Best of de la fiche pratique
Panorama, usages et points de vigilanceServices cloud - Utilisation des services d'IA dans le cloud
Retour
Pour accéder à ce contenu,
veuillez saisir vos coordonnées :
La fiche pratique « Utilisation des Services d’IA dans le Cloud » publiée en Mai 2025, présente les principales catégories de services d’IA disponibles dans le cloud, leurs avantages, les points de vigilance, tout en fournissant quelques recommandations pour une mise en œuvre réussie. Les 5 points principaux à retenir sont :
1- Les résultats de l’enquête auprès des membres du CRiP (voir page 4)
Selon l’enquête menée à l’automne 2014, à la question, « Votre organisation utilise-t-elle des ressources GPU/services IA (ML, LLM) dans le cloud ? » :• 50 % utilisaient déjà des ressources GPU/services IA dans le cloud
• 25 % souhaitent vouloir utiliser des ressources GPU/services IA dans le cloud en 2025
• 17% n’avaient pas de perspectives d’utilisation sur 2025
• 8% n’étaient pas encore décidés
Et selon un enquête menée par le CIGREF sur les tendances 2025 en matière d’IA Générative :
• 22% avaient déjà déployé des solutions d’IAG
• 22% étaient en cours de réflexion sur le sujet
• 18% avaient une stratégie déjà définie
2- Structure de l’offre d’IA dans le Cloud (voir page 6)
L’IA dans le cloud repose sur 4 grandes familles de ressources listées ci-dessous, dont les 3 dernières sont regroupées par Gartner sous le vocable « Cloud AI Developer Services »• Ressources GPU dans le Cloud
• Services de Machine ou de Deep Learning
• Services d’IA Générative
• Services d’IA Spécialisée
La fiche pratique présente les services proposés par AWS, Microsoft, Google et OVH dans ces 4 catégories.
3- Ressources GPU proposées par les fournisseurs de Cloud (voir page 12)
L’hébergement mis à disposition par les fournisseurs de cloud apporte les avantages suivants :• Simplicité d’accès : un contrat avec un fournisseur suffit pour accéder à une offre GPU.
• Évolutivité et flexibilité : avec des offres basées sur des consommations à la demande, il est possible d’adapter les ressources GPU à ses besoins ponctuels
• Accès aux dernières innovations technologiques, notamment les dernières générations de GPU dont disposent en priorité les grands fournisseurs
• Pas de limitation de la puissance électrique nécessaire on-premises, puisque les GPU sont hébergées par le fournisseur externe
4- Services de Machine et de Deep Learning (voir page 13)
Les fournisseurs cloud proposent des services managés permettant d’entraîner et de déployer des modèles d’IA sans gérer l’infrastructure sous-jacente (ex : SageMaker d’AWS, Vertex AI de Google, Azure Machine Learning ou encore AI Training / AI Deploy d’OVHCloud).
Le GT met en avant quelques points de vigilance :
• Risque de dépendance vis-à-vis des plateformes de services propres à chaque fournisseur, qui peut rendre complexe la migration entre solutions concurrentes.
• Difficile maîtrise des coûts variable, difficilement prévisibles puisqu’ils dépendent de nombreux paramètres notamment du volume de données traitées.
• Conformité à la règlementation, notamment pour les données à caractère personnel, conformité à la doctrine cloud au centre pour les données sensibles, conformité aux exigences métiers comme HDS pour les données de santé, etc…
• Disponibilité des ressources : les ressources GPU sous-jacentes étant mutualisées, selon la volumétrie des ressources GPU souhaitées, il n’y a pas de garantie de pouvoir en disposer au moment de la demande d’allocation.
5- Services d’IA Générative multimodaux (voir page 15)
Une IA multimodale peut traiter plusieurs types de données (texte, images, audio, vidéo, etc.) et les combiner pour produire des résultats plus riches. Exemple : GPT-4 est multimodal car il peut analyser du texte et des images, tandis que Gemini de Google gère aussi l’audio et la vidéo.Gartner émet un point de vigilance sur la complexité à gérer l’ensemble de ces offres de services et préconise la mise en œuvre de TRiMS (AI Trust, RIsk, Security Management) pour une gestion de la confiance, du risque et de la sécurité de l’IA.
Gartner considère que « les DSI sont confrontés à la prolifération des IA et de données qui viennent de tous horizons : intégrées dans les applications qu’ils exécutent déjà, regroupées en IA Bring-Your-Own AI (BYOAI) provenant de départements de l’ensemble de l’entreprise, et conçues par des équipes spécialisées dans la science des données ».
Le GT met en avance quelques points de vigilance :
• Dépendance aux plateformes : comme pour les ressources GPU, les services étant propres à chaque fournisseur, la migration peut être rendue difficile entre solutions concurrentes.
• Qualité du contenu généré, qui peut varier et nécessiter une supervision humaine.
• Propriété intellectuelle du contenu généré : Les questions de propriété intellectuelle doivent être prises en compte lors de l’utilisation de l’IA générative.
• Conformité à la règlementation : le point de vigilance est le même que pour les ressources GPU : s’assurer que la solution est conforme au RGPD pour les données à caractère personnel, conforme à la doctrine cloud au centre pour les données sensibles, et aux exigences métiers comme HDS pour les données de santé, etc..
Consultez la Fiche Pratique « Utilisation des Services d’IA dans le Cloud » dans son intégralité en cliquant ici
