Déplacer le cloud vers l'edge : Accélérer la prise de décision IoT

Adi Hirschtein d'Iguazio

Dans le paysage IoT d'aujourd'hui, les entreprises doivent prendre des décisions en une fraction de seconde. Adi Hirschtein, directrice produit chez Iguazio, explique que l'envoi de données vers un cloud distant — et retour — crée une latence qui entrave à la fois l'efficacité et la rentabilité.

L'edge computing offre une réponse convaincante : en traitant les données à la source, les entreprises peuvent contourner la latence cloud et débloquer le plein potentiel de l'IoT.

Le marché américain de l'edge computing, évalué à 80 millions $ en 2017, devrait dépasser 1 milliard $ d'ici 2025 alors que les entreprises across industries adoptent ses avantages. Business Insider projette que 5,6 milliards d'appareils IoT d'entreprise et du secteur public s'appuieront sur l'edge computing d'ici 2020 — un bond de neuf fois depuis 2015.

Le cloud reste essentiel. Les plateformes hybrides permettent aux entreprises d'utiliser l'edge computing pour les décisions temps réel et les économies de bande passante, tout en exploitant les clouds publics pour le stockage historique et le calcul scalable. Dans ce modèle, les modèles de machine learning entraînés dans le cloud sont automatiquement poussés vers les nœuds edge, délivrant une performance maximale là où cela compte le plus.

Un besoin critique

Considérez quelques cas d'usage illustratifs où le processus chronophage d'envoi de données aller-retour vers un cloud centralisé pourrait compromettre la performance des entreprises et la sécurité publique.

Si une intelligence localisée dans une usine industrielle prédit ou détecte une défaillance d'équipement en IIoT, les usines doivent cesser les opérations et déclencher des actionneurs auto-réparateurs le plus vite possible pour éviter d'endommager davantage les machines, et plus important encore avec des équipements industriels lourds en mouvement — pour éviter de mettre en danger la vie des employés.

Le besoin pressant de solutions edge computing dans les contextes industriels explique pourquoi le manufacturing devrait représenter la plus grande part du marché américain de l'edge computing en 2025, à 306 millions $ (266,04 millions €).

Dans les télécommunications, l'edge computing sert d'outil vital pour surveiller et prédire la santé du réseau en temps réel. Cela ne peut être réalisé qu'en traitant le haut débit de messages de multiples flux, corrélé avec les données historiques à l'edge. Sans la capacité de l'edge computing à traiter et agir sur des flux de données distincts en temps réel, le processus d'analytique serait bien plus inefficace et chronophage, augmentant dramatiquement la probabilité de pannes majeures du réseau cellulaire.

Ces pannes, si elles sont causées par des événements naturels ou des cyberattaques, ont la capacité de paralyser la région affectée, soulignant l'importance de la capacité d'un telco à détecter et résoudre les pannes rapidement. En matière de sécurité publique, l'efficacité et le temps sont clés pour la résolution des crimes. Toute la technologie dont dispose la police — destinée à accélérer la résolution des dossiers — est gâchée quand le traitement cloud retarde sérieusement l'analyse des données.

Dans les cas extrêmes, ce sont exactement ces trois minutes supplémentaires qui font ou défont la capacité de la police à maintenir le public en sécurité. Seule une solution edge peut corréler rapidement des données de multiples sources structurées et non structurées pour tracer la voie à la police pour détecter et prévenir l'activité criminelle. Comme pour d'autres cas d'usage hautement sensibles où les décideurs ont besoin d'un accès rapide à l'analytique actionnable, le traitement de données hyper-localisé est la seule réponse.

Repenser la gestion des données

Au milieu de l'infusion de l'IoT dans pratiquement tous les aspects du business, les entreprises ont généré une demande sans précédent d'accès et d'analyse de vastes quantités de données. Dans ce climat, les entreprises ont deux choix : elles peuvent soit envoyer toutes leurs données pour traitement vers le cloud, soit opter pour avoir leurs données les plus critiques, sensibles au temps, traitées et analysées localement tout en utilisant le cloud pour l'entraînement des modèles ML et l'élasticité.

La première option expose les entreprises à des délais de toutes sortes et impose des coûts et risques significatifs. La seconde donne aux entreprises l'avantage dont elles ont besoin pour booster les temps de réponse. Tout cela soulève une question importante : Au lieu d'envoyer toutes les données vers le cloud et retour, pourquoi ne pas déplacer ce cloud vers l'edge lui-même ? Les entreprises semblent se poser la question et être d'accord.

Selon une analyse Gartner, d'ici 2022, les trois quarts des données d'entreprise seront traitées et analysées hors des centres de données centralisés, comparé à moins de 10 % en 2017. À mesure que plus d'entreprises adoptent l'approche de l'edge intelligent, cela signifiera plus de simplicité, performance et sécurité — apportant les bénéfices de l'IoT à plus d'entreprises et gouvernements, sans encourir de coûts inutiles en temps et argent.

L'analytique edge permet non seulement aux entreprises d'être plus compétitives dans leurs industries respectives, mais d'effectuer efficacement leurs tâches en temps réel, ce qui est essentiel dans notre réalité interconnectée.

L'auteur de ce blog est Adi Hirschtein, directrice de produit chez Iguazio