Le potentiel de l’Edge Computing pour la voiture connectée


Rédigé par Dave Shuman, Cloudera le 25 Juillet 2019

Lorsque l’on parle de voiture connectée, nous pensons instantanément aux nombreux avantages qu’il y aurait à pouvoir contrôler à distance les différentes fonctionnalités du véhicule via un smartphone, une montre connectée, une tablette ou un PC. Pouvoir fermer la voiture à distance en cas d’oubli, la retrouver dans un parking bondé, recevoir des alertes de maintenance des différents systèmes (fondées sur des données en temps réel et non par simple programmation d'origine) ou encore pouvoir la suivre en cas de vol. Tous ces avantages optimisent l’expérience utilisateur et de conduite, objectif commun à la plupart des appareils connectés.



Dave Shuman, Managing Director of Connected Industries and Smart Cities chez Cloudera
Mais ce n’est ici qu’une vision succincte de ce que permet réellement la voiture connectée. En effet, l’analyse des données collectées et utilisées pour la rendre « intelligente » promet une grande diversité d’usages possibles.

Un véritable écosystème connecté

Plutôt que de penser voiture connectée, il faut davantage penser écosystème connecté et piloté par les données. Celui-ci ne se résume pas à la connexion avec un smartphone, mais s’étend à l’ensemble des informations que la voiture peut recueillir. La voiture connectée du futur est équipée de dizaines de capteurs et de dispositifs en périphérie qui collectent des données issues d’à peu près toutes les sources disponibles. Depuis le réseau routier, d’autres véhicules et même des piétons, la voiture connectée peut collecter d’énormes volumes de données de son environnement. Leur utilisation permet notamment de renforcer la sécurité des voitures et des routes, de mieux gérer la logistique ou de générer des informations exploitables par de nombreux secteurs d’activités : par exemple, par les constructeurs automobiles qui rendent les véhicules plus sûrs, les gestionnaires de flotte pour les systèmes de suivi ou encore par les assureurs pour surveiller les comportements des automobilistes. Tout cela est possible grâce au parcours de la donnée, de l’Edge à l’IA.

Qu’est-ce que l’Edge computing ?

Le terme « Edge » pour Edge computing désigne l’informatique en périphérie. La société de veille de marché, IDC, prédit que les dépenses liées à cette technologie représenteront 18% du total des budgets IoT d’ici à 2020. Mais maintenant que les services marketing utilisent volontiers le mot « Edge » dans leurs slogans, le sens réel de ce terme se perd.

En clair, la pratique de l’Edge computing consiste à traiter les données issues de dispositifs IoT là où elles sont générées. Pour une voiture, il s’agit de traiter celles collectées pendant la conduite et non dans un entrepôt dédié et centralisé ou dans un cloud public. C’est alors la garantie d’une analyse des données générées à la source en temps réel, et favorise le bon fonctionnement du dispositif connecté tout en optimisant la bande passante.

Bien que l’Edge computing vise de nombreux objectifs, on l’associe souvent à l’IoT car c’est une technologie qui s’applique aux appareils et technologies liés aux « objets ». Par exemple, la technologie Edge connecte désormais des machines industrielles, qui ne l’étaient pas jusque-là, pour acquérir et collecter des données exploitables.

Des idées reçues sur l’edge computing

Les cas d’application d’edge computing sont nombreux et évoluent constamment. Le concept n’est pas récent et date même d’au moins 25 ans, quand le réseau de diffusion de contenu (CDN) d’Akamai s’est mis à développer des technologies plus proches des utilisateurs.

Les solutions d’edge computing peuvent prendre différentes formes. Elles peuvent être mobiles en collectant les données en temps réel d’une voiture connectée ou autonome, par exemple. Mais peuvent également être statiques en collectant lentement les informations en sortie d’une solution de gestion de bâtiment ou d’une plateforme pétrolière offshore. Il peut également s’agir de systèmes hybrides pour des infrastructures comme les hôpitaux. En effet, les données des dossiers médicaux partagés (DMP) sont relativement statiques alors que les données mobiles de patients collectées en temps réel peuvent être partagées et distribuées à des fins e surveillance et de suivi.

