Edge computing

Cas d’usage, concepts,

et impacts sur l’écosystème
 Sommaire
Préambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

Présentation du Edge Computing. . . . . . . . . . . . . . 4

Qu’est-ce que l’Edge Computing ? . . . . . . . . . . . . . . . . . . 4
Les évolutions du Edge Computing. . . . . . . . . . . . . . . . . 6
Les principales fonctionnalités . . . . . . . . . . . . . . . . . . . . . 7
Les modèles de déploiement. . . . . . . . . . . . . . . . . . . . . . . 9

Exemples de cas d’usage . . . . . . . . . . . . . . . . . . . . . 12

Smart City. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Santé. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
Energie & Utilities . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

L’écosystème Edge
et le positionnement des acteurs . . . . . . . . . . . . . 20
Typologies d’acteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Stratégie des acteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

Conclusion - Les enjeux du Edge Computing . . . 24

2
Préambule

Le Cloud computing a entamé depuis les années • De nombreuses données collectées ont une
2010 un mouvement de consolidation massif des durée de vie très limitée, et n’ont pas besoin
infrastructures IT dans des datacenters de tailles d’être stockées en central ; cette approche
importantes à travers le monde. centralisée questionne sur l’efficacité
énergétique ;
Ces infrastructures sont détenues soit directement par • Les moyens de communication ne sont pas
les « hyperscalers », soit par des sociétés spécialisées toujours totalement fiables, une approche
dans l’hébergement, et sont installées au plus proche totalement centralisée peut se traduire par une
des points de présence des opérateurs et des points qualité de services dégradée, et une mauvaise
d’accès Internet. résilience.

Le Cloud a permis aux entreprises de se libérer de Enfin, les grands fournisseurs de Cloud public sont
la gestion des infrastructures matérielles, d’améliorer généralement des sociétés de droit américain soumises
la disponibilité de leurs services d’hébergement, et de à des lois extra territoriales dont le CLOUD Act
bénéficier de différents services en mode Platform as (Clarifying Lawful Overseas Use of Data Act), lois qui
a Service. peuvent s’avérer problématiques en fonction du niveau
de confidentialité des données.
Cette tendance amène cependant différentes
problématiques : L’Edge computing apporte une réponse efficace à ces
différents sujets en permettant le développement de
• L’exécution des traitements de manière
nouveaux cas d’usage prometteurs, et est promis à
centralisée peut aller à l’encontre des besoins
une croissance importante dans les années à venir.
de performance pour des cas d’usage en temps
réel ;
Cette publication vise à partager notre vision du
• L’explosion des volumes de données envoyées
Edge Computing, évoquer les tendances et cas d’usage
en central peut conduire à un engorgement
les plus courants et présenter la taxonomie des acteurs
des réseaux de données, et conduire, lors de
de ce nouveau marché.
pics de charge, à un ralentissement, voire une
indisponibilité des services centralisés ;

3
 Présentation du Edge
Computing

Qu’est-ce que l’Edge

Computing ?
De nos jours, la prolifération des objets connectés, combinée à des besoins L’Edge Computing
croissants d’analyse en temps réel des données dans différentes industries, consiste à déployer des
conduisent de plus en plus d’acteurs à déporter les capacités de traitement capacités de traitement,
au plus proche des utilisateurs ou des capacités de production afin de d’analyse et de stockage
rechercher différents types de bénéfices, comme : au plus proche des
sources de génération des
• La réduction des problématiques de latence, en améliorant les temps
données.
de réponse :
La centralisation des traitements dans des data centers on-
premise ou sur le Cloud peut créer des délais supplémentaires du
fait de l’éloignement géographique des équipements. Ces délais
supplémentaires sont parfois non acceptables d’un point de vue
usage métier.

• Le délestage des réseaux WAN :

La quantité de données à traiter peut s’avérer abondante et sans
valeur ajoutée. Cela peut justifier le déplacement de son traitement Les réseaux IoT
au plus proche de la source de génération afin de réduire les coûts
traditionnels collectent
liés à la bande passante, et d’éviter la saturation des infrastructures
et analysent les données
existantes.
avant de les envoyer
vers un datacenter,
• La réduction de la sensibilité aux défaillances du réseau, en
permettant une autonomie locale en raison de son modèle où elles peuvent être
d’hébergement décentralisé : traitées et exploitées.
L’Edge computing,
Une continuité de service peut être indispensable d’un point de
vue métier, pour laquelle aucune perte de connectivité avec le quant à lui, permet un
datacenter ou le Cloud ne peut être envisagée. Dans ce cas, localiser traitement rapproché,
les traitements en local devient nécessaire. « en périphérie ».

4
 • La sécurité des données :
Du fait de la nature des données à traiter, des contraintes juridiques
peuvent s’imposer pour un traitement au plus proche de leur source
de génération.

Le schéma suivant présente une architecture simplifiée d’une architecture

Edge Computing.

L’architecture Edge Computing se détache ainsi de la logique de nœud

centralisé utilisée par les infrastructures Cloud, en la complétant d’une
couche intermédiaire « Edge », située à proximité des capteurs.

