"Les systèmes d'IA doivent devenir beaucoup plus efficaces énergétiquement," Charles Giancarlo, CEO de Pure Storage

L'Usine Digitale : Pure Storage est un acteur clé du stockage de données moderne, pouvez-vous nous rappeler votre mission dans ce domaine et ce qui vous distingue principalement de vos concurrents ?

Charles Giancarlo : Notre mission est de rendre le stockage de données simple à exploiter à très grande échelle, mais aussi de permettre aux clients de mieux gérer leurs données. Car, au final, ce qui importe le plus aux clients, ce sont les données. Elles croissent à un rythme incroyable, et elles représentent à la fois leur plus grand atout — en leur permettant d’améliorer leur activité — mais aussi leur plus grande vulnérabilité en matière de cybersécurité : elles peuvent être chiffrées ou volées, ce qui est très sensible pour les clients.

Aujourd’hui, vous êtes confrontés à différents défis, notamment le cloud hybride, l'intelligence artificielle, et beaucoup de données dispersées... Comment gérez-vous cela ?

Nous avons développé des technologies de stockage pour tous les types de stockage, basées sur un seul système d’exploitation, un seul environnement logiciel, que nous appelons "Purity". Purity fonctionne sur les formats bloc, fichier et objet. Il fonctionne à la fois au plus haut niveau de performance, comme pour l’IA, mais aussi à très faible coût pour des usages comme l’archivage, et à tous les niveaux d’échelle — des exaoctets jusqu’aux téraoctets et pétaoctets — avec un seul système d’exploitation.

Cela nous rend uniques sur le marché. Nous sommes également uniquement sur du flash. Nous croyons que le flash remplacera tous les disques durs magnétiques. Cela peut ne pas surprendre les consommateurs, mais dans les entreprises, il y a encore beaucoup de disques durs, et dans le cloud, c’est majoritairement du disque dur. Notre capacité à pénétrer les environnements cloud avec du flash est donc très significative.

À votre avis, quels sont les principaux défis à anticiper pour les deux ou trois prochaines années ?

Notre principal défi reste la concurrence. Nous connaissons une croissance très rapide, mais nous avons encore des concurrents bien plus grands. Un autre axe important pour nous est d’aider les clients à gérer un environnement hybride. La plupart des clients pensent qu’ils seront à la fois dans leurs propres installations et dans le cloud. Nous avons donc développé notre logiciel pour qu’il fonctionne dans les deux environnements.

Ensuite, l’IA est à la fois un défi et une opportunité. C’est un défi dans le sens où cela nous a poussés à élargir notre gamme de produits pour atteindre les plus hauts niveaux de performance pour l’IA. Mais c’est aussi une opportunité, car cela pousse les clients à repenser et replanifier l’architecture de leurs données d’entreprise pour les rendre plus accessibles aux environnements IA.

Actuellement, les données d’entreprise ne sont pas facilement structurées pour l’IA. Elles sont structurées pour leur cas d’usage principal, comme les bases de données ou l’engagement client. Mais de plus en plus, les entreprises voudront utiliser ces données en temps réel pour des analyses IA.

Justement, pour rester sur ce sujet, les entreprises ont beaucoup de données, mais la qualité n’est pas toujours au rendez-vous, et le volume devient de plus en plus important. Comment les aidez-vous à gagner la compétition autour des données, dans les bases de données ?

Nous avons récemment intégré tous nos systèmes pour qu’ils fonctionnent comme un cloud de stockage ou un cloud de données, plutôt que comme des systèmes individuels. En tant que consommateurs, nous avons l’habitude d’utiliser le cloud pour nos propres données. Mais ce n’est pas ainsi que cela fonctionne dans les entreprises : les données sont généralement captives d’une application spécifique. Elles ont donc de nombreux types d’applications, mais les données sont conservées spécifiquement pour chacune, indépendamment. On peut les considérer comme des silos de données séparés. Et quand il y a des silos, ces données ne sont pas facilement utilisables à d’autres fins, comme l’IA.

