efforts considérables.
La communauté des fournisseurs de logiciels indépendants (ISV) travaille actuellement à la création d’un pont qui se situera au-dessus des couches ou d’une couche différente, mais ce travail n’en est encore qu’embryonnaire. Dans l’intervalle, les entreprises peuvent bien sûr créer leurs propres plateformes qui exposent leurs capacités à leurs développeurs en faisant abstraction des couches sous-jacentes. Cela requiert un investissement important, mais peut rapporter beaucoup. Lorsque cette démarche se révèle efficace, elle s’inscrit généralement dans le cadre d’un effort d’ingénierie de plateforme, de la mise à profit DevEx et/ou d’une initiative de développement de plateforme interne.
Un important travail a commencé dans ce domaine, en particulier avec des plateformes comme Backstage. Ici, l’ingénierie de plateforme propose aux développeurs un ensemble de capacités sélectionnées par les pairs au sein de l’entreprise. Dans ce contexte, les développeurs peuvent conserver leur vélocité tout en répondant aux exigences de leur rôle et en assurant le contrôle des coûts, la disponibilité et la mobilité, et ce, dans le nuage hybride comme dans le nuage multiple hybride. Cela dit, les nuages privés ne fonctionnent pas de la même manière que les nuages publics, ce qui peut complexifier la solution de nuage multiple hybride.
Il y a trois ou quatre ans, selon la conception la plus répandue, toutes les charges de travail devaient être déplacées vers le nuage. Depuis, de nombreuses entreprises ont compris que certaines charges de travail sont spécialement conçues pour le nuage, tandis que d’autres requièrent des efforts considérables avant ledit transfert.
Juan OrlandiniChef de la direction des TI, Insight Amérique du Nord et éminent ingénieur
Juan est le plus ancien de nos éminent(e)s ingénieur(e)s, lui qui cumule plus de 30 années d’expérience comme technologue, Juan a mis à profit son expertise dans une grande variété de domaines, du réseau jusqu’à la stratégie TI, en passant par l’architecture des serveurs et tout le reste. En tant qu’architecte en chef, il a vu les marchés évoluer et se transformer, ayant occupé le haut du pavé à chaque étape en tant que leader éclairé, serviteur passionné des clients et mentor attentionné.
Communiquer avec Juan via LinkedIn
Essentiellement, il y a trois manières de maximiser la valeur d’un LLM pour votre entreprise : l’« injection » rapide, le réglage fin et la « formation » du modèle original.
L’injection rapide – également connue sous le nom d’ingénierie rapide, d’incitation zéro ou d’incitation multiple – est la communication d’un contexte qui s’ajoute à celui du modèle. Par cette méthode, vous pouvez transmettre au modèle des connaissances supplémentaires au moyen d’une série d’entrées, ce qui vous aide à obtenir de meilleurs résultats.
Le réglage fin consiste à modifier les paramètres du modèle existant et à le « former » ou à l’« entraîner » pour l’accomplissement d’une tâche précise. (Les paramètres désignent les connaissances stockées dans le modèle lui-même.) Lorsqu’un modèle est « formé » ou « entraîné » la première fois, des vecteurs de connaissance sont créés à partir de données obtenues de sources telles que le Web. Ces vecteurs sont ensuite utilisés pour modifier les paramètres du modèle lors du processus de mise au point. Si le LLM ne parvient pas à accomplir une tâche précise, telle que la création de matériel de marketing pour votre entreprise, vous pouvez le former en lui transmettant votre expertise dans ce domaine.
Cette méthode est valable, mais elle comprend des ramifications importantes. Lorsque vous affinez ou formez ou entraînez un modèle, il se peut qu’il « oublie » certaines des capacités qu’il possédait auparavant, car vous supplantez une partie de ses éléments de contexte antérieurs. Il faut donc veiller à ne pas trop entraîner le modèle, car il pourrait oublier comment accomplir certaines tâches.
