rappo t resea ch insights comment les ent ep ises déblo ......les entepises mode nes exigent...

© 2019 par The Enterprise Strategy Group, Inc. Tous droits réservés.

Ce qui démarque les organisations qui débloquent leur capital de données avec l’IA Par Adam DeMattia, directeur de la recherche ; Mike Leone, analyste senior ; Scott Sinclair, analyste senior Novembre 2019

Ce rapport ESG Research Insights a été commandé par Dell EMC et Intel et distribué sous licence ESG.

Enterprise Strategy Group | Getting to the bigger truth.™

Comment les entreprises débloquent leur capital de données avec l’intelligence artificielle

Rapport Research Insights

Rapport Research Insights : Comment les entreprises débloquent leur capital de données avec l’intelligence artificielle 2


Sommaire

Résumé analytique ............................................................................................................................................................ 3

Les entreprises modernes exigent l’application de l’intelligence artificielle aux données .............................................. 4

Analyse comparative de la conversion réussie du capital de données ............................................................................ 5

Ce qui distingue les organisations connaissant une forte réussite en capital de données grâce à l’IA :

Infrastructure moderne .................................................................................................................................................... 6

Stockage optimisé par l’IA ............................................................................................................................................. 6

Protection complète des données ................................................................................................................................ 9

Calcul activé par l’IA .................................................................................................................................................... 11

Ce qui distingue les organisations connaissant une forte réussite en capital de données grâce à l’IA :

Renforcement des compétences en science des données ............................................................................................. 12

Pénurie de compétences en science des données ..................................................................................................... 12

Optimisation de la valeur de l’IA avec des services tiers ............................................................................................ 13

En conclusion .................................................................................................................................................................. 14

Comment Dell EMC et Intel Technologies peuvent vous aider ...................................................................................... 15

Annexe I – Méthodologie de recherche et caractéristiques démographiques des personnes interrogées ................... 17

Annexe II : critères d’évaluation de la réussite des organisations en matière de déblocage du capital des données .. 19

Rapport Research Insight : Comment les entreprises débloquent leur capital de données avec l’intelligence artificielle 3


Résumé analytique

Le processus d’extraction des renseignements exploitables que contiennent les données est l’une des activités les plus

importantes pour les organisations d’aujourd’hui. Mais les organisations sont submergées par la quantité de données

à stocker et à analyser, et les processus d’analytique classiques basés sur des requêtes présentent des inconvénients en

termes de vitesse, d’objectivité et de précision. L’application réfléchie de l’intelligence artificielle (IA) offre un espoir. Les

organisations se tournent de plus en plus vers l’intelligence artificielle pour optimiser l’analyse des données et la prise de

décision. L’étude d’ESG montre que près de trois cinquièmes (59 %) des organisations ont augmenté leurs dépenses

en IA en 2019.1 Ces premiers acteurs gagnent un avantage significatif : 71 % des organisations qui utilisent l’IA en

production aujourd’hui attribuent plus de 5 % de leur chiffre d’affaires directement à des initiatives d’IA.

Comment les organisations exploitent-elles leurs données au maximum avec l’IA ? Ce rapport Research Insights

montre que le succès rencontré par les organisations qui débloquent la valeur de leurs données avec l’IA varie, et que

celles qui réussissent le mieux utilisent des environnements IT radicalement différents de ceux de leurs homologues.

La figure 1 illustre la relation entre la capacité d’une organisation à utiliser l’IA pour débloquer son capital de données,

et sa propension à utiliser une infrastructure moderne.

Figure 1. Relation entre la conversion réussie du capital de données et l’infrastructure modernisée

Fonte : Enterprise Strategy Group

Cette relation entre la réussite de l’IA et l’infrastructure moderne a été mesurée et établie par la recherche principale

d’ESG Research, qui a capturé les points de vue de 750 décideurs IT stratégiques.

La recherche a examiné les principales technologies d’infrastructure, y compris les technologies de stockage qui

gèrent l’IA, comme le stockage All-Flash, le NAS scale-out et les technologies de hiérarchisation sophistiquées pour le

positionnement agile des données. Il a également examiné les fonctions de protection des données, qui garantissent

la protection du pipeline de données IA du début à la fin, quel que soit l’emplacement et la façon dont les entreprises

automatisent et accélèrent leurs environnements de serveurs. Enfin, l’étude a montré un lien entre le succès de l’IA

et la propension des organisations à collaborer avec des prestataires de services tiers afin de mettre en œuvre et

d’optimiser les projets d’IA.

1Fonte : résultats de l’enquête principale d’ESG, 2019 Technology Spending Intentions Survey, mars 2019.

https://research.esg-global.com/reportaction/2019technologyspendingintentionsmsr/Toc



Le reste de ce rapport détaille les critères de segmentation qu’ESG a utilisés pour classer les organisations en trois

phases : Les organisations en Phase 3 (organisations connaissant une forte réussite en capital de données), en Phase 2

ou en Phase 1. Il aborde également les différences spécifiques dans l’environnement IT et l’augmentation des

compétences observées entre les organisations connaissant une forte réussite en capital de données (phase 3).

Par exemple, les organisations connaissant une forte réussite en capital de données étaient :

Presque 3 fois plus susceptibles que les organisations en Phase 1 d’utiliser de manière intensive le stockage All-

Flash pour prendre en charge les charges de travail d’IA.

Presque 3 fois plus susceptibles que les organisations en Phase 1 de signaler l’utilisation de manière intensive

du NAS scale-out pour prendre en charge les charges de travail d’IA.

Bien plus susceptibles que les organisations en Phase 1 de protéger leur pipeline de données (84 % contre 26 %)

et 3 fois plus susceptibles de signaler une protection complète.

2 fois plus susceptibles de signaler qu’elles s’appuient bien plus sur les services professionnels tiers pour l’IA que

d’autres initiatives.

