5 Au milieu de l’effervescence autour de l’IA, du big data et de l’innovation cloud, une question cruciale reste sans réponse : votre stockage évolue-t-il dans toutes les dimensions qu’exigent vos charges de travail ? L’IA n’est que la dernière rupture d’une longue histoire d’évolutions technologiques. Ces 15 dernières années, le cloud computing, l’IoT, l’e-commerce et le streaming de contenus riches ont obligé les entreprises à repenser leurs stratégies de stockage — de la gestion d’immenses bibliothèques multimédias à l’analytique ultra-rapide. Aujourd’hui, les charges de travail d’IA — data lakes massifs, entraînement de modèles et transactions à haute fréquence — révèlent les limites des architectures de stockage héritées. Conçus pour un monde d’avant l’IA, les systèmes de stockage traditionnels peinent à suivre les exigences multidimensionnelles des charges modernes, notamment : des data lakes d’IA qui agrègent des pétaoctets issus de multiples sources des applications de ML qui gèrent des centaines de millions d’objets S3 une IA hautes performances qui exige un accès aux données ultra-rapide ou à haut débit des applications cloud qui gèrent des millions de buckets S3 associés à des utilisateurs une supervision de la sécurité qui génère et consulte des pétaoctets de journaux des applications IoT qui stockent des centaines de milliers d’événements en temps réel par seconde des applications cloud qui traitent des millions de demandes d’authentification par heure des applications médias qui permettent un accès simultané à des vidéos de plusieurs téraoctets Faire évoluer le stockage dans toutes ces dimensions ne se résume pas à ajouter de la capacité ou à doper les performances : cela exige une approche fondamentalement différente. L’ère de l’évolutivité multidimensionnelle est arrivée Certains fournisseurs de stockage ont perçu ce tournant il y a plus de 15 ans, en ouvrant la voie aux architectures désagrégées, qui ont depuis prouvé leur capacité à évoluer sans heurts face à des charges variées. Le stockage désagrégé — où les ressources de stockage et de calcul sont découplées et évoluent indépendamment — s’est imposé comme la seule base viable pour les exigences variées et imprévisibles des environnements pilotés par l’IA. De nouveaux acteurs se pressent pour entrer sur le marché, tandis que des fournisseurs historiques longtemps attachés aux architectures monolithiques ou scale-up se tournent désormais vers des conceptions désagrégées. Mais comme le dit un vieil adage du stockage : « Il faut sept ans pour bien faire les choses. » Et certains ne font que commencer. Le secteur regorge de leçons durement apprises, et l’histoire montre que les produits de première génération peinent souvent à tenir leurs promesses. Miser votre stratégie d’IA sur des solutions 1.0 non éprouvées, c’est risquer de buter sur des limites d’évolutivité au moment même où vos charges de travail montent en puissance. Nous sommes entrés dans une nouvelle ère — celle où « ce qui vous a mené jusqu’ici ne vous mènera pas plus loin ». Le stockage doit aller au-delà de la simple extension de capacité et de performances. L’évolutivité multidimensionnelle, rendue possible par une architecture désagrégée, permet aux entreprises de répondre aux exigences actuelles de l’IA sans se heurter demain à des goulets d’étranglement de stockage. Les 10 dimensions d’évolutivité les plus importantes pour le stockage IA La plupart des systèmes de stockage modernes excellent à évoluer sur quelques dimensions clés — surtout la capacité et les performances — mais poussés au-delà des limites de leur conception d’avant l’IA, leur structure rigide impose des compromis opérationnels. Dans le stockage d’entreprise, l’évolutivité multidimensionnelle fait la différence entre garder une longueur d’avance et se laisser distancer. Un système de stockage conçu pour les charges actuelles et futures doit exceller sur toutes les dimensions suivantes, avec un fonctionnement fluide même sous des contraintes extrêmes. Applications – prendre en charge de multiples charges de travail sur la même infrastructure Capacité – étendre le volume total de stockage à mesure que les besoins augmentent Calcul de stockage – allouer la puissance de calcul selon l’intensité des charges Métadonnées – faire évoluer les opérations de métadonnées pour préserver la recherche et l’efficacité Objets S3 – gérer un nombre d’objets toujours croissant sans dégradation des performances Buckets S3 – prendre en charge un nombre croissant de conteneurs de stockage Authentifications S3 par seconde – faire évoluer les processus de