Cette page est également disponible en English, Deutsch, Español, Italiano, 日本語 et Português.
DoiT a repensé son architecture AWS SageMaker et affiné ses endpoints d'inférence auto-scalables pour des workloads d'IA évolutifs et maîtrisés côté coûts.
Sweeeft.ai devait poser des fondations cloud-native prêtes pour l'IA, sans disposer en interne de l'expertise cloud nécessaire. L'entreprise s'est heurtée à de sérieux obstacles lors de la migration de ses workloads d'IA vers Amazon SageMaker : les modèles échouaient à l'entraînement en raison d'incompatibilités de versions entre les SageMaker Deep Learning Containers, PyTorch et Hugging Face Transformers.
DoiT a mené une évaluation complète et préconisé une approche cloud-native sur AWS. L'équipe a identifié les combinaisons optimales de versions Python, PyTorch et HuggingFace compatibles avec les AWS Deep Learning Containers. DoiT a déployé des politiques d'auto-scaling sur les endpoints d'inférence asynchrones SageMaker et formé les équipes pour les rendre autonomes.
Grâce à l'accompagnement de DoiT, nous avons migré nos workloads LLM vers AWS via SageMaker. Plutôt que de transposer simplement notre infrastructure existante, DoiT a permis à Sweeeft.ai d'adopter une architecture résolument cloud, de déployer rapidement des innovations d'IA générative de pointe et d'élargir nos capacités. Ces innovations nous aident à mieux servir nos propres clients : les équipes RH du monde entier peuvent désormais réduire leur temps de recrutement jusqu'à 60 %.
Verona Selimaj, International Development Lead, sweeeft.ai
Sweeeft.ai est une startup pionnière de la HR tech qui exploite l'intelligence artificielle pour transformer la gestion des ressources humaines. La plateforme réinvente les opérations RH en automatisant des tâches clés comme le recrutement, l'évaluation des talents et la formation. En s'appuyant sur des technologies avancées telles que les grands modèles de langage et les algorithmes d'analyse comportementale, Sweeeft.ai fluidifie le tri, le matching et l'évaluation des candidats. L'entreprise propose des solutions personnalisables et évolutives, avec des configurations flexibles adaptées aux besoins propres à chaque organisation.
Sweeeft.ai devait bâtir des fondations cloud-native prêtes pour l'IA, sans disposer en interne d'une expertise cloud suffisante. Après avoir retenu AWS pour sa stack ML, l'entreprise s'est heurtée à d'importants obstacles lors de la migration de ses workloads d'IA vers Amazon SageMaker. Les modèles échouaient à l'entraînement en raison d'incompatibilités de versions entre les SageMaker Deep Learning Containers, PyTorch et Hugging Face Transformers. Une situation qui menaçait les délais et bloquait le déploiement des modèles, d'où la nécessité d'un accompagnement expert.
DoiT a mené une évaluation minutieuse de l'architecture existante et préconisé une approche cloud-native sur AWS. L'équipe a travaillé main dans la main avec les Engineers de Sweeeft.ai pour identifier les combinaisons optimales de versions Python, PyTorch et HuggingFace compatibles avec les AWS Deep Learning Containers. DoiT a partagé les bonnes pratiques d'organisation du cycle de vie machine learning et déployé des politiques d'auto-scaling sur les endpoints d'inférence asynchrones SageMaker, pour optimiser les coûts tout en assurant une scalabilité rapide.
Sweeeft.ai a migré avec succès ses workloads LLM vers Amazon SageMaker, multipliant par 4,4 la vitesse d'entraînement et gagnant 62 % de productivité. Les solutions d'IA permettent désormais aux équipes RH de réduire jusqu'à 60 % leur temps de recrutement. Forte de fondations solides sur les services d'IA d'AWS, Sweeeft.ai est armée pour passer à l'échelle de façon rentable et viser le leadership de son marché, portée par une amélioration continue et l'adoption des meilleures pratiques d'IA responsable.
Découvrez comment DoiT Cloud Intelligence améliore la visibilité, la gouvernance et l'unit economics de vos environnements cloud.
DoiT gave us the confidence to move from experimentation to production. They helped us understand the right way to build AI for the real world.
Milad Rezazadeh, CTO
Attribute™'s cost grouping technology took our cost visibility and allocation to a whole new level. Now, our teams are fully accountable for their budgets, significantly improving our cloud efficiency and helping us minimize unnecessary costs.
Eli Zilbershtein, Head of DevOps, Hippo
You can't tag a customer in a multi-tenant environment. Attribute™ finally shows us what each customer costs and what's driving those costs.
Omri Cohen, Director of Engineering, Platform
Attribute™'s data is truly unmatched. No other solution on the market could deliver the precise customer cost and usage profiles we needed in such a complex infrastructure. Within weeks, the data from Attribute™ transformed our understanding of cost structures, influencing key strategic decisions in pricing, renegotiations, and market positioning.
Jonathan Langer, COO, Claroty
Attribute™ simplified tracking customer costs in our multi-tenant environments. Customer cost measurement is now clear and standardized, and finance gets the business context they need. Integration was quick and required no changes.
Kfir Lippmann, CFO, Salt Security
Attribute™ translates complex cloud bills into actionable, business-centric insights that empower our engineering teams to take true ownership of their costs.
Balamurugan Mohandossgandhi, Head of IT and Infrastructure, PropertyGuru
This has let us get a better idea of what our cost of goods sold really is. It's not every day you come across something that delivers value as quickly as yours did for us. I was seeing useful insights inside the POC, and we had only deployed it to a couple of real clusters.
Jason Moore, Principal DevOps Engineer, Accrete AI
Eliminating the need to tag thousands of resources has freed up my team and we've invested our efforts in enhancing our platform significantly.
Ziv Sivan, VP of Engineering
PerfectScale by DoiT has become an important part of how we optimize Kubernetes at scale at OneFootball. It gives our platform team the visibility, automation, resiliency insights, and confidence we need to balance cost efficiency with production readiness, especially as we prepare for major global football moments like the 2026 FIFA World Cup.
Andrea Benfatto, Platform/Cloud Runtime Engineering Manager
Cloudflow's new RDS End of Life alerts have allowed us to be more proactive on keeping our database instances up-to-date. The new solution gives us internal visibility ahead of time so that we can prepare for upgrades, instead of having to upgrade under pressure while incurring extended support costs.
Jon Fairbanks, Site Reliability Engineering Manager
PerfectScale cut 40% off our total EKS spend, and the automations handle what used to take our team 20 hours a month. Now we spend that time on reliability and performance instead of chasing cost metrics.
Caio Cristo, Director of Infrastructure/SRE
What I really like about DoiT's approach is that you're very hands-on and proactive. Satyam would ping me a few times a sprint, letting me know about the most current features, checking in on how things are going. When we are going through a peak time, that proactiveness makes a real difference. Satyam always comes through whenever we need support and helps us leverage the right experts to get us where we need to be.
Chiamaka Ibeme, Engineering Manager, Platform
SELECT has made important cost data readily accessible. I will often pull it up during engineering design reviews so we can quickly evaluate cost impact and projections and factor that into our design decisions.
Douglas Zickuhr, Senior Data Platform Engineer at Personio
Let us show you what ships this week.
