Avantages de l'Edge Computing pour la cristallisation de l'IA

L'intérêt pour l'Edge Computing continue de croître, tout comme la confusion entourant l'architecture. La situation est similaire en ce qui concerne l'intelligence artificielle. La perspective de déplacer l'IA vers le bord peut sembler être une recette pour encore plus de confusion.

L'intelligence artificielle à la périphérie n'est souvent « qu'une théorie citée dans des articles », a déclaré Martin Davis, associé directeur chez DUNELM Associates.

Pourtant, le concept d'intelligence artificielle de pointe est de plus en plus difficile à ignorer pour les organisations industrielles et les entreprises. Les opérations gourmandes en ressources telles que l'apprentissage en profondeur et la vision par ordinateur ont traditionnellement eu lieu dans des environnements informatiques centralisés. Mais la disponibilité croissante de matériel informatique et de mise en réseau hautes performances ouvre la possibilité de déplacer cette activité vers une «architecture cloud centralisée vers la périphérie», comme l'a écrit le consultant Chaitan Sharma. « Cela n’arrivera pas du jour au lendemain, mais c’est inévitable. » Gartner prévoit que les trois quarts des données d'entreprise seront traitées en périphérie d'ici 2025, tandis que Grand View Research prévoit que le marché de l'informatique de périphérie augmentera à un taux annuel de 54 % jusqu'en 2025.

À la pointe de l'industrie

La question de savoir où se déroule exactement l'edge computing n'est pas toujours claire. L'Open Glossary of Edge Computing définit l'architecture comme la « fourniture de capacités informatiques aux extrêmes logiques d'un réseau ». Située en dehors des centres de données traditionnels et du cloud, la périphérie est concentrée sur le "dernier kilomètre" du réseau et elle est aussi proche que possible des objets et des personnes produisant des données ou des informations.

[ Le monde de l'IoT est le plus grand événement IoT d'Amérique du Nord où les stratèges, les technologues et les responsables de la mise en œuvre se connectent, mettant l'IoT, l'IA, la 5G et la périphérie en action dans tous les secteurs verticaux. Réservez votre billet maintenant. ]

Compte tenu de la difficulté d'utiliser le cloud computing dans des environnements tels que les usines ou les mines, le secteur industriel est un bon candidat pour l'architecture edge computing. Une usine, par exemple, peut nécessiter une fiabilité de réseau élevée, avec une disponibilité de 99,9999% et une latence faible en millisecondes, et cela peut imposer des contraintes sur l'envoi de données hors site. Compte tenu de ces limitations, la plupart des usines ont traditionnellement déployé des câbles physiques et des protocoles filaires propriétaires de fournisseurs industriels. Le résultat est un « environnement technologique fragmenté », que des technologies telles que l'informatique de pointe pourraient aider à unifier, selon Ovum Market Radar : CSP’s Industrial IoT Strategies and Propositions.

Une architecture informatique de pointe qui fonctionne sans le cloud ne doit pas être confondue avec des scénarios de calcul locaux dans lesquels toutes les données sont traitées sur des appareils individuels. Bien qu'une telle informatique embarquée puisse prendre en charge la prise de décision critique en temps réel, le matériel de l'appareil est coûteux, selon Harald Remmert, directeur principal de la recherche et de l'innovation chez Digi International. De plus, la capacité de telles configurations de calcul locales à prendre en charge des opérations telles que l'apprentissage automatique est souvent limitée.

À l'inverse, un système informatique de pointe activé par l'IA dans une usine pourrait contextualiser les données de plusieurs machines pour détecter et finalement prédire les problèmes qui provoquent des temps d'arrêt. « Effectuer une inférence d'apprentissage automatique à la périphérie est un catalyseur pour l'échelle des applications, même lorsque de faibles latences ne sont pas nécessaires », a conclu Gal Ben-Haim, responsable de l'architecture d'Augury, une entreprise qui crée une technologie d'apprentissage automatique pour l'industrie des processus.

Cela ne signifie pas pour autant que le déploiement de l'apprentissage automatique à la périphérie est nécessairement facile. Cela « nécessite des modèles d'apprentissage automatique plus matures et de nouvelles façons de gérer leurs déploiements », a déclaré Ben-Haim.

Du cloud à la périphérie et inversement 

Bien que certains scénarios d'informatique de périphérie n'utilisent pas du tout de modèles informatiques centralisés, de nombreux analystes estiment que l'informatique de périphérie permet un continuum d'informatique qui a des aspects distribués et centralisés. Au lieu de représenter un pendule s'éloignant des centres de données centralisés, l'informatique de pointe offre une "trêve", a déclaré l'analyste de Gartner Bob Gill lors d'un webinaire en 2018.

