Présentation
Les appareils d'edge computing forment des nœuds sur le réseau. Ils effectuent des calculs à l'emplacement physique d'un utilisateur ou d'une source de données, ou à proximité. De nombreux secteurs y ont recours. On les retrouve notamment sous forme de terminaux de point de vente dans les supermarchés ou encore de bras robotiques dans l'industrie automobile.
L'edge computing pose cependant un défi majeur aux entreprises : il leur faut souvent suivre de gros volumes de données et les transférer vers un cloud central en vue de leur traitement, avant de les réacheminer vers les appareils en périphérie du réseau pour déclencher des actions. Ce parcours complique et allonge le processus, ce qui finit par ralentir les processus d'exploitation et rendre les données obsolètes et moins pertinentes.
Aujourd'hui, de plus en plus d'entreprises :
- souhaitent mettre en œuvre de nouveaux cas d'utilisation, nécessitant des applications sensibles à la latence ;
- doivent traiter de gros volumes de données, dont le transfert vers un cloud public prend beaucoup de temps ;
- doivent être en mesure de prendre des décisions rapidement, afin de s'adapter à l'évolution des demandes des clients et de la concurrence.
Face à ces nouveaux défis, les entreprises ont besoin de solutions pour exploiter l'analyse de données en temps réel et l'intelligence artificielle (IA) afin d'accélérer la prise de décision intelligente en périphérie du réseau.
Cas d'utilisation : l'IA au service de la prise de décision intelligente en périphérie
Voici quelques exemples qui illustrent les avantages du traitement des données en temps réel et de la prise de décision intelligente dans divers secteurs.
Fabrication
Dans les environnements de fabrication, l'intégration de l'IA aux systèmes d'inspection visuelle permet de renforcer les contrôles de la qualité et la sécurité du personnel. Les modèles d'IA peuvent détecter en temps réel les risques de sécurité ou les défauts des produits sur une chaîne de montage. Les inspections sont plus précises et les problèmes sont détectés plus tôt dans le processus de fabrication. Le modèle d'IA doit cependant traiter les données pour qu'une action soit vite déclenchée au niveau de l'appareil.
La vision par ordinateur est une technique qui repose sur l'utilisation d'appareils pour identifier et analyser les objets du monde physique. Les entreprises qui y ont recours ont besoin d'une solution d'edge computing compatible avec des appareils ayant différentes puissances de calcul, pour former une plateforme unifiée.
Commerce
Dans le secteur du commerce, l'edge computing et l'IA contribuent à améliorer l'expérience client et l'efficacité opérationnelle. Par exemple, les systèmes basés sur l'IA peuvent assurer la gestion des inventaires, en surveillant automatiquement les niveaux de stocks et en déclenchant le réapprovisionnement en fonction des besoins. Les appareils d'edge computing peuvent également traiter localement les données des clients de façon à offrir en temps réel une expérience d'achat personnalisée et des promotions directement au niveau du point de vente.
Pour mettre en œuvre de tels systèmes, les entreprises doivent gérer les données des appareils en périphérie à l'aide d'une solution d'edge computing unifiée qui tire parti de l'accélération matérielle basée sur l'IA. Plus important encore, elles doivent s'assurer de la bonne intégration des différents systèmes pour éviter le transfert de données inexactes (par exemple, des offres relatives à des produits en rupture de stock).
Santé
L'edge computing transforme le secteur de la santé grâce à l'analyse en temps réel des diagnostics médicaux réalisée au niveau des lieux de soins. Par exemple, les appareils d'edge computing dotés de capacités d'IA peuvent aider à interpréter les images échographiques sur site. Leur utilisation peut pallier le manque de personnel formé et accélérer la prise de décisions médicales pour ainsi sauver des vies. De telles applications requièrent une solution d'edge computing qui garantit non seulement la conformité aux normes de sécurité, mais aussi la protection des données confidentielles et de la chaîne d'approvisionnement des logiciels.
Ressources Red Hat
Défis liés à l'analyse de données en temps réel en périphérie du réseau
Si ces cas d'utilisation ont le potentiel de transformer les activités, et même parfois de sauver des vies, leur mise en œuvre s'accompagne souvent de difficultés. Voici certains obstacles auxquels les entreprises peuvent se heurter ainsi que les moyens de les surmonter.
Gestion locale de gros volumes de données
Les appareils d'edge computing génèrent souvent de grandes quantités de données. Les méthodes de traitement habituelles, qui impliquent leur échange avec un datacenter centralisé, peuvent ne pas convenir en raison de restrictions de latence et de bande passante. Le traitement et l'analyse de données en périphérie du réseau évitent ces transferts, ce qui permet de réduire la latence et d'améliorer l'efficacité.
Gestion de tâches plus complexes
Dans le cadre de l'edge computing, la prise de décision intelligente nécessite souvent des applications qui permettent de traiter les données directement sur le matériel en périphérie du réseau. Ces appareils doivent donc disposer d'une plus grande puissance de calcul ou utiliser la puissance dont ils disposent plus efficacement.
En outre, l'intégration de l'IA aux appareils d'edge computing nécessite la mise en place d'une plateforme d'applications capable de s'adapter à ces appareils.
Confidentialité et sécurité
L'augmentation des volumes de données traités en périphérie expose la chaîne d'approvisionnement à de nouvelles vulnérabilités. Par exemple, le stockage de données de santé sensibles sur des appareils d'edge computing augmente la surface d'attaque. Pour protéger la confidentialité et les données sensibles, il est nécessaire de mettre en place une plateforme qui simplifie la mise en œuvre des protocoles de sécurité dans le cadre des processus DevOps et d'IA.
