Qu’est-ce que la modernisation des centres de données ?

Pour la plupart des entreprises, la modernisation des centres de données n’est pas un projet ponctuel, mais un processus continu. L’objectif est de passer de systèmes dépendants du matériel à une infrastructure définie par logiciel qui couvre à la fois l’infrastructure sur site, le cloud privé, le cloud public et les environnements en périphérie (edge), le tout géré comme un environnement unique.

La nécessité de tirer parti de l’intelligence artificielle (IA), des applications distribuées et du traitement en temps réel en périphérie a modifié les attentes des entreprises vis-à-vis des centres de données. Selon Goldman Sachs Research, les besoins en énergie des centres de données augmenteront de 50 % d’ici 2027 et atteindront 165 % des niveaux de 2023 d’ici 2030, principalement sous l’effet des workloads liés à l’entraînement et à l’inférence¹. Or, la plupart des anciens centres de données n’ont pas été conçus pour répondre à ces exigences.

Les centres de données ont été conçus pour une ère différente, où l’infrastructure traditionnelle reposait sur le calcul par processeur, des workloads prévisibles et un stockage centralisé.

Contrairement à l’entraînement des modèles, qui s’effectue dans de grandes installations centralisées, l’inférence par IA s’exécute de plus en plus en périphérie (par exemple dans les usines, les magasins de détail ou les sites distants). La modernisation s’étend désormais au-delà du centre de données central pour englober des sites distribués.

La souveraineté des données influe également sur le lieu d’exécution des workloads. De nombreux secteurs et territoires exigent que certaines données restent au sein de juridictions spécifiques, ce qui signifie que les décisions relatives au placement des workloads doivent tenir compte de l’emplacement des données et des réglementations applicables.

Les centres de données traditionnels suivaient un modèle centralisé. Chaque serveur physique exécutait une application distincte, les équipes connectaient des systèmes de stockage à des hôtes spécifiques et les configurations réseau nécessitaient une intervention manuelle. Ce modèle fonctionnait bien lorsque les workloads consistaient à exécuter des applications d’entreprise telles que les ERP (Enterprise Resource Planning) et les bases de données.

La transition vers les centres de données modernes a débuté avec la virtualisation des serveurs, qui a permis de dissocier les workloads du matériel physique et de faire partager des ressources par plusieurs applications sur un même serveur. L’infrastructure définie par logiciel a étendu ce principe au stockage et à la mise en réseau.

L’introduction des conteneurs et de Kubernetes a accru la portabilité, permettant aux applications de s’exécuter de manière cohérente sur les serveurs sur site, ainsi que sur les plateformes de cloud privé et de cloud public. Cette approche logicielle de la gestion de l’ensemble du centre de données est appelée « centre de données défini par logiciel » (SDDC).

Aujourd’hui, le centre de données moderne ne se limite plus à un emplacement fixe. Il s’étend aux installations centrales, aux plateformes cloud et aux sites en périphérie, les workloads étant déplacées en fonction des performances, des coûts, de la latence et de la conformité plutôt qu’en fonction de la proximité physique avec le matériel. Ce modèle de cloud hybride distribué offre aux entreprises la flexibilité nécessaire pour exécuter les workloads là où elles sont les plus performantes, tandis que les logiciels et l’automatisation pilotent le provisionnement et la gestion des ressources.

Les centres de données d’IA vont encore plus loin : ils sont conçus pour répondre aux exigences de taille et de performances des workloads d’entraînement de l’IA et d’inférence par IA, que les centres de données traditionnels étaient incapables de gérer.

Dans la plupart des installations, les workloads d’entreprise traditionnels s’exécutent toujours sur une infrastructure virtualisée sur site. À l’inverse, les applications cloud natives sont conçues pour s’exécuter simultanément sur des systèmes sur site et dans le cloud public, plutôt que d’être liées à un seul environnement.

Aujourd’hui, les workloads pilotés par l’IA imposent les exigences les plus élevées à l’infrastructure, nécessitant une puissance de calcul à forte densité de GPU, un stockage rapide et un réseau à faible latence. Les workloads de calcul haute performance (HPC) partagent bon nombre de ces exigences.

