Quand les étudiants en IA ne peuvent plus utiliser le bac à sable : comment DSTI a étendu son accès au GPU grâce à Hivenet

Au DSTI, les premiers signes d'un problème d'accès au GPU sont apparus dans les travaux des étudiants.

Avant son partenariat avec Hivenet, étudiants de École d'ingénieurs DSTI a utilisé un sandbox éducatif AWS contrôlé. Cela leur a donné un accès limité au GPU via des instances cloud éducatives pendant une période limitée. C'était suffisant pour de petites expériences, mais cela limitait les projets que les étudiants pouvaient poursuivre.

Les professeurs ont vu le plafond rapidement. Les étudiants pouvaient expérimenter sur de petites tâches, mais les limites du modèle sont arrivées rapidement. L'environnement était contrôlé, les instances étaient petites et les crédits étaient plafonnés. Pour les étudiants qui apprenaient l'IA moderne, ces limites déterminaient ce qu'ils pouvaient tenter.

Le problème est devenu plus urgent pour les étudiants des programmes d'apprentissage. Ils étudient tout en travaillant au sein d'entreprises, où les connaissances acquises en classe devraient se traduire par des résultats pratiques. Lorsque l'accès au GPU n'était pas disponible, certains étaient bloqués sur des sites professionnels connectés à leur employeur.

C'est alors que DSTI a commencé à chercher une réponse à plus long terme.

(Cet article est basé sur des entretiens avec les équipes administratives et pédagogiques de DSTI après la première phase du déploiement de Hivenet.)

La limite était la disponibilité

L'accès au GPU est souvent considéré comme un problème de coût. Pour DSTI, le coût était important, mais la disponibilité a créé la première pression.

Les étudiants avaient besoin d'un environnement sur lequel ils pouvaient compter. La configuration précédente leur conférait un accès contrôlé, mais pas la continuité requise pour les projets de plus grande envergure. Il était donc difficile de passer des exercices en classe à un véritable travail d'apprentissage en profondeur.

Le responsable du corps professoral a décrit la configuration précédente comme « un bac à sable éducatif AWS organisé et contrôlé avec un accès limité à de minuscules instances et des crédits limités ». C'était la seule configuration disponible pour les expériences basées sur le GPU, et elle n'était pas suffisante pour les étudiants qui essayaient de gérer des projets.

« Les limites du modèle ont été atteintes très rapidement car les étudiants travaillaient dans un environnement sandbox », explique le responsable du corps professoral.

Ce type de limite affecte l'apprentissage lui-même. Les étudiants simplifient les projets, évitent certaines approches, attendent d'y accéder ou considèrent l'infrastructure comme une solution à contourner plutôt que comme une solution qu'ils peuvent utiliser pour construire.

Pour l'enseignement précoce de l'IA, un bac à sable peut être utile. Pour les étudiants qui forment des modèles, les peaufinent, expérimentent la distillation ou appliquent leurs compétences au travail en entreprise, le même bac à sable peut devenir une contrainte.

DSTI avait besoin d'un accès GPU capable de prendre en charge de véritables travaux d'étudiants sans rendre les ressources informatiques inabordables.

La recherche d'une option viable

DSTI a évalué d'autres fournisseurs avant de choisir Hivenet.

L'école a trouvé un compromis familier. La plupart des alternatives sont revenues sous la forme d'accords de licence pour les plateformes contrôlées par les fournisseurs, avec des coûts décrits par DSTI comme « non négligeables » et une influence limitée sur le type ou la configuration des instances GPU.

Cela ne correspondait pas au problème.

Le DSTI avait besoin d'un environnement capable de soutenir l'enseignement dans les programmes de master, de gérer les expériences des étudiants et de donner au corps professoral suffisamment de confiance pour intégrer la plateforme dans les cours.

La décision s'est résumée à plusieurs besoins à la fois.

Le prix importait d'abord. DSTI a déclaré que la tarification d'Hivenet avait été la première chose qui avait attiré son attention. Selon les estimations de DSTI, Hivenet coûtait environ un tiers du prix des offres concurrentes évaluées. Cela doit être lu comme le compte rendu de sa propre évaluation par DSTI, et non comme une comparaison universelle des prix pour chaque charge de travail cloud.