Les entreprises modernes exigent l’application de l’intelligence artificielle aux données

Les données sont les ressources les plus précieuses des entreprises modernes. Avec l’IT, les organisations

redéfinissent des secteurs entiers et débloquent des sources de revenus précédemment non reconnues. Pour

reconnaître les opportunités et en tirer parti, les organisations doivent acquérir les données, les analyser et les utiliser

de manière dynamique. De même, les organisations cherchent à tirer le meilleur parti de ces données, quel que soit

leur type, leur taille ou la vitesse à laquelle elles évoluent. De nombreuses organisations optimisent la gestion des

données en utilisant un grand nombre d’analystes d’entreprise, qui interrogent les bases de données en silos avec des

outils d’analyse et de décision existants. Mais cette approche existante ne fonctionnera pas dans l’ère des données

modernes. Il n’est tout simplement pas possible d’exploiter la valeur des données à l’aide de technologies et

processus obsolètes. Il est temps de moderniser.

Bienvenue dans l’intelligence artificielle (IA). L’IA fait référence aux systèmes ou machines susceptibles de simuler

l’intelligente humaine pour prendre des décisions ou effectuer des tâches. Ces systèmes peuvent être améliorés

de manière itérative en fonction des données collectées et des informations qu’ils tirent des actions passées. Par

exemple, une entreprise d’eCommerce dotée d’un moteur d’IA qui reçoit les données du trafic Web et d’interaction

des utilisateurs à grande échelle peut adapter les offres afin d’améliorer l’expérience client des visiteurs du site en

temps réel. Autre exemple : un chatbot doté de l’IA, formé pour répondre plus efficacement aux questions des clients

et pour utiliser les interactions passées avec le service client et les données de résultats.

L’IA offre plusieurs avantages par rapport aux workflows d’analytique et de prise de décision basés sur une requête

traditionnelle, y compris :

Vitesse. Les d’systèmes IA peuvent agir sur les données plus rapidement que les humains ne peuvent prendre des

décisions basées sur des requêtes.

Mise à l’échelle. Les systèmes d’IA peuvent acquérir et conserver plus de données et une plus grande variété de

données que les humains afin d’informer les décisions.

Impartialité. Avec une formation appropriée, les systèmes d’IA peuvent réduire le décalage dans leurs processus

de prise de décision.

Précision. Les systèmes d’IA peuvent créer des informations et des calculs plus précis que les humains à partir des

données.

Temps de disponibilité. Les systèmes d’IA, contrairement aux humains, peuvent fonctionner 24/24 h et 7/7 j.



L’IA est clairement un outil que les organisations peuvent appliquer à leurs données pour optimiser leur valeur. Mais

qu’en est-il de la connexion entre les cas d’utilisation de l’IA et l’utilisation de l’infrastructure moderne ? Ce rapport

validé par des données décrit les résultats obtenus actuellement par les entreprises en déployant l’IA sur une

infrastructure IT moderne. L’enquête qui sous-tend ce rapport comprenait des personnes interrogées dans le monde

entier, dont 40 % résidant en Amérique du Nord, 20 % en Europe occidentale, 30 % dans la région Asie-Pacifique et

10 % en Amérique latine. Toutes les personnes interrogées occupaient un poste qui impliquait la prise de décision

IT et travaillaient dans une organisation qui utilise l’IA dès aujourd’hui, ou qui envisage de la déployer au cours des

24 prochains mois. De plus, toutes les personnes interrogées devaient bien connaître l’infrastructure IT sur laquelle

reposent leurs charges de travail d’IA, ainsi que les initiatives métiers et processus que l’IA améliore.

Analyse comparative de la conversion réussie du capital de données

L’un des principaux objectifs de l’étude d’ESG consistait à comprendre ce qui distingue les entreprises qui ont réussi

à exploiter au mieux leurs données grâce à l’IA. Pour observer les différences entre les cohortes d’organisations,

ESG les a segmentés selon deux critères clés :

1. La capacité de l’organisation à avoir un impact positif sur le chiffre d’affaires avec les initiatives d’IA. Pour être

considérée comme une organisation connaissant une forte réussite en capital de données ou une organisation

en phase 3, une organisation doit utiliser l’IA pour exercer un impact positif sur les résultats commerciaux. Les

diverses façons dont l’IA peut aider à générer du chiffre d’affaires sont presque infinies : le capital humain libéré

via l’automatisation des processus peut être utilisé pour favoriser d’autres projets générateurs de revenus ; les

données clients peuvent être extraites afin d’identifier les opportunités de vente additionnelle et incitative ; les

données sur les capteurs et les machines peuvent être utilisées pour éviter les arrêts de service de la ligne de

production ou pour augmenter les rendements. Si les opportunités sont infinies, les résultats qu’une organisation

a atteints peuvent être normalisés et comparés en termes de chiffre d’affaires. 39 % des personnes interrogées

ont signalé que les initiatives d’IA sont responsables de plus d’un dixième du chiffre d’affaires total.

2. La propension du chiffre d’affaires de l’IA à être incrémentiel sur les sources de revenus existantes. Pour être

considérée comme une organisation connaissant une forte réussite en capital de données ou une organisation

en phase 3, le chiffre d’affaires permis par l’IA doit être additif (c’est-à-dire qu’il n’aurait pas été obtenu sans

les investissements de l’organisation dans l’IA). Le fait de débloquer des données de valeur signifie que la

valeur n’avait pas été reconnue avant d’être débloquée. Les organisations connaissant une forte réussite en

capital de données utilisent l’IA pour trouver de nouvelles méthodes innovantes pour améliorer les résultats de

l’entreprise. Lorsqu’ESG a demandé aux personnes interrogées quel pourcentage du chiffre d’affaires de leur

organisation lié à l’IA était additif, 59 % ont déclaré que tout ou partie du chiffre d’affaires était incrémentiel.

ESG a utilisé ces deux critères pour créer trois segments d’organisations dans le jeu de données de l’enquête (voir

figure 2). Les organisations en phase 1 sont celles qui ne répondent pas à l’un des critères suivants : Elles ne génèrent

pas plus de 10 % de leur chiffre d’affaires avec l’IA et sur le chiffre d’affaires qu’elles génèrent, et une grande partie

serait obtenue sans investissement dans l’IA. Les organisations en phase 2 sont celles qui répondent à l’un des

critères, mais pas aux deux. Les organisations en phase 3, à savoir les organisations connaissant une forte réussite

en capital de données, répondent aux deux critères et sont à la pointe du déblocage du capital des données avec l’IA.