Au-delà du centre de données central, les workloads en périphérie prennent de l’ampleur à mesure que le machine learning (ML) et l’IA se déplacent vers des emplacements distribués plus proches de la source, s’exécutant sur des serveurs distants et des appareils IdO (Internet des Objets).

L’infrastructure moderne d’un centre de données englobe les systèmes assurant la puissance de calcul, le stockage et la protection des données. Voici un aperçu de ces composants :

• Matériel de calcul et adapté à l’IA : la modernisation du calcul implique de dépasser le stade des serveurs équipés uniquement de processeurs pour prendre en charge des workloads accélérés par GPU destinés à l’IA et au HPC. Les unités de traitement neuronal (NPU) gèrent l’inférence en périphérie, où l’efficacité énergétique est tout aussi importante que les performances brutes. Le matériel d’entreprise (IBM Z par exemple) combine des accélérateurs d’IA avec les capacités de sécurité requises par les secteurs réglementés tels que la finance et la santé.

• Stockage haute performance : les SSD NVMe et les systèmes de stockage sur disque réduisent la latence et augmentent le débit, tandis que le stockage défini par logiciel (SDS) dissocie la gestion du matériel physique. Ces capacités garantissent la cohérence des opérations, tant dans les environnements sur site et de cloud computing. De plus, le stockage objet gère les volumes importants de données non structurées générés par l’entraînement de l’IA et les workloads en périphérie.

• Réseaux définis par logiciel (SDN) et SDDC : les SDN appliquent une gestion pilotée par logiciel aux réseaux, au stockage et au calcul, remplaçant ainsi la configuration manuelle du matériel dans l’ensemble du centre de données.

• Virtualisation et infrastructure hyperconvergée (HCI) : la virtualisation des serveurs reste le fondement de la plupart des centres de données modernisés, permettant à plusieurs workloads de partager le matériel physique. La HCI va plus loin en combinant les ressources de calcul, de stockage et de réseau au sein d’une plateforme unique gérée par logiciel.

• Conteneurs et Kubernetes : les conteneurs regroupent les applications en unités portables qui s’exécutent de manière cohérente quel que soit l’environnement. Kubernetes gère leur déploiement et leur évolutivité dans des environnements hybrides à partir d’une plateforme unique.

• Automatisation et AIOps : la dissémination croissante des centres de données rend les opérations manuelles de plus en plus difficiles à gérer à l’échelle. L’automatisation et l’AIOps prennent en charge la surveillance, la réponse aux incidents et la planification des capacités à partir de données en temps réel.

• Alimentation électrique et refroidissement par liquide : les baies d’IA à haute densité consomment bien plus d’énergie que les configurations traditionnelles, ce qui oblige de nombreux centres de données à moderniser leurs systèmes d’alimentation électrique. Le refroidissement par liquide permet de gérer la chaleur que le refroidissement par air ne peut pas évacuer correctement.

• Sécurité et architecture zero-trust : la répartition des workloads sur un plus grand nombre d’environnements et de sites en périphérie multiplie les points d’entrée à sécuriser. La modernisation de la cybersécurité implique de passer de modèles basés sur le périmètre à des architectures zero-trust, dans lesquelles aucun utilisateur, appareil ou workload ne bénéficie d’un accès par défaut, quel que soit son emplacement sur le réseau.

La modernisation des centres de données offre toute une série d’avantages qui répondent aux besoins actuels des entreprises :

• Prise en charge de l’IA et des workloads modernes : la modernisation des centres de données fournit aux entreprises l’infrastructure nécessaire pour mener à bien l’entraînement de l’IA ainsi que l’inférence ou l’analyse par IA en temps réel, ce qui élimine les goulots d’étranglement inhérents aux systèmes hérités.

• Agilité accrue : l’infrastructure définie par logiciel et l’automatisation réduisent le temps nécessaire à l’allocation des ressources, au déploiement des applications et à la réponse aux demandes changeantes en matière de workloads. Les entreprises peuvent répartir les ressources entre les différents workloads sans modifier leur parc matériel.

• Réduction des coûts d’exploitation : la modernisation des centres de données permet d’optimiser l’infrastructure informatique afin d’en améliorer l’efficacité. Le transfert des workloads vers l’environnement le plus rentable, qu’il s’agisse d’une installation sur site, du cloud ou de la périphérie, réduit également les frais généraux liés à la maintenance d’une infrastructure sous-utilisée.

