3 min de lecture<\/p>\n
En bref (EB) :<\/strong> Zoom et NVIDIA red\u00e9finissent les fondements techniques de l\u2019IA en entreprise. Au c\u0153ur de cette \u00e9volution figure une architecture f\u00e9d\u00e9r\u00e9e qui combine intelligemment des mod\u00e8les linguistiques sp\u00e9cialis\u00e9s, des mod\u00e8les de raisonnement performants et une infrastructure acc\u00e9l\u00e9r\u00e9e par GPU\u2026<\/p>\n Zoom et NVIDIA red\u00e9finissent les fondements techniques de l\u2019IA en entreprise. Au centre se trouve une architecture f\u00e9d\u00e9r\u00e9e qui associe intelligemment des mod\u00e8les linguistiques sp\u00e9cialis\u00e9s, des mod\u00e8les de raisonnement puissants et une infrastructure acc\u00e9l\u00e9r\u00e9e par GPU. Objectif : r\u00e9duire la latence, ma\u00eetriser les co\u00fbts et d\u00e9ployer des fonctionnalit\u00e9s IA \u00e9volutives dans des environnements d\u2019entreprise soumis \u00e0 une r\u00e9glementation stricte.<\/strong><\/p>\n En \u00e9tendant sa plateforme IA AI Companion, Zoom<\/strong> op\u00e8re une rupture claire avec les piles monolithiques d\u2019IA. Plut\u00f4t que d\u2019utiliser un seul grand mod\u00e8le linguistique (Large Language Model, LLM) pour toutes les t\u00e2ches, Zoom orchestre d\u00e9sormais plusieurs classes de mod\u00e8les au sein d\u2019une architecture f\u00e9d\u00e9r\u00e9e. Chaque requ\u00eate est ainsi attribu\u00e9e au mod\u00e8le techniquement le mieux adapt\u00e9 \u00e0 l\u2019exigence sp\u00e9cifique.<\/p>\n Les t\u00e2ches simples et critiques en termes de latence – comme la transcription, la traduction ou la g\u00e9n\u00e9ration de r\u00e9sum\u00e9s – s\u2019ex\u00e9cutent sur des petits mod\u00e8les linguistiques (Small Language Models, SLM) propri\u00e9taires. Les t\u00e2ches complexes n\u00e9cessitant un haut niveau de raisonnement sont transf\u00e9r\u00e9es \u00e0 un LLM finement ajust\u00e9.<\/p>\n Le c\u0153ur de cette extension r\u00e9side dans l\u2019int\u00e9gration de la technologie ouverte NVIDIA Nemotron<\/strong>. Zoom l\u2019utilise comme base pour d\u00e9velopper son propre LLM de quarante-neuf milliards de param\u00e8tres, con\u00e7u \u00e0 l\u2019aide des outils NeMo de NVIDIA<\/strong>. L\u2019accent n\u2019est pas mis sur la taille maximale du mod\u00e8le, mais sur un \u00e9quilibre techniquement optimis\u00e9 entre pr\u00e9cision, charge de calcul et co\u00fbts.<\/p>\n Gr\u00e2ce \u00e0 cette architecture ouverte, Zoom peut int\u00e9grer dynamiquement \u00e0 la fois ses propres mod\u00e8les et des services IA externes. Pour les entreprises, cela signifie une plus grande ind\u00e9pendance technologique ainsi que la possibilit\u00e9 d\u2019adapter de mani\u00e8re flexible les charges de travail IA aux exigences r\u00e9glementaires, \u00e9conomiques ou op\u00e9rationnelles.<\/p>\n Un levier technique essentiel est l\u2019int\u00e9gration profonde avec la pile logicielle et mat\u00e9rielle GPU de NVIDIA. L\u2019acc\u00e9l\u00e9ration des processus d\u2019inf\u00e9rence r\u00e9duit sensiblement les temps de r\u00e9ponse de l\u2019AI Companion. Parall\u00e8lement, les cycles de d\u00e9veloppement peuvent \u00eatre raccourcis, car les nouvelles fonctionnalit\u00e9s deviennent rapidement exploitables sur le march\u00e9.<\/p>\n Pr\u00e9cis\u00e9ment dans les sc\u00e9narios collaboratifs – tels que les r\u00e9unions ou les chats en direct – une faible latence est d\u00e9cisive. La nouvelle architecture r\u00e9pond \u00e0 ce d\u00e9fi de fa\u00e7on syst\u00e9mique, non seulement au niveau applicatif, mais directement au c\u0153ur m\u00eame de l\u2019IA.<\/p>\n Un autre axe technique majeur concerne la g\u00e9n\u00e9ration augment\u00e9e par recherche (Retrieval-Augmented Generation, RAG). La nouvelle architecture acc\u00e9l\u00e8re l\u2019acc\u00e8s aux sources de connaissances externes et aux syst\u00e8mes m\u00e9tiers. L\u2019AI Companion peut ainsi traiter de fa\u00e7on contextuelle des contenus provenant de plateformes telles que Microsoft 365, Google Workspace, Slack, Salesforce ou ServiceNow, sans avoir besoin de r\u00e9pliquer durablement les donn\u00e9es. Ainsi, l\u2019usage de l\u2019IA \u00e9volue depuis des fonctions d\u2019assistance isol\u00e9es vers une couche de travail int\u00e9gr\u00e9e, qui respecte et compl\u00e8te les paysages syst\u00e8mes existants.