Contexte et enjeux
Les entreprises accumulent des décennies de données archivées dans des systèmes de stockage hétérogènes. Avec le passage de l’IA des projets pilotes à la production, ces archives doivent devenir accessibles aux modèles d’apprentissage automatique. NetApp positionne son offre comme une réponse à ce besoin, en promettant de rendre les données utilisables pour l’IA sans réarchitecturer les dépôts existants.
Approche unifiée de stockage
Selon Jen Prenner, vice‑présidente senior du marketing produit, la plateforme NetApp couvre les trois principaux types de stockage : fichier, bloc et objet. Cette couverture permet aux clients de conserver leurs données où elles résident – dans le cloud public, sur site ou à la périphérie – tout en appliquant une couche d’abstraction unique. L’annonce d’un service de stockage entièrement géré sur l’infrastructure cloud d’Oracle, prévu dans les douze prochains mois, illustre la volonté de proposer une solution hybride sans créer de nouveaux silos.
Gestion de la protection et du contrôle
NetApp intègre la protection des données à chaque niveau de la pile. La société combine ses propres outils de sauvegarde avec le partenariat élargi de Commvault Systems, offrant ainsi des fonctions de réplication, de restauration et de conformité. Le plan de contrôle nommé "Console" fonctionne également en déploiement local, ce qui est essentiel pour les environnements isolés du cloud. Prenner souligne que la même interface permet la gestion de la flotte, l’observabilité, le reporting et les actions de remédiation, évitant ainsi la multiplication d’équipes et d’outils.
Perspectives et limites
En s’appuyant sur trente ans d’expérience dans le stockage, NetApp mise sur la couche d’infrastructure pour faciliter l’accès aux données par les charges de travail IA. Toutefois, la stratégie repose sur la capacité des clients à migrer leurs applications vers la couche unifiée sans modifier les schémas de données. Aucun indicateur de performance (latence, débit) n’est fourni dans l’annonce, ce qui rend difficile l’évaluation de l’impact sur les modèles d’IA à grande échelle. De plus, la dépendance à un fournisseur cloud externe (Oracle) peut introduire des contraintes de compatibilité pour les organisations déjà engagées avec d’autres plateformes.
