Selon la Modern Enterprise Readiness Study 2026 de Dell Technologies, 32% des décideurs interrogés citent les défis liés à la donnée – qualité, accès, gouvernance – parmi les principaux freins à la mise à l'échelle de l'IA dans leur organisation. Face à ce constat, Dell AI Data Platform, pilier data du Dell AI Factory avec NVIDIA, promet jusqu'à 200% de débit de streaming de données en plus pour les charges de travail d'IA et jusqu'à 12 fois plus de rapidité dans l'indexation vectorielle grâce à l'accélération NVIDIA.
Le vrai goulot d'étranglement n'est pas toujours là où on le cherche
En l'espace de deux ou trois ans, l'intelligence artificielle est passée du statut de curiosité technologique à celui d'investissement stratégique pour la quasi-totalité des grandes organisations. Les modèles se sont multipliés, les cas d'usage se sont affinés, les budgets ont suivi. Et pourtant, sur le terrain, la promesse tarde souvent à se concrétiser : les projets peinent à sortir du stade de pilote, les résultats ne sont pas à la hauteur des attentes, et la frustration s'installe.
La raison n'est presque jamais le modèle choisi. Elle se trouve un cran plus bas, dans ce qui l'alimente au quotidien : la donnée. Documents, images, vidéos, contrats, interactions clients : la donnée d'entreprise ne manque pas. Le problème, c'est que cette donnée reste verrouillée dans des silos, dispersée dans des dizaines de formats différents, et rarement pensée pour être exploitée à grande échelle. Résultat, la plupart des équipes n'en exploitent qu'une fraction, et les projets d'IA décrochent avant même d'avoir eu l'occasion de produire de la valeur.
Des exigences réglementaires qui se durcissent
Cette difficulté se complique encore à mesure que les usages évoluent, puisque chaque type de donnée appelle une méthode différente de traitement, d'indexation et de restitution, tandis que les exigences réglementaires ne cessent de se durcir. Dans ce contexte, un empilement d'outils assemblés au fil de l'eau – le fameux stack « fait maison » – a d'autant plus de mal à suivre le rythme. Chiffrement, contrôle des accès, traçabilité, souveraineté des données : ces exigences sont devenues non négociables, mais les architectures « bricolées » les intègrent rarement dès leur conception, ce qui oblige ensuite à les rattraper dans l'urgence.
Sans automatisation du cycle de vie des pipelines, les équipes data passent un temps considérable à maintenir des flux fragiles, pendant que l'indexation de volumes toujours plus importants de fichiers et leur intégration devient à elle seule un poste toujours plus coûteux.
Dell AI Data Platform : préparer la donnée à sa conception
C'est précisément ce changement de perspective qui distingue les organisations parvenant à sortir de la phase d'expérimentation. Plutôt que d'empiler des briques technologiques en espérant qu'elles finissent par tenir ensemble, elles choisissent de concevoir, en amont, un socle technologique complet pensé pour l'IA. C'est l'approche portée par la Dell AI Data Platform, le pilier data du Dell AI Factory avec NVIDIA.
Cette plateforme ouverte et modulaire repose sur un principe simple mais structurant : dissocier les moteurs de traitement accélérés par GPU d'une part, et le stockage d'autre part, afin que chacun puisse monter en charge de façon indépendante, le tout piloté par une orchestration de bout en bout plutôt que par des services de données greffés a posteriori sur l'infrastructure existante. Les équipes IT et data peuvent ainsi accélérer le passage du cas d'usage à la production, sans verrouillage propriétaire entre environnements hybrides et multicloud, et avec une gouvernance intégrée dès le premier jour.
La donnée, nouveau terrain de la compétitivité
Concrètement, cette architecture permet d'atteindre « jusqu'à 200% de débit de streaming de données en plus pour les charges de travail d'IA, et jusqu'à 12 fois plus de rapidité dans l'indexation vectorielle grâce à l'accélération NVIDIA » (source : données internes Dell et NVIDIA). De quoi transformer ce qui prenait auparavant des semaines de préparation de données en quelques minutes à peine. Et ce gain de temps est loin d'être un simple détail technique.
Dans un contexte où la plupart des organisations disposent, peu ou prou, des mêmes modèles et des mêmes fournisseurs cloud, la capacité à transformer rapidement une donnée dispersée en donnée exploitable devient l'un des rares véritables leviers de différenciation. Les organisations qui l'ont compris ne cherchent plus uniquement à sélectionner le meilleur modèle : elles investissent d'abord dans le socle technologique qui permettra à n'importe quel modèle de tenir ses promesses, aujourd'hui comme demain.
Cas concret : InstaDeep avec Dell AI Data Platform
Fondée à Londres en 2014, InstaDeep est une start-up spécialisée en intelligence artificielle, dont les travaux vont de la biologie à la logistique. Sa dernière innovation, DeepPCB, s'appuie sur l'apprentissage par renforcement et l'IA agentique pour automatiser entièrement le placement et le routage des circuits imprimés, ces composants présents dans les smartphones comme dans les machines industrielles. Là où leur conception mobilisait des ingénieurs pendant des jours, voire des semaines, DeepPCB divise le temps nécessaire par dix.
Ce résultat doit beaucoup à un choix anticipé : plutôt que d'attendre que ses ambitions dépassent ses capacités de calcul, InstaDeep a déployé Kyber, un cluster de supercalcul reposant sur des serveurs Dell PowerEdge de la série XE et des GPU NVIDIA H100, classé parmi les 100 premiers clusters d'IA au monde. Intégrée et optimisée avec l'appui de SCC France, cette infrastructure a permis des temps d'entraînement des modèles jusqu'à 40% plus rapides, et 30% de coûts en moins grâce à une meilleure utilisation des ressources.
« L'IA repose sur trois moteurs : les données, l'innovation des modèles et la puissance de calcul », résume Karim Beguir, cofondateur et CEO d'InstaDeep. Autant de gains qui libèrent les équipes de la gestion d'infrastructure pour se concentrer sur l'innovation.
Une brique parmi d'autres, pas une solution isolée
Cette approche s'inscrit dans une logique plus large, celle du Dell AI Factory avec NVIDIA, pensé comme un socle complet allant de la donnée prête pour l'IA jusqu'à l'IA agentique exécutée au plus près des équipes. Rendre la donnée prête n'est donc pas une fin en soi, mais bien la condition de départ pour que le reste de la chaîne – calcul, déploiement, mise à l'échelle – puisse, à son tour, tenir ses promesses.
