L’analyse à la périphérie (Edge Analytics) permet aux entreprises tournées vers l’innovation et axées sur les données de traiter leurs informations immédiatement après leur collecte par des dispositifs IoT.
Traditionnellement, les entreprises agrègent des données provenant de diverses sources, les stockent dans le cloud ou sur des serveurs locaux, puis procèdent à leur analyse. Cependant, cette approche de l’analyse de données constitue un frein important pour le développement de l’Internet des Objets (IoT) et de l’Internet Industriel des Objets (IIoT).
L’Edge Analytics représente la solution idéale !
Cet article vous propose un aperçu concis de l’analyse en périphérie, vous donnant les clés pour concevoir des solutions ou transformer les entreprises numériques avec aisance.
Présentation de l’analyse à la périphérie
Comme le suggère son nom, l’analyse des données à la périphérie consiste à traiter les informations au plus près de leur source. La périphérie fait référence à l’endroit où les données sont générées. Dans le cadre de l’IoT, il s’agit de capteurs, d’actionneurs, de bras robotiques, de systèmes de chauffage, ventilation et climatisation (CVC), de commandes de convoyeurs, de commutateurs réseau et d’appareils intelligents.
Les applications d’analyse à la périphérie exécutent le traitement des données au plus proche de l’appareil IoT qui collecte des informations en temps réel, par exemple dans les usines ou les systèmes de services publics. Ainsi, les opérations commerciales urgentes peuvent se dérouler sans attendre les instructions d’un serveur central.
En résumé, l’analyse à la périphérie implique la collecte, le traitement, l’analyse et l’action sur les données au sein même d’un appareil intelligent. À titre d’exemple, les appareils Amazon Echo ou Nest Home intègrent des capacités d’analyse à la périphérie.
Ces appareils enregistrent vos commandes, traitent l’audio capturé à l’aide du langage machine pour rechercher des résultats sur le Web. L’appareil affiche ensuite le résultat de la requête obtenue sur internet.
L’importance de l’analyse à la périphérie
L’utilisation d’appareils intelligents ne cesse de croître dans des secteurs variés tels que l’énergie, la vente au détail, la fabrication, la sécurité, la logistique ou encore l’automobile. Cependant, la bande passante internet n’augmente pas au même rythme, voire reste limitée.
Par conséquent, collecter des téraoctets de données à partir d’appareils IoT et les transférer vers le cloud prend du temps, sans parler de l’analyse de ces données et du retour d’informations exploitables à l’appareil intelligent via le même réseau.
Cette situation crée un goulet d’étranglement et perturbe le fonctionnement du réseau du système IoT !
Les entreprises doivent donc adopter des applications et des appareils d’analyse à la périphérie. Les appareils intelligents ayant un besoin critique de réactivité pourront analyser les données collectées sur place et agir instantanément.
Par exemple, un véhicule autonome doit pouvoir freiner s’il détecte un obstacle soudain et inattendu sur sa route.
Il ne peut pas se permettre d’attendre que les données audiovisuelles de l’obstacle soient collectées, envoyées vers une application cloud, puis de recevoir une instruction. Le véhicule doit prendre une décision en une fraction de seconde pour changer de direction ou effectuer un freinage d’urgence.
Comment fonctionne l’analyse à la périphérie ?
L’analyse en périphérie surveille généralement plusieurs groupes d’appareils périphériques ou IoT. Une application d’analyse suit l’état de santé et les performances de tous les appareils intelligents connectés.
Si elle détecte des anomalies, l’application d’analyse tente de les corriger localement. Si le problème persiste, l’application arrête l’appareil défectueux, puis alerte les techniciens.
Dans ce processus orchestré, les éléments suivants jouent un rôle essentiel :
- Les capteurs IoT collectent des données environnementales telles que la pression, la température, l’humidité, la vitesse de rotation, etc.
- Les appareils périphériques peuvent être des dispositifs dédiés comme le Sony REA-C1000 pour l’analyse de données sur site ou des smartphones et des tablettes pour contrôler les appareils IoT.
- Les passerelles périphériques offrent davantage de puissance et de mémoire que les appareils périphériques, servant d’intermédiaire entre le serveur cloud et les appareils IoT.
- Des actionneurs intelligents exécutent les tâches suggérées par l’analyse de données à la périphérie. Par exemple : vannes d’eau intelligentes, interrupteurs intelligents, bras robotiques intelligents, commandes de convoyeurs intelligents et commandes informatiques.
L’image ci-dessus illustre schématiquement le fonctionnement de l’analyse à la périphérie d’IBM IoT dans le secteur hôtelier.
Avantages
#1. Sécurité accrue
L’analyse en périphérie évite de transférer les données vers le cloud. Les données brutes restent sur l’appareil où elles ont été générées. En l’absence de transfert, les données sont moins exposées aux risques de piratage ou d’infection.
#2. Réduction de la latence et analyse de données en temps quasi réel
Certaines opérations nécessitent une analyse immédiate des données. L’analyse à la périphérie permet de prendre des décisions autonomes en identifiant et en traitant les informations à la source.
