Selon les prévisions de ResearchAndMarkets, l’utilisation commerciale de l’intelligence artificielle pourrait potentiellement générer jusqu’à 1 800 milliards de dollars d’ici 2027. Si le marché mondial des logiciels d’Edge AI ne devrait atteindre que 3,1 milliards de dollars d’ici 2027 selon le rapport de Research Dive, il est également en forte croissance.
Le cloud computing et l’edge computing
À l’heure actuelle, les entreprises, associations, organisations, experts et particuliers sont nombreux à exploiter les données en grande quantité. La majorité d’entre elles sont traitées dans des datacenters : c’est le cloud computing. Toutefois, l’augmentation du nombre de données traitées et échangées génère des risques de saturation de la bande passante et par conséquent, augmente la latence, tout en concentrant la consommation de ressources.
L’edge Computing permet de répondre à ces contraintes, en effectuant les calculs en périphérie du réseau. Cette division de l’informatique distribuée essaie de rapprocher le stockage des données et la puissance de calcul nécessaire à leur traitement au plus près de l’appareil connecté. Cette approche permet de décupler les performances tout en réduisant les coûts d’exploitation.
L’Edge AI : la réunion de l’intelligence artificielle et de l’edge computing
L’Edge AI (ou Edge intelligent) est apparu dans une volonté d’intégrer l’intelligence artificielle au plus près des capteurs ou des objets connectés (IoT). Les avantages sont multiples : absence de prérequis d’une connectivité internet permanente, confidentialité des données, réduction de la latence.
L’Edge AI permet de déplacer une partie du flux de traitement informatique directement dans les objets connectés, et donc de réduire au maximum l’usage du cloud pour les tâches liées au traitement.
Les avantages de l’Edge AI
Le potentiel de l’Edge AI est très important. Voici une liste non exhaustive d’avantages que l’on peut tirer de cette technologie :
- Facilité de gestion : L’utilisation des appareils exploitant l’Edge AI est simple puisque les objets sont totalement autonomes.
- Temps de latence réduit : L’IA se trouve au plus proche des objets et n’est pas soumise à des problématiques de congestion des réseaux.
- Déploiement “sur le terrain” : l’Edge AI se prête par définition très bien aux usages IoT, mais également dans l’ensemble des appareils mobiles, à commencer par les voitures autonomes.
- Réduction des coûts : Les coûts liés à la bande passante et à l’échange de données sont réduits, car la quantité de données transmises est minimale.
- Sécurité et la confidentialité : L’edge AI permet de filtrer les données à faire remonter dans le cloud si nécessaire. Seules les informations souhaitées sont transmises, après avoir été par exemple anonymisées. L’enjeu de la confidentialité des données et de la protection de la vie privée sont deux problématiques importantes auxquelles l’Edge AI peut apporter une solution puisque cette approche renverse complètement le paradigme par rapport à l’IA dans le Cloud, qui nécessite une transmission systématique de l’ensemble des données avant analyse par l’IA.
Une technologie dont le marché est en pleine croissance
L’Edge AI peut être exploité pour plusieurs usages comme la surveillance vidéo où des caméras intelligentes qui utilisent cette technologie peuvent traiter localement les vidéos afin d’identifier des personnes ou des objets en mouvement. Son exploitation dans les voitures autonomes est très attendue : la puissance de calcul que requièrent ce genre de systèmes nécessite des composantes comme l’Edge AI pour traiter localement et en temps réel l’ensemble des données nécessaires au fonctionnement du véhicule : on ne pourrait pas imaginer qu’une voiture soit pilotée par le cloud, pour des questions de latence et de connectivité.
Les serveurs Edge et la technologie d’Edge intelligent sont déployés dans des usines, des magasins, des hôpitaux, des établissements financiers, etc. à de nombreuses fins. Dans la surveillance vidéo comme évoquée auparavant, mais également dans la gestion des inventaires ou de dossiers administratifs, la robotique, l’imagerie médicale ou la maintenance industrielle.
Le marché mondial des logiciels d’Edge AI devrait atteindre 3,1 milliards de dollars d’ici 2027 selon le rapport de Research Dive, une institution indienne spécialisée dans les études de marché. Le taux de croissance annuel composé (CAGR) entre 2020 et 2027 serait de 28,8 %. Deux chiffres qui confirment que le secteur de l’Edge intelligent est en plein essor.
Alors, Cloud AI ou Edge AI ?
Ces deux solutions comportent avantages et inconvénients et ne se destinent pas aux mêmes usages. A ces deux possibilités s’ajoute une troisième alternative, celle du Federated Learning, qui tente de concilier les avantages des deux premières.
