Contexte et partenariat
NetApp a annoncé, avec Iterate.ai, une offre centrée sur l'AIPod Mini, un appareil clé en main destiné à exécuter des modèles à poids ouvert (open‑weight models) sur l’infrastructure de stockage du client. L’objectif déclaré est de garder le modèle, le matériel et les données sous le contrôle de l’entreprise, évitant ainsi le transfert d’informations vers des services cloud externes. Cette approche répond à la maturité croissante des modèles privés, qui, selon Ashish Dhawan de NetApp, s’approchent désormais des performances des systèmes propriétaires de pointe.
Architecture de l'AIPod Mini
L’appareil s’appuie sur le protocole ONTAP de NetApp, éprouvé dans les environnements de stockage d’entreprise. Au‑dessus de cette couche, le logiciel Generate d’Iterate.ai intègre un grand modèle de langage (LLM) pré‑entraîné, permettant d’exécuter localement toutes les requêtes d’IA. Le dispositif est fourni avec plus de 200 modèles d’agents, plus de 200 compétences et l’accès à plus de 800 outils, facilitant la création de flux de travail automatisés sans connexion internet. La combinaison du stockage NetApp et du processeur intégré de l’AIPod Mini crée un environnement où la mémoire (les données stockées) et le contexte (les modèles) sont co‑localisés, réduisant la latence d’accès aux informations historiques de l’entreprise.
Performances observées
Dans un déploiement chez un assureur, l’analyse d’un rapport d’accident, qui nécessitait habituellement huit heures d’intervention humaine, a été réalisée en huit minutes grâce aux agents automatisés. Un autre cas d’usage dans le secteur hospitalier a permis d’identifier 17,4 M$ de factures refusées pour un hôpital facturant 150 M$ annuellement. Ces résultats illustrent la capacité du système à transformer des processus manuels lourds en traitements quasi‑instantanés, tout en conservant les données sensibles sur site.
Enjeux de gouvernance et limites
Le contrôle d’accès reste un point central : les agents autonomes doivent être soumis à des politiques de permission strictes, ce que la plateforme NetApp facilite via ses fonctions de gouvernance intégrées. Cependant, la performance dépend fortement de la taille du modèle embarqué et de la capacité de stockage disponible. NetApp a également présenté Novus, une architecture de stockage conçue pour des capacités de l’ordre du zettabyte, destinée aux « usines d’IA ». L’efficacité de cette solution à grande échelle reste à valider, notamment en termes de coût énergétique et de gestion thermique. Enfin, l’absence de métriques publiques détaillées sur la précision des modèles open‑weight empêche une comparaison fine avec les solutions propriétaires.
