Qui est Paperspace, ce challenger de l'IA en mode cloud ?
Quand on cherche à faire tourner des modèles de machine Learning dans le cloud, on pense immédiatement à Google, Amazon Web Services, Microsoft et éventuellement à OVH. Pourtant, une start-up fait de plus en plus parler d'elle dans ce club très fermé. Ce challenger vient du monde du cloud desktop ou plutôt du gaming en ligne. C'est Paperspace.
L'entreprise a été créée en 2014 par Daniel Kobran et Dillon Erb, tous deux diplômés de l'université du Michigan. Installée à Brooklyn, la vocation initiale de Paperspace est de délivrer des services de bureau virtuel en mode cloud, notamment pour le marché du gaming. "Cette offre fonctionnait particulièrement bien ce qui nous a permis de nous étendre aux Etats-Unis puis en Europe" raconte Remco Frijling, néerlandais actuellement responsable de la zone EMEA de la jeune pousse. Après 8,5 millions de dollars levés en phase d'amorçage, la société a bouclé un deuxième tour de table de 13 millions de dollars en octobre 2018, une opération menée par le fonds Battery Ventures dans lequel on retrouve aussi Intel Capital. "Notre objectif est aujourd'hui d'embaucher des développeurs afin d'accélérer notre stratégie produit, mais aussi des profils marketing", poursuit Remco Frijling.
Une diversification vers l'IA
Paperspace entend alors accélérer son développement sur ce marché très concurrentiel du desktop as a service. Un segment en très forte croissance. Représentant 650 millions de dollars au niveau mondial en 2017, il devrait atteindre 4,6 milliards de dollars en 2022 en suivant une croissance annuelle de près de 50% (dixit HTF Market Intelligence). Aux côtés de cette activité, la start-up opère une diversification sur un marché a priori très différent, celui des plateformes cloud d'IA. "Nous disposions de beaucoup de ressources GPU que nous avons décidé de mettre à disposition en parallèle pour des besoins d'IA via une offre cloud de machine learning et deep learning", argue Remco Frijling. A fort potentiel, le créneau est néanmoins déjà bien occupé par les géants du cloud publics que sont Google (avec son service Cloud AI), Amazon (avec SageMaker) ou Microsoft (avec Azure Machine Learning). Partant de là, Paperspace cherche à se démarquer en développant une offre à plus forte valeur ajoutée.
"Nous nous attachons à rendre les choses simples : en trois clics on est en production et ça tourne"
La solution promue par Paperspace, c'est Gradient : un environnement 100% web dédié à la data science. "Il s'agit d'un produit qui s'adresse tant aux DevOps qu'aux data scientists, et non aux développeurs. Elle leur permet de construire des modèles d'apprentissage en faisant abstraction des difficultés qui se posent lorsqu'on configure un environnement de machine et deep Learning qui doit exploiter une infrastructure d'entrainement à base de processeurs GPU", explique Remco Frijling. La solution s'appuie sur plusieurs briques et frameworks d'IA open source, à commencer par Fast.AI, H2O Driverless AI et TensorFlow.
Gradient propose l'interface web de programmation Jupyter Notebook pour gérer les pipelines de machine learning, créer les jobs, les distribuer sur un cluster de calcul. Paperspace insiste sur la capacité de son offre en matière de travail collaboratif. Le fonctionnement de l'environnement s'apparente à celui du studio de Dataiku. Il est aussi possible d'exploiter la plateforme via des lignes de commande ou encore par le biais d'appels d'API pour y greffer son propre atelier de machine learning.
Paperspace mise sur un environnement très intégré pour se différencier des offres comme Google ML Engine ou Amazon SageMaker. "Ce sont des solutions peu intuitives et complexes. On rencontre souvent des problèmes lors de leur mise en oeuvre. Nous nous attachons de notre côté à rendre les choses simples : en trois clics on est en production et ça tourne", insiste Remco Frijling. Paperspace propose par ailleurs sa solution en version desktop pour la distribution Linux Ubuntu pour ceux qui voudraient utiliser ses outils sur un poste de travail avant d'exécuter l'entrainement des modèles sur des clusters de calcul.
Une offre qui se veut agnostique
Contrairement à ce que son origine le laisserait supposer, Gradient ne se destine pas uniquement à l'exploitation des ressources GPU disponibles sur l'infrastructure de Paperspace. Il est tout à fait possible de déployer les modèles de machine learning conçus via l'outil sur les clouds d'AWS ou Google, ou sous forme de containers Docker sur toute architecture Kubernetes, voire même sur des serveurs bare metal. La solution permettant de piloter tous ces types de déploiement. "Les modèles peuvent être exécutés sur n'importe quelle infrastructure, qu'il s'agisse de nos ressources GPU, de vos propres serveurs on-premise, mais aussi dans le cloud public", résume Remco Frijling. Pour les utilisateurs de Gradient qui privilégieront les clusters de Paperspace, l'Américain dispose de deux datacenters aux Etats-Unis et d'un datacenter en Europe (à Amsterdam).
Si Paperspace compte nombre de clients dans plusieurs pays européens, notamment au Royaume-Uni, aux Pays-Bas, en Belgique, en Italie et au Danemark, l'éditeur est encore très peu présent en France où son offre reste largement méconnue. La start-up ne dispose pas encore de partenaires intégrateurs dans l'Hexagone mais Remco Frijling entend bien s'atteler à en convaincre rapidement.