sécurité selon les besoins d’accès mondiaux Débit – garantir des mouvements de données rapides et ininterrompus Objets par seconde – soutenir des taux de transactions élevés pour les applications temps réel Gestion des systèmes – permettre aux équipes IT de gérer facilement des environnements complexes Pouvoir évoluer sur ces dimensions — indépendamment les unes des autres — permet aux entreprises de répondre à des besoins changeants sans compromettre les performances, la sécurité ou l’efficacité opérationnelle. Comment chaque dimension renforce-t-elle les charges d’IA, de big data et cloud ? n°1 Évolutivité des applicationsRépond au besoin de : couvrir des exigences allant d’une seule charge de travail à une multitude Un stockage prêt pour l’avenir doit prendre en charge un nombre immense et toujours croissant d’applications, chacune avec ses propres exigences de performances et de capacité. Par exemple : La plupart des environnements actuels de grandes entreprises (en anglais), du secteur public et des fournisseurs de services IT exigent un accès aux données depuis de multiples applications. Les clouds privés et publics sont multi-tenant (en anglais) par définition, avec de multiples applications et cas d’usage qui partagent une infrastructure de stockage commune. Les data lakes d’IA et d’analytique critiques nécessitent des applications pour tout, de l’ingestion et du prétraitement des données à la visualisation et au reporting. De nombreux systèmes de stockage peinent à supporter autant de charges simultanées, mais l’évolutivité multidimensionnelle vous donne la puissance et la flexibilité nécessaires pour couvrir tout le spectre des applications modernes — sur un seul système. n°2 Évolutivité de la capacitéRépond au besoin de : stocker et protéger des volumes de données croissants pour accompagner la croissance de votre activité Faire évoluer la capacité est une évidence. C’est le minimum requis et la dimension fondamentale de tout système de stockage. Le stockage moderne doit : passer sans effort à l’échelle de l’exaoctet ; permettre une extension progressive par disques, serveurs, racks ou datacenters tout en maintenant une disponibilité en ligne de 100 % (zéro interruption de service) ; offrir une protection solide contre les pannes en cascade ou les défaillances matérielles multiples et simultanées grâce à un déploiement synchrone étendu géographiquement. n°3 Évolutivité du calcul de stockageRépond au besoin de : augmenter les ressources pour faire face à des volumes de données plus importants Les besoins de stockage ne se limitent pas toujours à plus d’espace. Dans de nombreux scénarios, les charges de travail exigent davantage de puissance de calcul sans capacité de stockage supplémentaire. Les plateformes d’e-commerce, confrontées à des pics d’activité saisonniers, ont besoin de plus de puissance de calcul pour absorber le trafic, sans espace disque supplémentaire. De nombreux systèmes de stockage traditionnels ne peuvent pas faire évoluer leurs ressources de performance sans ajouter de nouveaux serveurs de stockage — une limite inefficace et coûteuse. À l’inverse, les systèmes à architecture désagrégée permettent de faire évoluer indépendamment calcul et capacité. Votre entreprise fait ainsi évoluer exactement ce dont elle a besoin — renforcer les services S3 pour traiter plus de requêtes API ou les services de métadonnées pour davantage d’opérations par seconde — sans payer une capacité inutile. Comme l’explique cet article publié par TechTarget : The future of storage is disaggregated, however you cut it (en anglais), « Exécuter des charges de travail d’IA (en anglais) comme l’entraînement et l’inférence de grands modèles de langage à grande échelle exigera de traiter d’immenses volumes de données non structurées à des vitesses inédites. Y parvenir avec les approches de stockage historiques est difficile ; les ressources de calcul et de stockage d’une architecture de stockage sont généralement étroitement couplées, ce qui peut rendre leur évolution à la fois extrêmement difficile et extrêmement inefficace si les besoins en ressources croissent à des rythmes différents. » n°4 Évolutivité des métadonnéesRépond au besoin de : gérer et consulter efficacement des volumes de métadonnées croissants et accompagner l’enrichissement des données pour les applications d’IA Les métadonnées sont le catalogue maître de tout système de stockage : elles permettent d’organiser, de consulter et de gérer efficacement les données. Lorsque les besoins atteignent des centaines de pétaoctets et au-delà, la capacité à traiter rapidement les