Environ un quart des utilisateurs d’IA actuels (27 %) répondent aux deux exigences, 44 % répondent à une seule et

29 % ne répondent à aucune.



Figure 2. Analyse comparative de la conversion réussie du capital de données


Ce qui distingue les organisations connaissant une forte réussite en capital de données grâce à l’IA : Infrastructure moderne

L’étude d’ESG a abordé de nombreux aspects des environnements IT des organisations. Lors de la comparaison des organisations présentant différentes

phases de succès en matière de capital de données, il est rapidement devenu évident que les organisations connaissant une forte réussite en capital de

données (organisations en Phase 3) ont mis en œuvre beaucoup plus d’actions pour moderniser leur infrastructure. Par rapport aux organisations en phase 1,

elles étaient quasiment trois fois plus susceptibles d’utiliser la technologie Flash et le stockage scale-out NAS pour prendre en charge l’IA, et étaient

également trois fois plus susceptibles d’utiliser les technologies de protection des données de manière étendue dans le pipeline de données d’IA. ESG estime que, grâce à la création d’environnements IT fiables, évolutifs et hautes

performances, les organisations en phase 3 créent un terrain fertile pour les initiatives d’IA, qui génèrent de plus en plus de revenus pour l’organisation.

ESG estime que la modernisation de l’IT est une grande partie de la raison pour laquelle 100 % des organisations connaissant une forte réussite en capital de données peuvent tirer plus de 10 %

de leur chiffre d’affaires d’initiatives d’IA. Les organisations cherchant à créer de la valeur matérielle et incrémentielle à partir de leurs données avec l’IA doivent suivre l’exemple des organisations de Phase 3.

Ensuite, nous allons découvrir les trois principaux éléments d’infrastructure qui sont indispensables pour réussir les

déploiements d’IA des organisations de Phase 3 : stockage, protection des données et calcul.

Stockage optimisé par l’IA

Tandis que la formation sur le modèle d’IA nécessite un traitement

massivement parallèle, les organisations ne peuvent pas tirer le meilleur parti de leurs ressources de calcul si le mécanisme de livraison des données ne tient pas le rythme. Le stockage lent signifie des ressources de calcul

sous-utilisées, un développement et un perfectionnement de l’IA plus lents, une efficacité de l’IA réduite et, au final, une valeur d’IA diminuée

pour l’entreprise. Le calcul et le stockage doivent donc être en mesure de répondre aux exigences de performances des charges de travail d’IA.

Organisations en Phase 1 :

Ne génèrent pas plus de 10 % de leur chiffre d’affaires avec l’IA

ET

Le chiffre d’affaires lié aux initiatives d’IA a tendance à ne pas être incrémentiel

Organisations en Phase 2 :

Génèrent plus de 10 % de leur chiffre d’affaires avec l’IA

OU

Le chiffre d’affaires lié aux initiatives d’IA est entièrement ou partiellement incrémentiel

MAIS PAS LES DEUX

Organisations en phase 3 (organisations connaissant une forte réussite en capital de données) :

LES DEUX

Génèrent plus de 10 % de leur chiffre d’affaires avec l’IA

ET

Le chiffre d’affaires lié aux initiatives d’IA est entièrement ou partiellement incrémentiel

En créant des environnements IT fiables, agiles et hautes performances, les organisations connaissant une forte réussite en capital de données génèrent un terrain fertile pour les initiatives d’IA, ce qui génère de la valeur pour l’organisation.

Les entreprises qui valorisent au maximum l’IA font aujourd’hui les investissements les plus importants en matière de plates-formes de stockage All-Flash hautes performances.

Augmentation de la réussite en débloquant le capital de données



Si les données constituent la ressource la plus précieuse des organisations modernes, il serait logique que les

performances des systèmes responsables de la rétention et de la mise à disposition de ces données constituent un

domaine d’intérêt pour les organisations qui optimisent les résultats de l’IA. En effet, cette hypothèse est née de la

recherche menée par ESG. Lorsqu’ESG a demandé aux participants si leur entreprise utilisait un stockage All-Flash

hautes performances pour prendre en charge les charges de travail d’IA, 79 % des organisations connaissant une forte

réussite en capital de données ont signalé une utilisation intensive. Cette proportion était près de 3 fois supérieure

à celle observée chez les organisations en Phase 1. Les entreprises qui valorisent au maximum l’IA font aujourd’hui

les investissements les plus importants en matière de plates-formes de stockage All-Flash hautes performances

(voir Figure 3).

Figure 3. Utilisation de la technologie All-Flash pour accélérer la valeur de l’IA


La vitesse n’est pas la seule caractéristique du stockage optimisé pour l’IA. L’évolution est une considération de plus

en plus importante. Deux tendances dirigent cette exigence.

Les méthodologies d’IA utilisent de plus en plus des algorithmes de

Deep Learning (DL). L’une des fonctionnalités spécifiques de ces

algorithmes est que la qualité de leurs modèles d’IA augmente en

parallèle à la quantité de données alimentée par le modèle. En

d’autres termes : Toutes choses égales par ailleurs, un modèle d’IA

formé avec 1 pétaoctet (Po) de données est plus efficace qu’un

modèle formé par 100 téraoctets (To) de données, qui est plus

efficace qu’un modèle formé par 1 To de données.

Le format des données nécessite également de plus en plus

d’évoluer en stockage optimisé pour l’IA. Les modèles d’IA utilisent

fréquemment des ensembles volumineux de données non

structurées, comme des images et des vidéos, qui ne peuvent pas

être compressées ou dédupliquées. Ces types de données ont

tendance à utiliser plus d’espace que les données structurées.

Les organisations en Phase 3 sont 2,8x plus susceptibles d’utiliser le stockage All-Flash de manière intensive pour l’IA

Votre entreprise utilise-t-elle actuellement le stockage All-Flash pour prendre en charge les charges applicatives d’IA ? (Pourcentage de réponses)

Phase 1 (N = 172) Phase 2 (N = 257) Phase 3 / Organisations connaissant une forte réussite en capital de données (N = 159)

Oui – utilisation intensive Oui – utilisation normale Non



Ces deux tendances permettent de bien comprendre comment l’évolutivité du stockage est devenue une exigence si

importante dans les environnements d’IA.

