Deux après le lancement de ChatGPT, l’IA générative fait tourner les têtes. Rarement une technologie n’aura suscité autant d’intérêt et été adoptée si rapidement. Les projets se multiplient dans les entreprises pour tenter de concrétiser la promesse de valeur des grands modèles de langage (LLM). 65 % des organisations utilisent régulièrement l’IA générative, selon une étude du cabinet McKinsey, soit le double qu’il y a dix mois.
Se pose toutefois la difficulté de sécuriser et d’embarquer cette IA générative au plus près des utilisateurs, notamment sur les sites industriels ou les entrepôts de logistique. L’entraînement puis l’inférence des LLM nécessite, en effet, une importante puissance de calcul, permise par les dernières générations de processeurs graphiques (GPU).
C’est tout le sens du partenariat que vient de nouer deux acteurs américains, l’opérateur télécom Verizon et le fabricant de puces Nvidia. Le premier apporte son expertise dans les réseaux de 5G privés et le mobile edge computing (MEC) et le second sa plateforme de calcul en périphérie de la plateforme Nvidia VAI Enterprise, ainsi que les micro-services NIM Nvidia dédié à l’inférence.
De l’IoT à l’IA générative
S’il faudra attendre 2025 pour voir les premiers démonstrations, cette alliance fait sens sur le papier. Elle offre la possibilité d’exécuter, en temps réel et directement sur site, les charges de travail et les applications d’IA. Ce traitement en mode local évite de solliciter des ressources dans le cloud ou de faire transiter des données à l’extérieur de l’entreprise.
Cette approche pourrait séduire les acteurs de l’industrie, de la logistique, de la distribution ou de la santé. Conçue pour être immédiatement opérationnelle en mode plug and play, cette plateforme de 5G privée alimentée par l’IA permet, selon le communiqué de Verizon, « aux développeurs tiers d’innover rapidement tout en s’adaptant aux évolutions de l’IA et aux divers besoins en connectivité. »
Au-delà des grands modèles de langage et de vision (LLM et VLM) de l’IA générative, la plateforme est conçue pour gérer des applications exigeantes en puissance de calcul, notamment la vision par ordinateur (computer vision), la réalité augmentée, virtuelle ou étendue (AR/VR/XR), les robots mobiles autonomes (AMR) et les véhicules à guidage automatique (/AGV) ou les solutions dédiées à l’Internet des objets (IoT).
Débit garanti, faible latence, sécurité accrue
Ces cas d’usage sont rendus possibles par les performances propres à la 5G privée. En disposant de son infrastructure en propre, indépendante du réseau public, une entreprise bénéficie d’une qualité de service garantie, en termes de débit et de temps de latence, tout en bénéficiant d’une sécurisation accrue.
Bande passante dédiée, « ultra-faible latence », sécurité et un contrôle renforcés sur les données et les applications… un réseau de 5G privé offre, a priori, l’environnement propice pour exécuter des charges de travail d’IA exigeantes et/ou sensibles.
En France, l’adoption de la 5G privée reste timide. Parmi les rares retours d’expérience, Alcatel Submarine Networks et ArcelorMittal ont communiqué sur leurs premiers cas d’usage en matière de digitalisation des process et de maintenance prédictive. L’arrivée de la 5G standalone et de ses nouvelles fonctionnalités comme le « network slicing » – découpage de réseaux virtuels avec des niveaux de service adaptés à chaque cas d’usage – devrait renforcer l’attrait pour les réseaux privatifs.