Entretiens
Leo Brunnick, Chief Product Officer chez Cloudera – Série d’interviews
Ajouter Unite.AI à vos sources préférées sur Google
Leo Brunnick, Chief Product Officer chez Cloudera, est un cadre technologique chevronné et entrepreneur avec plus de trois décennies d’expérience dans la construction et la mise à l’échelle de logiciels, de médias numériques et d’organisations technologiques d’entreprise. Chez Cloudera, il dirige la gestion des produits, l’ingénierie et le support client, supervisant la direction produit et technologique de l’entreprise alors qu’elle étend les capacités de sa plateforme de données et d’IA. Avant de rejoindre Cloudera en 2025, Brunnick a passé six ans chez Naviga, le plus récemment en tant que Chief Operating Officer, où il a dirigé plus de 600 professionnels dans les domaines du produit, de l’ingénierie, du marketing, de la R&D, du support client et des services professionnels. Au début de sa carrière, il a fondé et occupé le poste de CEO de Patheos, faisant croître la plateforme de médias numériques à environ 15 millions de visiteurs mensuels avant une sortie réussie, et a passé huit ans comme Chief Product Officer chez Vignette, société de gestion de contenu d’entreprise. Son parcours comprend également du conseil technologique chez Andersen Consulting et un service en tant qu’officier d’infanterie du Corps des Marines des États‑Unis.
Cloudera est une entreprise de données et d’IA destinée aux entreprises, axée sur l’aide aux organisations pour gérer, gouverner, analyser et appliquer l’IA aux données, quel que soit leur lieu de résidence — dans les clouds publics, les centres de données privés et les environnements de périphérie. Sa plateforme hybride combine gestion des données, analytique, apprentissage automatique, IA générative et des capacités d’IA de plus en plus agentiques, tout en mettant l’accent sur la sécurité d’entreprise, la gouvernance, la confidentialité et la portabilité des charges de travail. La stratégie actuelle de la plateforme de l’entreprise comprend Cloudera Anywhere Cloud, une architecture conçue pour offrir aux entreprises une expérience cloud cohérente sur différents environnements d’infrastructure, ainsi qu’un lac de données ouvert, un tissu de données unifié, le traitement des données en temps réel et des outils pour développer et déployer des modèles et agents d’IA. Cloudera affirme que sa technologie gère plus de 25 exabytes de données et est utilisée par de grandes entreprises mondiales cherchant à moderniser leur infrastructure de données sans exiger que toutes les charges de travail ou les données sensibles soient déplacées vers un cloud public.
Votre carrière a couvert le conseil technologique, la direction d’organisations produit chez Vignette et Naviga, la création et le développement de Patheos, et vous occupez aujourd’hui le poste de Chief Product Officer chez Cloudera. En quoi ces expériences ont‑elles façonné votre façon de concevoir les plateformes technologiques d’entreprise à une époque où l’IA transforme fondamentalement la manière dont les organisations utilisent leurs données ?
Dans toutes ces situations, le même principe s’applique. La technologie est la plus précieuse lorsqu’elle rend quelque chose de compliqué plus facile à utiliser pour les personnes. Ce point est encore plus important aujourd’hui, alors que l’IA crée d’importantes opportunités tout en ajoutant une couche supplémentaire de complexité pour les entreprises qui naviguent déjà entre les données cloud, les centres de données et des environnements souverains de plus en plus répandus.
Alors que nous construisons cette nouvelle ère chez Cloudera, je réfléchis souvent à la manière dont nous pouvons permettre aux organisations de tirer parti des nouvelles technologies sans les obliger à repenser tout ce qu’elles ont déjà construit. Au cours des dernières années, les entreprises ont développé leurs domaines de données, leurs applications, leurs modèles de gouvernance et leurs processus opérationnels. Il ne serait pas raisonnable de tout abandonner chaque fois qu’une nouvelle technologie apparaît. Les plateformes qui réussiront à l’ère de l’IA s’appuieront sur ce que les organisations possèdent déjà tout en leur offrant la flexibilité et le contrôle nécessaires pour s’adapter à l’évolution de leurs besoins.
