Comprendre l'IA à la périphérie
Qu'est-ce que l'IA à la périphérie ?
L'Edge AI, ou l'IA à la périphérie, désigne la pratique consistant à intégrer des systèmes d'intelligence artificielle – tels que l'analyse prédictive, la reconnaissance de la parole ou de l'image, ou la détection d'anomalies – à l'edge computing. Elle vous permet de traiter les données là où elles ont été collectées, généralement sur des appareils tels que des capteurs, des caméras ou d'autres appareils de l'Internet des objets. L'IA à la périphérie évite de renvoyer les données collectées vers des serveurs distants pour qu'elles soient traitées. Le traitement des données à la périphérie permet d'obtenir des temps de réponse plus rapides, de réduire la latence et d'améliorer la confidentialité et la sécurité.
Un exemple d'IA à la périphérie serait une caméra de surveillance installée sur un campus universitaire, équipée non seulement de capacités de traitement, mais également de capacités d'IA, telles que la reconnaissance faciale. Cela est avantageux, car la caméra peut identifier presque instantanément les personnes mal intentionnées connues, ce qui est essentiel lorsque chaque seconde compte. D'autres cibles intéressantes pour le traitement rapide des données et l'analyse par IA pourraient être les véhicules autonomes et les appareils portables de surveillance de la santé.
L'IA à la périphérie gagne en popularité grâce à plusieurs avancées technologiques, telles que l'évolution avancée des réseaux neuronaux, des infrastructures informatiques plus puissantes et l'adoption généralisée des appareils IoT. Ces avancées permettent à l'IA à la périphérie de fournir des informations intelligentes et des analyses rapides et précises aux entreprises de pratiquement tous les secteurs. Grâce à l'IA à la périphérie, vous pouvez automatiser les processus et les opérations, améliorer la sécurité et optimiser les flux de travail. Ces informations sont également plus sécurisées, car elles ne quittent jamais le périphérique et ne peuvent donc pas être interceptées lors de leur transfert vers un serveur central.
IA traditionnelle, IA à la périphérie et IA distribuée
L'IA à la périphérie se distingue de l'IA traditionnelle et de l'IA distribuée par plusieurs aspects importants. Avec l'IA traditionnelle, les modèles d'IA sont généralement situés en amont sur des serveurs centraux, par exemple dans un cloud public ou un datacenter, où ils traitent et analysent les données envoyées à l'emplacement central. Cela prend du temps et peut également entraîner un décalage du serveur si trop de données sont traitées et analysées en même temps. Avec l'IA à la périphérie, chaque appareil périphérique peut analyser les données qu'il collecte, à l'aide d'un modèle intégré d'IA ou de machine learning installé sur l'appareil. L'appareil prend alors des décisions intelligentes et ne transmet que les informations et données les plus critiques aux serveurs centraux ou aux personnes qui ont besoin de savoir, plutôt que d'envoyer toutes les données brutes. L'IA à la périphérie est beaucoup plus adaptée aux processus et opérations soumis à des contraintes de temps.
L'IA à la périphérie diffère également de l'IA distribuée. Le concept d'IA distribuée se situe quelque part entre les concepts d'IA à la périphérie et d'IA traditionnelle. Avec un système distribué, les données sont traitées et analysées sur toute une gamme d'appareils interconnectés, y compris les serveurs centraux et les appareils périphériques. Chaque nœud de la chaîne interconnectée traite une petite partie de l'analyse, l'idée étant que le traitement distribué permet de gérer des charges de travail importantes et peut s'étendre au-delà des simples appareils périphériques. L'inconvénient de l'IA distribuée est qu'elle présente une latence plus importante que l'IA à la périphérie, qu'elle est moins confidentielle et moins sécurisée, car les données sont transmises à travers des réseaux vers divers appareils, et qu'elle est plus complexe à gérer.
