Démocratiser l'IA avec AI Data Fabric de F5

Lorsque nous nous sommes lancés dans cette aventure, nous avons défini des objectifs de conception très précis pour favoriser l’adoption. Plutôt que de forcer les utilisateurs à changer leurs façons de travailler, il fallait les rencontrer là où ils se trouvaient. Cela impliquait d'aider à trouver et à se connecter à toutes les données, de permettre le libre-service, de soutenir la mobilité et la portabilité, d'établir un écosystème pour stimuler la collaboration et l'innovation, et d'utiliser de grands modèles linguistiques (LLM) pour accélérer la formation des modèles.

Une bonne IA commence par des données, et F5 AI Data Fabric permet de générer des informations à partir des quantités massives de données collectées à partir des produits de notre portefeuille. Comme la plupart des entreprises qui exécutent des applications à grande échelle, nous reconnaissons la réalité selon laquelle les données résident dans de nombreux magasins différents et pas seulement dans un seul lac de données. Nous hébergeons des applications et des sources de données déployées sur site et sur plusieurs clouds, à la fois publics et privés ; AI Data Fabric peut se connecter et attacher du calcul aux données où qu'elles se trouvent. Un catalogue de données commun aide les utilisateurs à parcourir de nombreuses sources de données, tandis qu'il nous permet, en tant qu'équipe, de nous intégrer dans la stratégie de gouvernance des données de F5 pour garantir des contrôles et des audits appropriés sur les actifs de données. Cette stratégie nous permet de générer des informations, de gérer et de fournir une gouvernance pour les données provenant de différentes applications et produits, à travers plusieurs lacs de données et sources de données, sans modifier la façon dont nos utilisateurs travaillent.

Donner aux utilisateurs la possibilité d’associer des calculs à des données n’est qu’une partie de l’histoire. Pour favoriser l’adoption, nous avons dû prendre en compte l’ensemble du parcours utilisateur de la science des données et les domaines dans lesquels nous pouvions éliminer les frictions. 

L’empaquetage et le déploiement d’applications d’IA en sont un excellent exemple. Nous faisons une grande partie du travail difficile pour que nos utilisateurs n’aient pas à le faire. AI Data Fabric peut gérer les dépendances Python, empaqueter les applications d'IA dans un conteneur avec un serveur HTTP, configurer ce point de terminaison dans notre passerelle API et déployer les applications d'IA dans Kubernetes avec les exigences appropriées en matière de GPU, de CPU et de mémoire partout où elles sont nécessaires. Imaginez la formation, le packaging et le déploiement d'un modèle, le tout dans un flux de travail automatisé via un SDK facile à utiliser. Avec ce système, un data scientist peut déployer une nouvelle version de son application d’IA en 10 à 15 minutes. Réduire les frictions aide les scientifiques des données à faire ce qu’ils font le mieux : la science des données.

C’est un autre exemple de notre façon d’aller à la rencontre de nos clients là où ils se trouvent. Tous les conteneurs créés sont stockés dans le registre de conteneurs d'AI Data Fabric, ce qui permet aux utilisateurs de déployer des applications d'IA partout où elles doivent s'exécuter, même dans des environnements isolés.

L’accélération de l’adoption de l’IA signifie une collaboration rapide. Il s’agit de tirer parti et de développer le travail de ceux qui vous ont précédé. À l’intérieur de l’AI Data Fabric se trouve un « écosystème d’IA », des outils et des modules prédéfinis permettant d’exécuter des fonctions d’IA courantes et complexes. Lorsque les utilisateurs contribuent à l’écosystème avec des modules et des modèles, cela constitue un véritable accélérateur d’innovation. Les modules peuvent aller des modèles de détection et de classification d'anomalies prédéfinis aux applications permettant d'effectuer une génération augmentée de récupération, ou RAG.