Qu’est-ce que le néonuage?

Que sont les fournisseurs de services néonuagiques? 

Le terme « néonuage » désigne des fournisseurs d’infrastructures infonuagiques spécialisées, dédiées aux charges de travail d’IA. En s’appuyant sur des accélérateurs matériels de calcul haute performance, principalement des GPU, ces fournisseurs répondent aux besoins variés et exigeants en matière d’applications d’IA de toutes sortes d’organisations, notamment des entreprises, des concepteurs de modèles et des fournisseurs de services infonuagiques à très grande échelle.  

Les plateformes néonuage couvrent l’ensemble du cycle de vie de l’IA, de l’entraînement à grande échelle au réglage fin jusqu’à l’inférence, et proposent des modèles de consommation flexibles, comme l’accès à la demande, les instances réservées et la plateforme en tant que service. 

À mesure que l’adoption de l’IA s’accélère, les fournisseurs néonuage répondent à la fois au besoin d’élasticité des nuages publics et aux exigences de performance d’infrastructures d’IA dédiées. 

Modèles d’infrastructure infonuagique pour l’IA : nuage, centres de données à très grande échelle et néonuage

À mesure que l’IA passe de l’expérimentation à la production, le marché du nuage a évolué vers trois modèles distincts. Même s’ils coexistent souvent dans une stratégie multinuage, ils répondent à des besoins techniques et d’affaires très différents. 

Nuage traditionnel

Basés sur des architectures généralistes axées sur le processeur, ces fournisseurs de services infonuagiques traditionnel, qu’ils soient gérés ou régionaux, privilégient l’abstraction et la multilocativité. Même très flexibles, les couches de virtualisation peuvent introduire une « taxe de l’hyperviseur » et des goulots d’étranglement réseau qui freinent les grands travaux d’entraînement de modèles d’IA. 

Centres de données à très grande échelle

Les centres de données à très grande échelle sont les grands fournisseurs de services infonuagiques mondiaux (comme AWS, Azure et GCP) qui offrent une portée planétaire et un vaste éventail de services intégrés. Pour répondre à la demande en matière d’IA, ils proposent désormais des modèles de consommation spécialisés :

• Instances réservées : engagements à durée déterminée pour des piles d’IA dédiées, offrant des coûts réduits pour les charges de travail stables, comme l’inférence soutenue. 
• IA sans serveur (PaaS) : plateformes gérées qui masquent entièrement l’infrastructure et permettent aux développeurs de payer à la requête ou au jeton. 
• Compromis : même si ces offres sont pratiques, leurs fondations généralistes ne rivalisent pas toujours avec le rendement brut et déterministe d’une structure d’IA conçue sur mesure. 

Néonuages

Les néonuages sont conçus dès l’origine pour offrir le modèle « GPU en tant que service ». Ils privilégient les performances brutes et la visibilité sur le matériel plutôt que l’étendue du catalogue de services. 

• Architecture axée sur l’IA : recours à des grappes de GPU denses et à des structures réseau haute performance, comme RDMA et RoCE, pour gérer un trafic « est-ouest » massif. 
• Avantage de performance : en offrant un accès à des serveurs sans système d’exploitation et une mise en réseau 400G/800G, ces environnements procurent la très haute bande passante et la latence prévisible nécessaires aux cycles d’entraînement de modèles les plus rapides possible. 

Pour les organisations qui doivent composer avec ces choix, la priorité demeure la même : s’assurer que l’infrastructure d’IA reste performante, sécurisée et simple à gérer, peu importe l’emplacement des GPU. 

Comment fonctionne le néonuage : les piliers techniques de l’infrastructure néonuage

Pour offrir un rendement déterministe, les infrastructures néonuage s’éloignent du fort niveau d’abstraction des nuages à usage général pour se concentrer sur trois couches étroitement intégrées :

1. Calcul optimisé pour l’IA

Les néonuages privilégient le débit brut en réduisant au minimum la « taxe de l’hyperviseur ». 

• Serveurs sans système d'exploitation ou très peu virtualisés : garantissent un accès maximal aux GPU. 
• Nœuds à haute densité : généralement de 4 à 8 GPU par nœud (par exemple NVIDIA H100 ou B200) pour prendre en charge un traitement parallèle massif. 
• Visibilité sur le matériel : donne une vue plus fine de la topologie matérielle, ce qui permet de mieux paramétrer des cadres comme PyTorch ou TensorFlow. 