Cloudera a récemment présenté Cloudera Anywhere Cloud pour aider les entreprises à créer et exploiter l’IA sur les clouds publics, les infrastructures privées, les clouds souverains, les environnements sur site et la périphérie. Quel problème avez‑vous constaté chez les clients qui a convaincu Cloudera que ce type d’architecture unifiée était nécessaire ?
La pression exercée sur les clients pour mettre l’IA en pratique augmente, même si leurs données et leur infrastructure sont réparties sur davantage d’environnements que jamais. Les données peuvent résider dans des clouds publics, des centres de données privés, des environnements souverains et la périphérie, chacun avec ses propres exigences en matière de sécurité, de réglementation, de performance et d’économie. Gérer l’ensemble de ces environnements peut engendrer une charge opérationnelle importante pour les organisations.
L’idée derrière Anywhere Cloud est que les entreprises ne devraient pas devoir choisir entre l’agilité du cloud et le maintien du contrôle, de la sécurité et de la gouvernance de leurs données. Les organisations ont besoin d’une méthode cohérente pour déployer, gouverner et faire évoluer les services de données et d’IA, où cela a le plus de sens pour l’entreprise. Grâce à un plan de contrôle unique, les sociétés peuvent passer moins de temps à gérer l’infrastructure sous‑jacente et davantage à se concentrer sur les résultats qu’elles souhaitent obtenir avec leurs données et leur IA, quel que soit l’environnement où elles résident.
Vous avez déclaré que l’IA d’entreprise a « dépassé le modèle uniquement cloud public ». Quelles sont les principales limites que rencontrent les entreprises lorsqu’elles tentent d’exécuter l’IA en production entièrement dans des environnements de cloud public, et quelles charges de travail migrent de plus en plus ailleurs ?
Les plateformes qui réussiront à l’ère de l’IA s’appuieront sur ce que les organisations possèdent déjà et leur offriront la flexibilité de s’adapter à l’évolution de leurs besoins. Le cloud public reste une composante importante de la stratégie technologique des entreprises, mais ce n’est pas la seule option. À mesure que l’IA passe en production, les sociétés doivent déterminer où leurs données et leurs charges de travail doivent être exécutées en fonction de critères tels que la réglementation, la sécurité et le coût.
Cela montre que les décisions concernant l’emplacement des charges de travail sont désormais prises de manière plus réfléchie. Certaines applications d’IA seraient certainement appropriées dans le cloud public, tandis que les charges de travail impliquant des données très sensibles ou réglementées pourraient devoir rester dans un centre de données privé ou un environnement souverain. Dans d’autres cas, les charges de travail seront mieux placées à la périphérie, la latence étant un facteur important. L’objectif n’est pas de s’éloigner du cloud public ; il s’agit plutôt de permettre aux entreprises la flexibilité d’exécuter chaque type de charge de travail à l’endroit le plus adapté, sans être obligées de créer un modèle opérationnel distinct pour chaque environnement.
Cloudera Anywhere Cloud comprend un copilote agentique capable de traduire des requêtes en langage naturel en flux de données et opérations d’infrastructure. Jusqu’à quel point pensez‑vous que ces systèmes deviendront autonomes, et où les entreprises devraient‑elles maintenir une supervision humaine à mesure que les agents gagnent davantage de contrôle sur l’infrastructure de données critiques ?
Les agents continueront à prendre en charge les tâches opérationnelles répétitives qui occupent actuellement le temps des équipes de données et d’infrastructure. Si un agent peut exprimer un résultat en langage naturel puis le convertir en flux de travail ou en action d’infrastructure, cela réduira considérablement les frictions et rendra les capacités avancées de données accessibles à un plus grand nombre de personnes.
Une plus grande autonomie crée également un besoin accru de gouvernance efficace. Les entreprises doivent disposer de politiques claires précisant ce à quoi un agent est autorisé à accéder, quelles actions il peut réaliser de façon autonome et quand une approbation humaine est requise. Plus l’impact potentiel d’une action est important, plus ces contrôles deviennent cruciaux. Autonomie et gouvernance doivent progresser de concert afin de donner aux agents la liberté suffisante pour obtenir de réels gains de productivité tout en garantissant que l’organisation conserve une supervision et un contrôle sur ses données et son infrastructure essentielles.
