Synthèse
L’essor de l’IA rend ces arbitrages plus concrets. Les infrastructures nécessaires, notamment autour des GPU, sont coûteuses, évoluent rapidement et s’amortissent sur des cycles courts. Pour une entreprise dont le métier n’est pas l’informatique, financer seule des infrastructures GPU et des capacités de calcul qui évoluent aussi vite peut difficilement constituer une stratégie durable. Pour autant, l’accès à ces capacités devient indispensable. Les organisations veulent développer des modèles,
L’essor de l’IA rend ces arbitrages plus concrets. Les infrastructures nécessaires, notamment autour des GPU, sont coûteuses, évoluent rapidement et s’amortissent sur des cycles courts. Pour une entreprise dont le métier n’est pas l’informatique, financer seule des infrastructures GPU et des capacités de calcul qui évoluent aussi vite peut difficilement constituer une stratégie durable. Pour autant, l’accès à ces capacités devient indispensable. Les organisations veulent développer des modèles, traiter des données et créer de nouveaux services, mais toutes les données ne peuvent pas être exposées dans n’importe quel environnement, surtout lorsqu’elles relèvent d’activités sensibles ou régulées.
C’est là que l’hybridation prend tout son sens : certaines entreprises ont déjà lancé des usages data ou IA sur des plateformes cloud américaines et cherchent à replacer une partie de ces applications dans un environnement de confiance ; d’autres, notamment dans la banque, ont peu migré vers le cloud public, mais doivent trouver des capacités complémentaires à leur cloud privé. L’enjeu reste le même : accéder à l’innovation sans abandonner la maîtrise.