HPE accélère l’innovation en Intelligence Artificielle avec une solution d’entreprise pour gérer l'ensemble du cycle de machine learning

Hewlett Packard Enterprise (HPE) présente HPE ML Ops, une solution logicielle à base de conteneurs destinée à supporter l’ensemble du cycle de vie des modèles de machine learning dans les environnements sur site, de cloud public ou de cloud hybride. La nouvelle solution inaugure un processus de type DevOps afin de normaliser les workflows de machine learning et ramener les délais de déploiement de l’Intelligence Artificielle (IA) de plusieurs mois à quelques jours.

La nouvelle solution HPE ML Ops étend les capacités de la plateforme logicielle BlueData EPIC™ pour les conteneurs, et donne aux équipes de data scientists un accès à la demande aux environnements conteneurisés pour les applications en IA, machine learning et analytiques distribuées. HPE a acquis BlueData en novembre 2018 afin de renforcer ses offres dans les domaines de l’IA, de l’analytique et des conteneurs, en complément de ses propres solutions d’informatique hybride et de ses services Pointnext pour les déploiements IA en entreprise.

Le nombre d’entreprises qui ont adoptés l’Intelligence Artificielle a plus que doublé ces quatre dernières années[1] et celles-ci continuent d’investir beaucoup de temps et de ressources dans la création de modèles de machine learning et de deep learning. Cela afin de proposer un large éventail d’applications de l’IA, allant de la détection de fraude à la médecine personnalisée ou à l’analyse prédictive des comportements clients. Cependant, le plus grand défi auquel sont confrontés les professionnels réside dans la mise en œuvre du machine learning, c’est-à-dire l’étape opérationnelle, en vue de réussir le déploiement et la gestion de ces modèles et d’en dégager de la valeur pour l’entreprise. Selon Gartner, d’ici à 2021, au moins 50 % des projets de machine learning ne seront pas totalement déployés en raison de lacunes sur le plan opérationnel[2].

HPE ML Ops transforme les projets d’IA expérimentaux et pilotes en opérations de production en couvrant l’ensemble du cycle de vie du machine learning, depuis la préparation des données et la création des modèles jusqu’à leur apprentissage, leur déploiement, leur supervision et leur utilisation collaborative.

« Seuls des modèles de machine learning opérationnels génèrent de la valeur pour l’entreprise », souligne Kumar Sreekanti, SVP et CTO Informatique hybride chez HPE. « Avec HPE ML Ops, nous offrons la seule solution d’entreprise pour rendre opérationnel de bout en bout le cycle de vie du machine learning dans les déploiements sur site ou dans le cloud hybride. Nous apportons au machine learning la rapidité et l’agilité de DevOps, permettant ainsi d’accélérer la rentabilisation de l’IA en entreprise. »

« Banque, industrie, santé… la quasi-totalité des secteurs adoptent ou étudient les technologies d’IA et de machine learning afin de développer des produits et services innovants et d’acquérir un avantage concurrentiel. Alors que la plupart des entreprises montent en puissance dans la phase de construction et d’entraînement de leurs projets d’IA et de machine learning, elles peinent à rendre opérationnel l’ensemble de leur cycle de vie, de la preuve de concept et du pilote au déploiement en production et au suivi », observe Ritu Jyoti, directeur de programme Stratégies IA chez IDC. « HPE comble cette lacune en couvrant l’ensemble du cycle de vie du machine learning avec son offre à base de conteneurs et agnostique vis-à-vis des plateformes, afin de répondre à divers besoins opérationnels, d’accélérer globalement les analyses et d’améliorer les résultats pour l’entreprise. »

« Nos jeux en ligne produisent des milliards de données chaque jour », témoigne Alex Ryabov, responsable Data Services chez Wargaming. « Au moyen de modèles de machine learning complexes, nos data scientists exploitent ces données pour opérer des analyses prescriptives de façon à améliorer l’expérience de nos joueurs, mieux les comprendre et les fidéliser. Avec le logiciel HPE BlueData, nous mettons en conteneurs ces environnements de machine learning et analytiques pour contribuer à gagner en efficacité opérationnelle et optimiser notre activité. »

Avec la solution HP ML Ops, les équipes de data scientists participant à la création et au déploiement des modèles de machine learning bénéficient de la solution la plus complète du marché pour la gestion opérationnelle du cycle de vie de l’IA en entreprise :
Création de modèles : environnements de sandbox prépackagés, en libre-service, pour les outils de machine learning et de data science.
Entraînement des modèles : environnements d’entraînement évolutifs avec accès sécurisé aux données.
Déploiement des modèles : flexibilité, rapidité et reproductibilité des déploiements.
Suivi des modèles : visibilité de bout en bout sur le cycle de vie des modèles de machine learning.
Collaboration : possibilité de workflows CI/CD avec référentiels de code, de modèles et de projets.
Sécurité et contrôle : Multi-location sécurisée avec intégration aux mécanismes d’authentification de l’entreprise.
Déploiement hybride : prise en charge des environnements sur site, de cloud public ou de cloud hybride.

La solution HPE ML Ops fonctionne avec un large éventail de frameworks de machine learning et de deep learning en open source, notamment Keras, MXNet, PyTorch et TensorFlow, ainsi que les applications de machine learning de nos partenaires, tels que Dataiku et H2O.ai.

« Partenaire de longue date de HPE Pointnext Services, nous sommes très heureux de voir BlueData aujourd’hui intégré à HPE », commente Florian Douetteau, CEO de Dataiku. « Dataiku s’attache à faire adopter le machine learning à grande échelle dans toutes les entreprises. L’association de Dataiku avec le logiciel HPE BlueData va aider nos clients à faire monter en puissance et mettre en œuvre avec succès leurs projets de machine learning, pour en obtenir un réel impact sur leur activité. »