fr.wedoany.com Rapport : RT-One et RAVEL annoncent un partenariat stratégique pour développer une plateforme fédérale d’infrastructure d’intelligence artificielle souveraine, reliant les opérations au Brésil, aux États-Unis et sur d’autres marchés internationaux. La plateforme vise à créer une architecture capable de répartir dynamiquement les charges de travail entre différents centres de données, clouds privés, environnements dédiés et infrastructures hybrides, tout en préservant la souveraineté numérique, la conformité réglementaire, les performances et la disponibilité.

L’évolution rapide de l’intelligence artificielle pose de nouveaux défis aux infrastructures numériques. Outre une demande croissante en puissance de calcul, les entreprises et les gouvernements doivent faire face à des contraintes énergétiques, une pénurie de GPU, des exigences réglementaires en matière de résidence des données et une hausse continue des coûts d’exploitation des environnements IA à grande échelle. Ce partenariat répond au principal défi actuel du secteur : l’offre d’infrastructures progresse moins vite que les avancées des applications d’IA. Ces dernières années, les opérateurs de centres de données ont été confrontés à de multiples limitations, notamment en matière d’approvisionnement électrique, de disponibilité des GPU haute performance et d’exigences réglementaires restreignant les flux de données internationaux.

La plateforme utilisera la technologie Orchestrate AI de RAVEL pour identifier automatiquement l’emplacement d’exécution de chaque application d’IA. Le système prendra en compte la disponibilité des ressources de calcul, la latence, les coûts d’exploitation, la consommation énergétique, l’intensité carbone et les exigences de stockage local des données. En intégrant différents environnements de calcul dans une couche d’orchestration unique, la plateforme vise à améliorer l’utilisation des ressources existantes et à réduire les goulots d’étranglement opérationnels. Une même application pourra s’exécuter à différents moments dans l’environnement le plus approprié, sans intervention humaine, optimisant ainsi performances, coûts et disponibilité.

Fernando Palamone, PDG de RT-One, a déclaré que l’évolution de l’intelligence artificielle nécessite un nouveau modèle d’infrastructure. « L’infrastructure IA de nouvelle génération doit être fédérale, souveraine et durable. L’extension d’un site unique ne peut répondre à la croissance de la demande », a-t-il souligné. Denise Muyco, PDG de RAVEL, a indiqué que les opérateurs de centres de données devront gérer des environnements de plus en plus distribués. « Les opérateurs doivent trouver un équilibre entre la croissance de la demande et les contraintes énergétiques, opérationnelles et réglementaires. L’intelligence opérationnelle devient aussi importante que la puissance de calcul elle-même », a-t-elle déclaré. La plateforme Orchestrate AI analyse en continu les ressources disponibles pour décider où exécuter chaque charge de travail : dans l’environnement local, le cloud public, le cloud privé ou une architecture hybride.

La plateforme soutiendra également le développement du campus IA de RT-One à Uberlândia, dans l’État du Minas Gerais au Brésil, un projet visant à devenir l’un des plus grands complexes de centres de données IA d’Amérique latine. Selon l’entreprise, l’architecture fédérale permettra de relier cet environnement à d’autres infrastructures internationales, formant ainsi un écosystème distribué de traitement des applications d’IA. Ce modèle est conçu pour les gouvernements, les organisations des secteurs réglementés et les grandes entreprises qui doivent conserver le contrôle de leurs données et respecter les exigences de souveraineté numérique. Selon les deux sociétés, cette approche améliore l’efficacité d’utilisation des GPU, la disponibilité des services et réduit le gaspillage des capacités installées. Ce partenariat s’inscrit dans la tendance du secteur de l’infrastructure IA à remplacer les modèles centralisés par des architectures fédérées, capables de combiner des ressources géographiquement distribuées tout en répondant aux exigences de performance, de durabilité, de gouvernance et de souveraineté des données.