Ressources Red Hat
Cas d'utilisation des applications intelligentes
Les entreprises et les équipes de développement logiciel trouvent sans cesse de nouveaux cas d'utilisation pour les applications intelligentes. En voici quelques exemples.
Automatisation informatique
Pour gérer des systèmes informatiques, il faut s'adapter aux événements qui surviennent, en arrêtant ou en lançant un processus spécifique, par exemple. Une application intelligente peut analyser des données et déclencher des actions dans le cadre d'un pipeline ou d'un workflow.
Expérience client
Des services de streaming vidéo aux achats en ligne, bon nombre de nos produits préférés reposent sur des recommandations personnalisées optimisées par l'IA. Il en va de même pour les interactions dans tous les secteurs. Un client se montrera plus fidèle si ses attentes sont comprises et satisfaites en temps voulu grâce à une application intelligente, et l'entreprise pourra en retirer un important avantage concurrentiel.
Prise de décision
Les décisions métier (relatives à la chaîne d'approvisionnement, à la logistique, à la finance, etc.) impliquent d'analyser une grande quantité d'informations en temps réel. Les applications intelligentes peuvent faciliter le traitement de ces données tout en fournissant des recommandations fiables et précises.
Analyse des données
Capables de repérer des schémas qui échappent à l'analyse humaine, les applications basées sur l'IA représentent un atout dans les domaines liés aux données, tels que la recherche scientifique ou l'analyse métier.
Edge computing industriel
En utilisant des applications intelligentes au niveau des sites d'edge computing (à proximité des données ou directement sur place), il est possible d'envoyer des informations plus rapidement là où elles sont nécessaires. Par exemple, un algorithme de reconnaissance d'image peut détecter les défauts des produits qui sont encore sur la chaîne d'assemblage, ce qui donne la possibilité d'améliorer la qualité immédiatement.
Défis liés à la mise en œuvre d'applications intelligentes
La création d'une application intelligente nécessite plus de ressources que pour une application basée sur la logique.
Les équipes de développement logiciel doivent généralement :
- rassembler et préparer les données ;
- développer ou régler un modèle d'IA ;
- orchestrer, intégrer, tester et incorporer ce modèle ;
- intégrer le modèle au processus de développement de l'application ;
- surveiller, gérer et réentraîner le modèle en fonction des besoins.
La première étape, qui consiste à rassembler et préparer les données, se révèle essentielle à la réussite de toute application intelligente.
Une étape d'apprentissage automatique (AA) s'impose souvent, car les équipes de science des données entraînent ou règlent un modèle pour obtenir des prédictions basées sur des données. Des tests sont ensuite nécessaires afin de s'assurer que le modèle se comporte de manière responsable et qu'il produit de bons résultats. Grâce aux pratiques MLOps, les équipes de science des données, d'ingénierie et d'exploitation informatique peuvent travailler de manière synchronisée tout au long du processus.
L'étape suivante consiste à rendre le modèle accessible à l'application qui en a besoin. Il existe une multitude de modèles et d'architectures pour optimiser et distribuer les modèles d'IA, qu'ils soient tout nouveaux ou déjà bien entraînés.
Les environnements d'IA sont complexes. Les méthodes du développement d'applications cloud-native conviennent tout naturellement aux applications intelligentes, qui peuvent être distribuées plus efficacement à l'aide de microservices, d'une architecture serverless et de processus DevOps.
Nos solutions
Notre gamme de produits offre aux équipes une base commune pour créer et déployer des applications intelligentes de manière transparente et contrôlée.
La solution Red Hat® Enterprise Linux® AI fournit une plateforme de gestion des LLM pour les applications d'entreprise.
La solution Red Hat® OpenShift® AI est une plateforme conçue pour l'entraînement, le réglage de commandes, le réglage fin et la distribution de modèles d'IA qui reposent sur les données de l'entreprise et sont adaptés à son cas d'utilisation.
Pour les déploiements à grande échelle, la solution Red Hat OpenShift offre une plateforme d'applications évolutive qui convient aux charges de travail d'IA, avec un accès aux principaux accélérateurs matériels.
Enfin, les solutions intégrées de nos partenaires ouvrent la voie à un écosystème d'outils d'IA fiables et compatibles avec les plateformes Open Source.
Se lancer avec l'IA en entreprise : guide pour les débutants
Consultez ce guide pour les débutants afin de savoir comment les solutions Red Hat OpenShift AI et Red Hat Enterprise Linux AI peuvent accélérer votre parcours d'adoption de l'IA.
