IA cloud : les hyperscalers en pole position chez Gartner

AWS, Microsoft, Google et IBM : ils sont quatre « leaders » dans le domaine des « services cloud d’IA pour les développeurs ». Tout du moins selon Gartner.

Le cabinet vient de publier son premier Magic Quadrant sur cette thématique.

Son classement prend en compte les fornisseurs dont l’offre chacun des trois domaines suivants :

• Langage (transcription, extraction de données, chatbots, création de texte, synthèse vocale, traduction, analyse du sentiment…)
• Vision (reconnaissance d’images, analyse de contenus vidéo, OCR…)
• Machine learning automatisé (préparation de données, développement de fonctions, conception et gestion de modèles…)

Par « services cloud d’IA pour les développeurs », Gartner entend, de manière générale, ceux hébergés dans le cloud et permettant l’exploitation de capacités d’intelligence artificielle via des API, sans nécessiter d’expertise en data science.

Le marché est « loin d’être mature », reconnaît le cabinet. En 2019, seulement 2 % des entreprises utilisaient de tels services pour enrichir leurs applications. Mais le taux pourrait passer à 40 % en 2023.

La question des coûts

En l’état, AWS se positionne comme le leader. Son portefeuille est vaste et a d’autant plus de visibilité que le groupe américain a une forte empreinte sur les autres services cloud. Il s’assortit d’un large éventail de supports pédagogiques destinés à prendre en main le machine learning. Au-delà des formations en ligne, il y a la caméra DeepLens, orientée sur la formation à l’apprentissage profond sous l’angle de la vision par ordinateur. Ou encore DeepRacer, voiture de course au 1/18 pour les projets d’apprentissage par renforcement.

Demeurent néanmoins des points de vigilance. En premier lieu, la profondeur du catalogue, susceptible de complexifier le choix entre les offres.
Pendant la période d’évaluation des différentes solutions du marché, manquaient par ailleurs à SageMaker des capacités-clés telles que le suivi des modèles actifs et des outils d’explicabilité. Ils ont néanmoins été ajoutés depuis lors.
Autre élément à surveiller : les coûts. Ils peuvent se révéler plus élevés que prévu lors du passage en production.

Chez Microsoft, Gartner souligne la flexibilité que procure la combinaison des approches symbolique et non symbolique. Il salue également les nombreuses options de déploiement disponibles.

Au rang des points de vigilance figurent l’absence d’offre NLG (génération de langage naturel), la stratégie de branding difficilement lisible et le modèle de relation très largement indirect avec le client.

Google multilingue, IBM multicloud

Google se distingue sur la prise en charge linguistique. Au moment de l’évaluation, on en compte 22 sur les outils de développement de chatbots, 64 sur les services de transcription, 104 sur la traduction et plus de 200 sur l’OCR.

Sur la partie vision, Gartner met en avant la capacité de déployer en conteneurs le service de reconnaissance d’images. Ainsi que l’outil What-If pour l’explicabilité.

Les options de déploiement sont plus limitées. La plupart des services évalués n’étaient disponibles que sur le cloud public de Google – à l’exception des services Vision utilisables en edge et des kits Mobile ML.

Pour ce qui est d’IBM, Gartner relève les capacités avancées des différents algorithmes proposés dans le cadre de l’offre Watson Studio. Ainsi que la cohérence des solutions de machine learning automatisé, particulièrement pour la sélection d’algorithmes.

Parmi les points noirs, une offre fragmentée. En l’occurrence, divers produits gérés par diverses équipes, avec diverses tarifications et à divers stades de maturité. L’intégration peut se révéler délicate et poser des problèmes de compatibilité. La stratégie multicloud d’IBM laisse cependant augurer de meilleurs jours en la matière.

Autre grief : des coûts et des KPI difficiles sur la partie machine learning automatisé. En particulier sur l’entraînement des algorithmes.

Illustration principale © Peshkova – Shutterstock.com