• Amélioration de la résilience : les centres de données modernes et l’architecture distribuée réduisent la dépendance vis-à-vis d’une installation ou d’une connexion particulière. Les workloads peuvent se poursuivre d’un environnement à l’autre, et les sites en périphérie peuvent continuer à fonctionner de manière autonome en cas de perte de la connectivité centrale.

• Sécurité renforcée : la modernisation des centres de données permet d’appliquer les politiques de manière cohérente dans tous les environnements distribués, tandis que le chiffrement moderne réduit l’exposition aux risques dans les centres de données, les plateformes cloud et les sites en périphérie.

• Conformité simplifiée : les entreprises peuvent diriger les workloads sensibles vers des sites ou des régions spécifiques et appliquer ces politiques via une gestion définie par logiciel plutôt que par une configuration manuelle.

• Durabilité : les infrastructures modernes sont plus économes en énergie que les systèmes hérités. Le refroidissement par liquide et le matériel économe en énergie contribuent à réduire l’empreinte environnementale des opérations des centres de données.

• Modernisation des applications : les conteneurs, Kubernetes et les plateformes multicloud hybrides fournissent aux équipes de développement les outils nécessaires pour passer d’applications monolithiques à des architectures de microservices. Cette approche améliore la vitesse de déploiement, la disponibilité et le temps de fonctionnement, offrant ainsi une meilleure expérience utilisateur.
  
  

Les projets de modernisation des centres de données sont complexes et constituent souvent un élément central d’une stratégie plus large de transformation numérique. Commencer par définir une stratégie claire et une feuille de route capable de s’adapter à l’évolution des technologies et des besoins métier revêt une importance bien plus grande que ne le pensent la plupart des entreprises.

De nombreuses grandes sociétés font appel aux services de conseil de fournisseurs de services (par exemple IBM, HPE) pour évaluer leur infrastructure actuelle et gérer la transition au niveau de l’architecture, de la sécurité et des opérations.

Avant toute décision relative à l’infrastructure, les entreprises doivent identifier les workloads qu’elles exécutent ainsi que leurs exigences en matière de performances, de sécurité et de conformité. Cela permet de mettre en évidence les dépendances héritées et de déterminer où chaque workload doit être placé.

Selon une étude de Deloitte, plus de 60 % des budgets informatiques sont encore consacrés à la maintenance des systèmes hérités, ce qui constitue souvent le premier obstacle rencontré par les programmes de modernisation².

Fixez des objectifs précis, tels que la réduction des coûts d’infrastructure, la prise en charge d’un cas d’utilisation spécifique de l’IA ou le respect d’une exigence de résidence des données.

Des objectifs précis permettent aux équipes de mesurer les progrès et de prendre des décisions en cours de route.

Tous les workloads ne sont pas destinés au cloud, et tous ne doivent pas nécessairement rester sur site. Les solutions cloud offrent une évolutivité et un accès plus rapide à de nouveaux services, tandis que l’infrastructure sur site donne aux entreprises un meilleur contrôle sur les performances et la conformité.

Pour les entreprises dont les installations ne peuvent pas prendre en charge une infrastructure d’IA à haute densité, la colocation mérite d’être envisagée dans le cadre de cette décision.

Une approche par étapes donne la priorité aux workloads présentant la plus grande valeur, réduisant ainsi le risque de temps d’arrêt et de perturbation des opérations essentielles à mesure que l’initiative progresse.

Les contrôles de sécurité, le suivi de la conformité et la gestion des coûts doivent faire partie intégrante de l’architecture de modernisation dès le départ. Cette approche inclut la sauvegarde et la reprise après sinistre, ainsi que la planification de la continuité des activités, afin que les opérations puissent se poursuivre en cas de défaillance d’un système ou d’échec de la migration.

La modernisation des centres de données ne s’arrête pas au déploiement. L’infrastructure nécessite une surveillance continue, l’application de correctifs, des mises à niveau et la gestion du cycle de vie.

Une expertise en matière de plateformes de services cloud, de Kubernetes et d’infrastructure d’IA est souvent requise, et les équipes informatiques ont besoin d’une formation continue pour accompagner l’évolution des services des centres de données et des nouvelles technologies.