--- url: 'https://www.redhat.com/topics/cloud-computing/how-kubernetes-can-help-ai' title: "Kubernetes au service de l'IA/AA" date: '2024-11-20T22:53:14+00:00' updated: '2026-09-11T19:02:05+00:00' type: website summary: "Kubernetes peut assurer la cohérence de la portabilité, de l'évolutivité et de la reproductibilité du code dans divers environnements, un avantage clé pour les charges de travail d'IA/AA." tags: - Article - 'Red Hat OpenShift AI' - AI - 'Application services' - Cloud - 'Artificial intelligence' - Containers - 'Intelligence artificielle' image: 'https://www.redhat.com/profiles/rh/themes/redhatdotcom/img/logo-rh-og-image.png' published: true --- 1. [Sujets](/fr/topics "Sujets") 2. [Intelligence artificielle](/fr/topics/ai "Intelligence artificielle") 3. [Kubernetes au service de l'IA/AA](# "Kubernetes au service de l'IA/AA") # Kubernetes au service de l'IA/AA Publié 19 juillet 2024•*4* minutes (temps de lecture) URL copiéeLa copie a échouéCopier l'URL ## Raccourcis PrésentationConteneurs et IA/AAKubernetes et IA/AADéploiement de modèles d'AA sur KubernetesNos solutionsModèle de solution ## Présentation [Kubernetes](/fr/topics/containers/what-is-kubernetes) peut assurer la cohérence de la portabilité, de l'évolutivité et de la reproductibilité du code dans divers environnements, un avantage clé pour les charges de travail d'intelligence artificielle (IA) et d'apprentissage automatique (AA). Kubernetes est une plateforme Open Source qui automatise l'exploitation des conteneurs Linux en éliminant de nombreux processus manuels associés au déploiement et à la mise à l'échelle des applications conteneurisées. La technologie Kubernetes est essentielle pour rationaliser le cycle de vie de l'IA/AA, car elle offre aux équipes de science des données l'agilité, la flexibilité, la portabilité et l'évolutivité dont elles ont besoin pour entraîner, tester et déployer des modèles d'AA. [Découvrir Red Hat AI](/fr/products/ai) ## Rôle des conteneurs dans le développement de l'IA/AA Lors de l'assemblage d'applications axées sur l'apprentissage automatique, le workflow suivi n'est généralement pas linéaire, et les étapes de recherche, de développement et de production évoluent constamment dans le cadre de l'[approche CI/CD](/fr/topics/devops/what-is-ci-cd) (intégration et distribution continues). Les phases d'assemblage, de test, de fusion et de déploiement de données, d'algorithmes et de versions d'une application génèrent de nombreuses variables, ce qui complique la gestion. C'est là que les [conteneurs](/fr/topics/containers) entrent en jeu. Les conteneurs sont une technologie [Linux](/fr/topics/linux) qui permet de mettre en paquet et d'isoler des applications ainsi que toutes les bibliothèques et dépendances nécessaires à leur exécution. Les conteneurs ont uniquement besoin de composants spécifiques pour fonctionner, ce qui les rend légers et portables. Les équipes d'exploitation peuvent ainsi déployer des applications plus facilement, tandis que les équipes de développement sont sûres que leurs applications s'exécuteront de manière identique sur d'autres plateformes ou systèmes d'exploitation. En outre, les conteneurs aident à limiter les conflits entre les équipes en séparant les responsabilités de chacune : lorsque les équipes de développement peuvent concentrer leur attention sur les applications et les équipes d'exploitation sur l'infrastructure, du nouveau code peut être intégré plus facilement et efficacement à une application au fil de son développement et de son évolution tout au long du cycle de vie. [Commencer à assembler un environnement d'IA/AA](/fr/resources/building-production-ready-ai-environment-ebook) ## Ressources Red Hat [En savoir plus](/fr/resources "En savoir plus") ## Avantages de Kubernetes pour les charges de travail d'IA/AA **Évolutivité** : avec Kubernetes, il est possible de mettre à l'échelle les charges de travail d'AA en fonction de la demande. Les pipelines d'apprentissage