La souveraineté était également importante. DSTI enseigne souveraineté des données pour ses étudiants, le choix de l'infrastructure avait donc une signification à la fois pédagogique et technique. L'école souhaitait un partenaire européen car le prestataire lui-même ferait partie de l'environnement d'apprentissage.

« Le fait d'être un acteur de l'UE est également un avantage considérable pour nous, car nous défendons la souveraineté des données auprès de nos étudiants », a déclaré DSTI. « Le partenariat avec quelqu'un de la région est certainement une cause qui nous tient à cœur. »

L'ajustement comptait aussi. DSTI avait besoin d'une configuration pouvant être adaptée à ses exigences d'installation, plutôt que d'un environnement fixe avec peu de marge d'adaptation.

C'est dans cette combinaison que Calculez avec Hivenet est devenu pertinent. Hivenet a permis à DSTI d'accéder au calcul du GPU, mais cette valeur ne se limitait pas au matériel. Le DSTI avait besoin d'un accès abordable, d'un alignement européen et d'un environnement configuré en fonction des besoins de l'enseignement.

DSTI a décrit l'offre en une phrase : « Une offre locale et sur mesure qui vous propose un GPU abordable et accessible ».

Pourquoi la souveraineté est importante

L'angle de la souveraineté doit être compris en termes pratiques. DSTI n'a pas choisi Hivenet uniquement par principe. La disponibilité a créé la pression initiale. Le prix importait. La configuration, la flexibilité et le support étaient tous importants.

Cela a fait de Hivenet une option encore plus attrayante.

Les établissements travaillent en fonction des budgets, des calendriers de cours, des attentes des étudiants, des besoins du corps professoral et des contraintes d'approvisionnement. Un fournisseur européen doit encore travailler. Il doit tout de même être abordable. Il doit encore être utilisable. Cela doit encore avoir un sens dans la vie quotidienne d'une école.

Pour DSTI, la souveraineté a fait partie de la décision car elle est liée à ce que l'école enseigne. Une école qui forme des étudiants aux données, à l'IA, à la cybersécurité et à l'ingénierie numérique ne peut pas considérer l'infrastructure comme invisible. Les outils utilisés par les élèves doivent correspondre aux principes qui leur sont enseignés.

Quand Hivenet et DSTI ont annoncé le partenariat, l'accent était mis sur l'informatique GPU européenne abordable pour les étudiants. Les entretiens à l'origine de cet article montrent ce que cela signifiait dans la pratique : les étudiants étaient devenus trop grands pour l'environnement disponible, et DSTI avait besoin d'une option qui correspondait à la fois au travail et à l'institution.

De l'accès à l'utilisation effective

Une plateforme n'a d'importance dans l'enseignement que si les étudiants et les professeurs l'utilisent.

DSTI a déployé Hivenet dans les programmes de master en utilisant la plateforme aujourd'hui : Science des données et IA, ingénierie des données pour l'IA, analyse des données et cybersécurité. L'école prévoit d'élargir l'accès aux étudiants de licence.

La phase de co-conception était importante car l'infrastructure universitaire devait s'adapter à un véritable environnement d'enseignement. Les professeurs doivent lui faire confiance. Les étudiants doivent le comprendre rapidement. Les administrateurs ont besoin d'une certaine capacité pour planifier l'utilisation. Une configuration peut être techniquement performante et échouer si elle devient difficile à introduire dans les cours.

DSTI a indiqué que la phase de mise en œuvre s'est déroulée sans heurts. Hivenet a conseillé l'école sur la planification des crédits et l'utilisation prévue, puis a configuré l'environnement pour répondre aux besoins d'installation de DSTI. Les professeurs étaient engagés et motivés à promouvoir la plateforme en interne.

Du côté des étudiants, le délai de la première utilisation était suffisamment court pour maintenir l'élan. Selon le responsable du corps professoral, les étudiants mettent généralement entre quelques minutes et une heure pour se familiariser avec la plateforme et commencer à exécuter des tâches.

Ce détail est important. Dans une salle de classe, le temps perdu pour l'installation détourne l'attention du travail que les élèves sont censés faire. Une plateforme GPU destinée à l'enseignement ne doit pas se contenter de fournir un accès brut. Il doit aider les étudiants à surmonter la distance entre « J'ai un compte » et « mon travail fonctionne ».