2. Réseautique haute performance pour l’IA

La mise en réseau est le principal facteur de différenciation d’une plateforme néonuage. Les fournisseurs néonuage déploient généralement deux réseaux distincts :

• Un réseau frontal : Ethernet standard pour la gestion et l’accès des utilisateurs. 
• Un réseau dorsal ou de trame haute performance : Ethernet sans perte ou InfiniBand, spécialement consacré à la synchronisation entre GPU.  

Cette architecture à double réseau est une caractéristique distinctive d’une véritable grappe d’IA. Comme l’entraînement de modèles d’IA repose sur une synchronisation constante (communication collective), la structure réseau doit pouvoir gérer un trafic « est-ouest » massif sans perte de paquets. 

• Structures à large bande passante : utilisation d’Ethernet 400G et 800G pour éviter les goulots d’étranglement de données entre les nœuds. 
• Topologies à faible latence : recours à des architectures Spine-Leaf non bloquantes pour assurer une évolutivité de la grappe quasi linéaire. 
• Protocoles avancés : mise en œuvre de RDMA (Remote Direct Memory Access) et de RoCE, qui permettent aux GPU de communiquer directement avec la mémoire des autres GPU, contournant ainsi la surcharge du processeur et réduisant la latence. 

3. Infrastructure désagrégée et sécurisée

Les infrastructures néonuage modernes s’appuient sur une conception modulaire afin de préserver l’agilité et la sécurité. 

• Évolutivité indépendante : le calcul, le stockage et la mise en réseau évoluent séparément en fonction des exigences des charges de travail. 
• Normes ouvertes : recours fréquent à des systèmes d’exploitation réseau ouverts pour offrir une flexibilité matérielle maximale. 
• Isolation des charges de travail : intégration de contrôles d’accès sensibles à l’identité et de la segmentation du réseau pour sécuriser les modèles d’IA et les données à forte valeur. 

Modèles de consommation et de déploiement du néonuage

Les fournisseurs de néonuage s’appuient sur divers modèles d’affaires pour offrir une infrastructure d’IA aux entreprises. Ces offres se répartissent généralement en trois grandes approches qui cherchent à équilibrer l’évolutivité, les coûts, les performances et la localisation des données. 

1. Instances réservées (IaaS d’IA dédiée ou partagée)

Ce modèle est conçu pour les organisations qui exécutent des charges de travail d’IA prévisibles et de longue durée, comme l’entraînement de modèles à grande échelle ou l’inférence soutenue. 

• Grappes d’IA dédiées : les entreprises peuvent réserver des grappes complètes de GPU pour un seul client pendant une durée déterminée (généralement de 1 à 3 ans). 
• Homogénéité du rendement : en utilisant des piles d’IA dédiées, les organisations obtiennent un niveau de performance très constant et une capacité garantie. 
• Efficacité des coûts : ce modèle propose des coûts nettement plus faibles que la tarification à la demande pour des charges de travail en régime stable. 

2. Instances à la demande (IaaS d’IA public partagé)

Ce modèle « payez à l’utilisation » permet aux entreprises de consommer des ressources de calcul optimisées pour l’IA, comme des GPU et des TPU, à partir de groupes partagés. 

• Capacité d’IA flexible : conçue pour l’expérimentation, le développement, les tests ou des charges de travail en rafale, lorsque la demande est irrégulière. 
• Souplesse maximale : les entreprises ne paient que pour les ressources consommées (à l’heure ou à la minute), sans engagement à long terme. 
• Modèle d’exploitation infonuagique : le fournisseur gère et sécurise l’infrastructure multilocative sous-jacente, ce qui permet au client de se concentrer sur sa propre pile logicielle d’IA. 

3. Plateformes sans serveur (PaaS d’IA géré)

Dans ce modèle, le fournisseur de services infonuagiques prend entièrement en charge la gestion de l’infrastructure, ce qui permet aux entreprises de consommer des capacités d’IA au moyen de plateformes gérées et d’API. 

• Simplicité opérationnelle : le fournisseur se charge de l’ensemble du provisionnement, de l’évolutivité et de la gestion du cycle de vie. 
• Mesures fondées sur l’utilisation : les clients paient en fonction du temps d’exécution, des requêtes ou des jetons, ce qui en fait une approche idéale pour l’intégration applicative et l’évolutivité flexible. 
• Accent sur l’inférence : cette approche convient particulièrement au déploiement de modèles dans des environnements de production où la simplicité est prioritaire. 