automatique prendront en charge le traitement et l'entraînement à grande échelle, sans interférer avec les autres éléments du projet. **Efficacité** : Kubernetes optimise l'allocation des ressources en ordonnançant les charges de travail sur les nœuds en fonction de leur disponibilité et de leur capacité. L'utilisation optimale des ressources de calcul entraîne une réduction des coûts et une amélioration des performances. **Portabilité** : Kubernetes fournit un environnement standardisé et indépendant de toute plateforme qui permet aux équipes de science des données de développer un seul et unique modèle d'AA pouvant être déployé dans plusieurs environnements et sur plusieurs plateformes cloud. Cette approche leur évite tout problème de compatibilité et toute dépendance vis-à-vis d'un fournisseur. **Tolérance aux pannes** : grâce aux fonctionnalités de tolérance aux pannes et de réparation automatique intégrées à Kubernetes, les pipelines d'AA continuent de s'exécuter même en cas de défaillance matérielle ou logicielle. ## Déploiement de modèles d'AA sur Kubernetes Le cycle de vie de l'apprentissage automatique se compose d'éléments variés dont l'exploitation et la maintenance demanderaient beaucoup de temps et de ressources s'ils étaient gérés séparément. Avec une architecture Kubernetes, les entreprises peuvent automatiser des parties du cycle de vie de l'AA et éviter ainsi toute intervention manuelle pour gagner en efficacité. Les équipes de développement peuvent s'appuyer sur des outils tels que [Kubeflow](/fr/topics/cloud-computing/what-is-kubeflow) pour rationaliser et exécuter les charges de travail d'AA entraînées sur Kubernetes. Kubeflow permet de surmonter de nombreuses difficultés liées à l'orchestration des pipelines d'apprentissage automatique grâce à un ensemble d'outils et d'API qui simplifient le processus d'entraînement des modèles d'AA ainsi que leur déploiement à grande échelle. De plus, Kubeflow aide à standardiser et organiser les étapes du [MLOps](/fr/topics/ai/what-is-mlops). [Apprendre à mettre en œuvre Kubeflow sur OpenShift](https://cloud.redhat.com/blog/operationalizing-kubeflow-in-openshift) ## Nos solutions Si Kubernetes peut aider à rationaliser les charges de travail d'IA/AA, il faudra toutefois quand même adopter une plateforme pour l'expérimentation, la mise à disposition des modèles et la distribution des applications. Notre gamme de produits [Red Hat® AI](/fr/products/ai) repose sur des solutions que nos clients utilisent déjà en toute confiance. C'est ce qui permet à nos produits de rester fiables, flexibles et évolutifs. Red Hat AI offre les avantages suivants : - Accélération de l'adoption de l'IA et de l'innovation - Simplification de la distribution des solutions d'IA - Possibilité de déploiement dans tous les environnements ### Flexibilité pendant la mise à l'échelle Red Hat AI inclut [Red Hat OpenShift® AI](/fr/products/ai/openshift-ai), une plateforme MLOps intégrée qui permet de gérer le cycle de vie des [modèles d'IA générative et prédictive](/fr/topics/ai/predictive-ai-vs-generative-ai). Sur la base de cette plateforme d'IA, les équipes peuvent assembler, entraîner, déployer et surveiller des charges de travail d'IA/AA dans des datacenters sur site ou au plus près des données. Il leur est ainsi plus facile de faire évoluer les processus d'exploitation vers le cloud ou vers la périphérie du réseau si nécessaire. L'association de Kubernetes et des solutions Red Hat AI permet de distribuer des applications d'IA avec agilité dans les environnements de cloud hybride. [En savoir plus sur Red Hat OpenShift AI](/fr/products/ai/openshift-ai) ## Modèle de solution : applications d'IA avec Red Hat et NVIDIA AI Enterprise ### Créer une application RAG [Red Hat OpenShift AI](/fr/products/ai/openshift-ai "Red Hat OpenShift AI") est une plateforme qui sert à réaliser des projets de science des données et à distribuer des applications basées sur l'IA. Il est