métadonnées et à les faire évoluer est essentielle pour garder des systèmes performants. De nombreux systèmes traditionnels peinent dans ce domaine, car ils reposent sur des bases de métadonnées de taille fixe ou intègrent les métadonnées aux données elles-mêmes. Ces approches créent des goulets d’étranglement, limitent l’évolutivité et entraînent souvent des migrations longues et coûteuses à mesure que les besoins augmentent. Pour faire évoluer efficacement la gestion des métadonnées, une solution de stockage doit : stocker les métadonnées dans une architecture distribuée et évolutive pour supprimer les limites de taille rigides ; permettre une croissance fluide en ajoutant des ressources (disques, serveurs ou clusters) selon les besoins ; offrir des performances constantes, pour que les services de métadonnées suivent toujours la croissance des charges sans interruption. Pour préserver des performances élevées, l’architecture doit conserver les métadonnées dans une base de données distincte. n°5 Évolutivité des objets par secondeRépond au besoin de : simplifier les applications qui gèrent un grand nombre d’objets Les charges de travail modernes — entraînement de modèles d’IA, plateformes d’e-commerce, IoT — exigent non seulement une immense capacité de stockage, mais aussi la capacité de traiter des milliards de petites transactions à la vitesse de l’éclair. Cette capacité, souvent mesurée en objets par seconde, détermine si votre stockage peut suivre des charges pour lesquelles la latence n’est pas une option. Les systèmes de stockage traditionnels peuvent être submergés par des charges riches en transactions, ce qui provoque des pics de latence et des dégradations de performances qui se répercutent sur les applications. Évoluer en transactions signifie garantir que les systèmes de stockage peuvent : traiter des millions, voire des milliards de requêtes par seconde avec une latence minimale ; s’optimiser pour des opérations de lecture et d’écriture à haute fréquence sans goulets d’étranglement ; s’adapter dynamiquement aux variations de charge, en augmentant la capacité transactionnelle avec la demande. n°6 Évolutivité des buckets S3Répond au besoin de : garantir la confidentialité des données grâce à des protocoles de sécurité robustes Dans les grands environnements multi-tenant, le stockage implique souvent de provisionner de nouveaux buckets S3 pour chaque utilisateur, charge de travail ou application. Cela apporte des contrôles essentiels — sécurisation des données, politiques de cycle de vie, gestion des accès — mais pose aussi un défi d’évolutivité majeur. Pour des cas d’usage comme la sauvegarde ou le stockage en tant que service, le nombre de buckets peut rapidement atteindre des millions. De nombreux systèmes de stockage flanchent sous cette charge, atteignant des limites strictes ou subissant de fortes dégradations de performances. Un stockage conçu pour l’évolutivité multidimensionnelle supprime ces contraintes en : prenant en charge des millions de buckets sans sacrifier les performances ; maintenant une faible latence même lorsque le nombre de buckets augmente ; permettant une montée en charge fluide dans des environnements multi-tenant très sollicités. n°7 Évolutivité des transactions d’authentificationRépond au besoin de : séparer les données par charge de travail dans les grands environnements multi-tenant Chaque fois qu’un utilisateur accède au stockage cloud, une demande d’authentification est déclenchée. Dans les environnements à grande échelle, ces demandes s’accumulent vite : Un cloud public qui sert des millions d’utilisateurs exige des millions de requêtes par seconde. Un cloud privé avec seulement 1 000 utilisateurs actifs qui téléversent des documents peut générer des centaines de milliers de demandes d’authentification S3 par seconde. Chaque requête exige aussi de vérifier les politiques de sécurité au niveau de l’utilisateur et du bucket — ce qui sollicite encore davantage les systèmes de stockage. De nombreuses architectures de stockage traditionnelles ne sont tout simplement pas conçues pour absorber ce flot de requêtes sans goulets d’étranglement. Les systèmes conçus pour l’évolutivité multidimensionnelle résolvent ce problème en : faisant évoluer indépendamment les services d’authentification pour suivre la demande ; répartissant la charge d’authentification sur des ressources dédiées ; garantissant une application fluide des contrôles d’accès sans ralentir les opérations. n°8 Évolutivité du débitRépond au besoin de : traiter rapidement des données d’objets volumineux (applications médias, par exemple) Le