La couche d’intégration hybride

Quel que soit le modèle de consommation choisi, les extensions d’IA hybride demeurent un facteur clé de déploiement. Les environnements néonuage doivent être intégrés aux environnements d’entreprise existants au moyen d’une connectivité sécurisée au réseau WAN ou au SD‑WAN. Cela permet d’assurer un flux de travail fluide entre les sites de l’entreprise sur place et les grappes d’IA hébergées dans le nuage, et de soutenir ainsi le développement sécurisé de modèles hybrides et le déplacement des données. 

Avantages des néonuages

Les fournisseurs de néonuage conçoivent leurs services pour relever des défis précis liés à l’infrastructure d’IA et offrir ainsi plusieurs avantages majeurs pour les charges de travail des entreprises. 

Entraînement accéléré des modèles

Les plateformes néonuage s’appuient sur une architecture néonuage déterministe pour réduire les délais de synchronisation entre les nœuds GPU. Cette approche raccourcit les cycles d’entraînement des grands modèles, améliore le délai d’obtention des résultats et réduit le gaspillage d’infrastructure. 

Utilisation plus élevée des GPU

En réduisant au minimum la variabilité du réseau et les effets de « voisins bruyants », les fournisseurs de néonuage veillent à ce que leur infrastructure néonuage maintienne un débit GPU constant. Cette meilleure utilisation se traduit directement par une meilleure efficience des coûts pour l’organisation. 

Transparence de l’infrastructure

Contrairement aux services de centres de données à très grande échelle fortement abstraits, les fournisseurs néonuage offrent souvent une visibilité plus approfondie sur la topologie du matériel et les caractéristiques du réseau. Cette transparence permet aux équipes techniques de mieux optimiser leurs charges de travail distribuées. 

Performances évolutives et opérations simplifiées

Les fournisseurs néonuage tirent parti de structures Ethernet à large bande passante et de topologies soigneusement conçues pour offrir une évolutivité des performances presque linéaire. Cette conception spécialisée simplifie la gestion des réseaux frontaux et dorsaux. 

Optimisation ciblée de l’intelligence artificielle

Comme les fournisseurs néonuage sont natifs de l’IA par conception, ils alignent toutes les décisions liées à la plateforme sur les caractéristiques des charges de travail d’IA plutôt que sur des exigences informatiques génériques. 

Limitations et considérations

Même si les plateformes néonuage offrent des avantages en matière de performance, elles ne remplacent pas universellement les plateformes de nuage traditionnel. 

Gammes de services plus restreintes

Les centres de données à très grande échelle offrent un large éventail de services gérés, notamment des fonctions sans serveur, des bases de données gérées, des plateformes d’analytique et la diffusion de contenu à l’échelle mondiale.

Les néonuages se concentrent généralement sur des services d’IA au niveau de l’infrastructure plutôt que sur des écosystèmes applicatifs complets. Cela les rend moins polyvalents pour des portefeuilles d’applications plus vastes et englobants. 

Empreinte géographique

De nombreux fournisseurs néonuage sont présents dans un nombre de régions plus limité que les centres de données à très grande échelle mondiaux. Les organisations ayant des exigences strictes en matière de résidence des données doivent évaluer attentivement la disponibilité des régions proposées. 

Maturité opérationnelle

Les équipes habituées aux modèles de plateforme en tant que service peuvent avoir besoin d’une expertise supplémentaire pour gérer des concepts d’infrastructure de niveau inférieur, comme la compréhension de la topologie réseau ou l’optimisation de l’entraînement distribué. 

Complexité de l’intégration

Les architectures hybrides qui combinent des grappes d’IA néonuage avec des systèmes TI traditionnels exigent une connectivité sécurisée, une harmonisation des politiques et des décisions réfléchies quant au placement des charges de travail.

Tendances futures et émergentes

À mesure que la taille et la complexité des modèles d’IA augmentent, les exigences imposées à l’infrastructure continueront d’évoluer. Plusieurs tendances façonnent l’avenir des architectures néonuage :

• Innovation dans les circuits ASIC pour GPU
• Adoption croissante de structures Ethernet à plus haut débit
• Utilisation accrue de logiciels de réseautique ouverts pour accroître la flexibilité opérationnelle
• Intégration de contrôles de sécurité propres à l’IA et d’une automatisation des politiques
• Convergence des environnements d’entraînement de l’IA et des environnements d’inférence à grande échelle

Les progrès de l’IA, notamment les systèmes multimodaux et les architectures fondées sur des agents, exigeront probablement une coordination encore plus étroite entre les néonuages, leurs clients et des systèmes d’IA plus distribués et interconnectés. Les néonuages pourraient offrir de plus en plus de niveaux de performance spécialisés au sein de stratégies multinuages distribuées plus vastes.