IBM a annoncé  le lancement de la portabilité de sa solution d'IA Watson sur n'importe quel environnement. Objectif : donner aux entreprises la liberté et le choix d'appliquer l'intelligence artificielle à leurs données, où qu'elles soient stockées. 

«La plupart des grandes entreprises stockant des données dans des environnements de cloud hybride, elles doivent avoir la liberté et le choix d'appliquer l'intelligence artificielle à leurs données où qu'elles soient stockées ».

« En ouvrant cette infrastructure cloisonnée, nous pouvons aider les entreprises à accélérer leur transformation grâce à l'intelligence artificielle » explique le directeur général d'IBM Data et AI Rob Thomas pour justifier le lancement de cette portabilité.

Les entreprises intéressées pourront désormais avoir recours à la solution Watson, qui comprend les outils Watson Assistant et Watson OpenScale, sur n'importe quel cloud, via l'intégration de ces derniers à la plateforme native IBM Cloud Private for Data (ICP for Data).

« Grâce à leur intégration avec IBM Cloud Private for Data (ICP for Data), Watson et Watson OpenScale peuvent désormais fonctionner dans n'importe quel environnement, sur site, ou dans n'importe quel environnement privé, public ou hybride, permettant aux entreprises d'appliquer l'IA aux données partout où elles sont hébergées », souligne la direction d'IBM dans un communiqué.

-         « Les services Watson Assistant et Watson OpenScale rejoignent les services Watson Studio et Watson Machine Learning sur la plateforme ICP for Data ; par ailleurs, d'autres services, notamment Watson Knowledge Studio et Watson Natural Language Understanding devrait grossir les rangs des services hébergés sur cette plateforme plus tard cette année » ajoute le communiqué.

A noter qu'IBM a profité de cette annonce pour indiquer que sa solution de Machine Learning IBM Watson Machine Learning est en cours d'extension avec un nouvel accélérateur permettant l'agrégation de ses processeurs graphiques Power Systems avec les sytèmes x86 dans un même pool de performances, avec  pour objectif « d'offrir une solution de machine learning  jusqu'à 10 fois plus performantes que ses concurrentes ».