Comment choisir sa plateforme IoT ?

Comment choisir sa plateforme IoT ?Avec l’edge analytics, placez la périphérie au centre de votre stratégie IoT

Après avoir étudié les réseaux de communication des objets connectés et leur sécurité, nous continuons notre dossier en nous intéressant aux plateformes IoT. Si les réseaux assurent la transmission des données, la plateforme s’occupe quant à elle d’établir un lien entre les objets, les passerelles, les applications et le cloud. Parmi les grands critères de choix d’une plateforme, nous développons ici l’exemple de l’analyse en périphérie, un sujet décisif pour de nombreux secteurs.

En juin 2017, le Boston Consulting Group rappelait que plus de 400 entreprises proposaient des plateformes IoT. Une simple recherche sur Google avec les mots clés « plateforme IoT » donne un aperçu du problème. Aux plateformes des grands acteurs du matériel informatique et du logiciel (HP, IBM, Microsoft) s’ajoutent des plateformes spécialisées (Bosch) et une multitude de solutions portées par des startups. De quoi décourager des entreprises ne parvenant pas à différencier des acteurs aux propositions de valeur parfois très proches.

Les promesses de la plateforme IoT sont pourtant riches de cas d’usage permettant d’améliorer l’efficacité opérationnelle des structures de tous ordres et de toutes tailles. De manière générale, une plateforme permet trois choses : créer et gérer des applications, agréger et stocker des données, et gérer la connectivité (connecter des objets et des réseaux automatiquement).

‍

Quelques grands critères de choix

Comme dans tout déploiement d’infrastructure logicielle et physique, une bonne stratégie IoT implique d’abord l’établissement de cas d’usage précis dégageant une réelle valeur. Or, en la matière, les atouts des plateformes varient et le prix ne saurait être la simple variable à prendre en compte. Pour les différencier, cinq grands domaines sont proposés par McKinsey :

• Applications. La plateforme permet-elle le développement d’applications propres ? Propose-t-elle au contraire des applications clé en main, essentielles pour les structures avec peu de capacités de développement ?
• Gestion des données. La plateforme peut-elle ingérer une quantité importante de données ? Peut-elle structurer des données aux origines diverses, provenant parfois de tierces parties ?
• Infrastructure et stockage. Le fournisseur possède-t-il sa propre infrastructure cloud ? Ai-je besoin que la plateforme soit hébergée sur mon cloud privé ou dans mes propres locaux ?
• Sécurité. Dans quelle mesure les données collectées sont-elles sensibles ou peuvent-elles mettre en danger ma structure et ses employés ? De quel niveau d’authentification et de chiffrement ai-je besoin ? La plateforme bénéficie-t-elle d’une certification de sécurité ?
• Analyse en périphérie, ou edge analytics. La donnée doit-elle traverser des distances importantes, augmentant le coût du réseau et de la bande passante ? Les décisions en périphérie doivent-elles être prises rapidement, ou sans intervention humaine ?

Parmi ces domaines, la capacité à analyser la donnée en périphérie est particulièrement prise au sérieux par les fournisseurs de plateformes. Celle-ci permet d’exécuter des algorithmes analytiques à la source de la donnée (capteurs, commutateurs et autres dispositifs réseau). A la différence du big data dont la valeur repose sur une infrastructure conséquente capable d’agréger une grande quantité de données, l’edge analytics permet de cibler plus finement les besoins à analyser et d’éviter un déploiement onéreux à grande échelle.

Des cas d’usage dégageant une valeur pour les entreprises et leurs clients

Les cas d’usage de l’edge analytics sont nombreux et ne sauraient se limiter aux seuls secteurs, comme l’énergie, dont les données doivent traverser de grandes distances :

• Une réponse presque instantanée, sans intervention humaine. En acquérant et traitant la donnée au niveau des machines, pompes ou générateurs, l’edge analytics peut identifier une cause (pic de tension, hausse de température, vibrations excessives) et y répondre avant que le problème n’endommage d’autres machines. Un avantage susceptible de dégager une valeur forte pour des secteurs tels que les infrastructures critiques, la production industrielle et les entreprises pétrolières et gazières.
• Répondre en temps réel aux besoins des clients. Les commerces physiques de détail peuvent par exemple égaler la connaissance client de la vente en ligne en utilisant les données issues des objets placés dans les magasins. En étudiant les mouvements, visages et actions des consommateurs, des caméras pourront repérer des produits ayant été comparés, voir si un client cherche de l’aide ou s’il a posé un produit après l’avoir consulté. Dans la mesure du possible, le magasin pourra envoyer un message au client pour lui proposer de l’aide ou des réductions sur les produits pouvant l’intéresser mais qu’il n’a pas sélectionné. Ici, c’est bien la rapidité de l’analyse qui est à privilégier.