Figure 1 – Architecture de principe de l’Edge Computing

Cloud
• Traitement et analyses des Big Data
• Data Warehousing

Edge
• Traitement des données en temps réel
• Serveurs On-Premise
• Communications M2M

IoT
• Capteurs

5
 Les évolutions du Edge
Computing

Le Traditional Edge Computing

Les premiers cas d’usage d’Edge Computing, que l’on appelle Traditional
Edge Computing, datent d’une dizaine d’années :

• Utilisation d’un CDN (Content Delivery Network)

Le CDN consiste à distribuer un contenu statique par le biais d’un réseau
de diffusion de contenu. Par leur ancrage géographique permettant
un accès plus rapide aux utilisateurs, les CDNs ont offert une haute
disponibilité et des performances élevées en distribuant et en mettant
en cache le contenu au plus près de l’emplacement de l’utilisateur final.

Cependant, ce contenu reste statique, bien que les CDNs ont évolué pour
permettre l’exécution de quelques scripts simples, comme la détection de
bots.

• Remontée d’informations issues de capteurs communicants

Le déploiement de capteurs communicants avec services de calcul et de
commande sont très présents dans l’Industrie 4.0.

Ces cas correspondent plutôt à l’Internet des Objets ou au M2M (Machine

to Machine).

Le Modern Edge Computing

Le « Modern Edge Computing » apporte une ou plusieurs couches de
calcul et/ou de stockage local, il est considéré comme une extension du
Cloud Public qui fonctionne dans des environnements et des contextes
informatiques extrêmement divers.

Son évolution a été principalement influencée par les tendances suivantes

: le Cloud, l’IoT, l’intelligence artificielle, la 5G, qui ont permis de diversifier
largement les cas d’usage.

Par ailleurs des acteurs se positionnent sur des offres de service Edge
managées de type « Edge as a Service » pour gérer le modèle opérationnel
induit par l’Edge.

6
Les principales
fonctionnalités
On peut regrouper les fonctions d’une architecture Edge Computing en
quatre grands domaines représentés dans le schéma suivant :

Figure 2 – Fonctionnalités du Edge Computing

Fonctionnalités

Détecter, mesurer Agréger, transformer, filtrer Analyser, contrôler Effectuer des analyses
et actionner et transférer les données et stocker les données poussées

Les différents composants permettant de répondre à ces domaines sont les suivants :

Détecter, mesurer et actionner Agréger, transformer, filtrer

Cette fonction est assurée par un device / sensor.
et transférer les données

Le device / sensor correspond à un capteur doté d’une Cette fonction est assurée soit par un Edge Router
capacité de calcul minimale positionné en périphérie (routeur Edge), soit par une Edge Gateway (passerelle
du réseau et utilisé pour une fonction très ciblée. Edge).
Les capteurs servent en général de déclencheur pour
envoi d’une information dans un réseau pour L’Edge Router est un composant sans intelligence, doté
y effectuer des traitements plus poussés. uniquement de fonctionnalités de communication. Il
est ainsi utilisé pour assurer la transmission de données
Exemple d’utilisation : Une caméra de surveillance entre réseaux, comme : collecter des informations en
qui envoie une information à un serveur en cas de local selon un protocole propriétaire, puis les transférer
détection d’une présence. en https à l’aider d’une carte 5G.

L’Edge Gateway est généralement utilisé pour collecter

et analyser les données de plusieurs équipements
situés à un même emplacement physique pour assurer
un fonctionnement continu et prévoir des besoins de
maintenance. L’utilisation de Gateway est courante
afin de fournir la puissance de calcul nécessaire et la
connexion physique aux interfaces existantes.

Exemple d’utilisation : Les distributeurs automatiques

d’une gare dont les données sont analysées par un
dispositif colocalisé qui remonte les informations
nécessaires en cas de besoins de maintenance.

7
 Analyser, stocker et contrôler Effectuer des analyses
les données poussées
Cette fonction est assurée par un Edge Server (serveur Ces besoins d’analyse avancés nécessitent de travailler
Edge) sur l’ensemble des données en provenance des couches
intermédiaires, mais aussi de les croiser avec des
L’Edge Server est un serveur périphérique situé près informations qui proviennent d‘autres origines, comme
des ressources locales qui héberge des applications, des informations liées aux contrats détenus par les
afin de répondre aux besoins critiques en termes de clients. La volumétrie traitée est en général élevée.
connectivité et de temps de réponse.
Cette fonction est généralement assurée par des
Il possède une capacité plus importante que les applications hébergées de façon centralisée, situées sur
Edge Router et Edge Gateway, et peut héberger un Cloud public ou privé, dont les capacités de calcul
plusieurs fonctionnalités, réseaux virtuels ainsi que des sont élastiques, et qui vont bénéficier d’algorithmes de
applications. machine learning, et de solutions de type tableaux de
bord / visualisation de données.
Exemple d’utilisation : Le système informatique d’un
point de vente. Exemple d’utilisation : prévision de consommation à
une échelle nationale, s’appuyant sur l’historique et des
facteurs exogènes.

