L'Open Source et l'avenir de l'IA : l'importance de la démocratisation, de la durabilité et de la confiance

La capacité de relever les défis informatiques d'aujourd'hui revêt une grande importance. Lors du Red Hat Summit et de l'AnsibleFest, vous avez pu découvrir nos réponses à diverses demandes technologiques, de la mise au point d'une plateforme Open Source de base pour l'IA, en passant par la mise en place de nouvelles politiques informatiques en tant que code et bien plus encore. Néanmoins, le rythme s'accélère et les transformations arrivent plus vite qu'on ne le pense. Dans ce contexte, comment résoudre les casse-têtes technologiques qui ne se sont pas encore concrétisés ? Heureusement, nous disposons d'un outil éprouvé qui nous aide à planifier et façonner l'avenir : les communautés et les projets Open Source.

Aujourd'hui, de nombreuses personnes envisagent l'IA/AA comme une technologie d'avenir. Elle n'en est encore qu'à ses balbutiements dans de nombreuses entreprises et prend la forme de stratégies, de plans et d'idées innovantes plutôt que de déploiements et de mise en production. Pour l'Open Source, la réalité est toute autre. Nous sommes en quête de réponses à la prochaine vague de questions sur l'IA.

Nous pourrions consacrer un keynote complet à l'avenir de l'IA, mais je souhaite me concentrer sur trois domaines distincts abordés par les projets Open Source :

• Démocratisation
• Développement durable
• Confiance

Si vous résolvez ces problèmes ou commencez au moins à les résoudre, le reste de votre stratégie d'IA peut désormais sembler un peu moins complexe et plus accessible.

Démocratisation

Nous devons être très précis sur la terminologie de l'IA : il est difficile de ne pas s'interroger lorsque des modèles dits « ouverts » sont entourés de guillemets ou d'un astérisque. Soyons clairs : ces modèles sont essentiels à l'IA, mais ils ne sont pas ouverts au sens de l'Open Source. Ils sont ouverts en matière d'utilisation (souvent avec de nombreuses restrictions ou règles), mais ils ne sont pas nécessairement ouverts aux contributions. Ils ne disposent pas non plus de jeux de données d'entraînement ni de pondérations ouverts.

C'est un défi que nous avons relevé aujourd'hui et que nous continuerons de relever, en collaboration avec IBM Research. En parallèle d'InstructLab, IBM Research applique une licence Apache Open Source au langage et aux modèles de code Granite. Il s'agit d'une avancée majeure, et pas seulement car les modèles régis par une licence Open Source sont uniques. Ce projet est unique, car aujourd'hui, tout le monde peut contribuer à ces modèles afin de les améliorer, par le biais d'InstructLab.

Vous pouvez même créer VOTRE modèle d'IA. Vous souhaitez créer un dialogueur axé sur la pêche ? Lancez-vous, contribuez au projet ChatGoFish. Vous souhaitez affecter un robot de dépannage à une technologie de niche très spécifique ? Faites-le avec InstructLab. Les possibilités deviennent infinies lorsque vous appliquez véritablement les principes de l'Open Source aux modèles d'IA. Et nous sommes là pour vous y aider.

Développement durable

Passons directement au fait : l'entraînement des modèles et l'inférence de l'IA nécessitent une puissance considérable. L'Agence internationale de l'énergie s'attend à ce que la demande d'électricité pour le secteur de l'IA soit multipliée par 10 d'ici 2026. Qu'est-ce que cela signifie, si ce n'est que les mineurs de cryptomonnaies ont trouvé un concurrent de taille dans le secteur de l'énergie ?

Cela implique de nous appuyer sur des logiciels, en l'occurrence des logiciels Open Source, pour nous aider à relever ce défi. L'IA se base presque toujours sur la puissance, mais il faut savoir comment procéder. Nous avons déjà pris des mesures en ce sens dans le domaine de l'informatique d'entreprise moderne avec le projet Kepler, qui fournit des informations sur l'empreinte carbone et l'efficacité énergétique des applications et infrastructures cloud-native. Ce projet est actuellement disponible en tant que version préliminaire dans Red Hat OpenShift 4.15.

Que se passerait-il si nous pouvions, grâce à la puissance de l'innovation ouverte, transformer Kepler en un outil capable de surveiller la consommation d'énergie des GPU, et pas seulement des processeurs ?

C'est précisément ce que nous faisons en utilisant Kepler pour mesurer la consommation d'électricité des modèles d'AA pour l'entraînement et l'inférence. Vous obtenez ainsi un aperçu complet de la consommation d'électricité de votre environnement informatique traditionnel et de vos environnements d'IA, une fois de plus grâce à l'Open Source.

Confiance

Comme pour toute nouvelle technologie, nous devons être capables de protéger et d'appliquer efficacement l'empreinte de sécurité des charges de travail, des modèles et des plateformes d'IA. L'innovation sans sécurité revient à prendre des risques, que les entreprises et les communautés Open Source souhaitent réduire au minimum.

Dans le cas des logiciels, la chaîne d'approvisionnement et la provenance sont des éléments essentiels pour offrir une expérience plus sécurisée. Vous devez donc savoir d'où viennent les bits de données, qui les a codés et qui y a accès avant qu'ils ne soient convertis en capacités de production. Le projet Sigstore dirigé par Red Hat permet de prouver la véracité du code Open Source que vous utilisez à toutes les étapes du développement d'applications.

À présent, nous devons appliquer ce même niveau de réflexion préalable, de discipline et de rigueur aux modèles d'IA. C'est pourquoi nous travaillons actuellement avec la communauté Open Source à l'élaboration d'une nomenclature de composants essentiels à l'IA, qui permet de fournir de meilleures garanties lors de la création de modèles en se basant sur les outils sécurisés de notre chaîne d'approvisionnement.

La notion de confiance va de pair avec la sécurité. Alors, comment les entreprises peuvent-elles avoir la garantie de pouvoir se fier aux modèles et aux charges de travail d'IA qu'elles comptent exploiter à l'avenir ? C'est là que TrustyAI entre en jeu. Cette solution permet à l'équipe technologique de comprendre les arguments en faveur des modèles d'IA et de signaler les comportements potentiellement problématiques.

À travers ces exemples, j'espère que vous pourrez comprendre comment l'Open Source contribue à accroître l'accessibilité, optimiser la durabilité et renforcer la sécurité ainsi que la confiance envers l'IA pour l'avenir. Chez Red Hat, nous sommes fiers d'être à l'avant-garde de toutes ces technologies, qui n'auraient jamais pu voir le jour sans la collaboration de la communauté Open Source et les nouvelles manières de penser qu'elle insuffle.