Enfin, si vous souhaitez resserrer le contrôle sur les entrées destinées à votre modèle (et sur l’ensemble de ce qu’il produit pour vous), vous pouvez considérer le développement d’un modèle basé sur vos propres données. Il s’agit alors de prendre un modèle (modèle d’apprentissage par renforcement comme Llama 2 ou autre) et d’utiliser l’algorithme structurel associé à sa construction. Cela signifie que vous pouvez utiliser vos propres données dès le début pour créer un LLM adapté à vos besoins précis au lieu de vous appuyer sur de l’information de tiers.
Cette manière de procéder est de plus en plus populaire auprès des entreprises qui exploitent des modèles à usage précis, car l’ingénierie et l’ajustement rapides peuvent ne pas suffire à l’obtention des résultats souhaités.
En conséquence, si vous possédez suffisamment d’informations ou de données sur votre segment particulier, l’entraînement d’un modèle basé sur vos propres données pourrait être une stratégie plus efficace que l’injection et le réglage fin.
Carmen (Carm) TaglientiChef de la direction des données et éminent ingénieur, Insight
Carm possède plus de 25 années d’expérience dans le domaine des TI. Son expertise approfondie dans l’infonuagique, la science et l’analyse des données, la cybersécurité et l’innovation d’entreprise est un atout précieux pour nos clients. Carm sait aussi concevoir, mettre en place et piloter des centres d’excellence, ce qu’il a fait pour IBM Cloud et AWS Cloud.
Communiquer avec Carm via LinkedIn
Certaines entreprises se concentrent trop sur la technologie – elles en oublient les personnes et les processus. Changer les habitudes et la mémoire musculaire d’une personne est difficile et prend du temps, il en va de même pour l’adoption de nouvelles technologies par une entreprise qui exige des efforts individuels qui sont souvent la partie la plus difficile du changement.
Lorsqu’une entreprise déploie une nouvelle technologie ou solution, ses leaders s’attendent à ce que ce changement règle des problèmes et/ou augmente la valeur produite. Bien que ce résultat soit probable, il se peut que les avantages ou bénéfices se fassent attendre.
Peu importe le type de changement, il faut du temps pour obtenir les résultats escomptés, en particulier si le changement touche le lieu de travail. Et bien souvent, plus le groupe visé est grand – grande entreprise ou autre –, plus lent et sinueux est le chemin de l’innovation.
J’aime utiliser l’analogie d’un hors-bord et d’un navire de croisière. L’un est très rapide et peut changer de direction instantanément, tandis que l’autre, grand et lent, a besoin de temps et, quelquefois, de planification pour effectuer un virage. Plus le navire est imposant, plus de temps et de planification il faudra, et tout incident durant un virage sera bien sûr plus difficile à gérer.
Fait à noter, réagir avec succès à un incident peut être plus complexe à exécuter qu’il n’y paraît.
Cette analogie et les schémas qu’on peut en tirer peuvent être transposés dans un environnement TI, dans toutes les industries et chez tous les clients. Voilà ce qu’il faut garder à l’esprit lorsqu’on prévoit adopter une nouvelle technologie ou effectuer un autre changement important. Sans cela, il devient difficile de se fixer des attentes réalistes et de mesurer aussi bien le niveau total d’efforts et de ressources requis que le rendement du capital investi et le coût total de possession, tout cela hors de la technologie proprement dite.
De façon générale, lorsqu’il s’agit d’innovation et de changement, les dirigeants et dirigeantes d’entreprise doivent prendre en compte le facteur humain. Cela inclut la charge cognitive et la fatigue que le changement peut occasionner chez les personnes touchées.
Tous doivent être sensibles au fait que le changement est difficile et peut être éprouvant sur le plan émotif. Qui plus est, il faut savoir que le défi croît en difficulté avec le nombre de personnes qui vivent le changement dans l’entreprise. Les leaders qui savent cela ouvriront efficacement la voie à l’innovation, libéreront le plein potentiel (et la valeur) de leur personnel et apporteront plus rapidement des changements plus importants à l’avenir – comme des solutions d’IA générique.