La documentation publique de Hivenet couvre les étapes pratiques pour création d'une première instance Compute, et ses documents de référence répertorient les Types et tailles de GPU. Pour DSTI, l'important était que cette infrastructure puisse faire partie de l'environnement d'enseignement sans prendre en charge l'enseignement lui-même.

Ce qui a changé pour les étudiants

Une fois que les étudiants ont eu un accès plus facile aux GPU, la catégorie de travail a changé.

Les étudiants du DSTI gèrent désormais principalement des offres de formation en deep learning sur Hivenet. Un exemple exigeant de la part du responsable du corps professoral était la mise au point FLAN-T5-Large sur un jeu de données de 10 000 lignes pour une tâche de traduction linguistique.

Les étudiants travaillent également sur une combinaison d'inférence, de réglage, de formation et de distillation enseignant-élève.

Cette fourchette montre un changement d'ambition. Le partenariat n'a pas simplement accéléré les anciens exercices, mais a également donné aux étudiants la possibilité de travailler sur des projets qui étaient auparavant hors de portée.

« L'accès au GPU leur a permis de travailler sur de véritables projets d'apprentissage en profondeur, ce qui leur serait impossible autrement », explique le responsable de la faculté.

C'est là le principal changement éducatif. Les étudiants peuvent désormais s'essayer à un véritable travail d'apprentissage en profondeur. Ils peuvent se rapprocher des conditions auxquelles ils seront confrontés dans les domaines de la recherche, des équipes d'ingénierie et des rôles liés à l'IA appliquée.

Dans l'enseignement de l'IA, cette différence est importante. Les étudiants n'apprennent pas à porter un jugement pratique en restant éternellement dans de petits exemples. Ils l'apprennent lorsque l'apprentissage des modèles prend du temps, lorsque les données doivent être préparées, lorsque la configuration est importante, lorsque les tâches échouent et lorsque les choix concernant l'échelle et la méthode ont des conséquences.

L'accès informatique soutient l'enseignement en permettant aux étudiants de faire le type de travail qu'ils étudient.

Le hackathon comme test

L'exemple public le plus clair est celui du DIRISI Hackathon.

Selon la DSTI, les étudiants ont été sélectionnés pour participer aux côtés d'un petit groupe d'institutions reconnues pour leurs programmes d'IA. Le défi consistait à entraîner des modèles d'apprentissage profond sur des données de séries chronologiques afin de prédire les anomalies du réseau. Les étudiants avaient besoin d'un environnement GPU pour créer et entraîner leur solution, et DSTI leur a donné accès à Hivenet.

Ils se sont classés deuxièmes au classement général, selon le DSTI.

Il s'agit du meilleur exemple de réussite, car il a créé un avant-après clair. La DSTI était la même institution dont les étudiants étaient contraints par un bac à sable limité et pouvait désormais aider les étudiants à former des modèles d'apprentissage en profondeur pour relever un défi appliqué exigeant.

Le Hackathon n'est pas la solution, que ce soit pour nous chez Hivenet ou pour DSTI. La plupart des apprentissages des élèves sont moins publics que les résultats d'un concours. Il montre toutefois ce qui devient possible lorsque les étudiants ont accès à une infrastructure adaptée au niveau de travail qui leur est demandé.

Un bac à sable peut introduire des concepts. Un environnement GPU utilisable permet aux étudiants de tester ces concepts sous pression.

La friction qui persiste

Le partenariat a suffisamment bien fonctionné pour que DSTI puisse le renouveler, mais l'expérience présente encore des difficultés pratiques.

Le responsable du corps professoral de la DSTI a souligné un domaine dans lequel les étudiants ont besoin de plus de soutien : les connexions SSH et la création de clés. Les étudiants moins expérimentés peuvent ralentir lors de l'installation, surtout s'ils ne sont pas habitués à ce type d'environnement.

Ce détail a de réelles conséquences pédagogiques. Dans un cours technique, un étudiant bloqué par la configuration SSH est bloqué avant le début de la tâche d'apprentissage. Si suffisamment d'élèves atteignent le même point, cela peut changer le rythme d'une classe.

Les documents de Hivenet incluent des conseils sur génération et ajout de clés SSH sous Linux, ainsi que d'autres étapes de configuration, et l'interface fournit déjà des conseils rapides. Les commentaires de la DSTI indiquent que les étudiants moins familiarisés avec ces flux de travail bénéficieraient d'une documentation et d'un support plus détaillés.

