Les changements contextuels

C’est le cas de la maintenance prédictive, qui a fait beaucoup de progrès ces dernières années, notamment en raison de l’apprentissage acquis par l’IA sur les différents types de problématiques à connaître et à anticiper. La maintenance prédictive est maintenant en mesure d’augmenter la période d’utilisation du matériel et des composants, permettant une intervention en amont de la rupture. Elle permet de réduire les déchets, définir les meilleures conditions d’utilisation de la machine et réduire les coûts d’entretien.

Un autre exemple d’optimisation permis par une IA est le refroidissement des Datacenters. Google a révélé en 2016 avoir donné avec succès le contrôle du refroidissement de plusieurs de ses centres de données à DeepMind, un algorithme d’IA, réduisant la facture de refroidissement de ces Datacenters de 40%.

EDGE

Le Edge Computing est une forme d’architecture informatique faisant office d’alternative au Cloud Computing. En soit, plutôt que de transférer les données générées par des appareils connectés IoT vers le Cloud ou un Datacenter, on traite les données en périphérie du réseau directement où elles sont générées.

Ainsi, plutôt que d’être transmises à un Datacenter distant, les données sont traitées directement par le périphérique qui les génère (objet connecté, smartphone…) ou par un ordinateur / serveur local.

Plus précisément, selon la définition d’IDC, le Edge Computing peut être considéré comme un réseau maillé de micro-Datacenters qui traitent ou stockent les données critiques localement. Les données sont ensuite transmises vers un Datacenter central ou un stockage cloud avec une empreinte de moins de 10 mètres carrés.

Le Edge Computing peut s’avérer pertinent dans de nombreuses situations. Par exemple, lorsque les objets connectés - IoT (32) - ont une faible connectivité, il n’est pas efficace de les laisser constamment connectés à un Cloud central. Le traitement à la périphérie permet de remédier à ce problème.

De même, le Edge Computing permet de réduire la latence du traitement de l’information, car les données n’ont pas besoin de traverser un vaste réseau pour atteindre un Datacenter ou un serveur cloud distant. Cette réduction de la latence est particulièrement importante dans les domaines des services financiers ou de la fabrication. 

Grâce aux nouvelles technologies de réseau plus rapide, telles que la 5G, les systèmes Edge Computing permettent désormais des applications en temps réel en situation de mobilité, telles que l’analyse de données, le traitement vidéo, la gestion des voitures autonomes, l’intelligence artificielle ou encore la robotique. Autant dire que de nombreuses technologies majeures de la
décennie à venir reposeront sur l’informatique en périphérie.

D’un point de vue environnemental, étant donné leur petite taille, la puissance électrique unitaire dont ils ont besoin est largement inférieure à celle des grands Datacenters.

En revanche, comme nous l’avons déjà évoqué, plus de 80% des impacts environnementaux des outils numériques se concentrent sur la phase de fabrication. La balance entre coût environnemental et bénéfice de l’usage doit être finement étudiée. C’est un point de vigilance qu’il faut prendre en considération, dans une démarche globale d’écoconception numérique.