Séparer les environnements de calcul IA (par exemple, développement, test, production) et les domaines de données afin de limiter l'impact des pannes ou des violations de sécurité.
La pratique consistant à isoler les charges de travail de calcul, les magasins de données et les segments réseau selon l’environnement ou le niveau de classification (développement vs. production, PII vs. non-PII), appliquée au moyen de politiques réseau, de rôles IAM distincts et de clusters ou d’espaces de noms séparés. La gouvernance définit les frontières des environnements, les étiquettes de domaines de données et les contrôles d’accès, garantissant qu’une compromission ou une défaillance dans une zone ne se propage pas aux systèmes critiques et n’expose pas de données sensibles.
Une plateforme d’IA basée sur le cloud exécute les charges de travail de développement dans un espace de noms Kubernetes distinct, sans accès aux bases de données de production. Seuls les pipelines de mise en production approuvés peuvent promouvoir les images de conteneurs vers l’espace de noms de production, ce qui garantit une séparation stricte des charges de travail et réduit au minimum le risque d’exposition accidentelle des données.