possible d'intégrer tous les outils nécessaires pour prendre en charge la [génération augmentée de récupération (RAG)](/fr/topics/ai/what-is-retrieval-augmented-generation "La génération augmentée de récupération, qu'est-ce que c'est ?"), qui permet d'obtenir des réponses d'une IA basées sur des documents de référence spécifiques. L'association d'OpenShift AI et de NVIDIA AI Enterprise permet d'utiliser des [grands modèles de langage (LLM)](/fr/topics/ai/what-are-large-language-models "Un grand modèle de langage, qu'est-ce que c'est ?") afin de trouver le modèle optimal pour chaque application. ### Concevoir un pipeline pour les documents Pour tirer parti de la RAG, il faut commencer par ajouter des documents dans une base de données vectorielle. Dans notre exemple d'application, nous intégrons un ensemble de documents relatifs à des produits dans une base de données Redis. Comme ces documents changent fréquemment, nous avons créé un pipeline qui sera exécuté régulièrement pour ce processus afin de garantir que l'IA disposera toujours des dernières versions des documents. ### Découvrir le catalogue de LLM NVIDIA AI Enterprise donne accès à un catalogue varié de LLM. Il est donc possible de tester plusieurs modèles et de sélectionner celui qui offre les meilleurs résultats. Les modèles sont hébergés dans le catalogue d'API de NVIDIA. Une fois le jeton textuel API configuré, il est possible de déployer un modèle directement à partir d'OpenShift AI, en utilisant la plateforme de mise à disposition des modèles NVIDIA NIM. ### Choisir le modèle le plus adapté Lors du test de différents LLM, les utilisateurs peuvent noter chaque réponse générée. Il est possible de configurer un tableau de bord de surveillance Grafana pour comparer les notes ainsi que la latence et le temps de réponse pour chaque modèle. Ensuite, ces données peuvent être utilisées pour choisir le meilleur LLM à utiliser en production. [](/rhdc/managed-files/solutions-pattern-nvidia.jpg) [Télécharger le PDF](/rhdc/managed-files/solution-pattern-RHOAI-NVIDIA-demo-dl.pdf) Ressource ### 15 bonnes raisons d'adopter Red Hat OpenShift Virtualization Découvrez comment Red Hat OpenShift Virtualization peut unifier et simplifier vos processus d'exploitation informatique, avec une plateforme unique pour les machines virtuelles et les conteneurs. [Télécharger la ressource](/fr/resources/15-reasons-adopt-openshift-virtualization-ebook?intcmp=RHCTG0250000451331 "15 bonnes raisons d'adopter Red Hat OpenShift Virtualization") ### Tous les essais de produits Red Hat Profitez de nos essais gratuits de produits pour renforcer votre expérience pratique, préparer une certification ou évaluer l'adéquation d'un produit avec les besoins de votre entreprise. [En savoir plus](/fr/products/trials "Tous les essais de produits Red Hat") ## En savoir plus ### Le MLOps, qu'est-ce que c'est ? Acronyme de Machine Learning Operations, le MLOps désigne un ensemble de pratiques de gestion des workflows qui vise à rationaliser le déploiement et la maintenance des modèles d'apprentissage automatique (AA). [Lire l'article](/fr/topics/ai/what-is-mlops "article | What is MLOps? [DO NOT OVERWRITE FR META]") ### L'IA souveraine, qu'est-ce que c'est ? L'IA souveraine est un concept qui repose sur la possession des technologies d'IA, la conservation des données au niveau local et l'adéquation des systèmes avec les valeurs uniques de l'entreprise et les exigences réglementaires. [Lire l'article](/fr/topics/ai/sovereign-ai "What is sovereign AI?") ### MLflow, qu'est-ce que c'est ? L'outil MLflow aide les équipes de développement à organiser les projets d'apprentissage automatique et d'intelligence artificielle, de l'expérimentation initiale au déploiement. [Lire l'article](/fr/topics/ai/what-is-mlflow "What is MLflow?") ### Intelligence artificielle : ressources recommandées ### Produit recommandé - #### [Red Hat OpenShift AI](/fr/products/ai/openshift-ai) Plateforme d'intelligence