8
Les modèles de déploiement
Les solutions d’Edge Computing peuvent être déployées de trois manières
différentes, comme présenté sur le schéma suivant :

Figure 3 : Les différents modèles de déploiement du Edge Computing

Modèle centralisé

Cloud Computing
Device / Sensors OU

Data Center

Modèle en trois couches

Edge Gateway Cloud Computing

Device / Sensors + OU OU

Edge Router Data Center

Modèle en quatre couches

Edge Gateway Edge Server Cloud Computing

Device / Sensors + OU + OU OU

Edge Router Modular Micro DC Data Center

Fonctionnalités

Détecter, mesurer Agréger, transformer, filtrer Analyser, contrôler Effectuer des analyses
et actionner et transférer les données et stocker les données poussées

Modèle centralisé
Le device est directement connecté au Cloud ou au Datacenter. Le device
est de type sensor/Edge, il dispose souvent d’une capacité de calcul réduite,
lui permettant d’effectuer des opérations ciblées. L’information est ensuite
directement envoyée dans le Cloud pour y effectuer des traitements plus
poussés.

• Ce modèle de déploiement correspond au modèle de « traditional

Edge Computing ».
• Il est aujourd’hui privilégié dans les cas où un faible nombre de
points de terminaison génèrent des données. Il est plus du ressort de
l’IoT que du Edge Computing.

9
 Modèle en 3 couches
La passerelle (Edge gateway) rassemble les données de plusieurs appareils
et capteurs, puis les normalise, et les filtre.

Cette passerelle est dotée d’intelligence, et peut ainsi réagir à toute

anomalie en temps quasi réel, en s’appuyant sur les données recueillies,
mais avec une profondeur d’historique limitée.

Elle envoie ensuite les seules données pertinentes dans le Cloud /

le Datacenter. Les traitements complexes comme le reporting et la
visualisation sont souvent effectués de manière centralisée dans le Cloud
ou le Datacenter.

Ce modèle est généralement adopté lorsque les devices ne sont pas dotés
de capacités de communication avec les datacenters, la passerelle joue
alors le rôle de collecte des éléments issus des devices, et de gestion (mise
à jour de micrologiciel, remontée des éventuelles défaillances dans le cas
de capteurs).

La passerelle peut être remplacée par la notion d’Edge router, dans ce cas
le routeur ne porte que des fonctionnalités de communication.

Modèle en 4 couches
L’Edge Server permet d’apporter des capacités importantes de traitement
au plus près des objets afin de limiter l’impact sur la bande passante et les
délais de traitement.

• Ce modèle est adapté à des traitements de données complexes, en

provenant des Edge router ou Edge gateway.
• Des analyses avancées peuvent ainsi être effectuées à proximité de
la source de données, ce qui est utile pour les sites distants avec une
bande passante limitée, et permet également de limiter le volume
de données renvoyées en central.

10
11
 Exemples de
cas d’usage

Les cas d’usage peuvent se classer à l’aide des quatre familles d’objectifs
suivantes :

4 familles du Edge Computing

Enrichir l’expérience utilisateur Améliorer l’empreinte

environnementale

Optimiser la chaîne industrielle Optimiser les processus métier

• Enrichir l’expérience utilisateur : expériences immersives, réalité

augmentée, fonctions collaboratives, applications dédiées
smartphone,
• Améliorer l’empreinte environnementale : collecte et analyse
prédictive de données environnementales, commande des
équipements de chauffage, climatisation,
• Optimiser la chaîne industrielle : maintenance prédictive, supervision
technique, systèmes de commande décentralisés, informatique
embarquée,
• Optimiser les processus métier : applications de gestion distribuées
traitement local automatisé.

12
Le schéma suivant présente les cas d’usage d’Edge Computing les plus répandus actuellement.

Figure 4 : Présentation des cas d’usage

Objectifs recherchés

Enrichir Améliorer Optimiser la Optimiser les

l’expérience l’empreinte chaîne industrielle processus métier
utilisateur environnementale
Smart city
Véhicule autonome
Smart Buildings (bâtiments intelligents)
Smart Grid (réseau électrique intelligent)
Distribution
Gestion des stocks
Suivi du parcours client en point de vente
Santé
Supply chain pharmaceutique
Capteurs médicaux
Energie & Utilities
Installation offshore & arrêts imprévus
de production
Capteurs de données sur les installations

13
 Smart City
Les Smart Cities, ou villes intelligentes, utilisent les technologies de l’information et de la communication (TIC) et
l’Internet des objets (IoT) pour fournir des informations utiles afin de gérer efficacement les ressources et les actifs. Cela
comprend par exemple les données collectées auprès des citoyens et des appareils environnants, traitées et analysées
pour surveiller et gérer les systèmes de circulation et de transport, les réseaux d’approvisionnement en eau, l’élimination
des déchets, etc. L’Edge Computing est un puissant outil pour assurer la bonne communication entre la multitude de
capteurs et composants d’une Smart City.