« Certains modèles d'edge computing affirment qu'il remplacera le cloud; Je ne pense pas que cela se produira », a déclaré Bill Malik, vice-président des stratégies d'infrastructure chez Trend Micro.

"Il y a peu de cas d'utilisation où Edge étant autonome a du sens", a convenu Daniel Newman, analyste principal chez Futurum Research.

La plupart du temps, le flux de données sera bidirectionnel entre la périphérie et le cloud. Alors que le cloud peut favoriser le suivi des grandes tendances et des effets de second ordre tels que les changements dans la consommation d'énergie ou la qualité de l'air, "l'edge computing donne des réponses locales aux questions locales", a déclaré Malik.

Accenture considère l'edge computing comme une extension du cloud. « Edge est utilisé par bon nombre de nos clients en tandem avec l'analyse cloud et la technologie d'apprentissage automatique pour rendre possibles de nouveaux services commerciaux précieux », a déclaré Charles Nebolsky, directeur général et responsable de la pratique réseau pour Accenture Technologie. Un exemple est l'initiative Mine connectée d'Accenture visant à rationaliser la façon dont les sociétés minières gèrent leurs opérations dans la fosse. "Nous avons étendu la solution Connected Mine avec l'informatique de pointe chez un client minier industriel où ils utilisent une vidéo haute résolution à partir de l'équipement de forage pour déterminer la densité de la roche", a ajouté Nebolsky. Cette capacité permet à la perceuse d'ajuster l'angle et la vitesse en temps réel, et prend également en charge la maintenance prédictive de l'équipement. "La bande passante des flux vidéo haute densité requis ne peut pas être ramenée vers le cloud avec les images par seconde requises de manière rentable pour le traitement cloud direct", a déclaré Nebolsky.

Un autre exemple de ce flux de données circulaire est fourni par Volvo Trucks, qui déploie des systèmes télématiques et de diagnostic à distance dans les véhicules récents. Le système fonctionne, en partie, en utilisant l'ordinateur de bord qui détecte les paramètres anormaux et déclenche les codes de panne. À partir de là, son système télématique transmet des données opérationnelles troublantes au centre de disponibilité de Volvo, qui peut coordonner les réponses avec les parties concernées telles que les ateliers de réparation, les concessionnaires et les agents du service client. Alors que l'informatique embarquée sur les camions aide à diagnostiquer les problèmes, l'aspect centralisé du déploiement permet aux ateliers de réparation et aux concessionnaires de se préparer à l'arrivée des camions pour maintenance.

« Volvo progresse vers ce qui devient rapidement un modèle de maturité commun lié à l'analyse de pointe, à l'intelligence artificielle et à l'apprentissage automatique », a déclaré Bill Roberts, directeur IoT chez SAS. Une prochaine étape raisonnable serait d'activer la capacité de calcul de pointe sur les camions pour déterminer quelles données de défaut sont exploitables. Un tel changement libérerait « de la bande passante pour collecter des données télématiques supplémentaires, ce qui permettrait d'obtenir davantage d'informations analytiques développées dans le cloud », a déclaré Roberts. « Ces informations peuvent être opérationnalisées n'importe où à partir de la périphérie ou du cloud, en fonction de ce que le cas d'utilisation dicte. »

Le banc d'essai d'intégration des ressources énergétiques distribuées fournit un autre exemple d'informatique distribuée et cloud combinée. Le projet offre une alternative aux réseaux électriques centralisés traditionnels à courant alternatif, qui ont du mal à utiliser efficacement l'énergie provenant de sources de courant continu distribuées telles que les panneaux solaires ou les éoliennes. Le banc d'essai s'appuie sur des analyses en temps réel basées sur la périphérie déployées sur du matériel dispersé dans tout le réseau pour relier les équipements hérités hétérogènes et le contrôle centralisé avec des capacités complètes de réponse en temps réel et de fonctionnement autonome, selon Erik Felt, directeur du développement du marché du futur réseau chez RTI, et Neil Puthuff, ingénieur en intégration logicielle chez RTI. La plate-forme est équipée pour un fonctionnement autonome et des analyses à la périphérie, tout en fournissant des données et un contrôle à un ou plusieurs centres de contrôle.

La connectivité 5G a également suscité un intérêt pour l'architecture de périphérie pour permettre le calcul en dehors des centres de données traditionnels. Bien qu'il existe peu d'exemples d'organisations avec des projets d'informatique de périphérie compatibles 5G, cela pourrait changer à mesure que le réseau 5G mûrit. Les avantages de cette approche sont similaires à ceux du cloud, bien qu'avec une latence plus faible, a noté Remmert. "Cette architecture est très populaire pour les applications d'apprentissage automatique", a-t-il conclu.