Comment les organisations connaissant une forte réussite en capital de données conçoivent-elles leurs

environnements de stockage afin de répondre à ces exigences d’évolutivité ? ESG a demandé aux personnes

interrogées si leur organisation utilise des systèmes scale-out NAS au sein de leurs environnements d’IA pour

s’adapter à l’échelle requise par les types de données non structurées. Les résultats ont été remarquables : les

organisations en Phase 3, qui génèrent le plus de valeur avec l’IA aujourd’hui, étaient presque trois fois plus

susceptibles que les organisations en Phase 1 de signaler une utilisation étendue de la technologie scale-out

NAS pour prendre en charge les charges de travail d’IA (voir figure 4).

Figure 4. Utilisation organisationnelle de la technologie scale-out NAS pour prendre en charge l’évolutivité de l’IA


Les organisations connaissant une forte réussite en capital de données ont clairement identifié un environnement

de stockage hybride comme l’« outil idéal pour l’emploi » lorsqu’il s’agit de prendre en charge leurs initiatives d’IA.

D’une part, les opérations d’IA hautes performances, telles que la formation de modèle, sont optimisées par un stockage

AllFlash spécialisé et hautes performances. À l’inverse, pour conserver les jeux de données à grande échelle et de taille

importante qui alimentent les applications d’IA, les organisations utilisent des systèmes scale-out NAS, qui incluent

généralement un niveau « peu coûteux et plus détaillé » pour les types de données tels que la vidéo et les images.

Un environnement de stockage hybride renforce la nécessité d’une solution de hiérarchisation sophistiquée capable

de déplacer des données actives vers des disques Flash hautes performances tout en stockant les données inactives

sur une capacité moins coûteuse. Lorsqu’ESG a demandé aux personnes interrogées quelle était l’efficacité de leur

organisation pour hiérarchiser les données d’IA, les organisations connaissant une forte réussite en capital de données

sont arrivées en tête du classement. Près de la moitié (49 %) des personnes interrogées en Phase 3 ont déclaré que

leur organisation était très efficace dans la hiérarchisation des données IA, soit 5,5x plus que leurs homologues des

organisations en Phase 1 (9 %).

Les organisations en

Phase 3 sont 2,8x plus

susceptibles d’utiliser

la technologie scale-out

NAS de manière

intensive pour l’IA

Votre entreprise utilise-t-elle actuellement des systèmes NAS qui s’appuient sur des architectures

scale-out pour stocker des données non structurées (par exemple, des images, des vidéos et des

données de capteurs) employées dans ses charges de travail d’IA ? (Pourcentage de réponses)


Oui – utilisation intensive Oui – utilisation normale Non



Le stockage optimisé pour l’IA, tel qu’il est mis en évidence par les

organisations qui exploitent le plus de valeur de leur capital, possède

trois exigences clés :

1. la vitesse requise pour s’assurer que le stockage ne devient pas un

goulot d’étranglement de l’IA ;

2. l’évolutivité nécessaire pour répondre aux algorithmes d’IA

gourmands en données ;

3. l’intelligence permettant de déplacer les données vers un stockage

capable d’offrir une bonne combinaison de vitesse et d’évolutivité

de manière transparente.

Protection complète des données

Les charges de travail d’IA s’appuient sur un pipeline de données complexe ou sur une série d’étapes pour passer de

données brutes à un modèle d’IA formé et ajusté. Premièrement, les données à utiliser par un modèle d’IA doivent

être identifiées, capturées et intégrées. Deuxièmement, elles doivent être transformées en un format compatible

avec les algorithmes d’IA, qui inclut la traçabilité des enregistrements manquants ou incomplets, le reformatage des

données si nécessaire et l’ajout de variables au jeu de données afin d’améliorer les performances ou la précision du

modèle. Les données doivent ensuite être sélectionnées pour la formation, ce qui permet de garantir qu’elles sont

représentatives, de haute qualité, dénuées d’erreurs et objectives. Enfin, les modèles d’IA peuvent être développés,

formés, affinés et déployés en production.

Chacune de ces étapes est séquentielle, en fonction de l’exécution

efficace de l’étape précédente. Si les données d’une étape du processus

sont supprimées ou corrompues, l’exactitude du modèle peut être

affectée, ce qui signifie que les données doivent être remplacées ou

réparées, et que les modèles doivent être à nouveau formés, ce qui

exerce un impact négatif sur le time-to-value. En outre, ces étapes

sont susceptibles d’être exécutées à des emplacements différents, qu’il

s’agisse d’un datacenter principal, d’un site en périphérie ou du Cloud.

Ces deux dynamiques témoignent de l’importance d’une protection

complète des données sur l’ensemble du pipeline de données, quel

que soit l’emplacement.

Lorsqu’ESG a demandé aux personnes interrogées si leur organisation utilisait des technologies de protection des

données au sein du pipeline de données d’IA, 84 % des organisations connaissant une forte réussite en capital de

données ont signalé que c’était le cas, à l’échelle de l’ensemble du pipeline ou avec quelques écarts. Cela représente

une augmentation de 35 % par rapport aux organisations en Phase 1. Lors de l’étude de l’état le plus ambitieux de la

protection des données de l’IA, les organisations en Phase 3 étaient 3 fois plus susceptibles que les organisations en

Phase 1 de disposer d’une protection complète des données couvrant l’ensemble du pipeline de données d’IA (14 %)

(voir figure 5).

Près de la moitié (49 %) des organisations connaissant une forte réussite en capital de données ont déclaré que leur organisation était très efficace dans la hiérarchisation des données IA, soit 5,5x plus que leurs homologues des organisations en Phase 1 (9 %).

Les organisations connaissant une forte réussite en capital de données étaient 3 fois plus susceptibles que les organisations de Phase 1 de disposer d’une protection complète des données couvrant le pipeline de données d’IA.



