Architecture IA
Cloud : AWS, Azure, GCP
Les trois clouds peuvent porter une plateforme IA. Le choix dépend moins de la mode que du SI existant, des compétences et de la gouvernance.
AWSAzureGCPBenchmark
Benchmark détaillé
| Critère | AWS | Azure | GCP |
|---|---|---|---|
| Maturité cloud | 10/10 | 9/10 | 8/10 |
| IA générative entreprise | 8/10 | 10/10 | 9/10 |
| Data platform | 8/10 | 7/10 | 10/10 |
| Kubernetes | 9/10 | 8/10 | 10/10 |
| Sécurité / gouvernance | 10/10 | 10/10 | 9/10 |
| Facilité recrutement | 10/10 | 9/10 | 6/10 |
| Coût global | 7/10 | 7/10 | 9/10 |
Architecture AWS
AWS convient bien aux plateformes cloud-native, aux environnements EKS et aux organisations déjà structurées autour de S3, IAM, OpenSearch et Bedrock.
flowchart LR
S3[S3] --> A[MWAA / Airflow]
A --> E[EKS]
E --> P[Aurora PostgreSQL + pgvector]
E --> O[OpenSearch]
E --> T[Turbovec service]
E --> B[Bedrock / LiteLLM]
B --> L[Langfuse / CloudWatch]
Architecture Azure
Azure est souvent le meilleur choix si l’entreprise vit déjà dans Microsoft 365, Entra ID, SharePoint, Teams et Azure OpenAI.
flowchart LR
B[Blob / SharePoint] --> A[Data Factory / Airflow]
A --> K[AKS]
K --> P[Azure PostgreSQL + pgvector]
K --> E[Elasticsearch]
K --> T[Turbovec service]
K --> O[Azure OpenAI via LiteLLM]
O --> M[Azure Monitor / Langfuse]
Architecture GCP
GCP est très fort quand la data et le ML sont au cœur du produit : BigQuery, GKE, Vertex AI et Dataflow donnent un socle très cohérent.
flowchart LR
GCS[Cloud Storage] --> C[Composer / Airflow]
C --> G[GKE]
G --> P[Cloud SQL PostgreSQL + pgvector]
G --> E[Elastic]
G --> T[Turbovec service]
G --> V[Vertex AI / Gemini via LiteLLM]
V --> L[Cloud Logging / Langfuse]