artificielle (IA) dont les outils permettent de développer, d'entraîner, de distribuer et de surveiller rapidement les modèles et les applications basées sur l'IA. [Voir tous les produits](/fr/products "Voir tous les produits") ### Ressources associées - Blog post [Introducing asago: Open source AI safety and governance orchestration](/fr/blog/introducing-asago-open-source-ai-safety-and-governance-orchestration) - Blog post [Why your AI agent framework isn't enough: 7 platform capabilities missing from production](/fr/blog/why-your-ai-agent-framework-isnt-enough-7-platform-capabilities-missing-production) - Blog post [The last mile problem in agentic AI: Why tool calling reliability is harder than it looks](/fr/blog/last-mile-problem-agentic-ai-why-tool-calling-reliability-harder-it-looks) - Blog post [Automate AI red teaming: Large language model risk identification and mitigation](/fr/blog/automate-ai-red-teaming-large-language-model-risk-identification-and-mitigation) ### Articles associés - [What is sovereign AI?](/fr/topics/ai/sovereign-ai) - [What is MLOps?](/fr/topics/ai/what-is-mlops) - [What is MLflow?](/fr/topics/ai/what-is-mlflow) - [What is Model Context Protocol (MCP)?](/fr/topics/ai/what-is-model-context-protocol-mcp) - [Agentic AI vs. generative AI](/fr/topics/ai/agentic-ai-vs-generative-ai) - [What is agentic AI?](/fr/topics/ai/what-is-agentic-ai) - [Introduction to Kubernetes architecture](/fr/topics/containers/kubernetes-architecture) - [MCP vs. APIs: What's the difference?](/fr/topics/ai/mcp-vs-apis) - [What is an AI platform?](/fr/topics/ai/what-is-an-ai-platform) - [What is container-native virtualization?](/fr/topics/containers/what-is-container-native-virtualization) - [What is generative AI?](/fr/topics/ai/what-is-generative-ai) - [What is a Kubernetes operator?](/fr/topics/containers/what-is-a-kubernetes-operator) - [What is container orchestration?](/fr/topics/containers/what-is-container-orchestration) - [What is Kubernetes?](/fr/topics/containers/what-is-kubernetes) - [RAG vs. fine-tuning](/fr/topics/ai/rag-vs-fine-tuning) - [What is PyTorch?](/fr/topics/ai/what-is-pytorch) - [AIOps explained](/fr/topics/ai/what-is-aiops) - [What is retrieval-augmented generation?](/fr/topics/ai/what-is-retrieval-augmented-generation) - [What are foundation models for AI?](/fr/topics/ai/what-are-foundation-models) - [What is machine learning?](/fr/topics/ai/what-is-machine-learning) - [What are large language models?](/fr/topics/ai/what-are-large-language-models) - [What are Granite models?](/fr/topics/ai/what-are-granite-models) - [What is distributed inference?](/fr/topics/ai/what-is-distributed-inference) - [What is Docling?](/fr/topics/ai/docling) - [What is Mixture of Experts (MoE)?](/fr/topics/ai/mixture-of-experts) - [What is AgentOps?](/fr/topics/ai/agentops) - [What are intelligent applications?](/fr/topics/ai/what-are-intelligent-applications) - [What is deep learning?](/fr/topics/ai/what-is-deep-learning) - [Understanding AI in telecommunications with Red Hat](/fr/topics/ai/understanding-ai-in-telecommunications) - [Why choose Red Hat Ansible Automation Platform as your AI foundation?](/fr/topics/automation/automation-and-ai) - [What is AI inference?](/fr/topics/ai/what-is-ai-inference) - [What is llm-d?](/fr/topics/ai/what-is-llm-d) - [AI infrastructure explained](/fr/topics/ai/ai-infrastructure-explained) - [What is LLMops](/fr/topics/ai/llmops) - [What is vLLM?](/fr/topics/ai/what-is-vllm) - [vLLM vs. Ollama: When to use each framework](/fr/topics/ai/vllm-vs-ollama) - [What is explainable AI?](/fr/topics/ai/what-explainable-ai) - [How vLLM accelerates AI inference: 3 enterprise use cases](/fr/topics/ai/how-vllm-accelerates-ai-inference-3-enterprise-use-cases) - [SLMs vs LLMs: What are small language models?](/fr/topics/ai/llm-vs-slm) - [VNF and CNF, what’s the difference?](/fr/topics/cloud-native-apps/vnf-and-cnf-whats-the-difference) - [What is AI security?](/fr/topics/ai/what-is-ai-security) - [Why