Vertex AI : Google place AutoML et AI Platform sous une seule bannière

Vertex AI : une API pour unifier AutoML et AI Platform

Avec cette plateforme de machine learning managée, le fournisseur affirme qu’il répond aux besoins des entreprises de passer plus rapidement de l’expérimentation à la production. Prosaïquement, des analystes chevronnés, des data engineers et des data scientists peuvent appeler des modèles maisons ou des algorithmes AutoML depuis une seule interface. 

« Avec Vertex AI, il n’est pas nécessaire de construire [des modèles d’apprentissage automatique] nous-mêmes », déclare Kemal El Moujahid, directeur de la gestion des produits chez Google – TensorFlow. « Vertex AI s’en chargera. »

« Vertex AI répond à un besoin essentiel des entreprises, car la pandémie de COVID-19 a entraîné un essor spectaculaire de l’IA dans un contexte de profusion de technologies de la part des éditeurs », estime Chirag Dekate, analyste chez Gartner.

Cependant, « les organisations sont toujours bloquées par de nombreux processus de ML qui prennent beaucoup de temps et empêchent la plupart des modèles d’entrer en production », considère-t-il.

« Google lance une usine d’IA, une plateforme d’industrialisation de l’IA que les entreprises peuvent personnaliser et exploiter », assure-t-il. « L’objectif principal est d’accélérer la mise en production des modèles ».

« Vertex AI ajoute essentiellement à l’ancienne collection AI Platform de Google des fonctionnalités de services autoML recherchées par les data scientists. »

Kjell Carlsson, analyste chez Forrester, se veut plus pragmatique. « Vertex AI ajoute essentiellement à l’ancienne collection AI Platform de Google des fonctionnalités de services autoML recherchées par les data scientists, comme le suivi des expérimentations, un feature store (Vertex Feature Store) et la prise en charge des données tabulaires par AutoML [AutoML Tables N.D.L.R.] », indique-t-il.

Kjell Carlsson fait bien de parler « d’ancienne collection » puisque AI Platform ne fait plus référence à un patchwork de services, mais à une plateforme… unifiée sans AutoML toutefois ; un détail que le fournisseur a préféré taire lors de sa disponibilité générale il y a deux mois.

« Nouveaux » outils MLOps

Concernant les fonctionnalités MLOps, elles ne sont pas si nouvelles que ça. Le géant du cloud les a présentées en septembre 2020, mais a cédé aux sirènes du renommage. Par exemple, l’analyste de Forrester qualifie Vertex Continuous Monitoring « d’amélioration incrémentale », puisqu’il s’agit d’un complément à (Vertex) Continuous Evaluation, l’outil de suivi des expérimentations.

« C’est bien – ne vous méprenez pas – mais cela existait déjà auparavant », rappelle-t-il. « Peut-être que maintenant ils le rendent plus facile à consommer et à utiliser. Ce n’est pas une capacité révolutionnaire, mais c’est toujours très, très important. »

Plus remarquable dans ce domaine, c’est la fonctionnalité Vertex Pipelines, qui fournit « des connecteurs indispensables entre les processus », selon Kjell Carlsson. Vertex Pipelines s’appelait auparavant Managed Pipelines, et correspond à une version managée d’AI Platform Pipelines. Pour un profil technique, Vertex Pipelines est un moyen d’exécuter en mode serverless des pipelines ML complets (ingestion, préprocessing des données, entraînement, évaluation et déploiement des modèles) en utilisant Kubeflow Pipelines ou TensorFlow Extended. Vertex Pipelines est d’ailleurs un outil qui s’appuie sur les métadonnées contenues dans Vertex ML Metadata.

« Avoir tout cela géré et gouverné de manière centralisée, de sorte que le data engineer peut faire de l’apprentissage automatique de bout en bout, ou le data scientist peut faire du data engineering et collaborer sur la même plateforme, je ne l’ai jamais vu ailleurs », appuie Kjell Carlsson.

N’oublions pas de citer Vertex Vizier, pour optimiser par boîte noire les hyperparamètres des modèles les plus complexes ; Vertex Feature Store pour permettre aux usagers de classer et réutiliser des paramètres des modèles ; et Vertex Tensorboard (autrefois nommé Experiments), une version managée de Tensorboard, un outil pour suivre les métriques d’expérimentation lors de flux de travail d’apprentissage automatique.

Google Cloud a indiqué que plusieurs entreprises utilisent déjà Vertex AI.

ModiFace, une division de L’Oréal, le géant du maquillage et des cosmétiques, recourt au système pour entraîner ses modèles ML sur des milliers d’images provenant de la division de recherche de L’Oréal, afin de déployer de nouveaux services permettant, entre autres, aux consommateurs d’essayer des produits de beauté à partir d’une application de réalité augmentée.

Essence, une agence média mondiale, utilise Vertex AI afin que ses développeurs et analystes mettent à jour les modèles ML pour répondre à l’évolution des besoins marketing.

Ceux qui emploient déjà AI Platform ou AutoML, et qui souhaitent adopter Vertex AI, devront toutefois « migrer », c’est-à-dire effectuer quelques modifications de leurs environnements de data science. GCP promet que l’opération est gratuite, seule l’utilisation des services sous-jacents est facturée. En outre, Vertex AI ne change pas le modèle tarifaire.

Google renforce son empreinte en matière d’IA

La dernière offre de Google en matière d’IA semble donc le positionner comme le fournisseur le plus clairement associé à l’IA. GCP disposerait du plus grand arsenal d’outils d’IA et de ML, considère Chirag Dekate.

Cette expertise reconnue dans le domaine de l’IA pourrait aider Google à gagner des parts de marché et réaliser des incursions sur le territoire du numéro 2, Microsoft, d’après l’analyste chez Gartner. Au début de l’année 2021, AWS était en tête de la course aux services de cloud computing avec environ 33 % de parts de marché, contre 18 % pour Microsoft et 9 % pour Google, selon Synergy Research Group.