En bref
- À Taïwan, l’IA industrielle déplace la prise de décision vers la périphérie, où chaque milliseconde compte.
- Résultat : des volumes massifs de données générées par les machines sont créés localement par des capteurs, des systèmes de vision et l’inférence de l’IA.
- Question : Comment stocker, traiter et transformer ces données générées à la périphérie en valeur commerciale à long terme et à grande échelle ?
Traitement de l’IA en périphérie : une valeur des données inédite
Dans les usines intelligentes taïwanaises, les décisions de l’IA sont prises en un temps record (quelques millisecondes) et de plus en plus en périphérie du réseau.
Plaque tournante mondiale des semi-conducteurs, de l’électronique de pointe et de la fabrication de précision, Taïwan est un véritable terrain d’expérimentation pour l’IA industrielle. Ses usines ne se contentent pas de produire des puces et des composants. Elles génèrent également d’énormes volumes de données, à un rythme et à une échelle qui exigent une approche différente en matière d’infrastructure :
- Les chaînes de production, qui sont souvent équipées de milliers de capteurs par ligne, enregistrent chaque jour plusieurs téraoctets de données relatives aux vibrations, à la température et autres opérations.
- Dans les usines de semi-conducteurs et d’électronique, les systèmes de vision industrielle fonctionnent en continu, des caméras haute résolution inspectant les plaquettes et les assemblages en temps réel.
- Les microdéfauts sont détectés par les modèles d’IA dès leur apparition. Les temps de réponse effectifs se mesurent en millisecondes, plutôt qu’en minutes.
La gestion des données générées par les machines à cette échelle et à cette vitesse impose un changement architectural fondamental.
Un traitement de l’IA au plus près de la source : « La quantité de données brutes issues des capteurs et des vidéos est telle qu’il devient compliqué de les envoyer dans le cloud », déclare Paul McParland, vice-président du marketing des solutions de centres de données en périphérie chez Seagate. « Pour surmonter les contraintes de latence et de débit, le moyen le plus simple reste encore de traiter l’IA au plus près de la source. »
Au lieu de tout reporter en amont, les fabricants traitent directement les charges de travail liées à l’IA sur la chaîne de production. En plaçant les ressources de calcul et de stockage en périphérie, ils réduisent la latence, diminuent la bande passante et les coûts de sortie tout en renforçant leur contrôle sur leurs données. Les seules données désormais envoyées dans le cloud sont les informations filtrées, destinées à l’analyse, l’optimisation et la planification à long terme.
Déjà bien amorcée à Taïwan, cette évolution reflète une tendance mondiale plus large. Tout secteur ayant investi dans la précision et l’automatisation, de la fabrication intelligente et la robotique aux systèmes autonomes et aux infrastructures énergétiques, est susceptible d’en faire autant.
Le stockage au service de l’entreprise : Dans les usines taïwanaises de pointe, les données générées en périphérie deviennent un atout commercial. Des ensembles de données inédits et plus riches alimentent la prise de décision en temps réel, l’amélioration continue des modèles et l’efficacité opérationnelle. Pour cela toutefois, les pipelines d’IA doivent être alimentés par des disques durs haute capacité conçus pour l’endurance, l’intégrité et l’évolutivité.
Sous l’impulsion de l’inférence de l’IA et des déploiements IoT gourmands en données, l’informatique d’entreprise en périphérie contribue d’ores et déjà, et de manière significative, à la demande de stockage.
Paul McParland
Vice President of Edge Data Center Solutions Marketing
À mesure que l’IA industrielle se développe, la périphérie devient bien plus qu’une simple extension du centre de données. C’est là que l’IA génère une valeur économique mesurable. L’évolution actuelle constatée dans les usines taïwanaises offre un aperçu de la manière dont l’IA industrielle se déploie à l’échelle mondiale, grâce à une infrastructure locale conçue pour le long terme.