Véhicule autonome Smart Buildings

Le véhicule autonome représente l’objet connecté par
(Bâtiments intelligents)
excellence. Il est en communication constante avec son
environnement et prend des décisions rapidement en La demande croissante de structures plus économes
fonction des informations provenant d’un ensemble en énergie, en carbone et en eau, et le besoin d’une
de capteurs. En particulier, la communication machine- connectivité omniprésente incitent les constructeurs
to-machine entre une voiture autonome et les autres à développer des bâtiments dits intelligents.
véhicules sur la route est primordiale.
Cela se traduit par des bâtiments connectés dotés
Chaque véhicule autonome capte et diffuse des de nombreux capteurs, mesurant un grand nombre
données critiques (ex : distance, vitesse, signalisation de paramètres : température, nombre d’occupants,
…) permettant aux autres véhicules de se renseigner consommation d’eau... Les Smart Buildings apprennent
suffisamment tôt sur les dangers tels que les détours, à agir en temps réel sur la base des données connectées
les débris, les accidents et les inondations, pour s’adapter pour satisfaire leurs occupants, personnaliser leurs
en conséquence. Une grande partie de ces données expériences, ou pour optimiser leur consommation
pourront être envoyées et reçues entre les véhicules d’énergie et assurer leur sécurité.
eux-mêmes, sans les obliger à s’interfacer avec des
serveurs Cloud distants. Cette communication transforme
chaque véhicule en circulation en une extension des Smart Grid
capteurs de tous les autres véhicules, fournissant ainsi des
informations pertinentes sur l’environnement routier. (Réseau électrique intelligent)
En raison du grand volume de données produites et Un réseau électrique intelligent est un système de réseau
reçues de l’environnement, L’Edge computing permet électrique qui utilise l’analyse de données pour optimiser
aux véhicules d’avoir un accès et une analyse directe des la fourniture d’électricité.
données, évitant ainsi une surcharge d’informations non Il s’agit notamment de l’utilisation de compteurs
critiques dans le Cloud, mais également de réduire les intelligents pour suivre la consommation d’électricité des
temps de latence liés à l’échange de données avec des clients, de capteurs IoT pour surveiller les “pipelines”, mais
serveurs Cloud distants. surtout de mécanismes d’IA pour équilibrer l’offre et la
demande de manière proactive.
En déployant des installations Edge à la fois dans des
zones à fort trafic et dans des zones plus éloignées avec Les Smart Grids utilisent des données pour réagir et
un accès limité à la bande passante, les entreprises s’adapter aux changements d’utilisation et de demande
peuvent garantir que leurs véhicules autonomes peuvent en électricité, de manière autonome ou sous la
accéder aux données dont ils ont besoin avec une latence supervision de l’énergéticien. Avec l’augmentation
minimale pour prendre des décisions rapidement. du nombre de ménages et de la consommation d’énergie,

14
il y a également un intérêt croissant pour le suivi des
données liées à la production, à l’utilisation ou
au stockage de l’énergie afin de maximiser l’expérience
du client, souvent à l’aide d’applications basées sur le
Cloud Computing.

Toutefois, le Cloud Computing présente certaines limites.

Par exemple, pour suivre l’offre et la demande en temps
réel, et utiliser les données pour faire des prévisions,
un grand nombre de capteurs doivent ingérer des
informations. Le traitement de ces données dans le Cloud
serait inefficace, car il impose des coûts importants de
transport des données et augmente la latence.

L’Edge computing offre alors une alternative, en

rapprochant le traitement et l’analyse des sources des
données. En particulier, cela permet deux améliorations
notables :

• Faible latence : l’Edge computing peut garantir

une faible latence, ce qui permet de surveiller la
fréquence du réseau en temps réel et de prendre
de manière proactive toute décision visant à
garantir des conditions stables au sein du réseau,
en vérifiant tout déséquilibre entre la production
et les charges consommées.
• Confidentialité des données : les réseaux
intelligents traitent un volume croissant
d’informations privées et sensibles sur leurs
utilisateurs finaux. La sécurité du réseau représente
donc un enjeu primordial. L’éventualité d’une fuite
d’informations est problématique tant pour les
fournisseurs d’énergie que pour les utilisateurs
finaux. La capacité de l’Edge Computing à traiter
les données localement permet de sélectionner les
données qui doivent passer par le Cloud et celles
qui peuvent rester locales. Par conséquent,
le risque lié à une fuite de données massive se
trouve relativisé.

15
 Distribution
Le monde de la distribution est en train de changer radicalement. En utilisant massivement les données récoltées
sur les clients, les distributeurs sont en mesure d’en apprendre beaucoup plus sur leurs habitudes,
leurs comportements d’achats et sur la rapidité avec laquelle ils changent leur façon de consommer des produits.
En effet, de nos jours, les clients sont en constante recherche de la meilleure combinaison entre achat en ligne et
« In-Store ». Par conséquent, les futurs leaders du secteur du Retail dans les prochaines années seront ceux qui
maitriseront cette combinaison et qui analyseront les données clients suffisamment rapidement pour répondre à
leurs attentes. L’Edge Computing peut les aider à répondre à ces problématiques.

