Que chercher lors de la journée du OVHCloudSummit ?

=>

Mesurer la volonté et la capacité de vraiment concurrencer les offres qui trustent le marché du cloud public.. pas besoin de les citer.

=>

Analyser plus précisément les activités qui nous mobilisent chez nos clients :

  • Faciliter et industrialiser le Machine Learning,
  • Construire une suite cohérente d’acquisition, stockage, organisation et valorisation des données,
  • Automatiser la création et la gestion des cycles de vie des infrastructures
=>

Et capter les signaux faibles qui peuvent conforter ou infirmer un choix technologique: quelle dynamique dans la création de nouveaux services ? quelle stabilité dans les fondamentaux d’une offre … la persistance des bonnes pratiques.

Voici quelques points relevés lors des séances de Keynote


  1. OVH devient OVHCloud. Tout est dit !
  2. “Cloud réversible” ⇒ toujours pas de facturation des volumes sortants. Ce qui peut représenter un verrou propriétaire très onéreux à faire sauter.
  3. Au delà des technologies de stockage, des bases de données, il y a de multiples autres verrous que nous posons sans s’en rendre compte: configuration des infrastructures, implémentations des règles de sécurité, scripting d’infrastructure dans un outil propriétaire.


  4. “OVHCloud c’est la performance à pas cher“ ⇒ La gestion des coûts est un sujet très sensible. les stratégies doivent pouvoir s’exprimer dans les différentes offres cloud choisies :

  5. La géopolitique de la donnée : avec des intervenants du gouvernement (Cédric O, ministre en charge du numérique) et des armées (le vice-amiral Arnaud Coustillière), la couleur est donnée sur le caractère souverain de la donnée. Balayées les initiatives malheureuses d’il y a quelques années, on veut ici construire sur ces certitudes et l’expérience d’OVH est mise en avant à ce titre. Ce qui est salutaire c’est qu’on parle rapidement d’un écosystème, et qu’on n’imagine pas faire porter sur les seules épaules de la société roubaisienne la responsabilité d’un cloud souverain.

“la solution ne viendra jamais de l’état”
“nous sommes là pour favoriser les bonnes conditions”
“il n’y a pas de gens raisonnables dans les géants de la tech”

et l’assistance semble sensible à ces considérations.


Quelques points techniques, mentionnés notamment par le CTO Alain Fiocco :


  • Du bare metal : la performance, avec la souplesse du cloud,
  • Du openstack : et plus généralement l’idée d’avoir une offre compatible avec des standards ouverts et réversibles. Ce qui n’empêche pas le pragmatisme puisque la gestion de stockage est désormais compatible avec l’API AWS S3 (devenu un standard de-facto).
  • La volonté de proposer du ‘As a service’ sur la plupart du portefeuille et être un acteur PAAS (au delà du IAAS où OVH est reconnu) :
    1. PostgreSQL as a service.
    2. Spark …
    3. Kubernetes ( 40% de croissance par mois annoncé)

L’après-midi a été l’occasion de suivre quelques labs : rien de tel que de mettre les mains dans la technologie, même lors d’un exercice très guidé, pour en mesurer les qualités.

Assistance au Machine Learning avec la plateforme interne #Prescience :

Accélérer et Automatiser ses activités de Data Science est un des sujets chauds du moment :

  • Pour que les data scientists se consacrent aux activités à valeur ajoutée: l’analyse du besoin métier et le features engineering (plutôt que la sélection de paramètres des algorithmes),

  • Pour faciliter l’industrialisation, le déploiement des modèles,
  • Pour documenter les processus, pour garder une trace des différentes stratégies testées et retenues….


La plateforme est un notebook intégré à une infrastructure qui a en charge :

  • l’ordonnancement et l’exécution des calculs (en jouant avec les capacités disponibles et la concurrence des traitements),
  • l’intelligence dans la sélection des algorithmes et la proposition de paramètres (profondeurs et nombre des arbres par exemple)
  • la visualisation des résultats (fonctions plot),
  • la création automatique d’une API de test

Les principes essentiels sont là, et on peut vraiment se projeter sur une comparaison avec des offres concurrentes (elles aussi très récentes): MLFlow (https://mlflow.org/ ), AWS SageMaker (https://aws.amazon.com/fr/sagemaker/ ) ….

Prescience (https://docs.ovh.com/fr/prescience/) ne sera probablement pas le produit qui fera basculer un client vers OVH, mais quand on a l’ambition d’être un acteur de cloud public de IAAS / PAAS / SAAS, il faut montrer un portefeuille technologique le plus complet et cohérent possible. Et une plateforme de machine learning sera un incontournable. De plus, en termes d’intégration et d’ergonomie, pour un produit alpha, on note une vraie qualité.

le lien vers le github de la solution : https://github.com/ovh/prescience-client

Déploiement d’infrastructures #OpenStack avec #Terraform :

Le constat est simple : si l’on sait faire du Terraform (et qu’on adore les fichiers YAML ou équivalents), rien (ou presque) ne peut nous arrêter.

voici le lien vers l’atelier : https://github.com/pilgrimstack/workshop-301 ou sa version ‘light’ : https://github.com/pilgrimstack/workshop-301-light

Ceci peut paraître anecdotique mais la qualité de la documentation, la stabilité perçue des outils lors des labs nous placent dans de bonnes dispositions. Et puisque nous travaillons en large autonomie sur des outils qui évoluent en permanence, se reposer sur des solutions qui respirent la qualité est un incontournable !

Des discussions complémentaires avec les responsables des développements ont complété cette intuition :

  • Les moyens sont mis en oeuvre pour développer à tous les étages des solutions as a service. on devrait voir dans les mois qui viennent s’étoffer largement le portefeuille, par exemple avec un SQL as a service que nous utilisons par ailleurs (AWS Athena, BigQuery)
  • L’écoute des clients est réelle pour faire progresser l’ensemble de la gamme,

… la qualité de l’exécution des prochains mois sera déterminante.