Introduction
Les coûts du cloud sont devenus ingérables pour de nombreuses entreprises, et l'utilisation de l'IA ne fait qu'aggraver le problème. En effet, 55 % des entreprises n'ont toujours pas vu de bénéfices de l'utilisation de l'IA, malgré les investissements importants réalisés.
Contexte Technique
L'IA a changé la façon dont les données sont traitées, passant d'un traitement par lots à un traitement en continu, avec des données complètes et des pipelines en temps réel. Cela a mis à mal les architectures cloud existantes, qui n'ont pas été conçues pour gérer de tels volumes de données.
Les entreprises paient de plus en plus cher pour le cloud, mais elles ne traitent qu'une petite fraction de leurs données, car traiter toutes les données coûterait trop cher. Les outils de FinOps, qui visent à améliorer la gestion des coûts, ne sont pas en mesure de résoudre ce problème.
Analyse et Implications
Les coûts du cloud sont directement liés aux coûts de traitement des données. L'IA a augmenté considérablement les coûts de traitement des données, car les architectures cloud existantes ne sont pas conçues pour gérer les volumes de données générés par l'IA.
Les entreprises qui arrivent à réduire leurs coûts ne le font pas grâce à la FinOps, mais en réorganisant leur couche de traitement des données pour qu'elle soit mieux adaptée aux besoins de l'IA. Cela signifie utiliser des matériaux plus efficaces, tels que les GPU, pour traiter les données, et non plus les CPU.
Perspective
Les entreprises doivent revoir leur approche en matière de traitement des données pour résoudre le problème des coûts du cloud liés à l'IA. La FinOps a un rôle à jouer, mais elle ne peut pas résoudre le problème à elle seule. Les entreprises doivent investir dans des solutions qui permettent de traiter les données de manière plus efficace, en utilisant les bons matériaux et en optimisant les workflows.