Nos solutions
Chez Red Hat, nous avons conscience que chaque entreprise a ses propres besoins en matière d'edge computing et qu'aucune solution ne peut répondre à tous ces besoins. Avec une plateforme unifiée qui offre de nombreuses fonctions et fonctionnalités, et qui est compatible avec diverses solutions de partenaires, il est possible d'étendre les environnements de cloud hybride ouvert pour englober les datacenters centraux, les sites d'edge computing et le cloud. Cette approche permet de développer et d'exécuter tous types de charges de travail, dans tous les environnements.
La mise en œuvre de l'IA dans le cadre cette approche intégrée renforce l'agilité des environnements de cloud hybride. Elle permet en outre d'utiliser les données des clients pour entraîner ou ajuster des modèles de fondation, ce qui laisse la possibilité aux entreprises de tirer parti d'une grande variété d'accélérateurs matériels et logiciels. Voici les avantages de notre approche en matière d'IA en périphérie du réseau.
Plus de flexibilité et de cohérence grâce à une plateforme d'applications
À la base de nos solutions se trouve Red Hat® OpenShift®, une plateforme d'applications unique qui étend les fonctionnalités de Kubernetes du datacenter central à la périphérie, en passant par le cloud. Pour les cas d'utilisation spécifiques de l'edge computing, cette plateforme offre une large gamme d'options, des clusters à plusieurs nœuds et à haute disponibilité aux topologies à nœud unique de petite taille. Ces options de déploiement flexibles et évolutives permettent aux entreprises d'accélérer la prise de décision en périphérie du réseau.
Outre cette flexibilité, Red Hat OpenShift garantit la cohérence des environnements. Les équipes de développement peuvent coder des applications une seule fois et les déployer partout, et les équipes d'exploitation n'ont qu'un seul environnement à gérer qui englobe le datacenter central, la périphérie du réseau et le cloud. Les équipes de développement peuvent aussi continuer d'utiliser les outils et processus qu'elles maîtrisent déjà, ce qui leur facilitera le travail de configuration, de déploiement, de provisionnement, de gestion et de surveillance des environnements conteneurisés, même à très grande échelle. Red Hat OpenShift offre une expérience cohérente, que les applications se trouvent sur site, dans un cloud public, dans une usine ou un hôpital, ou même dans l'espace.
Solution conçue pour l'IA
Évolutive, la plateforme d'applications Red Hat OpenShift convient aux charges de travail d'IA et inclut un accès aux principaux accélérateurs matériels. Avec Red Hat OpenShift AI, les équipes disposent de fonctionnalités cohérentes pour faire des expériences, déployer des modèles et distribuer des applications innovantes. La personnalisation de l'expérience client devient plus simple, et la visibilité accrue sur les ressources améliore leur gestion dans les usines ou sur site. Cet aspect est particulièrement important dans le cadre de l'exécution de charges de travail d'IA, notamment pour la vision par ordinateur.
Solution développée pour l'edge computing
Les appareils situés à l'extrême périphérie du réseau disposent souvent de ressources limitées et d'un espace réduit. C'est pourquoi il est crucial d'utiliser une plateforme qui peut fonctionner dans des configurations simplifiées, pour la déployer sur des appareils d'edge computing destinés à des tâches spécifiques. Et les équipes peuvent utiliser la gamme d'outils et de processus qu'elles maîtrisent pour gérer ce nouvel ensemble.La solution Red Hat Device Edge propose plusieurs options de déploiement simplifié, avec des fonctions d'orchestration des conteneurs. Elle permet de traiter des données localement et d'exécuter des charges de travail d'IA et d'AA, ce qui réduit la latence et favorise la prise décision en temps réel.
Une base fiable
Notre système d'exploitation, Red Hat Enterprise Linux®, constitue une base stable et axée sur la sécurité pour l'exécution de charges de travail d'IA à grande échelle. Il prend en charge les applications sensibles à la latence, de sorte que les modèles d'IA peuvent fonctionner sur divers équipements, des appareils d'edge computing aux datacenters centraux.
Cette flexibilité permet le déploiement d'applications d'IA/AA avec les mêmes niveaux de performances et de stabilité dans l'ensemble de l'infrastructure. Grâce à l'intelligence des données, les entreprises peuvent optimiser leurs processus d'exploitation, l'expérience client ainsi que la qualité de leurs produits et services.
Les avantages de l'automatisation à la périphérie du réseau
La mise à l'échelle des processus d'exploitation pour tirer parti de l'edge computing est un véritable défi, en raison des milliers d'étapes et de configurations requises.La solution Red Hat Ansible® Automation Platform assure la mise à l'échelle des capacités pour les charges de travail d'automatisation à distance et locales. Grâce aux contrôles d'intégrité, elle détermine les nœuds sur lesquels les tâches d'automatisation peuvent s'exécuter le plus efficacement, assurant ainsi la cohésion de l'infrastructure informatique.
Solutions de partenaires et IA en périphérie du réseau
Nos partenaires, tels que NVIDIA, Intel et AMD, proposent des solutions capables de gérer des charges de travail d'IA gourmandes en ressources matérielles en périphérie du réseau et qui sont compatibles avec nos produits Open Source.
Le blog officiel de Red Hat
Découvrez les dernières informations concernant notre écosystème de clients, partenaires et communautés.
