AI et Edge Computing : un tandem gagnant pour un IoT efficace
En plaçant à l’Edge des modèles d’AI entrainés, les entreprises ont désormais la possibilité de faire parler leurs données de l’IoT et d’éviter toute forme de latence.
Avec la montée en puissance de l'Internet des objets (IoT), l'informatique de proximité (Edge Computing) a petit à petit trouvé sa place pour déplacer la puissance de traitement au plus près du datacentrer local. L’association Edge Computing et IoT ayant montré des cas d’usages industriels et commercialement viables, l'intelligence artificielle cherche naturellement à s’y engouffrer.
Ce puissant mélange apporte quelque chose de nouveau à l’IT : l'intelligence distribuée. Ce domaine naissant et intriguant de l’apprentissage statistique peut être supporté dans des traitements décentralisés.
Au niveau local
Cette intelligence de traitement distribué permet justement diviser les tâches en blocs localisés, chacun étant conçu pour répondre à un besoin particulier. Plutôt que de mettre en place une infrastructure centralisée de ML et Big Data, l’entreprise déploie des services AI dans plusieurs secteurs physiques de l’entreprise : ses entrepôts, ses usines, sa flotte de mobiles ou encore proche des employés sur le terrain.
L'IA est donc infusée au sein de ces régions localisées pour plusieurs raisons. Premièrement, il existe un besoin accru d'aide à la décision en temps réel et de s’adapter rapidement en fonction d’un contexte. Dans les systèmes de décision hybrides homme-machine, tels que le support client, l'analyse immédiate des sentiments est la solution idéale. Il est peu productif d’effectuer des allers-retours dans le cloud pour analyser immédiatement des données en local.
Deuxièmement, la création de modèle spécifique aux données IoT est meilleure si elle est effectuée là où la modélisation est en cours, plutôt que dans une simulation à distance.
Pour certains experts, l'intelligence artificielle exercée sur un point de proximité pourrait bien dépasser le Machine Learning dans le cloud, voire même le réduire à néant. Dans un billet de blog (intitulé « The edge will eat the cloud », Thomas Bittman, analyste chez Gartner note que la latence et l’automatisation totale sont deux préoccupations majeures. Le cloud pourrait bien faire place à une AI locale, à l’Edge.
Evolution de l'IA
L'intelligence artificielle de proximité n’est pas qu’une question de localisation : c'est un nouveau type d’AI localisée et en temps réel, qui peut s'adapter au moment. Les flux de données continus de l'IoT peuvent, si gérés à l’Edge, déclencher immédiatement un changement de processus, puis renvoyer les métadonnées de la réponse au système d’origine.
Pour le moment, l’analytique effectué sur le terminal reste plutôt un cas d’usage simple. Mais cette simplicité a fait long feu, car aujourd’hui les magasins, les usines et l’environnement physique (comme les routes) doivent de plus en plus tenir compte les uns des autres. Cela nécessite donc un terminal Edge encore plus intelligent et plus sophistiqué – et avec une AI encore plus performante.
Nouveaux défis
En dépit d’un RoI évident, l'intelligence distribuée, l'IoT et l’Edge s’apparentent encore à un parcours du combattant. Les options sont nombreuses mais rares sont les bonnes pratiques. Il existe de nombreux problèmes non résolus comme la façon de répartir efficacement le traitement entre les serveurs, les passerelles et les périphériques IoT, par exemple.
La sécurité constitue un autre problème. Avec autant de périphériques connectés aux systèmes de l'entreprise, l'IA à l’Edge crée un risque d'attaque potentielle bien plus grand que celui auquel la plupart des entreprises sont normalement confrontées. L'accès par le biais de passerelles (gateway IoT) est un sujet de préoccupation et les terminaux Edge nécessitent eux-mêmes des mises à jour de leur firmware - et donc une nouvelle forme de maintenance.
