Il a passé plus de 30 ans à intégrer une infrastructure technologique pour les universités, les banques et les télécommunications. Lors de l’explosion complète de l’IA, nous avons parlé avec son PDG, José Juan Llanos, de la raison pour laquelle de nombreuses stratégies d’IA se sont déroulées avant d’entreprendre et parce qu’elles l’ont amené en un temps record à Supermicro comme fabricant de référence en projets d’IA.
Entretien avec José Juan Llanos, PDG de Nemix
Que pensent vraiment les clients quand ils veulent adopter IA ?
Il y a des cas d’utilisation très clairs, mais avec une idée qui peut diffuser ce qui est derrière. Hablan de modelos propios, inferencia en tiempo real, privacidad… mais n’a pas mesuré l’impact sur l’ordinateur, l’accumulation ou le rouge.
C’est ici que Nemix exerce son travail, traduisant une ambition commerciale en une architecture qui fonctionne. Parce que l’IA n’a pas failli au modèle, elle n’a pas failli à tout ce que l’on a fait.
Pourquoi Supermicro est-il un fabricant de référence pour des projets d’IA ?
Il s’agit d’un fabricant qui nous permet d’intégrer des solutions complètes sans prendre en compte une configuration unique. Nous travaillons avec tout votre écosystème technologique : serveurs rack, serveurs GPU, stockage, rouge… tout sous une même architecture. C’est donc notre flexibilité réelle à l’heure de concevoir la solution exacte dont chaque client a besoin.
Comment avez-vous modifié la demande de matériel Supermicro depuis que l’IA est entrée dans l’agenda des entreprises ?
Avant les projets, ils concernent principalement la virtualisation, l’exploitation et les services de l’entreprise générale. Maintenant, les clients s’inquiètent des GPU, de leur capacité d’inférence ou de leur escalade sans remplacement de tout ce que vous avez. Par conséquent, nous travaillons avec l’écosystème de Supermicro, car nous pouvons être à partir d’un serveur GPU en 1U avec des systèmes multinœuds à haute densité, comme cela est chaque client dans votre maturité d’IA. Pas tout le monde n’a besoin du mismo ni du même temps.
Et est-ce que cela change aussi comment concevoir les solutions ?
Totalement. La marge d’erreur est bien moindre. En IA, si le pipeline de données n’est pas bien conçu selon le principe, tout est là. Ce n’est pas comme ça que nous entrerons des modèles scientifiques dans une université qui détecte la fraude militaire sur le banc. Par conséquent, nous ne travaillons pas à partir d’un catalogue répertorié, mais à cause de la charge de travail réelle.
Quelle est l’erreur la plus habituelle que l’on rencontre dans les projets d’IA ?
Pensez uniquement aux GPU. Le titulaire est facile, mais le problème est peut-être sur un autre site : un stockage insuffisant, ce qui n’est pas nécessaire pour l’ancrage de la bande, ou une architecture de données qui ne s’intensifie pas. Et bien plus encore, nous envisageons le principe du logiciel et les licences nécessaires pour que tout fonctionne et qui ont un impact réel sur le coût et sur les temps du projet.
L’autre grande erreur n’est pas pensée dans le jour. Quién exploite cette infrastructure, comment se maintenir, comment évoluer. L’IA n’est pas un projet qui est en cours et qui est là ; c’est un système vivo. Et accompagner le client dans cette évolution est exactement ce que nous faisons chez Nemix.
