Michael Garcia (AWS) "L'AIoT est complémentaire de l'edge computing"

L'AIoT apparaît de plus en plus dans les stratégies d'entreprises. Michael Garcia, principal product solutions architect IoT chez Amazon Web Services, détaille les usages où cette technologie gagne en importance.

JDN. Plusieurs entreprises ont dévoilé leur stratégie AIoT, comme Sharp ou Xiaomi qui a annoncé vouloir investir 1,5 milliard de dollars sur ce sujet dans les cinq ans. Que désigne cette appellation ?

Michael Garcia. L'AIoT est une contraction des abréviations AI, pour intelligence artificielle, et IoT, pour internet des objets. Elle désigne "l'intelligence des objets". Son objectif est d'appliquer du machine learning dans l'analyse des données des capteurs pour en améliorer l'utilisation. Cette notion se développe depuis un an et demi avec l'essor des objets connectés et du big data, puisqu'il faut un certain nombre de points de données pour que le machine learning soit efficace. L'AIoT est ainsi déployée pour traiter des volumes importants de données, provenant généralement de plus de 10 000 capteurs pour effectuer un contrôle en temps réel et prévoir les pannes.

Quels sont les principaux usage de l'AIoT ?

Ses trois principales applications industrielles concernent la vision par ordinateur ou reconnaissance d'image, la maintenance prédictive et le contrôle de la qualité produit. Par exemple, l'entreprise finlandaise spécialisée dans les équipements pour les industries de la pâte, du papier et de l'énergie Valmet a connecté ses machines de production de papier et analyse la qualité de ce dernier par machine learning. Les feuilles de papier peuvent sortir à des vitesses de 100 km/h et si la qualité est insuffisante, des déchirures peuvent survenir. L'arrêt des appareils engendre des pertes colossales, qui se chiffrent en millions d'euros. L'AIoT est essentielle pour assurer ce suivi.

On observe par ailleurs une demande de plus en plus importante dans la smart home, où l'AIoT se développe avec l'automatisation et les caméras de surveillance. La technologie permet dans ce cas d'analyser les données et de piloter différents objets connectés. Par exemple, l'arrosage automatique pourra se déclencher en fonction des données d'autres capteurs. Des usage avec de nouveaux clients seront dévoilés lors de notre événement Re:Invent (du 2 au 6 décembre 2019, ndlr).

Quelle tendance observez-vous sur le sujet chez vos clients ?

Il y a une volonté de plus en plus marquée des entreprises de déporter l'intelligence au plus près de l'objet. Certains clients veulent être capables d'opérer de manière déconnectée du cloud. Pour y répondre, nous entraînons les modèles de machine learning dans le cloud et nous les intégrons dans les gateway pour favoriser une analyse en edge computing. L'AIoT se veut pour moi complémentaire de l'edge computing. Le traitement des données visuelles amène des utilisateurs à vouloir utiliser des caméras pour lire, par reconnaissance d'images, la valeur de jauges qui ne peuvent pas être connectées. Nos travaux actuels portent ainsi sur la manière de compresser davantage les modèles de machine learning pour tel ou tel type de hardware afin que l'analyse soit plus rapide.

Michael Garcia a rejoint AWS il y a sept ans, après un passage chez Capgemini. Il a commencé dans les locaux de Paris en tant que solutions architect, puis a rejoint les équipes de Seattle et de New York pour se spécialiser dans l'IoT. Il occupe actuellement le poste de principal product solutions architect IoT.