Le Edge computing va rendre l’IA plus écologique, rapide et éthique

Avec l’explosion attendue du nombre d’objets connectés, des questions se posent : a-t-on les moyens financiers, écologiques et technologiques de connecter tant d’appareils ? Comment peut-on réduire le nombre de données que nous partageons ?

« Aujourd’hui, l’internet a une empreinte environnementale deux fois supérieure à celle de la France », insiste Frédéric Bordage, fondateur de Green IT. En effet, la production de terminaux connectés (smartphones et ordinateurs), des objets connectés et des data centers est très gourmande en ressources naturelles, et leur fonctionnement, leur connexion à internet est très énergivore. En Islande par exemple, les data centers où sont minées les cryptomonnaies consomment davantage que l’ensemble de la population du pays. Et ce n’est que le début.

« Nous sommes à l’an un de la connexion internet. L’an deux, ce sont les objets connectés. On s’attend à avoir 25 à 50 milliards d’objets connectés déployés dans le monde en 2020, smartphones et ordinateurs inclus, contre neuf milliards à l’heure actuelle », appuie-t-il. Et ceux-ci nécessitent souvent la transmission de contenu, parfois riche comme de l’audio ou de la vidéo, en continu. De quoi faire exploser le bilan environnemental du numérique.

L’explosion des objets connectés menace aussi nos réseaux de télécommunications, qui n’ont pas été conçus pour transmettre autant d’informations en permanence, et nos portefeuilles, qui seront mis à dure épreuve par le coût de la bande passante. Le edge computing, poussé en France pas la startup Snips, permet de contourner ce problème.

Avec une croissance en volume de 33% en 2017 , le marché de l’IoT se développe à une vitesse fulgurante en France. Image de Snips.

Le edge computing décentralise le traitement de la donnée

Les objets connectés et l’IA fonctionnent souvent sur le même modèle : l’appareil récolte les informations d’utilisation, les envoie à l’entreprise qui traite les informations de façon centralisée et renvoie les résultats à l’appareil. Une façon de faire contre-productive pour Rand Hindi, cofondateur de Snips.

Il prend l’exemple d’une caméra de sécurité avec reconnaissance faciale. Si elle tourne dans le cloud, elle doit envoyer des vidéos en continu, une quantité d’informations très importante qui demande énormément de bande passante et entraîne donc une facture internet salée et un wifi saturé. Dans certain cas, passer par le cloud n’est même pas une option. Une voiture connectée ne peut pas se permettre de dépendre du cloud car elle est amenée à rouler dans des zones non connectées. Heureusement, le cloud n’est quasiment jamais nécessaire pour faire tourner les modèles d’intelligence artificielle, selon lui.

L’entreprise peut très bien, pour un coût marginal, rajouter un processeur et faire l’analyse directement sur l’appareil. C’est ce qu’on appelle le edge computing : traiter les données à la périphérie (edge en anglais) du réseau, c’est-à-dire dans les appareils. Reste un problème : si les données ne sont pas partagées avec l’IA, comment l’IA peut-elle apprendre ?

Une nouvelle façon d’éduquer l’IA

Pour bien fonctionner, une intelligence artificielle a besoin d’apprendre et donc de traiter un grand nombre d’informations. Les données sont le pétrole de l’IA. Mais contrairement à ce que l’on peut penser, l’IA n’a pas besoin de toutes les données produites par les utilisateurs et utilisatrices. « Une fois que l’IA a suffisamment appris, une donnée supplémentaire ne change pas grand chose. 20% de la data donne 80% de la puissance », explique Rand Hindi.

Les entreprises qui ne souhaitent pas traiter les données de façon centralisée ont donc deux possibilités : faire les calculs sur les appareils et récupérer les données a posteriori pour faire progresser l’IA, c’est ce que fait l’intégralité des entreprises selon Rand Hindi, ou ne pas récolter de données du tout, c’est ce que fait Snips. Plutôt que de se nourrir de données personnelles, cette entreprise spécialiste de l’intelligence artificielle zero data a choisi de générer de la donnée synthétique.


Lire aussi : Les cinq clés pour mettre en place le privacy by design

Pour Frédéric Bordage, la seule solution c’est la frugalité numérique : acheter moins d’appareils et réduire son utilisation internet. Heureusement pour les entreprises, il existe de nouvelles approches qui permettent de réduire la quantité de données produites et partagées sans tirer un trait sur les objets connectés.

Le principe est simple, avant le lancement de l’outil, Snips se met dans la peaux d’utilisateurs pour générer de la « fake data ». « C’est aussi bien, voire mieux que la génération de données naturelles car cela nous permet de contrôler la qualité de données générées et d’avoir toutes les données nécessaires pour faire tourner l’algorithme avant même de lancer l’outil », explique Rand Hindi.

La solution miracle pour les objets connectés

Les avantages de combiner le edge computing et le zero data sont bien plus qu’économiques et écologiques. Avec le edge computing, la machine peut réagir plus vite et plus agilement, et avec le zero data la vie privée des utilisateurs est parfaitement respectée et le piratage devient plus difficile puisque les données sont décentralisées.

Jusqu’à présent, les entreprises avaient peu d’intérêt à développer cette technologie, plus difficile à mettre en place. « Maintenant avec le boum de l’IoT, cela devient nécessaire. Les gens vont réaliser que passer par le cloud est trop cher et ils vont vouloir plus de privacy», insiste-t-il. Cette demande de respect de la vie privée va s’amplifier dans les années à venir. Poussées par leur clientèle et sous la pression de la RGDP, les entreprises vont devoir s’interroger sur l’utilité de chaque donnée récoltée.

Respect de la vie privée, contraintes financières et écologiques, faisabilité technologique, les entreprises ont tout intérêt à réduire le nombre de données transmises. Tout aussi important, elles doivent se demander si elles ont vraiment besoin d’autant d’informations et si elles ne pourraient pas les sauvegarder de façon plus légère. C’est justement l’objectif de Prophesee, une startup qui imite le fonctionnement de la rétine et du cerveau humain pour améliorer la façon dont nous captons et traitons les vidéos.

Image d’en-tête par Snips

 

La rédaction HOW

par L'ADN

Linkedin

A lire aussi

La communauté des leaders de l'innovation

Innovating in good company

Rejoignez-nous