Gestion des stocks Suivi du parcours client

Une gestion efficace des stocks est un défi majeur pour
en point de vente
les entreprises de logistique ou de la distribution.
Les magasins de la grande distribution utilisent de
Le suivi des stocks en magasin permet aux entreprises plus en plus des interfaces numériques interactives
de prendre des décisions plus éclairées et d’éviter les afin d’améliorer l’expérience des clients, à la fois pour
ruptures d’approvisionnement, notamment en période encourager les clients à passer plus de temps en magasin,
de forte affluence. Pour faire face à cette augmentation mais aussi pour inciter les consommateurs à faire leurs
de la demande, les retailers doivent surveiller en achats en magasin plutôt qu’en ligne.
temps réel l’état du stock dans les magasins, et
savoir où se trouvent les produits dans la chaîne L’Edge computing peut être utilisé pour exécuter certaines
d’approvisionnement à tout moment. applications au sein des magasins qui nécessitent une
Pour y parvenir efficacement, une entreprise doit interaction humaine en temps réel, comme un miroir
collecter de grandes quantités de données sur la de réalité augmentée dans chaque cabine d’essayage,
position et l’état des marchandises en temps réel, permettant au client d’essayer un vêtement sans l’enfiler,
in-store et en acheminement. changer de couleur, essayer une autre taille et vérifier la
disponibilité des stocks en temps réel.
Une infrastructure de Edge pour la gestion des stocks
en magasin permet de suivre le stock existant en temps Via l’utilisation d’un caddy connecté, en fonction de la
réel de façon continue grâce aux faibles temps de disponibilité des articles en rayon, le client pourra recevoir
latence, et d’automatiser le renouvellement du stock en des notifications pour l’informer de la disponibilité d’un
prévision d’éventuelles ruptures grâce à des algorithmes article et se voir suggérer des articles en se basant sur
de Machine Learning. Ce type d’application permet les produits sélectionnés pendant son parcours. Cette
de limiter le temps alloué à la gestion des stocks et de personnalisation du parcours client est possible grâce à
garantir une disponibilité continue des produits. un échange de données en temps réel, apportant ainsi de
la valeur aux clients en leur offrant un endroit agréable et
Couplée à une infrastructure Edge dans la Supply Chain, pratique pour faire des achats.
notamment au sein des transporteurs de produits, il est
possible de suivre en temps réel l’acheminement de la Ces interactions avec le client permettront également
marchandise et de gérer les stocks en magasin avec d’évaluer l’affluence au sein du magasin, et d’adapter en
une grande précision. temps réel l’organisation des conseillers de vente afin de
répondre à la demande de clients au niveau des rayons
et des caisses, notamment grâce à des algorithmes de
prédiction basés sur le Machine Learning.

16
Santé
La quantité de données générées dans le domaine de la santé a considérablement augmenté au cours des
dernières années, notamment grâce aux appareils connectés et à l’essor des soins à distance. De plus, dans le
contexte sanitaire actuel, la supply-chain pharmaceutique et notamment des vaccins nécessite un suivi précis
et un conditionnement sans faille.

L’Edge Computing peut contribuer fortement à l’amélioration du traitement des données médicales et du transport
pharmaceutique.

Supply chain pharmaceutique Capteurs médicaux

Avec des composants provenant du monde entier, il De nombreux dispositifs médicaux IoT tels que des
est essentiel que la supply chain pharmaceutique soit capteurs portables, des glucomètres et des applications
sécurisée et traçable. La protection de la qualité et de la de soins de santé sont devenus beaucoup plus
sécurité des composants est une grande préoccupation courants au cours de la dernière décennie, collectant
pour de nombreuses marques pharmaceutiques tout au des quantités massives de données de santé générées
long de la chaîne d’approvisionnement. par les patients qui permettent aux professionnels
de la santé de mieux diagnostiquer les problèmes,
La stabilité de la température est importante tout et surveiller la santé de leurs patients sur de longues
au long de la chaîne d’approvisionnement. périodes.
De nombreux médicaments biologiques fabriqués à
partir d’organismes vivants et vaccins nécessitent des La quantité massive de données produites par ces
plages de température spécifiques pendant le transport appareils peut être précieuse, mais elle crée également
et le stockage. Si la température fluctue en dehors de la un défi pour les professionnels de santé chargés de
plage requise, un lot entier pourrait être compromis. la gérer et de la maintenir en sécurité. Une grande
partie de ces données n’est pas structurée et reste
L’Edge computing peut ainsi aider à garantir que mal définie, inondant des infrastructures Cloud qui
la température soit surveillée et contrôlée en ne sont souvent pas prêtes à exécuter les puissants
permanence pendant l’expédition et le stockage, programmes d’analyse nécessaires pour les organiser
avec une surveillance localisée via des capteurs et des de manière à être facilement utilisées. Au moment où
appareils IoT dans les véhicules de transport et les les données générées par les appareils de périphérie
entrepôts permettant la transmission en temps réel IoT sont renvoyées dans un serveur central pour être
d’informations. correctement analysées et triées, il peut être trop tard
pour répondre aux changements soudains de l’état
d’une personne.

L’Edge computing a le potentiel de résoudre ce

problème de données. En conservant une grande partie
des tâches de traitement critiques à la périphérie du
réseau, les architectures informatiques des services
de santé peuvent toujours bénéficier de la collecte de
données tout en obtenant des analyses en temps réel
qui peuvent prédire et répondre à une urgence.

17
 Energie & Utilities
La modernisation de la chaîne de valeur des entreprises opérant dans le secteur d’énergies et des utilities est
devenue une nécessité. D’une part, les marges de profits sont très volatiles dans le contexte international actuel.
D’autre part, la transition vers un modèle de consommation énergétique respectueux de l’environnement est
l’un des principaux enjeux de notre société. L’Edge computing apparaît comme un atout de taille pour améliorer
l’efficacité opérationnelle, notamment dans le cadre de la dispersion géographique des opérations.