Ce que nous avons fait récemment, c’est intégrer le logiciel sur tous nos systèmes pour que, du point de vue de l’entreprise, cela ressemble à un cloud de données hautement distribué. Cela rend aussi les données disponibles pour d’autres usages, comme l’IA. Nous avons ajouté un logiciel permettant de classifier les différents types de stockage et de créer des pipelines de données pour l’IA.

Souvent, quand on parle d’IA dans la presse, on parle du stockage conçu spécifiquement pour être utilisé avec un moteur IA pour l’inférence ou l’entraînement. La presse ne parle généralement pas du fait que les environnements de données existants chez les clients sont fragmentés. Et cette nouvelle capacité que nous avons développée, que nous appelons "Fusion", permet aux clients d’utiliser les données qu’ils ont déjà et de les acheminer vers un environnement IA.

Avez-vous des exemples d'utilisation ?

Oui, cette capacité a été améliorée encore cette année (en mars 2025, Pure Storage a annoncé que Pure Fusion est étendu pour prendre en charge les workloads de fichiers et d’objets, en plus du bloc, ndlr) et nous avons déjà plusieurs centaines de clients qui commencent à utiliser cette technologie pour automatiser l’environnement de données. L'industrie, l'automobile en particulier, l'utilise beaucoup, mais nous avons aussi des cas d'usage dans les secteurs de la finance, banque notamment, ainsi que dans la santé. En France, nous travaillons notamment avec les Hôpitaux universitaires de Marseille (AP-HM) et l'Agence nationale pour la gestion des déchets radioactifs (Andra).

Vous travaillez avec de nombreux acteurs de l’IA, à l'instar de Nvidia. Pouvez-vous nous en dire plus sur ce partenariat et ce que vous faites exactement avec ?

Avec Nvidia, nous travaillons ensemble pour créer une architecture de pipeline très rapide pour préparer les données à l’ingestion par l’IA. Aujourd’hui, pour préparer des données à être utilisées dans un environnement d’IA — que ce soit pour l’inférence ou l’entraînement — cela prend généralement plusieurs semaines. Il faut trouver les données, les extraire, les transformer, puis les charger dans un système. C’est ce qu’on appelle l’ETL (Extract, Transform, Load), et c’est un processus très manuel.

Nous travaillons donc avec eux pour utiliser l’IA, non pas pour l’analyse, mais pour la préparation des données, afin d’atteindre l’étape d’inférence. Et nous pensons qu’ensemble, nous serons capables de réduire ce processus de plusieurs semaines à quelques minutes pour la transformation des données. Cela permettra d’utiliser des données en temps réel plutôt que des données vieilles de plusieurs semaines.

Vous avez parlé d’optimisation de l’infrastructure pour l’IA, ce qui soulève la question de l’énergie. Il y a une demande croissante en énergie de la part d’entreprises comme Oracle, Meta, Amazon, etc. Quel est votre avis là-dessus ?

Il n’y a pas assez d’énergie. Notre technologie consomme moins d’énergie. Et cela a été un très grand avantage pour nous, surtout ces deux dernières années, de pouvoir réduire la consommation énergétique dans les centres de données. Si l’on regarde les centres de données traditionnels — pour le moment, pas ceux dédiés à l’IA — le stockage est le deuxième plus gros consommateur d’énergie. J’ai mentionné plus tôt que les disques durs représentent encore une grande part du stockage dans le cloud, et aussi dans les entreprises.

En Europe, je pense qu’environ la moitié du stockage d’entreprise est encore sur disque dur. Notre solution consomme environ un dixième de l’énergie nécessaire à une solution à base de disques durs. Et si, en moyenne, un centre de données consacre 25% de son énergie au stockage, nous pouvons réduire la consommation totale d’énergie d’un centre de données d’environ 20%. C’est énorme. Et cette énergie peut être utilisée à d’autres fins : pour l’IA ou simplement pour étendre le centre de données.

Même comparé à d’autres stockages flash, comme les SSD, nous consommons généralement entre un quart et la moitié de l’énergie requise. Et la durée de vie de notre produit est environ deux fois celle des SSD. Cela nous permet aussi de générer moins de déchets électroniques que les autres solutions. L’énergie est donc un de nos points forts.

Que pensez-vous de projets comme Stargate ou Colossus qui émergent dans le monde entier ?