Cette analyse s’effectuant à proximité des données, le temps de traitement est réduit. L’absence de transfert de données vers des serveurs distants permet d’obtenir des résultats instantanés.
Dans des situations telles que l’identification de criminels à partir de flux de vidéosurveillance en direct, ou l’analyse de données provenant d’un avion ou d’une usine, la prise de décision doit être extrêmement rapide. Dans ces cas, l’analyse à la périphérie s’avère particulièrement utile.
#3. Grande évolutivité
À mesure que les entreprises se développent, la quantité croissante de données augmente la charge de l’analyse centralisée. En décentralisant le processus, l’analyse à la périphérie permet de mieux gérer l’augmentation des volumes de données et d’améliorer les capacités d’analyse.
#4. Moins d’utilisation de la bande passante
Le transfert de données des appareils sources vers le serveur central et vice versa consomme une quantité importante de bande passante. De nombreux sites distants ne disposent pas de la bande passante ou de la puissance réseau nécessaire pour ces transmissions. L’analyse en périphérie permet d’éviter cette utilisation de la bande passante.
#5. Coûts réduits
Les méthodes conventionnelles d’analyse de données volumineuses peuvent s’avérer très coûteuses. Le traitement des données dans un serveur cloud ou des solutions de cloud public engendre des coûts liés au stockage, au traitement, à l’analyse et à la consommation de bande passante.
L’analyse à la périphérie utilise des appareils IoT ou du matériel à proximité pour le traitement des données. Cette approche permet de réduire les coûts liés à l’analyse et à la bande passante du réseau Internet.
Limites
#1. Sécurité des appareils distants
Bien que l’analyse en périphérie protège les données sensibles contre les cybermenaces lors de la transmission, les appareils distants restent vulnérables à ces risques.
Plusieurs incidents de piratage de caméras de sécurité ont été recensés et vos appareils peuvent également être touchés. Si vos mesures de cybersécurité ne couvrent pas ces appareils distants, la sécurité renforcée de votre système central ne suffira pas.
#2. Perte de données
L’analyse en périphérie utilise uniquement les données jugées les plus pertinentes pour le traitement. Le reste des données brutes est ignoré.
Comme cette technologie ne conserve que ces instances pertinentes sur le serveur central, elle peut ne pas être idéale pour les entreprises ayant besoin de recevoir et de stocker l’ensemble de leurs données brutes.
#3. Compatibilité des appareils et du réseau
L’analyse à la périphérie est une technologie récente qui peut présenter des problèmes de compatibilité et de transmission de données si vous utilisez d’anciens appareils et technologies réseau. Les entreprises doivent donc investir dans de nouveaux appareils pour pouvoir déployer cette technologie.
Cet investissement peut augmenter les coûts de l’analyse à la périphérie et nécessiter une mise à niveau complète du système, ce qui peut perturber les opérations.
#4. Nécessité de développer sa propre solution
Il existe différentes plateformes d’analyse disponibles pour cette tâche. Cependant, certaines entreprises peuvent avoir besoin d’une plateforme d’analyse à la périphérie développée spécifiquement pour leurs appareils.
#5. Choix du bon logiciel
Certains systèmes disponibles sur le marché ne partagent les données de sortie que dans le cloud. Les entreprises n’ont donc pas accès aux données brutes à l’origine de l’analyse. Pour éviter cela, il est important d’utiliser des logiciels d’analyse récents permettant d’obtenir toutes les données nécessaires.
#6. Nécessité d’une évaluation de l’utilisabilité
L’analyse à la périphérie est particulièrement adaptée aux situations nécessitant sécurité, efficacité et prise de décision rapide. Il est donc crucial pour les entreprises d’évaluer leurs besoins avant d’adopter cette solution.
Cas d’utilisation
Analyse du comportement des clients
Les commerçants collectent des données à partir de caméras de surveillance, de capteurs de stationnement et d’étiquettes de caddies. Grâce à l’analyse à la périphérie, ces entreprises peuvent exploiter ces données pour proposer des solutions personnalisées en fonction du comportement de leurs clients.
Surveillance et maintenance à distance
Les secteurs manufacturiers et énergétiques ont besoin d’alertes immédiates lorsque les machines cessent de fonctionner ou nécessitent une maintenance. L’analyse à la périphérie, en lieu et place de l’analyse centralisée des données, permet une identification plus rapide des futurs problèmes.
Surveillance intelligente
L’analyse à la périphérie est également utile pour la détection d’intrus en temps réel. Les entreprises peuvent utiliser ce service pour renforcer leur sécurité, en exploitant les images de vidéosurveillance pour localiser et suivre toute activité suspecte.
Prédiction de défaillances
Une panne matérielle IoT peut avoir des conséquences désastreuses. L’analyse à la périphérie de ces dispositifs permet de prédire avec précision ces problèmes. Les entreprises peuvent ainsi prendre des mesures proactives et améliorer la disponibilité de leurs systèmes.