Cloudera collabore avec NVIDIA pour intégrer une accélération GPU native via cuDF aux charges de travail Apache Spark 4.1, avec des améliorations de performance potentielles allant jusqu’à 4 fois, sans obliger les organisations à réécrire leurs applications PySpark ou SQL existantes. Pourquoi l’élimination de la nécessité de réécrire le code est‑elle si importante pour accélérer l’adoption de l’IA en entreprise ?
Les entreprises ont réalisé d’importants investissements dans leurs applications, compétences et pipelines de données existants. Passer à une nouvelle technologie nécessite plus que du travail d’ingénierie. Cela peut introduire des risques, retarder les résultats et créer des perturbations dans les systèmes déjà opérationnels.
L’accélération sans code aide à relever ce défi. Les organisations peuvent exploiter leurs charges de travail PySpark et SQL existantes pour bénéficier de l’accélération GPU sans modifier fondamentalement la façon dont leurs équipes travaillent. Cela rend la technologie plus facile à adopter tout en améliorant les performances des pipelines de données qui soutiennent l’analytique et l’IA, et en protégeant les investissements déjà réalisés.
Les GPU sont de plus en plus utilisés au‑delà de l’entraînement et de l’inférence de modèles, notamment pour la préparation des données et l’analytique. Prévoyez‑vous que l’accélération GPU devienne une composante standard de la pile de données d’entreprise, et comment cela pourrait‑il modifier l’économie de la préparation de jeux de données massifs pour l’IA ?
À mon avis, les entreprises deviendront beaucoup plus compétentes pour adapter leur infrastructure à leurs charges de travail. Les GPU ont déjà transformé la façon dont l’entraînement et l’inférence de modèles sont réalisés, et l’ingénierie des données est le prochain domaine évident d’innovation, car la préparation de grands ensembles de données peut constituer un goulet d’étranglement majeur lors du déploiement d’applications d’IA en production.
L’impact économique est tout aussi important, car un traitement plus rapide peut faire bien plus que simplement terminer un job Spark plus vite. La réduction des temps d’exécution de calcul peut diminuer les coûts d’infrastructure tout en aidant les équipes de données à itérer plus rapidement, une considération de plus en plus cruciale à mesure que les charges de travail d’IA augmentent. Selon nos recherches, 84 % des répondants ont constaté que les charges de travail d’IA augmentaient les coûts d’infrastructure, rendant d’autant plus important pour les entreprises d’examiner l’ensemble du pipeline de données afin d’identifier des opportunités d’amélioration tant des performances que des coûts. Le traitement des données accéléré par GPU pourrait devenir une partie importante de cette équation.
L’une des promesses de Cloudera Anywhere Cloud est de permettre aux organisations de placer les charges de travail là où les exigences réglementaires, économiques ou opérationnelles le dictent, sans déplacer ou copier continuellement leurs données. Quelle importance accordez‑vous au fait d’amener le calcul d’IA aux données, plutôt que d’amener toutes les données d’entreprise vers l’IA ?
C’est essentiel parce que les entreprises ont passé des années à constituer d’immenses volumes de données dans différents environnements, et déplacer toutes ces données en un seul endroit pour l’IA est souvent impraticable. Cela peut être coûteux et chronophage, tandis que les exigences de sécurité, de confidentialité ou de souveraineté peuvent empêcher les organisations de déplacer certaines données du tout.
À l’heure actuelle, il n’est pas pratique pour les entreprises de déplacer en toute sécurité toutes leurs données vers les différentes applications et environnements où l’IA est déployée. Amener l’IA aux données permet aux organisations d’utiliser davantage de données déjà disponibles tout en les conservant à l’endroit où elles doivent rester. Cela leur offre également la flexibilité d’exécuter les charges de travail là où cela a le plus de sens selon les exigences commerciales et techniques. À mesure que l’IA s’intègre davantage dans l’entreprise, la capacité à fonctionner de manière cohérente où que résident les données deviendra de plus en plus importante.
La souveraineté des données est devenue une préoccupation majeure à mesure que les gouvernements et les industries réglementées adoptent l’IA. Comment les exigences d’IA souveraine modifient-elles l’architecture dont les entreprises ont besoin, et prévoyez‑vous que les clouds souverains et les infrastructures d’IA privées deviendront nettement plus importants au cours des prochaines années ?
