Dell affirme que les architectures de stockage IA à espace de noms unique entrent en conflit avec les réalités de la gravité des données distribuées dans les entreprises, obligeant les GPU à attendre des données en raison de limitations architecturales non résolues.
Au cœur se trouve un choix fondamental : les données doivent-elles être acheminées vers la plate-forme de calcul, ou la plate-forme doit-elle aller là où résident les données ? Jon Hyde, directeur principal de la veille concurrentielle chez Dell, plaide en faveur de plates-formes de données d'IA fédérées sur des piles centralisées intégrées au stockage dans trois articles de blog.
Dans son premier article, Hyde affirme que les ensembles de données massifs comportent une gravité inhérente des données qui les enferme dans leurs emplacements d'origine : centres de données centraux, sites périphériques, régions de conformité souveraines, environnements SaaS, entrepôts de données et magasins d'objets appartenant aux unités commerciales. Considérée comme la règle la plus simple de l’IA d’entreprise, sa thèse affirme que les données restent là où elles atterrissent et que la plupart ne seront jamais déplacées.
De nombreuses frictions informatiques d'entreprise bloquent les architectures de données unifiées et propres : règles réglementaires et de souveraineté, verrouillage des applications, propriété concurrente des données, barrières contractuelles et financières, fragmentation des données de fusions et acquisitions, archives verrouillées par la conformité, données inconnues non cataloguées et silos organisationnels internes.
Il classe les données sous trois formes distinctes :
- Données brutes (poids lourd) : fichiers, enregistrements, images, vidéo, télémétrie, tableaux réglementés. Encombrant, lent et coûteux à déplacer, restant sur place pour des raisons opérationnelles tangibles.
- Métadonnées (couche descriptive) : balises, lignage, schémas, classifications, marqueurs de propriété. Léger et peu coûteux à répliquer, permettant à l'IA une visibilité sur tous les actifs sans mouvement de données physiques.
- Vecteurs (représentation sémantique) : intégrations mathématiques générées par l'IA, sensibles à la localité et alignées sur le GPU. Ils transmettent une signification contextuelle à travers les environnements sans transporter de données brutes sous-jacentes.
Hyde note que l'IA ne nécessite pas de déplacement de données brutes, mais uniquement des métadonnées et des vecteurs accessibles. Un catalogue de métadonnées offre une visibilité complète des actifs sur tous les systèmes pour les charges de travail d'IA, tandis que les index vectoriels alimentent le raisonnement sémantique entre environnements. Les données brutes lourdes, restreintes, détenues et sensibles à la latence, restent sur place, régies par ses équipes opérationnelles existantes. Les vecteurs présentent une sensibilité locale et une proximité GPU : soit les données brutes migrent vers les points de terminaison de vectorisation, soit les données sont intégrées localement avant que les vecteurs ne soient transférés vers l'infrastructure adjacente au GPU. Ce cadre sous-tend tout son argument.
Les données d’entreprise intrinsèquement distribuées divisent la conception des couches de données d’IA en deux philosophies opposées :
- Piles intégrées au stockage (illustré par VAST AI OS) : construites autour de la centralisation de grands ensembles de données dans un espace de noms unifié contrôlé par le fournisseur, couplant étroitement les services d'IA intégrés pour des opérations rationalisées. Ce modèle suppose que les données migreront vers la plate-forme pour justifier la consolidation et fonctionne bien pour les nouveaux déploiements d'IA.
- Plateformes de données d'IA fédérées (framework de Dell) : conçues sur le principe que les données d'entreprise restent distribuées en permanence, ce qui nécessite que la plateforme fonctionne aux côtés des emplacements natifs des données. La plate-forme de données AI de Dell combine PowerScale et ObjectScale avec un plan de contrôle fédéré pour accéder et traiter les données sur les systèmes de fichiers, le stockage d'objets, les entrepôts, les outils SaaS et les cloud publics, sans copies de données centralisées obligatoires. Il traite les données brutes, les métadonnées et les vecteurs comme des entités distinctes de première classe, gouverne les trois de manière cohérente et exploite des métadonnées et des vecteurs légers pour générer de la valeur tandis que les données brutes volumineuses restent en place.
Le deuxième blog de Hyde critique les architectures de stockage intégrées telles que VAST AI OS, car elles ignorent les réalités des données d'entreprise distribuées. Ces piles fonctionnent sur un principe rigide : tous les traitements de l'IA s'exécutent exclusivement sur les données ingérées dans leur espace de noms propriétaire, rendant les données externes invisibles pour la plateforme. Les fournisseurs fournissent des outils de migration, une consolidation du marché en tant que simplificateur opérationnel et des interfaces utilisateur unifiées qui masquent les paysages de données fragmentés du monde réel lors des démonstrations.