IA à la périphérie et cloud computing
Le cloud computing est étroitement lié à l'IA à la périphérie. Le cloud computing permet aux systèmes d'Edge AI de fonctionner en fournissant le matériel, les applications, les services et les outils nécessaires au déploiement, à l'exécution, à la synchronisation des données, à la surveillance et à la gestion des modèles d'IA à la périphérie.
Toutefois, si l'on compare l'IA dans le cloud à l'IA à la périphérie, les différences suivantes émergent :
Capacités de calcul – L'IA dans le cloud offre des capacités supérieures en matière de calcul général. Cependant, bien que l'IA à la périphérie présente une limite au niveau de la puissance de traitement qu'elle peut intégrer dans un périphérique, elle fonctionne souvent avec des paramètres très spécifiques et ne nécessite pas une puissance de calcul infiniment extensible.
Capacité de stockage - Le cloud offre, par définition, une capacité de stockage quasi illimitée et peut évoluer rapidement et facilement en fonction des besoins. Du côté de l'IA à la périphérie, le stockage se retrouve limité sur l'appareil périphérique, mais celui-ci dispose généralement de la capacité nécessaire pour traiter et analyser les données, puis transmettre les informations pertinentes au siège.
Latence – Sur ce critère, l'IA à la périphérie l'emporte sur l'IA dans le cloud. En traitant les données sur place, la latence reste très faible et les temps de réponse sont rapides. Les systèmes d'IA dans le cloud doivent transmettre des données à divers serveurs distants, qui peuvent se trouver à l'autre bout du monde, ce qui augmente le temps de latence.
Bande passante du réseau – L'IA à la périphérie nécessite très peu de bande passante, car la quantité de données transmises aux serveurs centraux est beaucoup moins importante que dans le cas de l'IA dans le cloud. Alors que l'IA à la périphérie n'envoie que les informations et les décisions les plus critiques à d'autres serveurs, l'IA dans le cloud envoie toutes les données brutes à des sites distants. Cela nécessite une bande passante beaucoup plus importante.
Sécurité et confidentialité – En conservant les données en grande partie sur l'appareil périphérique, l'IA à la périphérie est intrinsèquement plus sûre et plus à même de préserver la confidentialité des informations sensibles que l'IA dans le cloud. Toutes les données transmises sur des réseaux vers des serveurs externes, autrement dit toutes les données d'un système d'IA dans le cloud, peuvent être compromises ou interceptées par des acteurs malveillants.
Avantages de l'IA à la périphérie pour les entreprises
Les aspects positifs de l'IA à la périphérie :
Efficacité et agilité accrues – Grâce à des temps de réponse plus courts et à une identification plus rapide des problèmes potentiels, les entreprises peuvent mener des opérations plus efficaces et plus agiles.
Réduction des coûts – L'IA à la périphérie réduit le besoin en ressources cloud, ce qui permet de limiter les dépenses opérationnelles et de consommer moins de bande passante. Les coûts peuvent être encore réduits grâce à un besoin moindre de surveillance humaine, la plupart des systèmes d’IA à la périphérie étant largement autonomes.
Une mise en conformité plus simple avec les réglementations en matière de sécurité et de confidentialité – En conservant les données sur l'appareil où elles sont collectées, les entreprises peuvent plus facilement se conformer aux réglementations en matière de souveraineté des données. La sécurité et la confidentialité sont également renforcées en évitant de devoir transmettre autant de données à travers les réseaux.
Une optimisation de la consommation d'énergie – La plupart des appareils d'IA à la périphérie consomment très peu d'énergie. En outre, la consommation d'énergie des serveurs et des systèmes centralisés est également réduite en raison de la diminution de la charge de traitement.
Haute disponibilité – Le traitement de l'IA à la périphérie ne nécessitant pas de connexion Internet, les systèmes d'IA à la périphérie sont souvent plus disponibles et plus fiables que l'IA traditionnelle ou basée sur le cloud.
