Industrie 4.0 : L’IA comme enabler d’un IoT industriel ? — Chapitre III
Dans les chapitres précédents, nous avons abordé le rôle de l’IA dans l’exploitation à forte valeur ajoutée des données collectées par les objets connectés. Deux sujets ont retenu notre attention, la maintenance prédictive et les jumeaux numériques. En explorant ces sujets, l’IA semble faire partie d’un ensemble plus large d’éléments enablers de l’IoT industriel, un écosystème IoT. C’est le sujet que nous aborderons dans ce dernier chapitre.
Les clouds : accélérateurs de maturation
Ces clouds ont déjà permis la maturation de l’« IA as a service ». En effet, utiliser des technologies d’IA et déployer des services intégralement managés devient de plus en plus facile et accessible en utilisant les clouds. Le développement des briques d’ingestion de données en streaming a été suivi de celui des briques IoT, et certaines sont déjà largement utilisées par certains industriels.
Les avantages de l’intégration avec les autres services du cloud
Le principal avantage de ces briques IoT est leur intégration avec les autres services du cloud qui sont déjà largement employés par certaines entreprises. Les services de data lake et de datawarehousing permettent l’ingestion massive et l’exposition des données IoT ; les services d’analytics et de business intelligence permettent la consommation de ces données à des fins de reporting ou d’analyse, et enfin les services de machine learning permettent de construire simplement des applications à haute valeur ajoutée (prédiction, prescription, recommandation, …).
Il devient ainsi facile, dès l’intégration d’un ensemble de capteurs IoT dans une porte d’entrée du cloud de tirer de la valeur de ces données, allant de la BI traditionnelle aux projets d’IA plus ambitieux. Le cloud, c’est donc la promesse de réduire considérablement le temps projet nécessaire pour dégager la valeur d’un projet IoT et de garantir son implémentation dans un univers déjà maîtrisé par les DSI.
Edge vs. Cloud : une fausse opposition, une véritable alliance
Dans le domaine de l’IoT industriel on a pu voir certaines oppositions dressées entre cloud et edge. En effet, le lieu du traitement de la donnée devient un sujet de plus en plus important pour les applications IoT.
En raison des problématiques de sécurité, de volume de données, de bande passante et de prix, l’edge computing devient un incontournable. La frugalité des algorithmes devient aussi un enjeu considérable dans l’univers de la recherche en intelligence artificielle. Peu à peu, il devient possible d’embarquer des algorithmes à l’origine lourds et complexes dans du matériel à basse consommation sans sacrifice au niveau des performances.
Il faut noter ici que les clouds ne se voient pas en concurrents des technologies edge qui proposent des avantages parfois indiscutables. Au contraire, ils permettent précisément de construire et gérer des solutions qui se déploient au plus proche de la captation de données ; on peut utiliser l’écosystème du cloud pour réaliser du edge computing, et facilement implémenter certains choix d’architecture au niveau de la remontée de données par exemple. Ce n’est donc pas une opposition qu’il faut voir mais une véritable alliance entre ces deux paradigmes technologiques.
Conclusion : L’IA, élément d’un écosystème plus large enabler de l’IoT
La combinaison IA et IoT connaît un dynamisme sans précédent permis par la maturation de cet écosystème IoT : maturité de l’IA, innovation continue autant dans le domaine hardware (comme par exemple avec l’émergence des technologies 5G) que software (all-in cloud, edge computing…). Si les sujets des technologies hardware, de l’ingestion et de l’exposition des données semblent acquérir une certaine maturité, il en est moins sur les solutions en aval d’application. Comme expliqué dans le chapitre I, elles sont pourtant porteuses de valeur économique. Ces solutions permettent d’extraire des données récoltées un savoir à forte valeur ajoutée (cf. maintenance prédictive, jumeaux numériques, …).
Les entreprises désirant franchir le cap de l’AIoT sont donc confrontées à trois challenges de natures différentes :
- La collaboration étroite de métiers très différents notamment experts métier, consultants data, architectes IoT, architectes cloud et data scientists
- La maîtrise d’un environnement technique très varié — allant des différentes technologies de captation de la donnée physique aux algorithmes d’IA en passant par solutions d’ingestion et d’exposition de données massives
- La capacité à construire un business case et une méthodologie rigoureuse pour dérisquer le projet et prouver rapidement la valeur économique de ces technologies. L’objectif étant de garantir leur intégration sans douleur dans le SI de l’entreprise, mais également d’étudier leur pertinence dans le quotidien des opérationnels ; technologie sans ergonomie n’est que ruine du capital (humain en premier lieu) !
