L'AIoT est le prochain grand changement de plateforme
Autrefois, le logiciel a dévoré le monde. Aujourd'hui, le matériel est en train de dévorer le logiciel.
Il ne s'agit pas de gadgets grand public. Il s'agit de matériel industriel. Les capteurs, les caméras et les nœuds de périphérie (edge nodes) constituent l'épine dorsale de l'énergie, de l'industrie et de la logistique.
Lorsque vous ajoutez l'IA à ce matériel, vous obtenez l'AIoT.
Les développeurs web et mobiles sont soumis à des règles différentes. Ils partent du principe que l'internet est fiable et que les données sont propres. L'AIoT brise ces postulats.
Les données des capteurs sont souvent désordonnées. Vous rencontrerez :
- Des valeurs nulles provenant de capteurs hors ligne
- Des valeurs aberrantes extrêmes dues à des dysfonctionnements
- Des horodatages manquants suite à des échecs de synchronisation
- De longues lacunes dans les flux de données
Vos modèles d'IA doivent gérer ce désordre. Vos pipelines doivent rester résilients. Vos appareils de périphérie (edge devices) doivent prendre des décisions sans le cloud. Les enjeux sont de taille car ces systèmes contrôlent des actifs physiques.
Un véritable système AIoT comporte cinq couches :
- Couche Edge
- Microcontrôleurs et systèmes embarqués
- Inférence d'IA en périphérie (Edge AI)
- Prise de décision locale
- Couche de connectivité
- Protocoles tels que MQTT, LoRaWAN et Zigbee
- Passerelle entre la périphérie et le cloud (edge-to-cloud bridging)
- Mises à jour fiables du firmware
- Couche de données
- Bases de données de séries temporelles
- Traitement de flux (stream processing)
- Pipelines de qualité des données
- Couche AI/ML
- Modèles de maintenance prédictive
- Vision par ordinateur pour les espaces physiques
- Détection d'anomalies en temps réel
- Couche applicative
- Tableaux de bord opérationnels
- Systèmes d'alerte
- Intégration avec les logiciels industriels
Construire cela à partir de zéro est lent et coûteux. Les entreprises développent désormais des infrastructures partagées pour résoudre ces problèmes plus rapidement.
Les problèmes les plus difficiles restent sans solution :
- Maintenir la synchronisation des données locales et cloud lors des pannes
- Combiner différents types de capteurs, comme la vibration et le son
- Réduire les fausses alertes dans les environnements physiques
- Une vision par ordinateur capable de fonctionner dans la saleté et avec un mauvais éclairage
- Prédire les pannes dans des machines complexes et connectées
Les marchés du web et du mobile sont matures. Les marges sont faibles. L'AIoT en est à ses débuts.
Les ingénieurs qui maîtriseront l'IA en périphérie (edge AI) et les pipelines de capteurs mèneront cette prochaine vague. La demande de l'industrie croît, tandis que l'offre d'experts est faible.
Le monde physique entre dans son ère logicielle.
Quelle est votre expérience de l'IA en périphérie ? À quels problèmes difficiles avez-vous été confrontés ? Partagez vos réflexions dans les commentaires.