débit est le nerf des charges exigeantes comme le streaming vidéo, l’analytique et les pipelines d’IA. Il détermine la quantité de données que votre système peut déplacer, traiter et servir à tout moment. Et quand les volumes explosent, les systèmes dont le débit ne peut pas évoluer cèdent sous la pression, avec à la clé des interruptions et des occasions manquées. Le défi ? Les systèmes de stockage traditionnels atteignent souvent des limites strictes à mesure que la demande de débit augmente, ce qui impose des mises à niveau ou des refontes coûteuses. Pour prospérer dans un monde de données exponentielles, votre stockage doit garantir : des performances constantes et rapides, même lorsque plusieurs charges se disputent les ressources ; la capacité d’absorber des hausses exponentielles du flux de données sans interruption de service. La flexibilité d’augmenter le débit à mesure que les charges évoluent. n°9 Évolutivité des transactions sur les objetsRépond au besoin de : traiter rapidement des données de petits objets (entraînement et fine-tuning d’IA, par exemple) Certaines charges de travail ne portent pas sur des fichiers massifs, mais sur le traitement de millions (voire de milliards) de petits objets à la vitesse de l’éclair. L’entraînement et le fine-tuning de l’IA exigent un accès rapide à d’immenses volumes de petits jeux de données. Les données des capteurs IoT arrivent en continu et génèrent une multitude de très petits fichiers. Les fichiers journaux et les transactions des microservices inondent le stockage de requêtes de lecture et d’écriture à haute fréquence. De nombreux systèmes de stockage ralentissent fortement dans ces conditions. Pour suivre le rythme, les systèmes conçus pour l’évolutivité multidimensionnelle : optimisent les services de métadonnées grâce au stockage flash et à la mise en cache en mémoire, pour un accès quasi instantané ; adaptent dynamiquement les politiques de stockage (erasure coding, réplication) à la taille des objets ; offrent des taux de transactions extrêmement élevés sans sacrifier les performances. n°10 Évolutivité de la gestion des systèmesRépond au besoin de : gérer efficacement des systèmes ou déploiements à grande échelle avec moins de personnel À mesure que les infrastructures grandissent, les défis pour les faire fonctionner sans accroc augmentent aussi : L’état et les performances des systèmes doivent être suivis par des KPI en temps réel. Les journaux d’activité et les métriques génèrent des téraoctets — parfois des pétaoctets — de données. Les opérations à l’échelle du cloud exigent de l’automatisation pour rester efficaces. Les systèmes traditionnels peinent à traiter et stocker ce flot de données opérationnelles. Un stockage capable de faire évoluer efficacement la gestion des systèmes garantit : une supervision fluide de l’état des systèmes sur de vastes déploiements ; une journalisation fine de l’activité des utilisateurs et administrateurs sans saturer le stockage ; des opérations efficaces et automatisées — pour que les équipes en gèrent plus avec moins. Téléchargez le livre blanc (en anglais) pour découvrir comment le pionnier du stockage désagrégé et software-defined tient la promesse de l’évolutivité multidimensionnelle. Obtenir le livre blanc L’avenir du stockage est multidimensionnel : votre système est-il prêt à évoluer ? Le stockage n’est plus seulement une nécessité opérationnelle : c’est un catalyseur de croissance. À mesure que l’IA, le big data, le cloud computing et les charges à forte intensité de données s’accélèrent, votre infrastructure doit suivre. En résumé : les organisations qui adoptent dès aujourd’hui l’évolutivité multidimensionnelle seront les mieux placées pour prospérer demain. Pouvoir évoluer sur toutes les dimensions critiques transforme le stockage, d’un composant réactif, en avantage stratégique : il supprime les goulets d’étranglement, réduit les temps d’arrêt et favorise l’innovation. Sur combien de dimensions votre système de stockage peut-il évoluer ? Si vous ne connaissez pas la réponse, c’est le moment de la découvrir. Découvrez comment l’architecture multiscale brevetée de Scality permet d’évoluer sur 10 dimensions (en anglais) — et ce que cela signifie pour vos données. Envie de savoir ce que vaut votre stockage actuel (en anglais) ? Évaluons ensemble votre environnement — ou mieux encore, découvrez Scality en action lors d’une démo en direct. Ressources complémentaires À découvrir : Le stockage objet Scality RING et son évolutivité multidimensionnelle (en anglais)TechTarget : Why object storage for AI makes sense (en anglais)