Figure 5. Utilisation organisationnelle d’une protection complète des données sur l’ensemble du pipeline d’IA



Phase 3 sont 3 fois plus

susceptibles de bénéficier

d’une protection

complète des données

sur l’ensemble du pipeline

de données d’IA

Votre organisation possède-t-elle actuellement des technologies de disponibilité et/ou de protection des données (par exemple, les snapshots, la sauvegarde, l’archivage, la réplication, etc.) pour soutenir les

différentes étapes de son pipeline de données d’IA ? (Pourcentage de réponses)


Oui, nous avons déployé des technologies globales de disponibilité/

de protection des données

Oui, nous avons des technologies de disponibilité/de protection des

données, mais il existe des failles de couverture à combler

Non



Calcul activé par l’IA

ESG estime que l’agilité, l’évolutivité et l’efficacité au sein de

l’environnement de calcul d’une organisation sont les conditions

préalables au provisionnement en libre-service des ressources IT.

ESG a également convaincu que l’IT en libre-service est essentiel

pour l’optimisation des flux de travail d’IA. En fournissant aux

ingénieurs de données, aux architectes et aux scientifiques

la possibilité de provisionner les ressources nécessaires au

développement, à la formation et au déploiement de modèles d’IA

en production, l’IT favorise l’innovation en IA au lieu de devenir un

goulot d’étranglement. Les organisations connaissant une forte

réussite en capital de données font les investissements nécessaires dans leur environnement de serveur afin de

permettre aux spécialistes des données d’optimiser la valeur des données.

ESG a demandé aux personnes interrogées de décrire les flux de travail de gestion de serveur dans leur

environnement : entièrement manuels ou entièrement automatisés. Quelle que soit l’activité, les organisations en

Phase 3 exploitent un environnement de serveur bien plus automatisé : 68 % ont décrit les tâches de configuration

et de provisioning de serveur comme principalement ou entièrement automatisées ; 74 % ont décrit le diagnostic et

la correction des problèmes comme principalement ou entièrement automatisés ; et 77 % ont décrit les mises à jour

et la surveillance des serveurs comme principalement ou entièrement automatisées (voir figure 6).

Figure 6. Automatisation de la gestion des serveurs


En plus d’une automatisation extrême, les organisations connaissant une forte réussite en capital de données

exploitent des environnements de serveurs beaucoup plus virtualisés. ESG a demandé aux personnes interrogées

quelle proportion de serveurs de production dans leurs environnements étaient des machines virtuelles. Par rapport

aux organisations en Phase 1, les organisations en Phase 3 étaient 2 fois plus susceptibles d’indiquer que plus de 60 %

des serveurs de production étaient des VM (36 % contre 17 %). À l’inverse, les organisations en Phase 1 étaient

presque deux fois plus susceptibles de signaler que 40 % ou moins de leurs serveurs de production étaient des

VM (47 % contre 25 %).

Les organisations connaissant une forte réussite en capital de données font les investissements nécessaires dans leur environnement de serveur afin de permettre aux spécialistes des données d’optimiser la valeur des données.

Dans quelle mesure diriez-vous que chacune des tâches suivantes de gestion de l’infrastructure des

serveurs est automatisée au sein de votre département IT ? (Pourcentage de réponses indiquant

« entièrement automatisée » ou « plus automatisée que manuelle »)


Diagnostic/correction des problèmes

Configuration/provisionnement des serveurs

Mises à jour et surveillance des serveurs



Alors que les organisations en Phase 3 sont beaucoup plus susceptibles que leurs homologues de faire des progrès

en matière d’automatisation et de virtualisation sur l’ensemble de leurs environnements de serveurs, les charges de travail d’IA sont spécialisées et de nombreux exemples d’utilisation nécessitent l’accélération du matériel.

ESG a demandé aux personnes interrogées si leur organisation utilise des accélérateurs matériels comme des processeurs graphiques ou des FPGA pour prendre en charge les charges de travail d’IA. La majorité des organisations

de Phase 3 (51 %) ont signalé qu’elles utilisaient de manière intensive les accélérateurs matériels pour l'IA, soit 6x plus que les organisations de Phase 1 (voir figure 7).

Figure 7. Utilisation d’accélérateurs matériels pour les charges de travail d’IA


Ce qui distingue les organisations connaissant une forte réussite en capital de données grâce

à l’IA : Renforcement des compétences en science des données

L’étude d’ESG montre comment l’infrastructure moderne est le moteur d’une charge de travail d’IA efficace,

ce qui aide les entreprises à optimiser le retour sur investissement de leurs efforts et dépenses d’IA. Cependant, l’infrastructure ne suffit pas à faire de l’IA un moteur de valeur matérielle et additive pour l’organisation. L’étude

d’ESG montre également des différences spectaculaires dans la manière dont les organisations connaissant une forte réussite, dans leur ensemble, augmentent leurs talents d’IA par rapport aux organisations qui peinent

à transformer l’IA en outil important de conversion de capital de données.

Pénurie de compétences en science des données

L’IA est une application de science des données, un terrain émergent à forte demande.

Le Bureau of Labor Statistics américain suit et projette l’emploi de quatre intitulés de poste sous l’énoncé « professions des sciences mathématiques ». De 2016 à 2026, le BLS

estime que l’emploi sur le terrain augmentera de 27,9 %, entraînant la suppression de ses prévisions de croissance pour tous les emplois de près de 4 fois (7,4 %, voir figure 8).

Bien que la demande est importante, le marché de la main-d’œuvre pour les experts en science des données est étroit. Un récent rapport LinkedIn Workforce Report a quantifié

la pénurie de personnel disposant de compétences en science des données à environ 152 000 personnes. Étant donné que le BLS a estimé que l’ensemble des emplois des

professions de science mathématiques avait atteint le chiffre de 181 000 en 2016, il faudrait presque le double dans le domaine des sciences de données pour combler les

lacunes de talents existantes.

Le nombre d’emplois dans le domaine des sciences de données devrait quasiment doubler pour que les lacunes en matière de compétences existantes soient comblées.

Les organisations de


susceptibles d’utiliser

les accélérateurs

matériels de manière

intensive pour l’IA.