use Red Hat Ansible Automation Platform with Red Hat OpenShift?](/fr/technologies/cloud-computing/openshift/ansible-on-openshift) - [What is Model-as-a-Service?](/fr/topics/ai/what-is-models-as-a-service) - [What is KubeVirt?](/fr/topics/virtualization/what-is-kubevirt) - [Edge computing with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/edge-computing) - [What is AI in the public sector?](/fr/topics/ai/what-is-ai-in-the-public-sector) - [What is enterprise AI?](/fr/topics/ai/what-is-enterprise-ai) - [Red Hat OpenShift on VMware](/fr/technologies/cloud-computing/openshift/vmware) - [Accelerate MLOps with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/aiml) - [Understanding agentic AI use cases](/fr/topics/ai/ai-ml-use-cases) - [What is InstructLab?](/fr/topics/ai/what-is-instructlab) - [What is parameter-efficient fine-tuning (PEFT)?](/fr/topics/ai/what-is-peft) - [LoRA vs. QLoRA](/fr/topics/ai/lora-vs-qlora) - [What is a Kubernetes cluster?](/fr/topics/containers/what-is-a-kubernetes-cluster) - [Predictive AI vs generative AI](/fr/topics/ai/predictive-ai-vs-generative-ai) - [What are hosted control planes?](/fr/topics/containers/what-are-hosted-control-planes) - [What are sandboxed containers](/fr/topics/containers/sandboxed-containers) - [Red Hat OpenShift vs. Kubernetes: What's the difference?](/fr/technologies/cloud-computing/openshift/red-hat-openshift-kubernetes-1) - [What is Podman Desktop?](/fr/topics/containers/what-is-podman-desktop) - [Containers vs. VMs: Why not both?](/fr/topics/containers/containers-vs-vms) - [What is Kubeflow?](/fr/topics/cloud-computing/what-is-kubeflow) - [Edge solutions for real-time decision making](/fr/topics/edge-computing/edge-solutions-real-time-decision-making) - [What is an image builder?](/fr/topics/linux/what-is-an-image-builder) - [What is Skopeo?](/fr/topics/containers/what-is-skopeo) - [What is Podman?](/fr/topics/containers/what-is-podman) - [What is the Kubernetes Java client?](/fr/topics/cloud-computing/what-is-kubernetes-java-client) - [Kubernetes on AWS: Self-Managed vs. Managed Applications Platforms](/fr/topics/containers/kubernetes-on-aws) - [What are Red Hat OpenShift Operators?](/fr/technologies/cloud-computing/openshift/what-are-openshift-operators) - [Red Hat OpenShift vs. OKD](/fr/topics/containers/red-hat-openshift-okd) - [What is edge AI?](/fr/topics/edge-computing/what-is-edge-ai) - [What is AI in healthcare?](/fr/topics/ai/what-is-ai-in-healthcare) - [What are predictive analytics](/fr/topics/automation/how-predictive-analytics-improve-it-performance) - [AI in banking](/fr/topics/ai/ai-in-banking) - [What is kubernetes security?](/fr/topics/containers/kubernetes-security) - [Using Helm with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/helm) - [Stateful vs stateless applications](/fr/topics/cloud-native-apps/stateful-vs-stateless) - [What is containerization?](/fr/topics/cloud-native-apps/what-is-containerization) - [What is service-oriented architecture?](/fr/topics/cloud-native-apps/what-is-service-oriented-architecture) - [What are microservices?](/fr/topics/microservices/what-are-microservices) - [What is container security?](/fr/topics/security/container-security) - [OpenShift vs. OpenStack: What are the differences?](/fr/technologies/cloud-computing/openshift/openshift-vs-openstack) - [What is Buildah?](/fr/topics/containers/what-is-buildah) - [Kubernetes vs OpenStack](/fr/topics/containers/kubernetes-ou-openstack) - [What is YAML?](/fr/topics/automation/what-is-yaml) - [What is Docker?](/fr/topics/containers/what-is-docker) - [What is high availability and disaster recovery for containers?](/fr/topics/containers/high-availability-containers) - [Why run Apache Kafka on Kubernetes?](/fr/topics/integration/why-run-apache-kafka-on-kubernetes) - [Spring on Kubernetes with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/spring) - [What is a golden image?](/fr/topics/linux/what-is-a-golden-image) - [What