Nvidia fait entrer l’intelligence artificielle en entreprise

Nvidia s’organise pour faciliter l’usage des technologies d’intelligence artificielle au sein des grands comptes. Ce qui nécessite des aménagements opérationnels.

« On a monté des équipes de gens qui vont discuter d’intelligence artificielle directement avec des grands comptes. C’est nouveau chez Nvidia mais on reste sur notre modèle de vente indirecte », évoque Serge Palaric.

Ce responsable connaît bien Nvidia compte tenu de son historique dans la société (14 ans). En avril, il a pris en avril les fonctions de responsable Entreprise chez Nvidia pour l’Europe du Sud (France, Italie, Espagne, Portugal et Turquie). A ce titre, il supervise une équipe dédiée à la partie système embarqué pour l’Europe.

La thématique IA est un bon moyen pour développer la notoriété de la firme américaine historiquement ancrée dans la production de processeurs graphiques (GPU) auprès de grands comptes comme BNP Paribas, Renault ou Bouygues Construction.

« On est là pour aider les entreprises car beaucoup d’entre elles se tournent vers l’IA pour essayer de résoudre des problèmes insolubles jusqu’à présent », évoque Serge Palaric lors d’un entretien avec Silicon.fr.

Expertise et écosystème de développement

L’initiative avait débuté aux Etats-Unis. Le concepteur des puces GPU Tesla et Titan apporte une expertise en matière de d’IA (en particulier le deep learning) mais aussi un écosystème, partenaires et start-up, pour les aider à développer des algorithmes spécifiques à leurs besoins.

« On veut être sûr que les gens comprennent bien ce que fait Nvidia et on discute avec les métiers pour identifier leurs besoins, vérifier que les technologies d’IA puissent y répondre et les orienter vers les solutions adéquates », commente Serge Palaric.

L’IA s’adresse-t-elle plus à certains secteurs qu’à d’autres ? « Si les problématiques sont différentes d’une industrie à l’autre, l’IA reste liée à la data et les contraintes propres à leur confidentialité », répond notre interlocuteur.

C’est pourquoi Nvidia présente son offre comme un écosystème qui englobe autant la partie datacenter que périphérique (edge).

Serge Palaric illustre son propos en évoquant des clients qui sont parti d’un projet Edge pour arriver dans le datacenter.

« Mais l’inverse est vrai aussi. On peut commencer la phase d’apprentissage dans le datacenter et exploiter la data dans d’autres systèmes. »

Et de citer l’exemple des robots industriels sur une ligne de production qui, bien que connecté au SI de l’usine et à son datacenter, ne peuvent se permettre de souffrir de latence lorsqu’ils lancent une requête.

« Une partie de l’intelligence et de l’ensemble des données est embarquée dans le robot pour lui fournir les instructions en millisecondes, soutient notre interlocuteur. Il y a plein de cas d’usage. »

Initiation à la carte

Pour y répondre, Nvidia propose un ensemble de produits. Lesquels partagent à la fois l’architecture GPU (de calculs parallèles) mais aussi l’écosystème de développement où les mêmes outils (SDK, profiler, débuggeur…) sont utilisés sur l’ensemble des plates-formes.

Avec, pour socle commun, le langage de programmation CUDA que Nvidia a lancé il y une dizaine d’année. « Cela nous permet de développer des SDK spécifiques à un vertical donné. » Et d’illustrer l’idée par le  concept maison Metropolis dédié aux smart cities.

Autant de développements qui seront exploitables sur les plateformes GPU V100, P100 destinées aux serveurs des partenaires constructeurs (HPE, Dell, etc.), aux Volta V100 que l’on retrouve notamment dans une instance Cloud chez d’Amazon Web Services (AWS) mais aussi sur les serveurs pour datacenter DGX1 de Nvidia et sa déclinaison DGX Workstation destinée aux développeurs.

« Facebook utilise beaucoup de DGX1 dans ses datacenters », nous confie Serge Palaric.

Les solutions GPU et logicielles ne sont pas les seules à aider l’entreprise créée par Jensen Huang pour attirer l’attention des grandes entreprises.

Nvidia organise également des Deep Learning Institute. Ces formations organisées par le constructeur directement ou des partenaires certifiés, permette de mettre le pied des développeurs intéressés à l’étrier.

« On repart de la base en les faisant travailler sur des algorithmes simples pour qu’ils s’imprègnent de ce qu’est l’IA, le deep learning, etc., et on leur donne un aperçu de ce qu’ils peuvent faire avec », explique le responsable.

La demande est de plus en plus importante. « Et on n’en est qu’au début », prédit notre interlocuteur.

Lire également
Carte graphique Titan V : Nvidia dégaine un monstre de puissance pour l’IA et le HPC
Intelligence artificielle : quelles compétences clés pour les entreprises ?
IA, IoT, blockchain… Les entreprises du numérique face aux innovations de rupture