Utilisation de l'IA dans les environnements de cloud hybride : avantages et cas d'utilisation

Les environnements de cloud hybride offrent aux entreprises le meilleur des deux mondes, en associant des ressources sur site et dans le cloud pour plus de flexibilité et d'évolutivité. Les entreprises peuvent encore améliorer leur stratégie de cloud hybride grâce à l'intelligence artificielle (IA) et l'apprentissage automatique (ML).

Les modèles d'IA et de ML peuvent aider les équipes à prendre de meilleures décisions en fournissant des informations, en optimisant les ressources et en améliorant les performances des applications. Les grands modèles de langage peuvent faciliter l'automatisation des workflows et réduire l'utilisation manuelle. Des modèles prédictifs permettent d'analyser les schémas d'utilisation pour réduire les coûts du cloud et allouer les ressources de manière plus efficace. Voyons comment les équipes peuvent utiliser l'IA/ML pour tirer le meilleur parti de leurs environnements de cloud hybride. 

Allocation des ressources automatisée

L’allocation et l’optimisation des ressources sont des éléments essentiels dans les environnements de cloud hybride. En utilisant l'IA/ML pour automatiser et optimiser leur environnement, les entreprises peuvent optimiser leurs ressources et réduire les coûts. L'analyse prédictive permet également d'analyser des données historiques et des schémas d'utilisation afin d'anticiper automatiquement les besoins en ressources pour la mise à l'échelle des ressources sur site et dans le cloud. Les technologies d'IA/ML permettent de distribuer des charges de travail entre des clouds hybrides afin qu'elles s'exécutent dans les emplacements les plus rentables et les plus efficaces en fonction de la latence, du coût et de la disponibilité.

Les entreprises peuvent également réaliser des économies en ajustant de manière dynamique l'allocation des ressources en fonction de la demande et des analyses prédictives, tout en maintenant une disponibilité élevée des services et des performances élevées des applications.

Enhanced security 

La surveillance de la sécurité basée sur l'IA aide les entreprises à identifier plus rapidement les menaces informatiques connues dans les environnements de cloud hybride complexes. Grâce à l'intelligence artificielle et à l'apprentissage automatique, les entreprises peuvent analyser plus efficacement les journaux de sécurité et le trafic réseau en temps réel, ce qui augmente la probabilité de détecter les attaques potentielles et de traiter les attaques potentielles avant qu'elles ne causent des dégâts. Les algorithmes de détection des anomalies ajoutent une couche de protection par l'identification des activités inhabituelles et la signalement rapide des failles potentielles, améliorant ainsi la posture de sécurité globale de l'infrastructure de cloud hybride.

En analysant les ensembles de données et en identifiant les schémas, les algorithmes d'IA peuvent aider à atténuer les menaces émergentes que les mesures de sécurité traditionnelles ne pourraient pas laisser passer autrement.

Développement et déploiement d'applications rationalisés

Les outils basés sur l'IA peuvent accélérer le développement et le déploiement des applications, ce qui aide les équipes à mettre les produits sur le marché plus rapidement et à réduire le nombre d'erreurs humaines. L'apprentissage automatique peut également accroître les ressources de l'équipe de développement grâce à l'optimisation du code, à la détection des bogues et même à la suggestion d'améliorations architecturales pour les applications exécutées dans les environnements de cloud hybride, ce qui contribue à la productivité et à l'efficacité.

RHEL AI et Granite grands modèles de langage

Red Hat Enterprise Linux AI (RHEL AI) comprend un sous-ensemble de modèle de code et de langage Open Source Granite. Les modèles granulaires sont une série de grands modèles de langage développés par IBM pour alimenter les applications d'IA d'entreprise. Elles sont conçues pour prendre en charge les cas d'utilisation de l'IA générative qui impliquent du langage et du code, comme la génération de texte, la saisie semi-automatique de code et la traduction de code. Dans le cadre de RHEL AI, ces modèles offrent aux entreprises des solutions optimisées en matière de coût et de performance pour divers cas d'utilisation de l'IA, en plus de l'assistance technique adaptée aux entreprises de Red Hat et de notre Assurance Open Source.