Votre organisation utilise-t-elle des technologies de traitement accélérées comme des processeurs

graphiques ou des FPGA pour prendre en charge ses charges de travail d’IA ? (Pourcentage de réponses)


Beaucoup Moyennement De manière minime ou pas du tout



Figure 8. Croissance de l’emploi prévue pour les sciences de données

Fonte : U.S. Bureau of Labor Statistics, Employment Projections program

Optimisation de la valeur de l’IA avec des services tiers

La recherche d’ESG a abordé le sujet de l’augmentation des compétences via la consommation de services

professionnels. Une fois encore, la recherche confirme qu’il existe des comportements fondamentalement différents

entre les organisations qui optimisent leur capital de données et leurs homologues qui connaissent une réussite

moindre. ESG a demandé aux participants si leur organisation demandait l’aide de prestataires de services tiers pour

concevoir, mettre en œuvre et gérer la technologie d’IA. Sur l’ensemble des personnes interrogées, la réponse était

oui, plus de neuf sur dix indiquant que leur organisation est en partenariat avec des équipes de services professionnels

de fournisseurs IT, un consultant extérieur (intégrateur système, VAR, etc.), ou les deux. Toutefois, les organisations

connaissant une forte réussite en capital de données étaient beaucoup plus susceptibles de demander de l’aide en

interne (voir figure 9).

Figure 9. Utilisation de services professionnels tiers pour l’IA


Modification de l’emploi prévu 2016-2026

Postes en sciences mathématiques

Total, tous les postes

Votre organisation a-t-elle fait ou va-t-elle faire appel à des tiers pour bénéficier de

services professionnels visant à concevoir, mettre en œuvre et/ou gérer ses

technologies d’IA ? (Pourcentage de personnes interrogées)

Oui, nous travaillons avec les équipes de services

professionnels des fournisseurs IT

Oui, nous travaillons avec un intégrateur système (SI), un consultant ou un revendeur

à valeur ajoutée (VAR)

Non, nous n’engageons aucun tiers pour des services

professionnels

Phase 3 / Organisations connaissant une forte réussite en capital de données (N = 159)

Phase 2 (N = 257)

Phase 1 (N = 172)



La recherche d’ESG a montré que les organisations connaissant

une forte réussite en capital de données étaient plus susceptibles

d’utiliser des tiers pour optimiser leurs efforts d’IA et avaient

plus de chances de signaler que ces engagements étaient plus

importants et plus stratégiques. ESG a demandé aux personnes

interrogées de comparer leurs engagements tiers pour l’IA à

d’autres contrats de services professionnels pour prendre en

charge d’autres projets IT majeurs. Les organisations en phase 3

étaient 2 fois plus susceptibles de signaler qu’elles s’appuient

bien plus sur les services professionnels tiers pour l’IA que pour d’autres initiatives (voir figure 10).

Figure 10. Profondeur d’engagement comparative avec des tiers pour l’IA


ESG estime que toutes les organisations présentant des aspirations en matière d’IA sont confrontées à un marché de

main-d’œuvre serré, sans les compétences nécessaires pour répondre à tous leurs besoins. Toutefois, les organisations

en Phase 3 semblent avoir agi plus rapidement sur cette réalité. Les organisations cherchant à optimiser leur impact en

matière d’IA ne doivent pas hésiter à contacter des experts tiers.

En conclusion

Pour de nombreuses organisations, les initiatives d’analytique des données évoluent encore. Toutefois, l’étude d’ESG

montre que de nombreuses organisations attribuent directement une partie mesurable de leur chiffre d’affaires à la

nouvelle génération d’initiatives d’analytique (IA). En outre, la majorité (59 %) des organisations qui monétisent l’IA

estiment que ce chiffre d’affaires est incrémentiel pour les sources de revenus existantes. Souvent, ces améliorations

du chiffre d’affaires se composent de réductions de coûts imputables à l’IA, ce qui améliore considérablement la

rentabilité de l’organisation. Plus de deux cinquièmes (42 %) des organisations interrogées ont signalé avoir réduit

le coût des opérations métiers via l’automatisation permise par l’IA.

Toutefois, la réussite que connaissent les organisations varie. Les organisations connaissant une forte réussite en capital

de données (Phase 3) constituent seulement 27 % de tous les utilisateurs d’IA actuellement. Toutefois, l’ensemble de ces

organisations déclarent que les initiatives d’IA donnent lieu à plus de 10 % de leur chiffre d’affaires et que tout ou partie

de leur chiffre d’affaires est incrémentiel, des résultats réellement remarquables.

Les organisations connaissant une forte réussite en capital de données étaient 2 fois plus susceptibles de signaler qu’elles s’appuient bien plus sur les services professionnels tiers pour l’IA que pour d’autres initiatives.



susceptibles de s’appuyer

bien plus sur des services

professionnels tiers

pour l’IA

Par rapport aux autres initiatives IT majeures que votre organisation a entreprises, cette dernière a-t-elle ou va-t-elle s’appuyer plus ou moins sur des services professionnels tiers pour

l’architecture, la mise en œuvre et la gestion de l’IA ? (Pourcentage de réponses)


Nous nous appuyons/nous appuierons beaucoup plus sur les services


Nous nous appuyons/nous appuierons un peu plus sur les services


Équivalent ou inférieur à ceux des autres initiatives IT majeures



En revanche, la majorité (51 %) des organisations en Phase 1 attribuent de 6 à 10 % leur chiffre d’affaires

aux initiatives d’IA et 72 % estiment que seule la moitié de ce chiffre d’affaires est additive. Les deux cohortes

d’organisations réalisent des gains d’activité tangibles grâce à l’IA, mais les organisations qui connaissent une forte

réussite transforment mieux l’entreprise grâce à l’IA.

Cette étude révèle certaines des actions actuelles entreprises par les organisations qui connaissent une forte réussite,

et qui les distinguent des perdants en matière d’IA :

1. Elles prennent en charge les charges de travail d’IA avec des environnements de stockage qui offrent les

performances de l’All-Flash lorsque cela est nécessaire, l’évolutivité du NAS scale-out pour permettre la

création de modèles riches en données tirant parti des types de fichiers tels que la vidéo et les images,

et l’intelligence nécessaire pour déplacer les données entre les niveaux en fonction des besoins.

2. Elles protègent les données sur l’intégralité du pipeline de données : de la préparation à la reformation

du modèle, et quel que soit l’emplacement : du datacenter au Cloud, en passant par la périphérie.

3. Elles tirent le meilleur parti des technologies d’accélération matérielle pour répondre aux exigences de

traitement massivement parallèle de la création et de la formation de modèles d’IA pour de nombreux

cas d’utilisation.

