5 Pour fonctionner correctement, l’intelligence artificielle et le machine learning ont besoin de données – et en grande quantité. Heureusement, c’est exactement ce que produit le monde numérisé. En 2020, un record de 64,2 zettaoctets de nouvelles données a d’ailleurs été atteint. La demande de capacité de stockage continue de croître, mais n’importe quel stockage ne fera pas l’affaire. Ces données ayant une grande valeur, elles doivent être stockées de manière à la fois sûre, accessible et évolutive. À mesure que les organisations exécutent davantage de charges de travail d’IA et de ML, elles ont besoin d’une nouvelle approche du stockage capable de gérer ces charges massives. Un cas d’usage concret permet de bien l’illustrer. Pensez au secteur du voyage et à toutes les données générées par les compagnies aériennes, les loueurs de voitures, les hôtels, etc. Imaginez maintenant que vous dirigez une agence de voyages. Et si vous saviez, par exemple, où se rendent la plupart des passagers aériens un week-end donné ? Ce serait un avantage concurrentiel considérable. Mais tirer ce genre de conclusions utiles est plus facile à dire qu’à faire. Le secteur du voyage génère environ un pétaoctet de données par jour, dont une partie est dupliquée par les sites agrégateurs. Ces données perdent vite leur valeur : il faut donc pouvoir déterminer rapidement lesquelles sont pertinentes. Cela exige une capacité à passer à l’échelle. Le stockage objet rapide aide à relever le défi de la conservation du big data, pour que les organisations tirent toute la valeur de ces données et fassent progresser leur activité. Vous voulez savoir comment le stockage objet peut favoriser des déploiements d’IA concrets à grande échelle et créer une vraie valeur métier ? Lisez mon récent article pour Unite.AI (en anglais).
