[Contenu Telquel Impact Spécial Gitex]
La solution la plus répandue consiste à utiliser des modèles existants (comme les grands modèles de langage), entraînés sur d’immenses volumes de données, puis adaptés aux besoins spécifiques via des données internes. Ces modèles sont généralement hébergés dans des centres de données opérés par des géants du numérique.
Cette approche est séduisante par sa simplicité et sa puissance, mais elle pose des problèmes majeurs : la perte de souveraineté qui se traduit par une dépendance technologique, des risques sur la confidentialité des données, et la vulnérabilité en cas de panne ou de décision externe. Même avec des techniques de chiffrement, ces enjeux restent difficiles à maîtriser.
Vers une IA souveraine et distribuée
Cependant, une alternative crédible émerge : le déploiement local de modèles open source. Il est en effet possible de télécharger des modèles déjà entraînés, de les adapter à des besoins spécifiques et de les faire fonctionner sur un nombre limité de machines équipées de GPU. Pour un usage interne, les performances obtenues sont comparables à celles des grandes infrastructures, tout en garantissant que les données restent entièrement sous contrôle.
Cette approche permet non seulement de préserver la souveraineté, mais aussi d’améliorer la résilience des systèmes et de mieux comprendre le fonctionnement des modèles. Elle offre également des avantages environnementaux en limitant le recours à des centres de données massifs, très gourmands en ressources.
Enfin, elle ouvre la voie à une démocratisation de l’IA : de nombreuses organisations disposent déjà des infrastructures nécessaires, souvent sous-utilisées. Comme l’a montré l’histoire du numérique, la combinaison de la miniaturisation du matériel et de l’optimisation des algorithmes rend progressivement ces technologies accessibles au plus grand nombre.
Dans cette dynamique, un logiciel développé à l’École Polytechnique Fédérale de Lausanne, baptisé Anyway Systems, se présente sous la forme d’un binaire compatible avec de nombreuses plateformes GPU, notamment CUDA (NVIDIA), Vulkan (AMD) et Metal (Apple Silicon).
Aucune librairie spécifique n’est requise pour que le logiciel fonctionne. Une seule ligne de commande sur chacune des machines suffit pour déployer en quelques minutes le modèle souhaité de manière distribuée en combinant les puissances de calcul de ces machines. Les machines doivent être sur le même réseau local. Toutefois, le système fonctionne hors ligne. Une connexion internet n’est pas requise pour faire tourner un modèle : seulement pour télécharger le modèle lors de son installation. Aucun octet ne sort ensuite du réseau local.
Par Rachid Guerraoui
Bio express
Rachid Guerraoui est professeur d’informatique à l’École Polytechnique Fédérale de Lausanne (EPFL), où il dirige le Laboratoire de calcul distribué. Il est également président du comité consultatif en informatique de l’Université Mohammed VI Polytechnique (UM6P), contribuant au développement de l’enseignement et de la recherche avancée en informatique en Afrique. Au cours de sa carrière, il a été affilié à plusieurs institutions de premier plan, notamment le Collège de France, l’Académie Européenne des Sciences, le Massachusetts Institute of Technology, les laboratoires Hewlett-Packard, et le Commissariat à l’énergie atomique à Saclay. Il a reçu de nombreuses distinctions internationales pour sa recherche et à été élu meilleur enseignant en informatique de l’EPFL.