Les systèmes d’IA vont devoir devenir beaucoup plus efficaces énergétiquement, car on peut construire un centre de données en un an, mais il faut cinq à dix ans pour construire une nouvelle centrale électrique. Ce n’est donc tout simplement pas possible sans économies d’énergie significatives.

A cela s'ajoutent de plus en plus de questions liées à l'environnement, la durabilité et l'efficacité. Intégrez-vous cela dans votre stratégie ?

Oui. Comme je l’ai mentionné, nos produits sont bien plus efficaces pour une même quantité de données, tant en termes de consommation d’énergie — ce qui signifie aussi moins de besoin de refroidissement — que de déchets électroniques. Nous avons un impact environnemental bien moindre. D’abord, nous générons moins de déchets électroniques. Ensuite, nous offrons un support complet sur le cycle de vie de nos produits, y compris la gestion de leur récupération en fin de service.

Avez-vous des objectifs en matière de neutralité carbone ?

Oui. Nous nous sommes engagés, depuis le début de la décennie, à réduire nos émissions de deux tiers d’ici la fin de la décennie, et à atteindre la neutralité carbone d’ici le milieu de la prochaine décennie.

Si l'on revient aux usages de l'intelligence artificielle. Quels sont ceux de Pure Storage en interne ?

L'IA est intéressante à évoquer, car elle existe depuis longtemps, mais l'IA générative (Gen AI) seulement depuis deux ou trois ans. Souvent, quand les gens parlent d’IA aujourd’hui, ils parlent de Gen AI. J’aime donc distinguer les deux. Nous utilisons et vendons des solutions pour l’IA depuis sept ou huit ans. Nous avons construit un système spécifiquement pour l’IA appelé FlashBlade il y a huit ans.

En interne, nous utilisons l’IA pour plusieurs choses. Par exemple, nous collectons des données de télémétrie de tous nos systèmes dans le monde depuis 12 ans. Grâce à ces données, nous pouvons prédire les problèmes dans l’environnement de nos clients avant qu’ils ne surviennent. Nous créons ce qu’on appelle des "tickets d’incident" — c’est-à-dire la possibilité qu’un problème survienne — dans 70% des cas. Nous sommes capables de créer le ticket avant même que le client ne remarque le problème, puis nous le contactons pour effectuer les changements nécessaires afin d’éviter que le problème ne se produise. Nous donnons aussi à nos clients accès à ces données pour qu’ils puissent gérer leurs systèmes de manière proactive.

Nous utilisons également l’IA dans nos activités commerciales et marketing. Par exemple, toutes nos prévisions sont basées sur l’IA. Nous avons une analyse très détaillée de notre position avec nos clients pour comprendre les opportunités. Concernant l'IA générative, comme pour tout le monde, c’est très nouveau pour nous. Nous l’utilisons pour former notre force de vente et les préparer avant leurs rendez-vous clients. Au lieu que nos commerciaux doivent parcourir toute notre documentation, ils peuvent décrire le compte concerné et la situation, et notre IA leur fournit exactement les informations dont ils ont besoin.

Utilisez vous également l'IA générative pour les ressources humaines ?

Les RH sont un bon exemple, notamment pour le recrutement. Cela nous aide dans le processus de recrutement, mais je dirais que l’aide la plus significative est dans la réduction du travail nécessaire pour que les gens trouvent les documents ou les informations dont ils ont besoin pour faire leur travail.

À votre avis, quels sont les principaux défis pour l’avenir de l’IA et du stockage de données dans les deux prochaines années ?

Je pense que le défi — je reviens à ce que j’ai mentionné plus tôt — n’est pas tant la performance, même si c’est un enjeu. Mais le rôle de la technologie est d’être meilleure, plus rapide, moins chère, donc nous pouvons suivre ce rythme. Le vrai défi est dans l’environnement du client : ces silos de données. Si les clients veulent utiliser davantage leurs données pour l’IA, ils doivent résoudre le problème des silos. Cela nécessitera une nouvelle architecture dans l’entreprise. Nous en discutons avec les clients depuis deux ans, et je dirais que ce n’est que récemment qu’ils commencent à reconnaître qu’ils doivent vraiment changer l’architecture qu’ils ont en interne.

