Présentation
Dell Technologies a enrichi son Dell AI Data Platform avec trois composants majeurs : le Unified Semantic Layer, le Enterprise Knowledge Graph et les Knowledge Agents. L’objectif est de fournir aux agents d’intelligence artificielle un contexte fiable tiré des données internes de l’entreprise, même lorsque ces données n’ont jamais été conçues pour être lues par des agents. Les nouvelles fonctionnalités sont destinées aux fournisseurs de services IA et aux organisations qui exploitent des plateformes partagées.
Architecture sémantique et graphe de connaissances
Le Unified Semantic Layer impose une définition unique des concepts métier et des règles d’entreprise à toutes les applications. Il intègre les ontologies déjà existantes, ce qui évite aux agents de devoir deviner si les entités « client » et « compte » désignent le même individu. Le Enterprise Knowledge Graph capture les relations entre les tables, les index vectoriels et les sources de données, quel que soit leur emplacement. Lorsqu’un agent interroge le système, le graphe identifie les ensembles de données pertinents et les rend accessibles dans les limites de la politique d’accès. Les Knowledge Agents, construits sur ce graphe, se spécialisent par sujet et ne traitent qu’une tranche définie de données, ce qui permet aux clients de contrôler la visibilité et la consommation de jetons par agent.
Accélération GPU et performances
Le moteur de traitement des données s’appuie sur les GPU Nvidia via la bibliothèque cuDF. Des tests internes réalisés en septembre sur un serveur PowerEdge R770 équipé de GPU Nvidia RTX PRO 4500 Blackwell Server Edition montrent que les jobs Apache Spark sont, en moyenne, 3,9 fois plus rapides que sur CPU seuls. Le pic de performance atteint 20,4 fois d’accélération pour un job de data mining par lots, sans aucun réglage fin des paramètres. Le transfert de données entre le stockage Dell et le moteur s’effectue grâce à Apache Arrow, qui permet de requêter les données en place, réduisant ainsi les copies inutiles. Le stockage PowerScale supporte jusqu’à 500 locataires par cluster, avec un contrôle d’accès granulaire basé sur les rôles et un chiffrement NFS mutuel TLS.
Implications et limites
En centralisant le contexte sémantique et les relations de données, la plateforme réduit le nombre de requêtes tokenisées nécessaires aux agents, ce qui diminue les coûts d’utilisation des modèles LLM. Cependant, le traitement reste dépendant de l’infrastructure locale du client, ce qui impose des exigences de capacité GPU et de gestion du stockage. Les performances annoncées proviennent de scénarios de benchmark standardisés ; des charges de travail réelles pourraient nécessiter un tuning supplémentaire pour atteindre les gains maximaux. Les mises à jour prévues – déploiement du Semantic Layer, du Knowledge Graph et des Knowledge Agents au premier semestre 2027, extensions multitenant de PowerScale en novembre, et accélération du Data Processing Engine en décembre – indiquent une feuille de route progressive, mais les organisations devront planifier les investissements matériels et les ajustements de sécurité avant de tirer pleinement parti de ces capacités.
