Accélérer la génération de valeur de l'IA avec l'approche MaaS (Models-as-a-Service)

L'intelligence artificielle (IA) favorise l'innovation en aidant les entreprises à mieux exploiter leurs données afin d'en extraire des informations précieuses. Si ces entreprises adoptent rapidement des applications d'IA, le développement, l'entraînement et la gestion de charges de travail d'IA à grande échelle représentent toujours un défi. L'approche MaaS (Models-as-a-Service) est un moyen de relever ce défi, en permettant aux entreprises de mettre en œuvre des modèles d'IA sous forme de services évolutifs.

Définition de l'approche MaaS

Avec l'approche MaaS, les entreprises peuvent réduire le délai de rentabilisation et générer plus rapidement des résultats. Elles ont accès à des modèles d'IA préentraînés via une passerelle d'API sur une plateforme d'IA dans le cloud hybride.

L'approche MaaS peut être développée et déployée par des équipes internes spécialisées, et étendue au reste de l'entreprise. Les autres équipes peuvent ainsi travailler plus rapidement et efficacement, et se concentrer sur des tâches stratégiques plus importantes en accédant à ces modèles préentraînés via les API. Les entreprises ont également la possibilité d'adopter l'approche MaaS auprès d'un fournisseur de confiance, ce qui élimine le besoin de former une équipe dédiée. En plus d'une augmentation de l'efficacité et de la rentabilité, l'approche MaaS permet par ailleurs de bénéficier d'un meilleur contrôle sur la confidentialité, les données et leur utilisation.  

En savoir plus sur l'approche MaaS

Cas d'utilisation de l'approche MaaS

Pour gérer les GPU et l'infrastructure d'IA sous-jacente, il est nécessaire de disposer d'une équipe qui maîtrise le développement, l'entraînement et la gestion des modèles d'IA. Plutôt que de proposer l'IA par le biais d'une approche de type IaaS (Infrastructure-as-a-Service), les entreprises peuvent former un petit groupe de spécialistes compétents qui se chargeront de développer, d'entraîner et de déployer les modèles d'IA que les autres collaborateurs pourront utiliser.

À mesure que la demande augmente en matière d'inférence, le framework de distribution sous-jacent et les GPU doivent pouvoir évoluer plus facilement pour répondre aux besoins. Les fournisseurs MaaS prennent également en charge toutes les tâches de maintenance et de surveillance, notamment pour les mises à jour, les performances et la sécurité.

Il faut aussi prendre en compte le fait que les GPU présentent un coût élevé et qu'une utilisation inefficace peut les rendre encore plus coûteux. L'approche MaaS réduit le besoin d'investir massivement dans l'infrastructure, ce qui permet aux entreprises de réduire ces coûts initiaux.

L'approche MaaS diminue également le délai de rentabilisation en accélérant le retour sur investissement. Alors que le développement et l'entraînement d'un modèle demandent du temps, l'approche MaaS permet aux équipes d'accéder plus rapidement et facilement aux modèles qu'elles souhaitent utiliser.  

Fonctionnement

Voyons comment fonctionnent l'approche MaaS et ses principaux composants à l'aide du schéma détaillé créé par Red Hat. Parmi les composants clés figurent les modèles, une plateforme d'IA évolutive, un système d'orchestration de l'IA et une solution de gestion des API.

Le choix d'un modèle d'IA adapté au cas d'utilisation métier dans le cadre de l'approche MaaS ne représente qu'une partie du processus. De nombreux autres paramètres liés au modèle entrent en jeu, tels que la collecte des données, la vérification, la gestion des ressources et l'infrastructure nécessaire pour déployer et surveiller les modèles.

Dans le monde des applications d'IA, ces tâches sont automatisées grâce à des pratiques MLOps. Le MLOps englobe l'ensemble du cycle de vie du projet d'IA avec des responsabilités de type DevOps au sein d'une équipe pluridisciplinaire. Dans le cadre du cycle de vie MaaS, le fournisseur MaaS dispose également d'une équipe pluridisciplinaire de spécialistes, comprenant notamment des data scientists, des ingénieurs en apprentissage automatique et des responsables de l'exploitation informatique qui collaborent afin de distribuer et gérer l'offre MaaS.  

Modèles

Le fournisseur MaaS est chargé de développer le catalogue de modèles en intégrant des modèles Open Source ou tiers, ou ses propres modèles. En fonction des besoins de l'entreprise, le fournisseur MaaS peut choisir de personnaliser les modèles à l'aide de techniques telles que le réglage fin, ou de proposer une meilleure expérience utilisateur grâce à la génération augmentée de récupération ou au réglage fin augmenté de récupération. Une fois réglé, le modèle est stocké dans le magasin de données, tandis que ses métadonnées sont stockées dans le registre de modèles. Il est ainsi prêt à être distribué. Le fournisseur MaaS peut également créer un catalogue de tous les modèles disponibles, puis le documenter avec les API exposées dans un portail conçu pour les équipes de développement. 