4. Elles impliquent des tiers pour les aider à mettre en œuvre et à optimiser les projets d’IA.

Les premiers gains obtenus grâce à l’IA sont très importants. En outre, ils sont amplifiés dans les organisations qui

sous-tendent leurs initiatives d’IA avec une infrastructure avancée. Pour les organisations qui tardent à adopter l’IA

aujourd’hui, les comportements des leaders en IA connaissant une forte réussite offrent un plan d’évolution clair.

Les retardataires doivent investir dans une infrastructure dotée de l’IA, tout en faisant appel à l’expertise en IA des

organisations de services professionnels dans la communauté des fournisseurs, sans quoi elles risquent d’être encore

plus en retard.

Comment Dell EMC et Intel Technologies peuvent vous aider

Ce rapport ESG Research Insights a été commandé par Dell EMC et Intel Corporation. Pour en savoir plus sur Dell EMC

et la façon dont sa gamme de marques optimisée par les technologies Intel peut vous aider à tirer le meilleur parti de

votre vision de l’IA, commencez ici :

Le portefeuille de solutions de stockage Dell EMC basé sur des processeurs Intel Xeon comprend le NAS

scale-out Isilon et PowerMax, avec la vitesse nécessaire pour alimenter les charges de travail d’IA les plus

exigeantes.

o Le NAS scale-out All-Flash Dell EMC Isilon F800 offre les performances d’analytique et des accès

simultanés extrêmes à l’échelle du pétaoctet pour l’IA. Optimisé par le système d’exploitation

Isilon OneFS, Isilon F800 offre la possibilité de prendre en charge un nombre très élevé d’accès

simultanés, évolue de dizaines de To à des dizaines de Po de données, et fait évoluer de manière

linéaire la bande passante de 15 Go/s jusqu’à 945 Go/s par cluster. Ainsi, la solution Isilon F800 offre

un complément de données idéal face aux exigences de hautes performances et de bande passante

élevée pour les charges applicatives d’IA les plus gourmandes en données et en calcul. En outre, les

fonctions d’entreprise d’Isilon pour la gestion des données, la sécurité des données, la conformité

des données et la protection des données aident vos solutions d’IA à respecter les exigences

réglementaires et les règles de sécurité de l’entreprise.

https://www.dellemc.com/fr-fr/storage/isilon/index.htm?tfcid=4389014

https://www.dellemc.com/fr-fr/storage/powermax.htm?tfcid=1203791



o Dell EMC PowerMax est un système de stockage en mode bloc conçu pour les étapes du flux de

travail d’IA et les algorithmes d’apprentissage automatique et de Deep Learning spécifiques qui

nécessitent une très faible latence pour les taux de réponse en temps réel lors de l’acquisition des

données, de la préparation des données et de l’inférence de production. PowerMax s’appuie sur la

technologie NVMe de bout en bout, offrant des temps de latence inférieurs à 300 ms entre 1,7 et

10 millions d’E/S par seconde, avec un maximum de 13 To par brique.

Les solutions de protection des données de Dell EMC, avec sa vaste prise en charge des applications, y compris

Hadoop et la protection des applications personnalisées avec BoostFS, garantissent la protection et la

disponibilité des applications et de l’infrastructure d’IA de votre entreprise, ainsi que de ses ressources et

données les plus critiques, de la périphérie au datacenter en passant par le Cloud.

Dell Technologies Consulting aide les organisations de toutes tailles, de tous les secteurs et de tous les niveaux

de maturité à développer et à accélérer leurs capacités d’analytique et d’IA, de la stratégie à l’exécution en

passant par la modélisation des données. Les services dédiés à l’IA comprennent les services de conseil

ProConsult, qui incluent le développement accéléré d’un plan pour moderniser vos plates-formes et

architectures analytiques, afin de les rendre plus évolutives et performantes grâce à la méthodologie AS-IS /

TO-BE. Nous offrons une évaluation de bout en bout objective, qui fournit des résultats exploitables adaptés

à votre vision et à votre stratégie d’entreprise.

Les serveurs PowerEdge avec IA et dotés de processeurs évolutifs Intel Xeon et de FPGA Intel offrent une

automatisation de pointe, une meilleure compatibilité de l’accélération matérielle et une agilité modulaire.

Le PowerEdge R740xd dispose de 2 processeurs évolutifs Intel 2e génération Xeon avec un maximum de

28 cœurs de puissance de traitement et Intel Deep Learning Boost. C’est tout ce dont vous avez besoin

pour lancer et faire évoluer vos initiatives d’IA au fil du temps.

https://www.dellemc.com/fr-fr/data-protection/index.htm?tfcid=3578026

https://www.dellemc.com/resources/fr-fr/asset/offering-overview-documents/services/H17456-dell-emc-proconsult-advisory-services-svo.pdf?tfcid=2713865

https://www.dellemc.com/resources/fr-fr/asset/offering-overview-documents/services/H17456-dell-emc-proconsult-advisory-services-svo.pdf?tfcid=2713865

https://www.dellemc.com/fr-fr/servers/index.htm?tfcid=3120905



Annexe I – Méthodologie de recherche et caractéristiques démographiques des personnes

interrogées

Pour collecter les données de ce rapport, ESG a mené une enquête en ligne complète auprès de décideurs IT au sein

d’organisations des secteurs privé et public dans 9 pays : États-Unis (32 %), Canada (7 %), Royaume-Uni (9 %), France

(11 %), Australie (8 %), Nouvelle-Zélande (3 %), Singapour (9 %), Chine (11 %) et Brésil (11 %). L’enquête a été réalisée

entre le 7 mai 2019 et le 30 mars 2019. Pour participer à cette enquête, les personnes interrogées devaient avoir une

influence sur le processus d’achat de l’infrastructure de datacenter, des investissements dans le Cloud privé, de la

protection des données ou des technologies d’IA/apprentissage automatique. En outre, elles devaient disposer de

connaissances sur les initiatives d’IA actuelles/futures de l’entreprise.

Après avoir éliminé les participants non éligibles, supprimé les réponses en double et analysé les réponses restantes (sur

la base de plusieurs critères) en vue d'assurer l’intégrité des données, il est resté un échantillon final de 750 participants.