Cas d'utilisation de l'IA à la périphérie
L'IA devient de plus en plus un outil omniprésent et essentiel dans tous les secteurs et dans un large éventail de cas d'utilisation. À mesure que l'IA à la périphérie évolue, les cas d'utilisation du traitement en périphérie se multiplient également. Voici quelques cas d'utilisation courants et émergents de l'IA à la périphérie :
Santé – Les dispositifs médicaux tels que les moniteurs de glycémie et les appareils de suivi des signes vitaux basés sur l'IA peuvent automatiser certaines prises de décision pour les médecins et alléger leur charge de travail. Grâce aux capacités de l'appareil à alerter les équipes soignantes en cas de problème, les patients peuvent également rentrer chez eux plus tôt sans pour autant supprimer la surveillance post-chirurgicale.
Commerce de détail – Les rayons des magasins peuvent être équipés d'appareils qui surveillent les stocks et alertent les équipes lorsque les produits sont épuisés. Certains commerçants commencent également à expérimenter des dispositifs en périphérie qui suivent les chariots pendant les achats et permettent aux clients de régler leurs achats depuis n’importe quel endroit dans le magasin.
Habitations et immeubles de bureaux intelligents – Les dispositifs d'IA à la périphérie peuvent surveiller et contrôler le chauffage, la climatisation, l'éclairage et bien d'autres choses encore afin d'optimiser l'efficacité énergétique. Les systèmes de sonnettes peuvent également identifier les visages des visiteurs, détecter les mouvements et alerter les personnes concernées en cas de comportement anormal.
Fabrication – Les dispositifs d'IA à la périphérie installés sur les équipements lourds et les machines peuvent effectuer des analyses prédictives afin d'alerter les équipes en cas de défaillance potentielle. Les caméras installées sur les chaînes de production peuvent identifier les produits défectueux et les retirer automatiquement de la chaîne. Les robots dotés de dispositifs d'IA à la périphérie peuvent emballer des produits ou assembler des équipements avec une grande capacité d'adaptation à des environnements changeants.
Villes intelligentes – Les dispositifs d'IA à la périphérie sont des éléments essentiels dans les villes intelligentes, où ils identifient les places de stationnement libres, par exemple, et alertent les conducteurs en temps réel. Les dispositifs installés sur les feux de circulation peuvent analyser les schémas de circulation en fonction de l'heure de la journée et ajuster les feux de circulation afin d'optimiser le flux de circulation et d'éviter les embouteillages.
Transport – Les camions transportant des denrées périssables ou délicates peuvent être équipés de dispositifs d'IA à la périphérie qui surveillent la température, les vibrations et d'autres paramètres et alertent les conducteurs et les gestionnaires de flotte lorsque les conditions ne sont plus optimales.
Services publics – Les compteurs intelligents peuvent surveiller la consommation d'énergie et alerter les particuliers ou les entreprises lorsque la consommation dépasse une limite prédéfinie. Les pipelines et les équipements de réseau situés dans des zones très reculées peuvent également s'autosurveiller et avertir les techniciens lorsqu'ils ont besoin d'une intervention ou lorsque des défaillances potentielles peuvent se produire.
Comment Nutanix prend en charge l'IA à la périphérie
Le cloud computing est essentiel à l'IA à la périphérie, et Nutanix s'engage à rendre le cloud simple et transparent pour les entreprises modernes. Nutanix Cloud Infrastructure (NCI) constitue une base idéale pour toute entreprise qui souhaite pérenniser ses opérations et tirer le meilleur parti des technologies avancées d'IA.
Avec NCI, vous pouvez surveiller et gérer plus efficacement les charges de travail, les données et les applications où qu'elles se trouvent, y compris dans le cloud et à la périphérie, grâce à un plan de gestion et à un ensemble d'outils uniques et unifiés.
Nutanix vous permet de tirer le meilleur parti de l'IA à la périphérie, en vous offrant la haute disponibilité, la sécurité, la faible latence, la rapidité d'analyse, les économies, l'efficacité et l'agilité dont vous avez besoin pour rester compétitif sur un marché en constante évolution. Nous vous donnons également les moyens de rester à la pointe des avancées et innovations révolutionnaires susceptibles de transformer vos opérations et vos résultats financiers.