La véritable valeur de l’Edge computing dans les solutions IoT vient du fait de l’intensification rapide de l’utilisation des capteurs pour la collection des données à la source, surtout dans les environnements industriels comme les sites de fabrication et les plateformes offshore. Tout dépend ensuite de la technologie adoptée par l’entreprise pour traduire et analyser les données capturées, ce qu’elles signifient et où il vaut mieux les stocker. Beaucoup pensent que la technologie Edge se contente de collecter et de transmettre les données à un programme analytique. Mais il existe en réalité de nombreux cas où la technologie edge transforme les données brutes en informations exploitables ; de l’analogique au numérique.

Dans les faits, la technologie Edge est une extension décentralisée des réseaux de datacenters et du cloud. L’Edge computing vient en effet compléter et enrichir les solutions sur site ; il convient donc d’intégrer des modèles permettant de porter le processus décisionnel en périphérie. L’objectif est d’utiliser l’analytique prédictive pour aider, par exemple, une voiture autonome à déterminer quand s’arrêter et ce qu’il convient d’éviter sur le trajet.

Les cas d’applications de l’Edge pour la voiture connectée

Pouvoir analyser les données à la source en périphérie, c’est-à-dire dans la voiture connectée, permet d’obtenir des résultats inenvisageables jusque-là, du fait des limitations associées aux réseaux WAN. La technologie de la voiture connectée utilise surtout les réseaux cellulaires alors que le streaming de l’ensemble des données générées sur ces réseaux reviendrait trop cher, aussi bien économiquement qu’en bande passante. Dans les voitures actuellement commercialisées, il existe une multitude de capteurs, comme ceux qui préviennent de la proximité d’un objet en marche arrière. Dans une voiture autonome, les capteurs sont beaucoup plus nombreux, mais pour qu’ils puissent être pleinement valorisés, un dispositif capable de traiter l’information diffusée en temps réel est nécessaire. Prenons l’exemple d’un véhicule autonome pris dans une tempête de neige, la connexion Internet pourrait être défaillante, ce qui créerait une situation dangereuse. Equiper le véhicule de dispositifs d’edge computing lui permet de recevoir systématiquement les mises à jour pour une conduite en toute sécurité. Dans les usines, ils aident également à anticiper les pannes de machine. Cela permet en effet de détecter des anomalies de fonctionnement et donc de réduire le risque d’erreur de fabrication des voitures.

Le véritable pouvoir de la voiture connectée réside dans le parcours des données entre le dispositif edge et l’IA. Les données sont capturées, consolidées puis envoyées à une plateforme d’analyse du streaming en temps réel de façon à enrichir les informations. Cela optimise le développement de services, de rapports commerciaux et de tableaux de bord techniques. Les data scientists peuvent ainsi se baser sur les résultats d’une plateforme analytique pour entraîner en continu et perfectionner les modèles IA et les utiliser pour appliquer les modèles en périphérie afin d’améliorer la performance de la voiture. Il s’agit alors d’un processus continu, mais pas d’une progression linéaire.

L’Edge computing permet d’envisager ce futur connecté mais les données qui transitent depuis et vers la périphérie doivent être enrichies par une plateforme d’analyse en temps réel qui ingère et analyse les données afin de produire instantanément des informations exploitables. A défaut, les entreprises ne pourront pas traiter de gros volumes de données en temps réel, ni gérer et surveiller les applications Edge et les sources de streaming. L’avènement de l’edge computing et de la voiture connectée ouvre sur de très nombreuses opportunités. Mais la clé d’un futur réellement connecté suppose de comprendre toute la puissance qui réside dans les données entre la source en périphérie, de l’Edge à l’IA.



Dans la même rubrique :