Toutes les personnes interrogées ont reçu un incentive pour répondre à l’enquête, sous la forme d’une récompense

et/ou somme en espèces. Remarque : Il est possible que le résultat de l’addition des totaux des figures et des tableaux

de ce rapport ne soit pas égal à 100 %, en raison de l’arrondi.

Les figures ci-dessous décrivent en détail les données démographiques de la base de personnes interrogées :

responsabilités professionnelles actuelles de chaque participant, nombre total de collaborateurs, principal secteur

d’activité et chiffre d’affaires annuel des organisations participantes.

Figure 11. Personnes interrogées pendant l’enquête, par responsabilité professionnelle


Laquelle de ces propositions décrit le mieux l’intitulé/niveau actuel de votre poste ? (Pourcentage de réponses, sur un total de 750 personnes interrogées)

Collaborateur 3%

Direction 25%

Cadre supérieur 33%

Cadre dirigeant 39%



Figure 12. Personnes interrogées pendant l’enquête, par taille de l'entreprise (nombre d’employés)


Figure 13. Personnes interrogées pendant l’enquête, par secteur


Quel est le nombre total d’employés dans votre entreprise à travers le monde ? (Pourcentage de réponses, sur un total de 750 personnes interrogées)

entre 100 et 249 5%

entre 250 et 499 10%

entre 500 et 999 11%

Entre 1 000 et 2 499

Entre 2 500 et 4 999

Entre 5 000 et 9 999

Entre 10 000 et 19 999 Entre 10 000 et 19 999

20 000 ou plus

Quel est le secteur d’activité principal de votre entreprise ? (Pourcentage de réponses, sur un total de 750 personnes interrogées)

Autre 15%

Communications et médias 3%

Services métiers 4%

Vente au détail et en gros 5%

Administration 5%

Santé 6%

Fabrication 17%

Finances 17%

Technologie 28%



Figure 14. Participants à l’enquête, par budget IT


Annexe II : critères d’évaluation de la réussite des organisations en matière de déblocage du

capital des données

Pour segmenter les organisations en fonction de leur réussite en matière de déblocage du capital de données avec

l’IA, ESG a posé à chaque personne interrogée deux questions sur l’impact des initiatives d’IA sur le chiffre d’affaires

à ce jour :

1. Quelle part du chiffre d’affaires peut être directement attribuée aux initiatives d’IA ?

2. Quelle proportion du chiffre d’affaires apportée par les initiatives d’IA est incrémentielle par rapport à d’autres

sources de revenus ?

Les organisations qui signalent que l’IA génère directement plus de 10 % de leur chiffre d’affaires et que la majeure

partie ou la totalité de ce chiffre d'affaires est incrémentielle ont été évaluées comme étant des organisations de

Phase 3 ou des organisations connaissant une forte réussite en capital de données. Les organisations respectant l’un

de ces critères ont été classées en Phase 2 et celles qui n’en respectaient aucun ont été classées en Phase 1. Les

figures suivantes décrivent en détail les questions utilisées pour segmenter les organisations.

À votre connaissance pour le moment, quel est le budget 2019 projeté total de votre organisation pour tous les produits, personnel et services IT (en USD) ? (Pourcentage de réponses, sur un total de 750 personnes interrogées)

Moins de 1 million de

dollars

1 million à 4.999 millions

de dollars


de dollars

10 à 24 999 millions

de dollars


de dollars


de dollars

75 à 99,999 millions

de dollars


de dollars


de dollars


de dollars


de dollars

1 milliard de dollars

ou plus



Figure 15. Chiffre d’affaires attribuable aux initiatives d’IA


Figure 16. Part du chiffre d’affaires d’IA incrémentielle par rapport aux autres sources de revenus


Concernant l’exercice fiscal actuel de votre entreprise, quel pourcentage du chiffre d’affaires de votre entreprise estimez-vous pouvoir être directement lié à ses initiatives d’IA ?

(pourcentage de réponses, sur un total de 588 personnes interrogées)

Moins de 1 % Plus de 20 % Non applicable

Je ne sais pas/je

préfère ne pas répondre

Quel pourcentage du chiffre d’affaires de votre entreprise lié à l’IA pensez-vous être incrémentiel ou progressif (c’est-à-dire qu’il n’aurait pas été gagné par l’organisation

d’une autre manière sans ses investissements en IA) ? (Pourcentage de réponses, sur un total de 588 personnes interrogées)

Tout ce chiffre d’affaires est

incrémentiel ou progressif

La plupart de ce chiffre d’affaires

est incrémentielle ou progressive

Environ la moitié de ce chiffre d’affaires est

incrémentielle ou progressive

La plupart de ce chiffre d’affaires

n’est pas incrémentielle ou progressive

Ce chiffre d’affaires n’est

pas du tout incrémentiel ou progressif

Je ne sais pas/je préfère ne pas

répondre


Toutes les marques commerciales citées sont la propriété de leurs détenteurs respectifs. Les informations figurant dans cette publication

proviennent de sources qu’ESG (Enterprise Strategy Group) considère comme fiables, bien qu’ESG n’offre aucune garantie quant à leur

exactitude. Cette publication peut comporter des informations reflétant des opinions propres à ESG et susceptibles d’évoluer à tout moment.

Enterprise Strategy Group, Inc. détient les droits de cette publication. Toute reproduction ou diffusion intégrale ou partielle au format papier,

électronique ou autre, destinée à une personne non autorisée à la recevoir, sans accord exprès d’Enterprise Strategy Group, Inc., constitue une

violation de la loi américaine sur le copyright, est passible de poursuites et peut entraîner des dommages-intérêts, ainsi qu’une condamnation

pénale le cas échéant. Pour toute question, contactez le service de relations clients ESG au +1 508 482 0188.

www.esg-global.com [email protected] Téléphone : 508.482.0188

Enterprise Strategy Group est une entreprise de recherche, de validation, de stratégie et d’analyse IT qui fournit des perspectives interactives et intelligentes à la grande communauté des technologies de l’information.

© 2019 Enterprise Strategy Group, Inc. Tous droits réservés.

rappo t resea ch insights comment les ent ep ises déblo ......les entepises mode nes exigent...

Documents