Changer les habitudes et la mémoire musculaire d’une personne est difficile et prend du temps, il en va de même pour l’adoption de nouvelles technologies par une entreprise qui exige des efforts individuels qui sont souvent la partie la plus difficile du changement.
Jeff BozicArchitecte principal et éminent ingénieur, Insight
Jeff compte 18 ans d’expérience dans l’industrie en administration de systèmes, opérations et architecture. Il tire parti de sa compréhension multidisciplinaire de l’informatique, des interdépendances et des effets en amont et en aval des changements entre la technologie, les personnes et les compétences, et les opérations dans son approche de transformation intentionnelle. Ce qui passionne Jeff? Aider les clients à établir leurs priorités et à structurer leur parcours afin qu’ils génèrent de la valeur commerciale de manière rapide et continue.
Communiquer avec Jeff via LinkedIn
Lorsque vous commencez à élaborer une stratégie de nuage, l’une de vos grandes priorités devrait être l’adoption, dès le début, d’une approche normative en matière d’utilisation des technologies de nuage. Il ne suffit pas de dire que vous êtes passé au nuage ou d’adopter une démarche toute faite de passage au nuage. Vous devez au contraire définir une voie, une méthode et un cadre clairs pour guider votre parcours d’adoption du nuage.
Un aspect essentiel de l’optimisation et de l’enrichissement d’une stratégie de nuage consiste à sélectionner le bon nuage pour le bon cas d’utilisation. Vous devez choisir votre fournisseur de nuage principal en fonction, notamment, de votre pile technologique, de votre communauté de développement, des coûts, de votre secteur d’activités, du modèle choisi et de vos besoins commerciaux.
En choisissant des fournisseurs primaires, secondaires et tertiaires, les entreprises peuvent accélérer leur prise de décisions et leur vélocité générale.
Par exemple, si votre entreprise développe un fort pourcentage d’applications C#/.NET, Microsoft Azure est une solution naturelle, car le nuage et la plupart des éléments nécessaires font partie de l’environnement de développement intégré des développeurs. Toutefois, si votre entreprise développe le plus souvent des logiciels libres ou ouverts, vous vous tournerez probablement vers AWS.
Concevoir des systèmes résilients et préparer sa réponse à un ou à des échecs est également essentiel pour réussir l’adoption du nuage.
Les fournisseurs de nuage intègrent la plupart des outils nécessaires pour se prémunir contre les catastrophes naturelles, l’erreur humaine, les cyberattaques et de nombreuses autres menaces à la fiabilité des systèmes. Les entreprises doivent tester et utiliser ces outils pour s’assurer qu’ils fonctionnent bien en situation réelle.
Vous devez suivre une voie prédéfinie et construire des éléments sous forme de code pour vous placer sur la « voie royale », celle qui vous permettra de débloquer la valeur intrinsèque des plateformes infonuagiques.
Pour tirer le maximum de l’infonuagique, considérez la transition du nuage 1.0 au nuage 3.0.
Dans la version 1.0 du nuage, les entreprises utilisent le nuage comme centre de données de base; dans la version 2.0, elles optimisent le nuage et deviennent plus efficaces; dans la version 3.0, elles tirent parti de la richesse des services natifs du nuage. Les entreprises devraient s’efforcer de passer à la version 3.0 pour profiter pleinement des avantages de l’infonuagique.
Michael NardoneDirecteur, Solutions de nuage et éminent ingénieur, Insight
Michael est obsédé par l’idée d’aider les clients à atteindre leurs objectifs commerciaux et à créer de la valeur par l’adoption de plateformes de nuage modernes et le développement accéléré de logiciels performants. Michael travaille dans le secteur des TI d’entreprise depuis 22 ans. Dans les diverses fonctions qu’il a occupées, il a développé une expertise variée – administration technique approfondie, ingénierie, architecture, stratégie et autres – en mettant l’accent sur le leadership et la nécessité de bien équiper les personnes pour le changement.
N’hésitez pas à nous écrire à TechJournal@insight.com