Cas d'utilisation : développement d'applications : refactorisation du code avec les modèles de code Granite

Voici un cas d'utilisation qui montre comment les grands modèles de langage Granite peuvent faciliter la migration d'applications vers un cloud public. Une entreprise peut tirer parti d'un modèle Granite pour remanier une application ou une plateforme existante afin d'améliorer les performances, l'évolutivité et la facilité de maintenance. En outre, la migration d'une plateforme dans un environnement cloud permet d'accroître sa résilience et de la rendre plus réactive.

Dans cet exemple, une grande institution financière dispose d'une plateforme d'évaluation des risques qui évalue la conformité des clients, la détection des fraudes et le risque de crédit. L'application repose sur une architecture obsolète, qui complique la mise à l'échelle à mesure que le volume de données augmente, qui est coûteuse à entretenir en raison des dépendances existantes et qui tarde à traiter les évaluations des risques en temps réel. Les responsables métier souhaitent migrer la plateforme d'évaluation des risques vers AWS et, étant donné l'importance de cette plateforme pour l'exploitation de l'entreprise, leur démarche implique un remaniement de la migration.

Le réusinage, qu'est-ce que c'est ?

Le remaniement consiste à exécuter des applications sur l'infrastructure d'un fournisseur de cloud, ce qui implique de restructurer les applications pour qu'elles s'adaptent mieux à l'environnement cloud. Cette approche implique la modification d'une grande partie du code base dans les applications existantes pour tirer parti des fonctions du cloud et de leur plus grande flexibilité. Une migration de refactorisation est plus complexe et plus gourmande en ressources que d’autres approches de migration du cloud, car aucune modification apportée au code base ne peut avoir d’incidence sur le comportement externe de l’application.

Une solution Open Source

Les équipes de développement peuvent intégrer les modèles Granite dans leur environnement de développement pour faciliter le codage de l'IA. En tandem avec l'assistant d'IA Open Source, les développeurs d'applications peuvent adopter les modèles de code Granite pour faciliter la migration de refactorisation. Ces modèles peuvent s'exécuter localement à l'aide d'outils comme Ollama ou InstructLab pendant que les équipes travaillent à moderniser leurs applications pour les environnements cloud. 

Une fois la configuration terminée, les développeurs sélectionnent simplement le code qui doit être amélioré pour voir les suggestions du modèle Granite. Le modèle Granite tente de moderniser la syntaxe, d’extraire des méthodes, de renommer des variables, etc. Cette méthode permet d’accélérer le développement tout en gardant l’expertise humaine à la pointe, avec l’équipe de développement examinant et acceptant toutes les modifications de code suggérées.

Cela permet aux développeurs d'utiliser ces outils d'IA localement sans risquer de compromettre la sécurité des informations sensibles. Cette approche hybride augmente également l'efficacité du codage et la nature Open Source des modèles Granite offre de la transparence aux différentes parties prenantes. Voir « Open Source AI Coding Assistance with the Granite Models » pour plus de détails sur la façon de configurer un assistant de codage d'IA à l'aide de modèles locaux de Granite pour faciliter les migrations de refactorisation, la saisie semi-automatique de code, la documentation contextuelle et le débogage.

Avantages

Les entreprises peuvent améliorer leurs déploiements de cloud hybride en intégrant l'IA dans leur environnement de développement. Dans ce cas d'utilisation particulier, les avantages sont les suivants :

• Accélération du déploiement des applications dans le cloud public
• Amélioration de l'efficacité des équipes grâce à la réduction des coûts d'exploitation
• Temps de réponse accélérés grâce à l'automatisation
• Réduction des risques grâce à la réduction des erreurs humaines
• Des déploiements plus cohérents

Enfin, l'IA améliore la rentabilité dans les environnements de cloud hybride en optimisant l'allocation des ressources et en identifiant d'autres possibilités de réduction des coûts.

Accéder à Red Hat Developer Hub

Sur Red Hat Developer Hub, nous fournissons des ressources en ligne aux développeurs intéressés par la création d'applications d'IA d'entreprise. Vous pouvez même télécharger des images préconçues et amorçables de RHEL AI, y compris la famille de grands modèles de langage Open Source Granite dont nous avons parlé ici.