Si l'on compare l'intelligence artificielle à un voyage de A à B, le cloud computing s'apparente à un aéroport ou une gare TGV, tandis que l'edge computing est comparable à un taxi ou un vélo en libre-service. L'edge computing se situe au plus près des personnes, des objets ou des sources de données. Il repose sur une plateforme ouverte intégrant stockage, calcul, accès réseau et fonctionnalités applicatives essentielles pour fournir des services aux utilisateurs de proximité. Comparé aux services de cloud computing centralisés, l'edge computing résout les problèmes de latence élevée et de forte convergence du trafic, offrant ainsi une meilleure prise en charge des services en temps réel et gourmands en bande passante.
Le succès fulgurant de ChatGPT a déclenché une nouvelle vague de développement de l'IA, accélérant son intégration dans de nombreux domaines d'application tels que l'industrie, le commerce de détail, les maisons et les villes intelligentes. Face à l'immense quantité de données à stocker et à traiter côté application, le cloud seul ne suffit plus. L'edge computing optimise le dernier kilomètre des applications d'IA. Dans le cadre de la politique nationale de développement dynamique de l'économie numérique, le cloud computing chinois est entré dans une phase de développement inclusif, la demande en edge computing a explosé et l'intégration du cloud, de la périphérie et du terminal est devenue une orientation majeure pour l'avenir.
Le marché de l'informatique de périphérie devrait croître de 36,1 % par an au cours des cinq prochaines années.
Le secteur de l'informatique de périphérie (edge computing) connaît un développement soutenu, comme en témoignent la diversification progressive de ses fournisseurs de services, l'expansion du marché et l'élargissement de ses domaines d'application. Selon le rapport d'IDC, le marché des serveurs d'informatique de périphérie en Chine représentait 3,31 milliards de dollars américains en 2021 et devrait croître à un taux de croissance annuel composé (TCAC) de 22,2 % entre 2020 et 2025. Sullivan prévoit que ce marché atteindra 250,9 milliards de yuans (RMB) en 2027, soit un TCAC de 36,1 % entre 2023 et 2027.
L'écosystème de l'informatique de périphérie est en plein essor
L'informatique de périphérie n'en est qu'à ses débuts et les frontières entre les différents acteurs de la chaîne de valeur sont encore floues. Les fournisseurs doivent impérativement intégrer leurs solutions aux scénarios métiers, être capables de s'adapter techniquement à leur évolution et garantir une compatibilité matérielle optimale, tout en possédant les compétences techniques nécessaires à la réalisation des projets.
La chaîne de valeur de l'informatique de périphérie se divise en fabricants de puces, fournisseurs d'algorithmes, fabricants de dispositifs matériels et fournisseurs de solutions. Les fabricants de puces développent principalement des puces arithmétiques, du terminal au cloud, en passant par la périphérie du réseau. Outre ces puces, ils développent également des cartes d'accélération et des plateformes de développement logiciel. Les fournisseurs d'algorithmes s'appuient sur les algorithmes de vision par ordinateur pour concevoir des algorithmes génériques ou personnalisés. Certaines entreprises développent également des plateformes de distribution d'algorithmes, de formation et de déploiement. Les fabricants d'équipements investissent activement dans les produits d'informatique de périphérie, dont la composition s'enrichit constamment, pour former progressivement une pile complète, de la puce au système. Les fournisseurs de solutions proposent des solutions logicielles ou des solutions intégrant matériel et logiciel pour des secteurs d'activité spécifiques.
Les applications industrielles du Edge Computing s'accélèrent
Dans le domaine des villes intelligentes
L'inspection complète des biens immobiliers urbains est actuellement réalisée manuellement. Ce mode d'inspection présente des inconvénients majeurs : coût élevé en temps et en main-d'œuvre, dépendance au personnel, faible couverture et fréquence d'inspection insuffisantes, et contrôle qualité médiocre. Parallèlement, le processus d'inspection génère une quantité considérable de données, mais celles-ci ne sont pas exploitées à des fins commerciales. En appliquant l'intelligence artificielle aux scénarios d'inspection mobile, l'entreprise a créé un véhicule d'inspection intelligent pour la gouvernance urbaine. Ce véhicule utilise des technologies telles que l'Internet des objets, le cloud computing et des algorithmes d'IA. Équipé de matériel professionnel (caméras haute définition, écrans embarqués et serveurs dédiés à l'IA), il combine un mécanisme d'inspection « système intelligent + machine intelligente + assistance humaine ». Il favorise la transformation de la gouvernance urbaine, passant d'une approche dépendante du personnel à une approche automatisée, d'une approche empirique à une approche basée sur l'analyse des données, et d'une approche passive à une approche proactive.