Installations offshore & arrêts Capteurs de données sur

imprévus de production les installations
Un défi majeur dans le secteur est l’impact de l’arrêt La collecte de données provenant de capteurs pour
inopiné d’une plateforme d’extraction installée en des fins d’analyse et de pilotage de la chaîne de valeur
offshore. En effet, la majorité des installations offshore est un défi majeur dans ce secteur.
sont munies d’équipements de plus de 15 ans rendant
ces arrêts de plus en plus fréquents, selon une étude du La mise en place de capteurs intelligents permet
cabinet Kimberlite. Une étude de l’institut MIT Sloan de collecter de manière continue les données des
estime les pertes d’un arrêt imprévu d’une journée sur installations, et ainsi de prendre connaissance des
une plateforme offshore d’extraction de gaz naturel conditions d’exploration et de visualiser de manière
à 25 millions de dollars. La même étude révèle qu’en concrète l’état des différents équipements en place sur
moyenne le même type d’installation est susceptible de les installations. De plus, l’analyse des données issues
s’arrêter de manière imprévue au moins 5 fois par an. des capteurs permet une distribution intelligente dans
le réseau basée sur la pose de capteurs capables de
Afin de limiter le nombre d’arrêts imprévus, les prédire les consommations. L’Edge computing permet
entreprises peuvent avoir recours à la maintenance de répondre aux contraintes de collecte de données en
prédictive, basée sur l’installation d’équipements temps réel et d’assurer la sécurité des données grâce à
intelligents capables de collecter des données sur les une collecte au plus près de la source sans transiter par
différents équipements, de les analyser, et de prédire un réseau public si nécessaire.
les éventuels arrêts de production, et réaliser des
opérations de réparation de manière prédictive.

18
19
 L’écosystème Edge
et le positionnement
des acteurs
Typologies d’acteurs
L’écosystème des acteurs Edge Computing se compose :

• De fournisseurs d’infrastructure & de plateformes,

• D’éditeurs de logiciels orientés données,
• De fournisseurs en technologies réseau
• De fournisseurs équipements réseau.

Nombre de ces acteurs ont rejoint des organismes de normalisation

et de certification, afin de faire émerger les standards de demain.

Les fournisseurs d’infrastructure

et plateformes
Les fournisseurs traditionnels de Cloud Public ont étoffé leurs offres
avec des solutions liées au Edge Computing, permettant de retrouver
des éléments de la technologie Cloud en local, comme Azure Stack chez
Microsoft, ou d’en assurer la gestion comme avec la suite logicielle AWS
IoT.

20
Les éditeurs de logiciels orientés données
Des éditeurs plutôt spécialisés proposent des solutions logicielles orientées
données, dont le but est de valoriser les données, en proposant des
tableaux de bord détaillés et des indicateurs temps réel, afin d’améliorer
la productivité des équipes, et d’identifier des sources d’économie.
On retrouve par exemple [Link], Cloudera, Ekkono…

Les algorithmes utilisés reposent de plus en plus sur des techniques

d’intelligence artificielle à base d’auto-apprentissage (machine learning).

Ces éditeurs proposent souvent des solutions verticalisées, permettant de

s’interfacer plus facilement avec les équipements industriels du domaine.

Les fournisseurs en technologies réseau

La technologie des réseaux évolue, avec notamment l’arrivée de la 5G,
qui permet de réduire la latence. On retrouve également des réseaux
alternatifs appelés « bas-débit », qui ont pour but d’optimiser la
consommation des périphériques communicants (Lorawan, Sigfox, …).

Un nouveau standard de communication, appelé DECT-2020 NR, a été

poussé par le fournisseur de réseau finlandais Wirepas, puis standardisé
en 2020 par l’ETSI (European Telecommunications Standards Institute).
Ce standard a pour but d’aider au déploiement du Edge Computing, en
limitant la consommation d’énergie nécessaire, et en répondant aux
fortes densités d’équipements, tout en étant indépendant des opérateurs
télécom.

Les fournisseurs en équipements réseau

Le marché des équipements réseau se concentre principalement autour
de grands noms du secteur, qui fournissent la connectivité nécessaire pour
les fonctions d’Edge gateway et Edge router, comme Ericsson, Vodafone,
ZTE, Juniper, Cisco… Les grands acteurs du Cloud s’intéressent également à
ce marché, Google ayant racheté début 2022 MobilEdgeX, fournisseur de
solutions d’Edge Computing pour les opérateurs télécom.

21
 Stratégie des acteurs
Le marché du Edge Computing devrait évoluer avec un taux de croissance annuel composé estimé à environ 30%
entre 2022 et 2032 (Source : [Link] - Global Edge Computing Market report).

Se positionner sur ce marché est donc un enjeu majeur, renforcé par le fait que celui-ci n’est toujours pas consolidé
: il existe aujourd’hui peu d’offres normalisées et homogènes pour couvrir l’ensemble des besoins clients (réseau,
infrastructure physique et logique, opérations).

La construction d’une offre de service générique, à faible effort de contextualisation, est donc au cœur des
réflexions des acteurs souhaitant se positionner sur le marché du Edge Computing. C’est pourquoi l’écosystème des
acteurs travaillant sur l’Edge Computing est en pleine évolution, avec de nombreux partenariats et collaborations
entre différents types d’entreprises qui se concrétisent.