De nombreux avantages pour des risques bien délimités

Selon les besoins de l’organisation, un déploiement de capacités d’analyse en périphérie permettra de dégager de la valeur via au moins un des quatre leviers suivants :

• Améliorer l’efficacité opérationnelle. En permettant une réponse plus rapide au défaut d’un composant ou sous-système, ou en corrigeant l’erreur automatiquement, l’edge analytics permet d’améliorer la disponibilité des machines et d’optimiser leur performance. Dans un livre blanc de 2017, Cisco explique l’enjeu pour une plateforme offshore : la transmission par satellite d’un jour de données (entre 1 et 2 TB) prend en moyenne 12 jours pour atteindre le cloud ou le data center. Des problèmes similaires se posent pour le secteur du transport, qu’il soit terrestre, aérien ou maritime.
• Réduire les coûts de maintenance et de réseau. En supprimant la nécessité d’entreprendre un contrôle régulier de l’état des objets, l’edge analytics réduit les coûts grâce à une maintenance prévue pour des problèmes pré-identifiés. Les modèles prédictifs permettent également de rendre plus efficace la gestion des inventaires, en rendant plus précises les prévisions de panne ou de dégradation. L’edge analytics permet enfin de sélectionner les données pertinentes à envoyer vers le cloud, réduisant ainsi le coût de bande passante et de stockage des données.
• Acquérir une connaissance client actionnable en temps réel. En permettant de traiter rapidement les interactions des humains avec les objets connectés, l’edge analytics permet d’offrir en temps réel des offres situationnelles aux clients (voir le cas d’usage retail présenté ci-dessus).
• Une meilleure gestion des risques. L’installation de capacités de collecte et d’analyse en périphérie du réseau, comme dans les succursales de banques, permet de réduire le temps de réponse au risque de fraude en détectant les comportements non-conformes en temps réel. L’analyse en périphérie permet également d’éviter la corruption ou le vol des données pendant leur transfert vers le cloud.

L’infrastructure en périphérie demeure néanmoins vulnérable à des risques cybers. Pour répondre à ces risques étudiés dans un précédent article, trois solutions principales doivent être envisagées : le contrôle d’accès, le chiffrement des données et l’utilisation de VPN (virtual private network).

La facilité d’utilisation comme maître-mot

La plupart des grands acteurs du matériel informatique et du logiciel (HPe, Microsoft, IBM, Intel, Dell, AWS, SAP, Oracle, Cisco) ont apporté des capacités d’edge analytics à leur plateforme. A nouveau, au-delà du prix, le secteur et les cas d’usage associés permettront de choisir une plateforme. La plateforme Edgeline Services d’HPE est par exemple optimisée pour les systèmes de contrôle industriels comme les SCADA (système d’acquisition et de contrôle de données).

La facilité d’utilisation est également devenue centrale. Microsoft l’a bien compris avec Azure IoT Edge, une solution permettant de déployer des modules (unités exécutant un cas d’usage) sur des milliers d’appareils en périphérie. Une interface hébergée sur le cloud permet alors la gestion des périphériques à distance.

Dans une vidéo de présentation de sa solution, Microsoft donne un exemple de ce fonctionnement simplifié. En choisissant d’effectuer une tâche en périphérie sur la plateforme, le démonstrateur créé un module permettant de redémarrer un objet lorsque sa température dépasse les 30 degrés pendant deux secondes. Dans une autre vidéo, Microsoft dévoile comment l’entreprise de solutions industrielles Sandvik Coromant a vu le temps de réponse de ses machines baisser de plus de 2 secondes à 0,1 secondes grâce à Azure IoT Edge.

Une adoption rapide pour un avantage concurrentiel précieux

Edge ou ne pas edge, telle est en réalité une question majeure dans le choix d’une plateforme IoT. Les cas d’usage pour l’edge analytics sont légion et traversent de nombreux secteurs, dégageant une valeur rapide pour des structures frileuses à l’idée de s’engager dans un déploiement IoT de grande ampleur. Nul besoin d’attendre une consolidation du marché au risque de perdre un avantage concurrentiel majeur. L’enjeu : isoler des scénarios business ou opérationnels concrets et trouver un partenaire de long-terme, afin d’éviter des coûts de changement importants.

Sources :

• Accenture, « Edge Analytics. Pushing advanced analytics to the edge”, 2017
• Alfa-safety : https://www.alfa-safety.fr/les-services-alfa-safety-sur-le-cloud-aws/votre-plateforme-iot-objets-connectes-sur-le-cloud-aws/
• AutomationWorld, 2017 : https://www.automationworld.com/article/topics/industrial-internet-things/boosting-equipment-manufacturing-through-edge-analytics
• BCG, 2017 : https://www.bcg.com/fr-fr/publications/2017/technology-industries-technology-digital-who-will-win-the-iot-platform-wars.aspx
• Cisco, « New Realities in Oil and Gas: Data Management and Analytics”, 2017
• CRN, 2017 : https://www.crn.com/slide-shows/internet-of-things/300087561/10-iot-data-analytics-platforms-solution-providers-can-use-at-the-edge.htm/pgno/0/1
• Dataversity, 2018 : http://www.dataversity.net/edge-computing-overview/
• Le Mag IT : https://www.lemagit.fr/definition/Analytique-en-peripherie-de-reseau-Edge-Analytics
• Lynda, 2018 : https://www.lynda.com/Data-Science-tutorials/Edge-analytics-solutions-retail/597024/668868-4.html
• McKinsey, 2017 : https://www.mckinsey.com/business-functions/digital-mckinsey/our-insights/making-sense-of-internet-of-things-platforms
• Microsoft, 2017 : https://azure.microsoft.com/en-us/resources/videos/build-2017-azure-iot-edge-in-msbuild-day-1-keynote/
• Objet Connecté : https://www.objetconnecte.com/comparatif-plateforme-iot/
• RTInsights, 2015 : https://www.rtinsights.com/why-edge-computing-is-here-to-stay-five-use-cases/
• Microsoft (YouTube), 2018 : https://www.youtube.com/watch?v=kMd35PrWaWk

‍

‍