Contexte et enjeux
Selon leCUBE Research, plus de 80 % des données d’entreprise sont non structurées, incluant documents, vidéos, logs ou enregistrements audio. Cette masse reste largement inaccessible et sous‑exploité, ce qui limite la qualité des modèles d’intelligence artificielle qui s’appuient sur des jeux de données diversifiés.
Les acteurs du stockage doivent donc résoudre trois sous‑problèmes : la découverte de ces actifs, leur gouvernance sécurisée et le déplacement efficace vers les pipelines d’entraînement ou d’inférence. L’enjeu est amplifié par les exigences de conformité (audits, traçabilité) et par la nécessité de préparer les données pour les futures itérations de modèles.
Lors du Supermicro Open Storage Summit, les dirigeants de Hammerspace, Cloudian, Seagate et Supermicro ont présenté leurs réponses techniques à ce défi, en insistant sur l’interopérabilité entre hardware haute densité et logiciels définis par le stockage (SDS).
Architecture des solutions proposées
Supermicro mise sur des plateformes matérielles à haute densité capables d’héberger des serveurs « Context Memory » dédiés aux caches de clés‑valeurs (KV) des grands modèles de langage. Ces serveurs offrent un débit très élevé et une latence ultra‑faible, critères essentiels pour les charges d’inférence en temps réel.
Hammerspace fournit le global unified namespace et les mécanismes d’orchestration des données entre les différents niveaux de stockage. Cette couche abstraite permet aux applications IA de référencer les actifs sans connaître leur localisation physique.
Cloudian propose un stockage objet S3‑native, conçu pour gérer des pétaoctets d’objets non structurés. Le service intègre un cadre de gouvernance robuste (politiques de rétention, chiffrement, audit) afin de garantir que les données restent protégées et contrôlées tout au long de leur cycle de vie.
Seagate intervient en tant que fournisseur de disques durs de fin de chaîne, où les données « en fin de vie » sont archivées après leur utilisation active dans les pipelines IA, assurant ainsi une rétention économique à long terme.
Analyse des performances et limites
La combinaison d’un cache KV à faible latence et d’un namespace unifié réduit les temps de chargement des modèles de plusieurs secondes à quelques millisecondes, selon les tests internes de Supermicro. Cette amélioration se traduit par une augmentation du débit d’inférence, critique pour les services en ligne à forte demande.
En revanche, la dépendance à un écosystème de partenaires (Hammerspace, Cloudian, Seagate) crée une complexité d’intégration. Chaque couche ajoute des points de configuration et des exigences de compatibilité, ce qui peut ralentir les déploiements dans des environnements hybrides.
Le modèle de gouvernance de Cloudian, bien que complet, repose sur des métadonnées précises. Dans les environnements où les données sont mal cataloguées, le coût de mise en conformité peut dépasser les bénéfices attendus, surtout pour les petites organisations.
Enfin, le coût d’acquisition du matériel haute densité de Supermicro reste élevé. Les entreprises doivent équilibrer l’investissement initial avec les gains de performance, notamment lorsqu’une partie du workflow IA peut être externalisée vers le cloud public où les services de stockage objet sont déjà intégrés.