En 2020, les principaux fournisseurs Cloud (AWS, GCP et Azure) ne représentaient encore que 1% des offres d’Edge
Computing, que ce soit pour la mise à disposition des plateformes ou la gestion de celles-ci.
Leur ambition est d’atteindre 20% de part de marché en 2023, d’après
le Gartner. Ces fournisseurs établissent des partenariats avec pour objectif de créer une offre d’Edge Computing de
bout en bout.

Parmi les partenariats stratégiques, on retrouve :

Les fournisseurs de réseaux 5G avec les géants du Des partenariats entre fournisseurs de services IT
Cloud AWS, Google et Microsoft. Les partenariats pour proposer des services unifiés et adresser un marché
permettent aux fournisseurs plus vaste : Kyndryl avec Google Cloud (Décembre
Cloud de proposer leurs services et applications de Edge 2021), AWS (Mars 2022) et avec Nokia (Février 2022),
Computing ou Cisco (Juin 2022).
via la plateforme réseau privée 5G des fournisseurs
télécoms.
• En effet, Kyndryl a pour ambition de proposer :

On retrouve par exemple :

Une offre avancée en service d’analyse de données
• AT&T avec AWS (2017), Microsoft (Mars 2022) basée sur
et Google les solutions d’IA / machine learning de Google,
(July 2021) ;
Des capacités d’infrastructure et de services
• Verizon avec AWS (Avril 2021), Microsoft d’infogérance tandis que Cisco apportera une
(Septembre 2021) expertise autour des solutions réseau de type SDWAN.
et Google (Décembre 2021) ;
• Google avec Deutsche Telekom (Juillet 2022) et • VMware avec AWS (Mars 2022) ou Dell
Ericsson (Juin 2021) ; Technologies (Septembre 2022).

• AWS avec BCE, fournisseur réseau canadien (Avril

2022).

Les hyperscalers ont pour ambition d’atteindre 20% de part

de marché en 2023 du Edge computing, d’où la forte
accélération de création de partenariats

22
VMWare avec AWS : AWS a développé son service Des partenariats entre fournisseurs de services IT
« AWS Wavelength » qui permet de porter des services avec pour objectif de mutualiser les efforts de recherche
de calcul et de stockage au sein de réseaux 5G, et développement
fournissant ainsi une infrastructure Edge Computing de
développement, permettant le déploiement et la mise • Orange et Google (2020) : cette alliance a pour
à l’échelle d’applications à très faible latence. VMWare but de renforcer le lien entre Orange et Google
et AWS ont créé un partenariat permettant aux sur la recherche dans les domaines d’innovation
utilisateurs de AWS Wavelength de se connecter par tels que les services Edge Computing. Cela
l’intermédiaire de VMWare SDWAN aux services Cloud s’opérera par la mise en place d’un laboratoire
de manière fiable, sécurisée et efficace. d’innovation et d’un centre d’excellence,
• Telefónica, KT, China Unicom and Telstra :
VMWare propose ses services d’appliance ce partenariat fait partie de l’initiative GSMA
d’infrastructure hyperconvergée VxRail pour Operator Platform Initiative dont le but est de
exécuter des solutions IoT, l’offre est portée par Dell développer la collaboration sur l’Edge Computing
Technologies. entre opérateurs et réfléchir sur les moyens de
monétisation de leurs réseaux.
• IBM avec Verizon (Juillet 2020) ou Colt (Mars La collaboration entre ces 4 opérateurs fait
2021). Dans le cadre de la collaboration avec partie de la première phase de cette initiative et
Verizon, les deux sociétés travailleront ensemble consiste à mutualiser les efforts pour identifier
sur l’innovation 5G autour de l’industrie 4.0. les écarts entre l’état actuel des réseaux et les
L’offre commune reposera sur les solutions qui besoins des utilisateurs de l’Edge Computing.
combinent la faible latence des capacités 5G et
Multi-access Edge Compute (MEC) de Verizon,
et l’expertise d’IBM en matière d’infrastructure,
de solutions d’IA, et de gestion IoT.
• NTT avec VMware et Intel (Août 2022),
en proposant une offre de « Edge Computing as
a service ». L’offre commune sera gérée par NTT
mais reposera sur la solution « VMware’s Edge
Compute Stack » qui inclut une connectivité 5G
privée. Elle s’exécutera sur du matériel Intel et
sera proposée par NTT sur l’ensemble de sa zone
de la couverture géographique. NTT, VMware et
Intel commercialiseront cette offre de manière
conjointe, en coordonnant la partie commerciale
et l’innovation.

La multiplicité des partenariats et leurs différentes natures

montre que ce marché est vaste et n’a pas encore atteint son
palier de maturité

23
 Conclusion - les enjeux
du Edge computing

Tout comme le Cloud il y a 10 ans, L’Edge computing est un terme à la

mode pour définir un delivery model particulier de l’IT traditionnel (calcul,
data science, stockage, intelligence artificielle …) reposant sur
des technologies déjà maitrisées pour la plupart.