<\/p>\n Cette architecture f\u00e9d\u00e9r\u00e9e est explicitement con\u00e7ue pour les secteurs caract\u00e9ris\u00e9s par des exigences \u00e9lev\u00e9es en mati\u00e8re de conformit\u00e9. Les secteurs financier, de la sant\u00e9 et de l\u2019administration publique b\u00e9n\u00e9ficient du fait que les donn\u00e9es sensibles ne doivent pas n\u00e9cessairement \u00eatre transf\u00e9r\u00e9es de fa\u00e7on globale vers un mod\u00e8le externe. \u00c0 la place, l\u2019architecture prend des d\u00e9cisions granulaires quant au lieu et \u00e0 la mani\u00e8re dont les donn\u00e9es sont trait\u00e9es. Zoom se positionne ainsi clairement, sur le plan technique, pour des sc\u00e9narios o\u00f9 la protection des donn\u00e9es, la souverainet\u00e9 des donn\u00e9es et des flux de travail IA contr\u00f4lables priment sur la taille maximale du mod\u00e8le.<\/p>\n \n”<\/span><\/p>\n L\u2019objectif : r\u00e9duire la latence, ma\u00eetriser les co\u00fbts et d\u00e9ployer des fonctionnalit\u00e9s IA \u00e9volutives dans des environnements d\u2019entreprise soumis \u00e0 une r\u00e9glementation stricte.<\/p>\n<\/blockquote>\n<\/figure>\n La collaboration entre Zoom et NVIDIA illustre la direction prise par l\u2019IA en entreprise : elle \u00e9volue vers des architectures modulaires, contr\u00f4lables et optimis\u00e9es en termes de performances, loin du mod\u00e8le \u00ab tout-en-un \u00bb. L\u2019approche d\u2019IA f\u00e9d\u00e9r\u00e9e de Zoom devient ainsi un principe de conception central pour une IA \u00e9volutive et responsable en milieu professionnel.<\/p>\n <\/p>\n <\/p>\n <\/p>\n Source de l\u2019image : Cloudmagazin \/ g\u00e9n\u00e9r\u00e9e par IA<\/em><\/p>\n Le c\u0153ur de cette extension r\u00e9side dans l\u2019int\u00e9gration de la technologie ouverte NVIDIA Nemotron<\/strong>. Zoom l\u2019utilise comme base pour d\u00e9velopper son propre LLM de quarante-neuf milliards de param\u00e8tres, con\u00e7u \u00e0 l\u2019aide des outils NeMo de NVIDIA<\/strong>. L\u2019accent n\u2019est pas mis sur la taille maximale du mod\u00e8le, mais sur un \u00e9quilibre techniquement optimis\u00e9 entre pr\u00e9cision, charge de calcul et co\u00fbts.<\/p>\n<\/details>\n Un levier technique essentiel est l\u2019int\u00e9gration profonde avec la pile logicielle et mat\u00e9rielle GPU de NVIDIA. L\u2019acc\u00e9l\u00e9ration des processus d\u2019inf\u00e9rence r\u00e9duit sensiblement les temps de r\u00e9ponse de l\u2019AI Companion. Parall\u00e8lement, les cycles de d\u00e9veloppement peuvent \u00eatre raccourcis, car les nouvelles fonctionnalit\u00e9s deviennent rapidement exploitables sur le march\u00e9. Un autre axe technique majeur concerne la g\u00e9n\u00e9ration augment\u00e9e par recherche (Retrieval-Augmented Generation, RAG). La nouvelle architecture acc\u00e9l\u00e8re l\u2019acc\u00e8s aux sources de connaissances externes et aux syst\u00e8mes m\u00e9tiers. L\u2019AI Companion peut ainsi traiter de fa\u00e7on contextuelle des contenus provenant de plateformes telles que Microsoft 365, Google Workspace, Slack, Salesforce ou ServiceNow, sans avoir besoin de r\u00e9pliquer durablement les donn\u00e9es.<\/p>\n<\/details>\n","protected":false},"excerpt":{"rendered":"<\/span>
\nNVIDIA Nemotron comme fondation<\/h2>\n
Acc\u00e9l\u00e9ration GPU et r\u00e9duction des latences<\/h2>\n
RAG et int\u00e9gration syst\u00e8me dans le contexte d\u2019entreprise<\/h2>\n
Un changement de paradigme pour l\u2019usage de l\u2019IA en entreprise<\/h2>\n
Questions fr\u00e9quentes<\/h2>\n
Quelle est l\u2019importance de NVIDIA Nemotron comme fondation ?<\/summary>\n
Quelle est l\u2019importance de l\u2019acc\u00e9l\u00e9ration GPU et de la r\u00e9duction des latences ?<\/summary>\n
\nPr\u00e9cis\u00e9ment dans <\/p>\n<\/details>\nQuelle est l\u2019importance de la RAG et de l\u2019int\u00e9gration syst\u00e8me dans le contexte d\u2019entreprise ?<\/summary>\n