Comme pour tous les partenariats, le nôtre avec DSTI est toujours un déploiement fonctionnel, avec les détails de configuration normaux qui accompagnent une infrastructure réelle. Dans le domaine de l'enseignement, ces détails sont importants car les étudiants arrivent avec différents niveaux de confiance technique.

L'objectif est de réduire ces frictions afin que les étudiants puissent passer moins de temps à négocier l'accès et plus de temps à faire leur travail.

Pourquoi DSTI a été renouvelé

DSTI a déjà renouvelé son partenariat avec Hivenet. L'école a décrit le renouvellement comme « une preuve de confiance mutuelle ».

Le signal interne le plus clair, selon le DSTI, est l'utilisation. L'école a également décrit une « véritable excitation » au sein du corps étudiant. Ce ne sont pas des chiffres de référence, mais ils sont significatifs dans un environnement universitaire. Une plateforme que les étudiants évitent a échoué, même si elle apparaît bien dans le cadre d'un processus d'approvisionnement. Une plateforme utilisée par les étudiants modifie ce que les professeurs peuvent attribuer et ce que les étudiants pensent pouvoir essayer.

DSTI prévoit désormais d'étendre le partenariat aux étudiants de licence. Elle prévoit également d'intégrer Hivenet à d'autres cours liés à l'IA, notamment les réseaux de neurones artificiels et l'éthique des données.

C'est important car tous les cours d'éthique ne nécessitent pas le calcul par GPU. Pour DSTI, la question plus générale est celle de la cohérence. Les étudiants apprennent l'IA, les données, la cybersécurité et la souveraineté dans un environnement technique réel. L'infrastructure fait partie de ce monde.

C'est pourquoi ce partenariat est bien plus qu'un moyen moins coûteux de louer des GPU. Pour DSTI, cela fait partie de la capacité de l'école à enseigner l'IA moderne sans demander aux étudiants de travailler dans des limites qui ne correspondent plus au domaine.

Ce que montre l'affaire DSTI

L'histoire de DSTI n'est pas un modèle universel. Les besoins des différentes institutions sont différents. Certains nécessitent des blocs-notes gérés. Certains ont besoin de clusters dédiés. Certains ont besoin de contrôles de conformité stricts. Certains ont besoin d'un accès occasionnel à des GPU pour un petit groupe d'étudiants avancés.

Mais le schéma est reconnaissable.

Les étudiants sont invités à apprendre l'IA de manière plus pratique. Les professeurs sont invités à les préparer à des travaux qui dépendent d'une infrastructure réelle. Les institutions sont invitées à contrôler les coûts tout en préservant leur souveraineté, leur conformité et leur disponibilité. Un bac à sable contrôlé qui fonctionne pour les petites tâches risque de ne pas tenir le coup lorsque les étudiants passent à des tâches plus exigeantes en matière d'IA.

Pour DSTI, la limite est devenue visible lorsque les étudiants ont commencé à demander de l'aide. Ils avaient besoin d'un accès qui pourrait soutenir les cours, les expériences et les travaux liés à l'apprentissage. Le corps professoral avait besoin d'un environnement capable de soutenir de véritables projets d'apprentissage en profondeur. L'institution avait besoin d'un prestataire financièrement rentable et aligné sur sa position européenne.

DSTI a choisi Hivenet parce que ces besoins étaient réunis dans un seul arrangement réalisable.

La valeur de ce partenariat se reflète parfaitement dans le déroulement de l'histoire : les étudiants sont passés de l'atteinte de limites dans un bac à sable à la gestion de tâches de formation en apprentissage profond, à la mise au point de modèles, à l'utilisation de l'accès au GPU dans le cadre d'un hackathon national et à la préparation d'un accès plus large à l'ensemble de l'école.

C'est une leçon utile. Dans l'enseignement de l'IA, l'infrastructure détermine ce que les étudiants peuvent construire, ce que les professeurs peuvent enseigner et si l'environnement technique d'une école correspond au travail qu'elle demande aux étudiants de faire.

Lorsque les étudiants ne peuvent plus utiliser le bac à sable, l'accès au GPU fait partie intégrante de l'enseignement.

---

Explorez Calculez avec Hivenet pour les programmes universitaires d'IA, ou parler à Hivenet à propos de l'accès au GPU pour l'enseignement, la recherche et les charges de travail des étudiants.