Doit-on s’attendre à ce que comme son grand frère le Cloud computing,

le Edge révolutionne durablement aussi bien nos usages de l’informatique
que le paysage fournisseur avec l’émergence de nouveaux consortiums
ou géants du numérique ? Ce scénario n’est pas à exclure, toutefois, il est
encore loin d’être certain :

• Le Edge reste une part faible des dépenses informatiques :

au-dessous des 5% des dépenses IT aujourd’hui, le marché du Edge
est cependant projeté selon les analystes à $150 à $300 milliards
en 2025
• Le Edge n’a pas encore fait émerger de nouveaux acteurs importants
dans le numérique mais au contraire semble être un nouveau
marché prometteur pour les traditionnels GAFAM et géants des
Telecom

Le futur du Edge Computing dépendra donc de la capacité de l’écosystème

Edge (utilisateurs, fournisseurs) à adresser un certain nombre d’enjeux
présentés ci-dessous :

24
Sécurité et confidentialité
Comme tous les services informatiques, les architectures Edge Computing
doivent être protégées contre la falsification, le réacheminement des
données, le piratage ou les attaques par déni de service.

La distribution des équipements Edge dans des lieux distants et

potentiellement accessibles au public expose les matériels Edge à un
ensemble de menaces plus large que l’informatique traditionnelle :
compromission physique, exposition à des phénomènes météorologiques, etc.

En outre, les données capturées peuvent introduire de nouvelles

considérations juridiques, réglementaires et éthiques qui déterminent
comment (et si) les données stockées doivent être protégées par
chiffrement.

Lors de la mise en place d’une solution Edge Computing, l’exercice

d’analyse de risque doit donc prendre en compte un nombre plus
importants de scénarios de risques (vandalisme, phénomènes
météorologiques extrêmes, etc.) et des moyens de modération de ces
risques particuliers doivent être envisagés.

Normalisation et standardisation
Le développement des technologies Edge par différents types d’acteurs
comme présenté dans le précédent chapitre amène des enjeux de
normalisation et d’interopérabilité.

L’ETSI a récemment publié un livre blanc sur ce sujet Harmonizing

standards for Edge Computing - A synergized architecture leveraging ETSI
ISG MEC and 3GPP specifications. Ce document propose notamment des
modèles standard d’architecture de déploiement de solutions Edge.

D’autres initiatives sont également en cours notamment portées par

le sous-comité technique de normalisation ISO/IEC JTC 1/SC 41 qui
a publié deux rapports techniques sur L’Edge computing : ISO/IEC TR
23188 (concepts et technologies d’infrastructure et applicatives du Edge
computing) et 30164 (Edge computing pour des applications IoT).

25
 Supervision et Maintenance du Edge
L’Edge computing reposant sur une architecture distribuée sur une zone
géographique plus ou moins étendue, la supervision et la maintenance
des équipements ainsi que de tout l’écosystème nécessaire au bon
fonctionnement d’une architecture Edge (alimentation, interconnexion
réseau, protection ou isolation) peuvent être un véritable défi nécessitant
une organisation spécifique avec des agents et équipes mobiles dédiées.
Certains opérateurs Telecom tels que NTT offrent aujourd’hui des solutions
managées de « Edge as a Service » pour répondre à cet enjeu.

Empreinte carbone
A l’heure où l’ensemble des acteurs du numérique sont de plus en plus
sensibles à l’empreinte carbone de leurs services et où le numérique se doit
d’être responsable, L’Edge computing doit répondre aux enjeux climatiques
et respecter les principes de frugalité qui prévalent désormais dans
l’industrie du numérique.

Bien que cela relève davantage de l’informatique distribuée que du Edge,

la solution Qalway de la société Qarnot Computing illustre bien cet enjeu :
des capacités de calcul sont installées sous forme de radiateurs électriques
dans divers bâtiments chez des bailleurs sociaux, des entreprises ou des
collectivités. Les traitements informatiques exécutés à distance sur ces
équipements permettant ainsi de générer de la chaleur utile pour le
chauffage en hiver.

Modèle économique
De nombreux cas d’usage du Edge Computing peuvent être mis à mal par
l’équation économique. En effet, dans des secteurs à faible marge comme
la grande distribution et où chaque projet informatique doit démontrer un
impact économique positif, il arrive que le business case du Edge ne soit
pas au rendez-vous. Les coûts générés par les équipements et les services
de maintenance associés peuvent être rédhibitoire pour certains décideurs.

26
Rédacteurs :

• Paul Monnier
• Jean-Sébastien Dubouclard
• Charles Richard
• Benoit Moreau
• Moncef el Karmoudi
• Farah Mouri
• Remi Peltier

27
À propos de BearingPoint

BearingPoint est un cabinet de conseil en management et technologies indépendant,

aux racines européennes et à la couverture mondiale. Le cabinet est structuré autour de
3 activités : outre les services de conseil qui font sa renommée (Consulting), BearingPoint
propose des solutions technologiques avancées (Products) et investit massivement dans
l’innovation (Capital), au service de ses clients.

Fort d’un réseau international de plus de 13 000 collaborateurs, BearingPoint

accompagne ses clients dans plus de 70 pays pour qu’ils obtiennent des résultats
impactant, concrets et durables.

Pour plus d’informations, rendez-vous sur :

Web [Link]/fr-fr
LinkedIn [Link]/company/bearingpoint
Twitter [Link]/BearingPoint_FR

Contacts
Paul Monnier Jean-Sébastien Dubouclard
Associé Directeur
[Link]@[Link] [Link]@[Link]

© 2023 BearingPoint. All rights reserved.