are Red Hat OpenShift cloud services?](/fr/technologies/cloud-computing/openshift/what-are-red-hat-openshift-managed-services) - [What is a container registry?](/fr/topics/cloud-native-apps/what-is-a-container-registry) - [Kubernetes security best practices](/fr/topics/containers/kubernetes-security-best-practices) - [Orchestrating Windows containers on Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/windows-containers-on-red-hat-openshift) - [What is a Linux container?](/fr/topics/containers/whats-a-linux-container) - [High performance computing with Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/high-performance-computing) - [Advantages of Kubernetes-native security](/fr/topics/containers/advantages-of-kubernetes-native-security) - [What is KubeLinter?](/fr/topics/containers/what-is-kubelinter) - [Intro to Kubernetes security](/fr/topics/containers/intro-kubernetes-security) - [Container and Kubernetes compliance considerations](/fr/topics/containers/compliance) - [How microservices support IT integration in healthcare](/fr/topics/microservices/microservices-in-healthcare) - [Kubernetes cluster management](/fr/technologies/cloud-computing/openshift/kubernetes-cluster-management) - [Red Hat OpenShift on IBM IT infrastructure](/fr/technologies/cloud-computing/openshift/what-is-red-hat-openshift-on-IBM-IT-infrastructure) - [Red Hat OpenShift for business leaders](/fr/technologies/cloud-computing/openshift/business-leaders) - [How to deploy Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/deploy-red-hat-openshift) - [Cost management for Kubernetes on Red Hat OpenShift](/fr/technologies/cloud-computing/openshift/cost-management) - [Red Hat OpenShift for developers](/fr/technologies/cloud-computing/openshift/developers) - [What is enterprise Kubernetes?](/fr/topics/containers/what-is-enterprise-kubernetes) - [What makes Red Hat OpenShift the right choice for IT operations?](/fr/technologies/cloud-computing/openshift/it-operations) - [Why choose Red Hat for Kubernetes?](/fr/topics/containers/why-choose-red-hat-kubernetes) - [What makes Red Hat OpenShift the right choice for SAP?](/fr/technologies/cloud-computing/openshift/sap) - [Kubernetes-native Java development with Quarkus](/fr/technologies/cloud-computing/openshift/quarkus) - [What is Kubernetes role-based access control (RBAC)](/fr/topics/containers/what-kubernetes-role-based-access-control-rbac) - [What was CoreOS and CoreOS container Linux](/fr/technologies/cloud-computing/openshift/what-was-coreos) - [Learning Kubernetes basics](/fr/topics/containers/learning-kubernetes-tutorial) - [What is the Kubernetes API?](/fr/topics/containers/what-is-the-kubernetes-api) - [What is Kubernetes cluster management?](/fr/topics/containers/what-is-kubernetes-cluster-management) - [What is a Kubernetes deployment?](/fr/topics/containers/what-is-kubernetes-deployment) - [Why choose the Red Hat build of Quarkus?](/fr/topics/cloud-native-apps/why-choose-red-hat-quarkus) - [What is CaaS?](/fr/topics/cloud-computing/what-is-caas) - [Introduction to Kubernetes patterns](/fr/topics/cloud-native-apps/introduction-to-kubernetes-patterns) - [What is Quarkus?](/fr/topics/cloud-native-apps/what-is-quarkus) - [What is Jaeger?](/fr/topics/microservices/what-is-jaeger) - [What is Clair?](/fr/topics/containers/what-is-clair) - [What is Knative?](/fr/topics/microservices/what-is-knative) - [What is etcd?](/fr/topics/containers/what-is-etcd) - [Why choose Red Hat for microservices?](/fr/topics/microservices/why-choose-red-hat-microservices) - [What is software-defined storage?](/fr/topics/data-storage/software-defined-storage) - [What is network-attached storage?](/fr/topics/data-storage/network-attached-storage) - [Why choose Red Hat for containers?](/fr/topics/containers/why-choose-red-hat-containers) - [What is a Kubernetes pod?](/fr/topics/containers/what-is-kubernetes-pod) [En savoir plus sur ce sujet](/fr/topics/ai "En savoir plus sur ce sujet")