Actuellement, l’analyse en périphérie utilise principalement des appareils et des applications personnalisés pour des cas d’utilisation industriels spécifiques. Voici quelques outils et appareils représentatifs de cette tendance :
Appareil d’analyse à la périphérie Sony
Le REA-C1000 de Sony est un appareil d’analyse à la périphérie complet et fonctionnel. Vous pouvez y connecter des caméras réseau Sony pour capturer et analyser des présentations en direct à destination des téléspectateurs distants.
Il intègre des fonctionnalités avancées telles que l’extraction de l’écriture manuscrite, la superposition de contenu, le contenu autonome, le suivi du présentateur, le fractionnement d’images ou encore la reconnaissance des gestes du public.
AWS IoT GreenGrass
AWS IoT GreenGrass est un service cloud open source et un environnement d’exécution à la périphérie pour développer, déployer et contrôler les logiciels des appareils IoT.
Il permet d’intégrer la logique et le traitement des données cloud aux appareils IoT locaux. Les appareils peuvent ainsi fonctionner en cas de bande passante réseau faible ou intermittente.
HPE Edgeline
HPE Edgeline convient à l’utilisation d’appareils intelligents dans des environnements exigeants tels que les usines ou les plateformes pétrolières. Il apporte des logiciels de pointe et du matériel de technologie opérationnelle (OT) directement sur le lieu de production.
Les appareils intelligents peuvent ainsi accéder rapidement aux informations d’un système de traitement de données sur site, plutôt que depuis des serveurs cloud.
Kit de développement Intel IdO
Vous pouvez utiliser les logiciels et le matériel d’Intel pour développer des appareils intelligents basés sur l’analyse à la périphérie. La boîte à outils comprend les éléments suivants :
- Pile logicielle avec pilotes, SDK, système d’exploitation, exemples et bibliothèques
- Distribution Intel d’OpenVINO
- VPU Intel Movidius
- Intel Arria 10 FPGA
Azure IdO Edge
Azure IoT Edge apporte des charges de travail d’analyse et d’IA aux appareils intelligents fonctionnant à la périphérie. Cette plateforme de développement d’analyse à la périphérie offre les fonctionnalités suivantes :
- Matériel de périphérie IoT de fournisseurs de confiance
- Environnement d’exécution gratuit
- Module de logique métier pour exécuter des logiciels en périphérie
- Interface cloud Azure
Analyse à la périphérie vs analyse traditionnelle
La principale différence entre l’analyse à la périphérie et l’analyse traditionnelle ou sur serveur réside dans le lieu de traitement des données.
Avec les systèmes en périphérie, l’analyse des données a lieu à proximité ou directement sur l’appareil IoT qui collecte les données et exécute les commandes. L’analyse sur serveur, quant à elle, a lieu loin de l’appareil intelligent collectant les données.
Vous trouverez d’autres différences notables dans le tableau suivant :
| Caractéristique/fonctionnalité | Analyse de périphérie | Analyse traditionnelle |
| Coût de possession | Élevé | Faible |
| Latence | Virtuellement nulle | Généralement faible à modérée Élevée si le serveur est surchargé |
| Compatibilité des appareils | Aucune Nécessite des solutions spécifiques en cas de changement d’appareil |
La plupart des applications d’analyse cloud ou serveur sont compatibles avec de nombreux appareils |
| Vitesse d’analyse des données | Plus rapide que l’analyse sur serveur | Plus lente que l’analyse à la périphérie |
| Configuration du système | Connectivité Les systèmes IoT continuent de fonctionner |
Les systèmes IoT cessent de fonctionner |
| Applications analytiques | Options limitées sur le marché | Il existe de nombreuses applications d’analyse de données sur serveur |
| Coût du serveur | Faible voire nul | Élevé |
FAQ
Qu’est-ce que l’analyse vidéo à la périphérie ?
L’analyse vidéo à la périphérie consiste à traiter les images d’une vidéo au plus près de la source de capture, plutôt que de transférer les données vidéo vers un serveur cloud.
Une caméra ou un encodeur traite l’image pour générer des métadonnées grâce à l’analyse à la périphérie. Les entreprises bénéficient ainsi d’un temps de réponse plus rapide et d’une réduction de la consommation de bande passante.
Dans quel contexte l’analyse à la périphérie est-elle la plus pertinente ?
L’analyse à la périphérie est particulièrement adaptée à la surveillance d’appareils, ainsi qu’aux zones où la connectivité réseau est faible. Elle est également utile dans les secteurs sensibles à la latence tels que les services financiers ou la fabrication. De plus, les entreprises souhaitant évoluer devraient également opter pour l’analyse à la périphérie.
Derniers mots
Vous connaissez désormais l’analyse à la périphérie, son fonctionnement, ses avantages, ses outils, ses cas d’utilisation et ses limites.
Vous pouvez désormais prendre des décisions éclairées pour moderniser vos systèmes IIoT à l’aide d’appliances d’analyse à la périphérie pour contrôler rapidement les appareils distants.
Cet article vous permettra également de concevoir ou de développer de nouvelles solutions IoT et IIoT si vous êtes un ingénieur ou un développeur IoT.
Vous pouvez maintenant découvrir les appareils IoT populaires.