Red Hat OpenShift AI

L'approche MaaS repose sur une plateforme d'IA utilisée pour régler, distribuer et surveiller les modèles. Le fournisseur MaaS est chargé de configurer ce système en associant des outils d'observabilité adaptés pour la surveillance.

Le fournisseur MaaS doit aussi distribuer efficacement les modèles, gérer les clients multiples, surveiller et atténuer les menaces en matière de sécurité ainsi qu'intégrer diverses sources de données. 

Dans notre schéma détaillé, nous utilisons Red Hat OpenShift AI comme plateforme d'IA, car elle répond aux besoins de l'approche MaaS grâce à ses fonctions telles que la gestion multi-client, la sécurisation de la distribution des modèles et l'intégration aux services de données. OpenShift AI rationalise les workflows d'ingestion de données ainsi que d'entraînement, de distribution et d'observabilité des modèles, tout en favorisant une collaboration efficace entre les équipes.

Avantages de Red Hat OpenShift AI

OpenShift AI offre de nombreux avantages aux entreprises qui souhaitent configurer un système MaaS :

• Capacité de mise à l'échelle efficace pour répondre aux exigences des charges de travail d'IA volumineuses
• Capacité d'exécution des charges de travail d'IA dans le cloud hybride, notamment dans les environnements déconnectés et d'edge computing
• Intégration de l'authentification et du contrôle d'accès basé sur les rôles
• Divers contrôles permettant de relever les défis en matière de sécurité et de conformité

Par ailleurs, la solution OpenShift AI est conçue pour être modulaire et offrir la possibilité aux équipes MaaS de créer une pile d'IA/AA personnalisée en intégrant des technologies de partenaires ou Open Source, selon les besoins. 

Orchestration de l'IA

Red Hat OpenShift AI inclut également des fonctionnalités d'orchestration de l'IA permettant aux fournisseurs MaaS de tester et mieux contrôler différentes versions d'un même modèle ou des modèles différents pour un cas d'utilisation spécifique. L'un des principaux objectifs de l'orchestration de l'IA est d'acheminer les requêtes d'API vers la bonne instance de modèle. Ce processus peut inclure d'autres composants pour gérer différentes techniques de réglage des modèles.

Gestion des API

La gestion des API est l'un des composants les plus importants d'une configuration MaaS. Les fournisseurs MaaS doivent être en mesure de gérer les accès, d'intégrer des applications, de générer des données d'analyse et de proposer la rétrofacturation pour que les clients puissent gérer et surveiller leurs applications tout en mesurant efficacement leur ROI. Le composant de gestion des API permet également de mettre en œuvre des politiques d'intégration et d'utilisation complètes, et fournit des données d'analyse détaillées concernant le niveau d'utilisation des API publiées.

Le composant de gestion des API prend en charge la haute disponibilité, le contrôle du trafic, l'authentification d'API, l'intégration aux fournisseurs d'identité tiers, les analyses, le contrôle des accès, la monétisation et les workflows de développement.

Applications intelligentes

Les applications grand public, telles que les dialogueurs (ou chatbots), les applications mobiles et les portails, représentent le composant final de cette architecture. Les principales parties prenantes sont les équipes de développement qui souhaitent intégrer les modèles d'IA disponibles à leurs applications intelligentes via les API publiées par le fournisseur MaaS. Ces équipes doivent pouvoir intégrer leurs applications et exploiter les fonctions de gestion des API au moyen d'un portail réservé au développement.

Les équipes de développement ont désormais la possibilité de distribuer leurs applications intelligentes aux utilisateurs finaux et d'intégrer facilement les modèles via leurs API. Elles peuvent donc axer leurs efforts sur la résolution de problèmes métier à l'aide d'API de modèles prêtes à l'emploi, tandis que le fournisseur MaaS se charge des modèles, des processus MLOps et de l'infrastructure sous-jacente.

Conclusion

Parce qu'elle élimine la complexité liée à l'infrastructure et à la science des données, l'approche MaaS permet aux entreprises qui l'adoptent de distribuer des solutions d'IA plus rapidement et efficacement, tout en gérant les coûts et les difficultés du MLOps.

Dans un contexte d'adoption croissante de l'IA, l'approche MaaS est idéale pour accélérer le développement de l'IA et réduire le délai de mise sur le marché. Découvrez les fonctionnalités de Red Hat OpenShift AI pour savoir comment nous pouvons vous aider à créer votre offre MaaS et à exploiter tout le potentiel de vos investissements en matière d'IA.