Dans le domaine des chantiers de construction intelligents
Les solutions de chantier intelligentes basées sur l'informatique de périphérie appliquent une intégration profonde de l'intelligence artificielle aux tâches traditionnelles de surveillance de la sécurité dans le secteur de la construction. En installant un terminal d'analyse IA de périphérie sur le chantier, ce terminal développe et met en œuvre des algorithmes d'IA visuelle basés sur l'analyse vidéo intelligente, assurant ainsi une détection en temps réel des événements (par exemple, le port du casque), fournissant des services d'identification et d'alerte des points critiques pour la sécurité du personnel, de l'environnement et des biens, et prenant l'initiative d'identifier les facteurs de danger. La surveillance intelligente par IA permet de réduire les coûts de main-d'œuvre et de répondre aux besoins de gestion de la sécurité du personnel et des biens sur les chantiers.
Dans le domaine des transports intelligents
L'architecture cloud-side-end est devenue le paradigme de base pour le déploiement d'applications dans le secteur des transports intelligents, le cloud assurant la gestion centralisée et une partie du traitement des données, la périphérie fournissant principalement l'analyse des données et le traitement décisionnel par calcul côté périphérie, et le terminal étant principalement responsable de la collecte des données métier.
Dans des scénarios spécifiques tels que la coordination véhicule-route, les intersections holographiques, la conduite autonome et le trafic ferroviaire, un grand nombre de dispositifs hétérogènes sont sollicités. Ces dispositifs nécessitent une gestion des accès, des sorties, des alarmes, ainsi que des opérations de maintenance. L'informatique de périphérie permet de diviser le système pour mieux régner, de réduire la taille des données, d'assurer la conversion des protocoles entre les couches, de garantir un accès unifié et stable, et même un contrôle collaboratif des données hétérogènes.
Dans le domaine de la fabrication industrielle
Scénario d'optimisation des processus de production : Actuellement, de nombreux systèmes de fabrication discrète sont limités par l'incomplétude des données. Le calcul de l'efficacité globale des équipements et d'autres indicateurs est relativement imprécis, ce qui rend difficile leur optimisation. Une plateforme de calcul en périphérie, basée sur un modèle d'information des équipements, permet une communication horizontale et verticale au sein du système de production au niveau sémantique. Grâce à un mécanisme de traitement des flux de données en temps réel, elle agrège et analyse un grand nombre de données de terrain en temps réel, permettant ainsi la fusion d'informations issues de sources multiples sur la ligne de production modélisée. Cette plateforme fournit un support de données performant pour la prise de décision dans le système de fabrication discrète.
Scénario de maintenance prédictive des équipements : La maintenance des équipements industriels se divise en trois types : la maintenance corrective, la maintenance préventive et la maintenance prédictive. La maintenance corrective est une maintenance a posteriori, tandis que la maintenance préventive et la maintenance prédictive sont des maintenances a priori. La première repose sur le temps, les performances de l’équipement, les conditions du site et d’autres facteurs pour la maintenance régulière, et s’appuie plus ou moins sur l’expérience humaine. La seconde, grâce à la collecte de données de capteurs, à la surveillance en temps réel de l’état de fonctionnement de l’équipement et à l’analyse de ces données à l’aide d’un modèle industriel, permet de prédire avec précision les pannes.
Scénario d'inspection de la qualité industrielle : le domaine de l'inspection visuelle industrielle est le premier à avoir intégré l'inspection optique automatisée (AOI) traditionnelle au secteur du contrôle qualité. Cependant, le développement de l'AOI jusqu'à présent présente des limites : dans de nombreux scénarios complexes de détection de défauts, en raison de la diversité des défauts, de l'extraction incomplète des caractéristiques, de la faible extensibilité des algorithmes adaptatifs, des mises à jour fréquentes des lignes de production et du manque de flexibilité dans la migration des algorithmes. De ce fait, les systèmes AOI traditionnels peinent à répondre aux besoins d'évolution des lignes de production. C'est pourquoi les plateformes d'algorithmes d'inspection de la qualité industrielle basées sur l'IA, combinant apprentissage profond et apprentissage sur de petits échantillons, remplacent progressivement les méthodes d'inspection visuelle traditionnelles. Ces plateformes d'inspection de la qualité industrielle basées sur l'IA ont connu deux phases : l'utilisation d'algorithmes d'apprentissage automatique classiques et d'algorithmes d'inspection basés sur l'apprentissage profond.
Date de publication : 8 octobre 2023