Contexte et objectifs
Dell Technologies a présenté, le 6 octobre 2026, une série d’extensions à son AI Data Platform. L’objectif déclaré est de réduire les frictions liées à la préparation des données pour les modèles d’IA agentiques, c’est‑à‑dire capables de raisonner et d’agir. Selon Arthur Lewis, président du groupe Infrastructure Solutions, le nouveau moteur de traitement de données doit être rapproché des systèmes de stockage afin de limiter les déplacements de données inutiles.
Architecture et nouvelles fonctionnalités
Le Data Processing Engine s’appuie désormais sur les GPU via la bibliothèque cuDF de Nvidia, ce qui permet l’accès zéro‑copy, le transfert mémoire‑à‑mémoire et le traitement distribué. Trois modules ont été ajoutés au Data Orchestration Engine : une Unified Semantic Layer, un Enterprise Knowledge Graph et des Knowledge Agents. La couche sémantique exploite des modèles ouverts pour générer à grande échelle des entités, des définitions et des relations, tout en conservant une validation humaine. Le Knowledge Graph intègre métadonnées structurées et non structurées, la lignée des données et l’historique des requêtes afin d’ajuster continuellement les connexions entre entités. Les Knowledge Agents, quant à eux, offrent une interface prompt‑based, avec contrôle d’accès, garde‑fous de qualité et limites de coût en jetons, tout en restant agnostiques vis‑à‑vis du modèle sous‑jacent.
Analyse des performances et limites
Sur le plan du stockage, Dell associe PowerScale, capable de supporter jusqu’à 16 000 GPU, ObjectScale, qui délivre jusqu’à 40 GB/s par nœud, et Lightning File System, décrit comme le système de fichiers parallèle le plus rapide pour les charges d’entraînement, de point de contrôle et d’inférence intensives. Cette combinaison vise à améliorer le ratio revenu‑par‑GPU en accélérant le passage des données brutes à un contexte exploitable par l’IA. Toutefois, la dépendance à des GPU massifs et à des interconnexions haute bande passante peut limiter l’adoption dans les environnements où les ressources matérielles sont plus modestes. De plus, la génération d’entités à l’aide de modèles ouverts nécessite un processus de validation humaine qui peut introduire des goulots d’étranglement si les équipes ne sont pas dimensionnées.
Implications pour les entreprises
En intégrant orchestration, stockage, sémantique et agents dans une même architecture, Dell propose une chaîne de valeur où chaque étape du pipeline de données est optimisée pour l’IA agentique. Les entreprises disposant déjà d’infrastructures PowerScale ou ObjectScale peuvent exploiter les nouvelles capacités sans refonte majeure. Néanmoins, la réussite dépendra de la capacité à maintenir la cohérence du Knowledge Graph face à l’évolution continue des sources de données et à gérer les coûts associés aux GPU et aux licences de modèles ouverts. En résumé, Dell mise sur une réduction du déplacement des données et sur une sémantique unifiée pour rendre le traitement des données plus efficace dans les scénarios d’IA avancée.
