Avec son approche Data Infrastructure as a Service, Volumez se positionne comme un acteur de l’optimisation des infrastructures cloud dédiées à l’intelligence artificielle et au machine learning, nous a expliqué John Blumenthal de Volumez. (Crédit S.L.)
En proposant aux entreprises une gestion plus efficace des ressources de stockage cloud pour l'IA et le machine learning, la start-up Volumez ambitionne de réduire significativement les coûts opérationnels, tout en garantissant des performances élevées.
L'essor des applications d'intelligence artificielle et de machine learning impose une pression croissante sur les infrastructures cloud. Face à cette situation, la start-up américano-israélienne Volumez, fondée en 2020 par Jonathan Amit, propose une solution alternative aux architectures de stockage traditionnelles. Avec le lancement de sa plateforme Data Infrastructure as a Service (DIaaS), l'entreprise ambitionne de répondre aux défis d'équilibrage des ressources en maximisant l'utilisation des GPU et en automatisant la gestion des flux de données.
Un besoin croissant d'optimisation des infrastructures cloud
Le marché de l'intelligence artificielle connaît une expansion rapide, avec un taux de croissance annuel estimé à 25,6 %, portant les investissements mondiaux à 301 Md$ en 2026, avant d'atteindre plus de 500 Md$ en 2027 selon les prévisions d'IDC. Malgré ces investissements considérables, de nombreuses entreprises peinent à exploiter pleinement leur capacité de calcul, confrontées à des infrastructures mal adaptées. Lors d'un IT Press Tour, fin janvier dans la Silicon Valley, John Blumenthal, chief product & business officer chez Volumez, nous a expliqué que la situation est préoccupante puisque 80 % des workflows d'intelligence artificielle sont aujourd'hui consacrés au diagnostic et au dépannage des opérations d'entrée et de sortie, au détriment des calculs proprement dits. Ce constat met en lumière un problème structurel majeur, celui du déséquilibre entre les capacités de stockage, de réseau et de calcul, qui entraîne une sous-utilisation des ressources et une explosion des coûts.
Une approche sans contrôleur
Contrairement aux solutions de stockage traditionnelles qui reposent sur un contrôleur centralisé, la plateforme développée par Volumez adopte une approche décentralisée. Grâce à un système d'analyse en profondeur des composants du cloud public, la solution est capable d'optimiser le placement des workloads et d'éliminer le gaspillage des ressources. John Blumenthal explique que la technologie mise en place permet de profiler chaque élément de l'infrastructure cloud, depuis la latence des SSD jusqu'à la bande passante du réseau, afin de garantir un alignement précis entre les besoins en calcul et les capacités de stockage disponibles. L'architecture repose sur des instances de stockage optimisées, directement intégrées aux environnements de calcul des clients grâce à une API et une bibliothèque PyTorch dédiée. En supprimant les goulets d'étranglement liés aux entrées et sorties, cette approche assure une latence inférieure à 300 microsecondes et garantit une performance stable et ajustée en fonction des charges de travail spécifiques.
Volumez gère les workloads intensifs en données grâce à son orchestrateur qui optimise l'utilisation des ressources de stockage cloud.
Des performances éprouvées sur MLPerf
Volumez a soumis son infrastructure au benchmark MLPerf Storage 1.0, qui évalue la capacité des solutions de stockage à supporter les charges de travail liées à l'intelligence artificielle. Les résultats obtenus démontrent la pertinence de cette approche, avec un débit de 1,10 téraoctet par seconde, une capacité de traitement atteignant 9,5 millions d'opérations d'entrée et de sortie par seconde et un taux d'utilisation des GPU maintenu à 92 % sur un total de 411 unités simulées. Ces performances témoignent de l'efficacité de la plateforme proposée par Volumez, qui permet d'exploiter au maximum les capacités des infrastructures cloud, sans nécessiter d'ajout massif de matériel ni de surprovisionnement coûteux.
Un modèle économique flexible pour réduire les coûts cloud
L'un des principaux avantages de la plateforme DIaaS réside dans sa capacité à adapter dynamiquement les infrastructures aux besoins réels des entreprises, évitant ainsi les coûts liés à une allocation excessive de ressources cloud. Une comparaison menée par Volumez entre sa solution et AWS io2 Block Express met en évidence des économies substantielles. L'optimisation des ressources permet notamment de réduire les dépenses globales de 75 %, avec une diminution de 92 % des coûts liés à la puissance de calcul et de 70 % des frais de stockage. John Blumenthal souligne que cette approche offre aux entreprises la possibilité de provisionner uniquement les ressources nécessaires à leurs charges de travail, éliminant ainsi toute forme de gaspillage et de surcoût. Cette gestion fine des infrastructures permet aux équipes techniques de se concentrer sur leurs tâches essentielles, sans devoir consacrer un temps considérable à l'optimisation manuelle des configurations cloud.
Agnostique en termes de fournisseurs cloud, la solution de Volumez capable de s'adapter à des environnements comme AWS, Azure, GCP ou autres, selon les besoins des entreprises.
Tarification et disponibilité
La solution Data Infrastructure as a Service développée par Volumez est d'ores et déjà disponible sur AWS et sera progressivement déployée sur d'autres fournisseurs cloud comme Azure, GCP et OCI. Grâce à un modèle économique basé sur une gestion dynamique des ressources, Volumez ambitionne donc de réduire significativement les coûts opérationnels, tout en garantissant des performances élevées. La tarification repose sur un modèle flexible basé sur la consommation réelle des ressources, permettant aux entreprises d'adapter leurs coûts en fonction de leurs besoins spécifiques. Difficile donc de se faire une idée plus précise des tarifs pratiqués par Volumez. En proposant une solution capable d'éliminer les goulets d'étranglement et de maximiser l'utilisation des GPU, l'entreprise apporte toutefois une réponse concrète aux défis rencontrés par les entreprises engagées dans le développement de modèles d'IA.
Suivez-nous