Absolument. La souveraineté devient une exigence architecturale, pas simplement une question de conformité. Les organisations doivent savoir où leurs données sont stockées et où leurs charges de travail d’IA s’exécutent, ainsi que qui y a accès et comment la propriété intellectuelle et les informations sensibles sont protégées.
Les organisations ne peuvent plus supposer que tout peut être centralisé dans un seul cloud public. Elles ont besoin de la flexibilité d’opérer à travers des clouds souverains, des infrastructures privées, des clouds publics et des systèmes sur site tout en appliquant une gouvernance cohérente dans chaque environnement. Ces exigences deviendront encore plus importantes à mesure que l’IA s’implante davantage dans les industries réglementées et les processus métier critiques. Les organisations capables d’innover tout en conservant le contrôle de leurs données et de leurs environnements d’IA seront mieux placées pour faire évoluer l’IA de manière responsable.
À mesure que les agents d’IA autonomes accèdent aux données, aux applications et à l’infrastructure d’entreprise, la gouvernance traditionnelle des données peut ne plus être suffisante. Comment la gouvernance doit‑elle évoluer lorsque les utilisateurs qui accèdent aux données d’entreprise et agissent sur celles‑ci sont de plus en plus des agents d’IA plutôt que des humains ?
Par le passé, la gouvernance reposait principalement sur la capacité des personnes et des applications à accéder aux données. Les agents ajoutent un nouvel aspect, puisqu’ils peuvent accéder à l’information, en raison et agir en fonction de ce qu’ils découvrent.
Pour cette raison, les entreprises doivent appliquer des concepts tels que l’identité, les permissions, la traçabilité, l’observabilité et l’accès zéro‑confiance aux agents afin d’assurer la sécurité et la gouvernance de leurs données. Les organisations doivent savoir quel agent a accédé à quelles données, ce qu’il a fait de ces informations, quelles actions il a entreprises, et si ces actions sont conformes aux politiques de l’entreprise. La gouvernance ne peut pas être introduite après qu’un agent a agi ; elle doit être intégrée à l’environnement de sorte que les politiques et les mesures de protection évoluent avec les données et soient appliquées en permanence, qu’il s’agisse d’une personne, d’une application ou d’un agent autonome.
Cloudera met l’accent sur les standards ouverts tels qu’Apache Iceberg, Polaris, Spark, Kafka et Trino plutôt que d’obliger les clients à fonctionner entièrement dans une pile propriétaire. À mesure que l’infrastructure d’IA se consolide autour de grandes plateformes, quelle importance les standards ouverts et l’interopérabilité auront‑ils pour empêcher une nouvelle génération de verrouillage propriétaire de l’IA ?
Plus l’IA devient partie intégrante de l’infrastructure d’entreprise, plus les standards ouverts gagnent en importance. L’IA évolue rapidement, et les organisations doivent éviter de prendre aujourd’hui des décisions architecturales qui pourraient limiter les modèles, moteurs, infrastructures ou technologies qu’elles pourront utiliser à l’avenir.
Des technologies comme Apache Iceberg, Spark, Kafka, Trino et les catalogues ouverts offrent aux organisations la flexibilité d’utiliser différents outils selon les charges de travail tout en maintenant l’interopérabilité de leurs environnements de données. Cela est particulièrement important à mesure que les entreprises opèrent de plus en plus à travers des clouds publics, des infrastructures souveraines et des centres de données privés, où elles ont besoin de la liberté de choisir où leurs données et leurs charges de travail d’IA s’exécutent sans devoir reconstruire autour d’un seul fournisseur.
Une approche ouverte facilite également l’adoption de nouvelles capacités d’IA tout en s’appuyant sur les investissements existants, plutôt que de déplacer ou copier continuellement les données à mesure que la technologie évolue. À mesure que le paysage de l’IA continue de changer, les standards ouverts offrent aux organisations la flexibilité de faire évoluer leur architecture dans le temps tout en conservant le choix et le contrôle de leurs données, de leur infrastructure et de leurs décisions technologiques.
Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Cloudera.