Les architectures regroupant les données brutes, les métadonnées et les vecteurs dans une seule catégorie monolithique se conforment par défaut au mandat imparfait de la migration massive des données. Les cadres qui différencient les trois couches laissent les données lourdes réglementées gouvernées localement, répliquent les métadonnées à l'échelle de l'entreprise et utilisent des vecteurs pour le raisonnement de l'IA inter-environnements. Un espace de noms unifié ne fonctionne que si les données brutes sont le seul actif pris en compte ; cela devient inefficace une fois que les métadonnées et les vecteurs sont reconnus comme des composants de base indépendants.
L'architecture fédérée de Dell fonctionne selon trois principes fondamentaux :
- Les données brutes restent à leur emplacement d'origine sous les équipes de gouvernance existantes
- Les métadonnées se répliquent à l'échelle mondiale, offrant à toutes les charges de travail d'IA une visibilité complète des actifs sur plusieurs sites
- Les vecteurs transportent le contexte sémantique dans l'environnement, permettant le raisonnement de l'IA sans déplacement des données brutes
Le troisième article de Hyde prouve que la conception fédérée de Dell surpasse la pile de stockage intégrée de VAST en ce qui concerne l'alimentation des données vers les GPU. Dell a publié en octobre 2025 des tests côte à côte sur les charges de travail de déchargement du cache KV vectoriel à l'aide du modèle Qwen3-32B, en s'appuyant sur des tests de référence internes Dell et des divulgations publiques VAST :
- PowerScale : 0,82 s de temps jusqu'au premier jeton (TTFT)
- Échelle d'objet : 0,86 s TTFT
- Vaste : 1,5 s TTFT
- vLLM de base sans déchargement du cache KV : 11,8 s TTFT
Il affirme que les architectures construites autour de la fourniture de GPU (traitant les données brutes comme des vecteurs sémantiques liés à la gravité et portables comme la couche transportable) amplifient l'avantage en termes de performances de Dell à chaque demande d'inférence. Les conceptions qui dépendent de l’ingestion de données brutes dans un espace de noms propriétaire souffrent de retards structurels inhérents.
Hyde reconnaît que VAST a publié des résultats mis à jour de déchargement du cache KV, notamment les benchmarks de décembre 2025 avec Nvidia Dynamo et CoreWeave citant un TTFT environ 20 fois plus rapide par rapport au recalcul et une efficacité GPU 90 % plus élevée. Cependant, ces tests utilisent des charges de travail et des lignes de base distinctes, aucun Qwen3-32B correspondant ne dépassant le chiffre VAST TTFT de 1,5 s publié.
Il exhorte les entreprises qui choisissent des architectures de données ciblées sur les GPU à poser une question cruciale : « Quelle utilisation du GPU cette plate-forme offrira-t-elle sur des charges de travail d'inférence réalistes avec un déchargement du cache KV, par rapport à des ensembles de données mixtes comprenant des sources réglementées, souveraines et verrouillées par des applications ?
Cette requête oblige les fournisseurs à résoudre des compromis structurels fondamentaux, à expliquer les limitations de performances lorsque les données ne peuvent pas être ingérées dans leurs espaces de noms, à publier des mesures reproductibles du TTFT, des jetons par seconde et du taux de réussite du cache sur des modèles open source modernes avec une méthodologie complète, et à répondre honnêtement à la préoccupation financière essentielle : combien de temps d'inactivité du GPU cette architecture crée-t-elle ?
Commentaire
Les ensembles de données vectorisées dépassent largement leurs données brutes sources. Les intégrations multiplient souvent le volume source d'origine de 3 à 20 fois ou plus par enregistrement, en fonction de la taille des morceaux de texte, de la dimensionnalité de l'intégration et des formats de stockage. Les ensembles de données sources sont divisés en morceaux discrets (paragraphes, fenêtres de jetons fixes) pré-intégrés pour une précision de récupération supérieure. Un morceau de texte standard de 250 à 500 mots équivaut à environ 0,5 à 2 Ko de texte brut, avec son vecteur correspondant souvent 3 à 10 fois plus grand.
Question clé non résolue : où a lieu la vectorisation et les ensembles de données vectorielles surdimensionnés sont-ils déplacés s'ils sont générés loin des GPU ? Leur volume important crée sa propre gravité des données. Les équipes déplacent les données brutes vers l'infrastructure d'intégration ou déplacent des ensembles de vecteurs complets vers le calcul de l'IA, luttant ainsi contre la gravité des données dans les deux scénarios. Nous avons signalé cette contradiction à Jon Hyde pour obtenir des éclaircissements supplémentaires.
Pékin Qianxing Jietong Technology Co., Ltd.
Sandy Yang/Directrice de la stratégie mondiale
WhatsApp/WeChat : +86 13426366826
Courriel : yangyd@qianxingdata.com
Site Web : www.qianxingdata.com/www.storagesserver.com
Objectif commercial :
Distribution de produits TIC/Intégration et services de systèmes/Solutions d'infrastructure
Avec plus de 20 ans d'expérience dans la distribution informatique, nous collaborons avec de grandes marques mondiales pour fournir des produits et des services professionnels fiables.
« Utiliser la technologie pour construire un monde intelligent » Votre fournisseur de services de produits TIC de confiance !
Votre message doit contenir entre 20 et 3 000 caractères!
French