Et voyez-vous de nouvelles architectures émerger ?

Oui, à commencer par ce concept que nous appelons "Enterprise Data Cloud" annoncé en juin 2025, dans le cadre de notre événement Accelerate à Las Vegas. Plutôt que des silos de données, ils doivent fonctionner davantage comme un environnement cloud. Et c’est là que nous avons apporté de la technologie pour qu’ils puissent organiser leurs données à l’échelle mondiale, plutôt que de simplement les stocker localement pour des usages spécifiques.

Pensez-vous que certaines applications d’IA vont redéfinir les besoins en infrastructure ?

Une application spécifique ? Je pense que c’est la grande question désormais. Y a-t-il un retour sur investissement clair pour un environnement IA spécifique ? Peut-être dans certains domaines comme la biotechnologie, mais ce n’est pas évident. Pour les entreprises généralistes, on ne sait pas encore quelle est "l’application killer". Il y a encore beaucoup d’expérimentation sans bénéfice clair.

C’est un gros problème pour l’IA : ce n’est pas qu'elle n’est pas utile, mais est-elle rentable ? Et dans quel domaine sera-t-elle la plus pertinente ? Je pense qu'elle remplace la recherche. C’est un domaine très important. Mais ce n’est pas forcément suffisant pour justifier un investissement.

Il existe un autre défi que nous n'avons pas évoqué. Les grandes entreprises investissent de plus en plus. Elles ont les moyens. Mais les petites sont perdues. Ne pensez-vous pas qu’à un moment donné, certaines sont amenées à disparaître ?

Les grandes investissent beaucoup, mais il n’est pas certain qu’elles seront rentables. Le fait qu’il y ait autant d’argent investi est aussi une situation dangereuse, pas seulement pour ces entreprises, mais pour l’économie. Si on regarde la recherche, certaines entreprises développaient des moteurs de recherche que les entreprises pouvaient utiliser en interne, sur leurs propres données. Mais après un certain temps, tout le monde s’est mis à utiliser les grands moteurs de recherche dans le cloud, car ils étaient meilleurs que les solutions locales.

Cela pourrait aussi être vrai pour l’IA générale, c’est-à-dire les grands modèles de langage. Mais ce que nous constatons aussi, c’est que les petits modèles de langage sont beaucoup plus efficaces et précis pour des usages spécialisés. Je crois personnellement que nous verrons de plus en plus de petits modèles de langage, notamment dans la finance et la biomédecine, qui seront très puissants. Et je ne pense pas que les grandes entreprises domineront ce domaine, car elles n’ont pas les données.

Comment Pure Storage aide, à son échelle, les petites entreprises ?

C’est très intéressant, car c’est un domaine où nous excellons. Beaucoup de produits conçus pour l’IA générative fonctionnent bien à grande échelle, mais pas à petite échelle. Comme nous avons commencé avant l’IA générative, nous avons construit notre produit FlashBlade spécifiquement pour ce que nous pensions être de l’IA à grande échelle.

Mais aujourd’hui, il s’avère que c’est parfait pour les environnements IA petits à moyens — ce qui correspond à la majorité des entreprises. La plupart ne construisent pas des systèmes comme CoreWeave, OpenAI ou Google. Elles construisent à une échelle adaptée à leurs besoins. Et FlashBlade, qui est très évolutif, fonctionne extrêmement bien et efficacement à ces niveaux.

Peut-être une dernière question : quel est le projet qui vous enthousiasme le plus chez Pure Storage ?

Ah, c’est une excellente question. Ce qui m’enthousiasme le plus, c’est ce que nous appelons l’Enterprise Data Cloud, car je pense que c’est une manière beaucoup plus moderne de gérer le stockage. Personnellement, je pense que le stockage est encore aux "Dark Ages". Mais dans ce monde de l’IA, nous l'avons aussi conçu pour que les entreprises puissent facilement accéder aux informations dans d’autres systèmes, pour n’importe quel usage : analytique, IA, etc. C’est une meilleure façon de gérer le stockage, mais aussi une meilleure façon de gérer les données.