IA à l’edge
Qu’est-ce que l’IA à l’edge ?
L’intelligence artificielle (IA) à l’edge est une extension de l’edge computing qui permet le traitement de données et d’algorithmes directement à partir d’un terminal.
À quoi ressemble l’IA à l’edge aujourd’hui ?
L’IA à l’edge combine deux technologies émergentes : l’edge computing et l’intelligence artificielle (IA). Alors que l’edge computing découle du même principe général, dans la mesure où les données sont générées, collectées, stockées, traitées et gérées à partir d’un emplacement local plutôt que d’un datacenter distant, l’IA à l’edge pousse le concept encore plus loin en le transposant au niveau des devices, et en utilisant une capacité de machine learning (ML) pour imiter le raisonnement humain afin d’atteindre des points d’interaction utilisateur tels qu’un ordinateur, un serveur edge ou un device IoT. Ces appareils ne nécessitent généralement pas de connexion Internet pour fonctionner et peuvent prendre des décisions de manière autonome.
Les assistants virtuels, comme Google Assistant, Siri (Apple) ou Amazon Alexa, sont des exemples très répandus d’application de la technologie d’IA à l’edge. À partir du moment où un utilisateur dit «∘Hey∘», ces outils écoutent et apprennent à partir des mots prononcés par cet utilisateur (mise en œuvre du machine learning), interagissent avec une interface de programmation d’application (API) basée sur le cloud et stockent ce qu’ils apprennent localement.
À quoi l’IA à l’edge pourrait-elle ressembler à l’avenir ?
Les appareils électroménagers intelligents, smartphones et accessoires portables connectés comptent parmi les exemples les plus courants, mais il existe aussi d’autres exemples moins grand public, comme les véhicules autonomes, les drones, les robots et les caméras de surveillance comportant une capacité d’analyse vidéo. Dans chaque cas, des données sont capturées et utilisées en vue de prendre des décisions en temps réel ou quasi réel. Par exemple, les voitures autonomes utilisent des capteurs de données visuelles et autres en conjonction avec le cloud computing pour déterminer les conditions routières et prendre des décisions rapidement. Ces conditions peuvent inclure simultanément des véhicules et des objets statiques à proximité, des piétons ou des intempéries.
Dans l’ensemble, le domaine de l’IA à l’edge présente un potentiel de croissance important à court terme. Des études sectorielles estiment que la taille du marché mondial de l’edge computing atteindra 61,14 milliards de dollars d’ici 2028.
Quels sont les avantages de l’IA à l’edge ?
Latence réduite
Par rapport à d’autres formes de traitement nécessitant l’envoi des données à des datacenters distants ou au cloud, l’IA à l’edge est plus habile et plus agile, car elle permet un traitement local plus rapide induisant moins de latence que les formes traditionnelles de cloud computing. La réduction des contraintes de bande passante et de transmission de données se traduit par des temps de réponse rapides qui peuvent améliorer l’expérience utilisateur (UX), en particulier avec les technologies portables et mobiles où la vitesse est essentielle. La capacité de trouver des réponses utiles, d’extraire des informations et de réaliser des transactions en quelques secondes (ou moins) peut avoir un impact positif sur la préférence des consommateurs et engendrer d’autres avantages concurrentiels.
Coûts réduits
L’installation de devices dotés d’algorithmes préchargés réduit la nécessité d’une infrastructure Internet complexe, dont la construction et le déploiement peuvent être coûteux et longs. Et comme il n’est plus nécessaire de faire circuler des flux de données massifs en permanence, les coûts de communication de données diminuent également. De plus, le caractère autonome de l’IA à l’edge réduit le besoin d’une surveillance constante par des data scientists. Si l’interprétation humaine sera toujours un facteur clé pour déterminer la valeur ultime des données et de l’innovation qu’elles génèrent, les plateformes d’IA à l’edge assument une partie de cette responsabilité, réduisant ainsi le résultat net d’une entreprise.
Le coût réduit des infrastructures edge rend également cette technologie plus accessible et polyvalente. Du fait qu’elle élimine plusieurs prérequis dépendants d’Internet, l’IA à l’edge peut fonctionner dans des zones avec peu ou pas de couverture réseau.
Sécurité renforcée
Avec l’IA à l’edge, les données ne sont plus transmises et partagées via le cloud ou des serveurs distants : l’ensemble des traitements et du stockage s’effectue localement, ce qui le rend plus sécurisé et privé. Ce niveau de protection supplémentaire est inestimable, voire critique, pour certaines charges de travail soumises à des obligations de conformité à des normes législatives ou réglementaires strictes, telles que la loi HIPAA (Health Information Portability and Accountability Act).
Comment fonctionne l’IA à l’edge ?
L’IA à l’edge repose sur les principes des architectures ML standard, dans lesquelles des algorithmes d’IA sont utilisés pour traiter les données et générer des réponses en fonction de certains facteurs. Dans le passé, cela impliquait d’utiliser une API cloud pour envoyer des données à un datacenter centralisé, où elles pouvaient être analysées en vue d’extraire des informations. Souvent, la capacité de données transférées était limitée, ce qui posait des problèmes considérables pour le contenu haute définition comme la photo et la vidéo.
Mais l’importance croissante de l’IoT et des devices intelligents a permis de décentraliser les environnements d’analyse des données. Fabriqués avec des microprocesseurs intégrés contenant les algorithmes nécessaires, les terminaux peuvent désormais collecter et interpréter les données pour prendre des décisions en fonction de leur programmation en temps réel, quelle que soit la robustesse des données.
L’IA à l’edge et HPE
L’edge est le lieu où l’action se déroule, et HPE se situe à l’avant-garde des plateformes d’IA à l’edge et des infrastructures edge. Comme en témoigne son statut de lauréat du prix du Meilleur fournisseur IoT de l’année 2021 aux Compass Intelligence Awards,HPE s’attache à soutenir les entreprises et les institutions cherchant à libérer le plein potentiel des données l’edge où qu’elles soient ainsi qu’à accélérer l’innovation. Cette innovation peut prendre bien des formes : surveiller la faune à distance afin de mieux comprendre le comportement des animaux, analyser les performances de fabrication pour optimiser son efficacité et identifier proactivement les risques avant qu’ils ne surviennent, ou même offrir une expérience de stade optimisée pour les mobiles aux supporters de l’un des meilleurs clubs de football de la Premier League anglaise.
Libérer l’innovation au sein de l’Intelligent Edge suppose avant tout de se doter la bonne infrastructure, et HPE propose un large portefeuille de plateformes edge. Par exemple, une plateforme matérielle comme les systèmes convergés HPE Edgeline permet aux entreprises d’évoluer vers un modèle informatique convergé distribué, qui lui donne accès à la prise de décision locale en temps réel, au traitement et à l’analyse autonomes des données, ainsi qu’à une sécurité de pointe à tout moment.
Au-delà du matériel, des services comme HPE Aruba Networking Edge Services Platform (ESP) permettent de déployer la première plateforme cloud-native évolutive pilotée par l’IA pour simplifier les problématiques rencontrées à l’edge. Offrant plusieurs outils de gestion et une visibilité accrue sur tous les actifs informatiques et emplacements edge, HPE Aruba Networking ESP permet aux utilisateurs de répondre rapidement aux besoins changeants de l’entreprise.