En direct de Londres. Parmi les services cloud de Nutanix disponibles depuis hier, le fournisseur a aussi lancé un service d’edge computing pour la gestion des réseaux IoT. D’après Satyam Vaghani, vice-président IoT et AI chez Nutanix, venu sur scène présenter la solution, ce sont plus de 256 Zo de données (256 Mds To) qui ont été générées par des objets connectés en 2017. « En parallèle de l’edge computing, la seule façon de gérer ces masses de données est d’utiliser des machines et l’IA devient une partie intégrante de ces processus » indique-t-il, « et chez Nutanix, nous estimons que le futur du computing est distribué : une grosse partie du traitement de la donnée va de plus en plus se faire là où la donnée est produite. »

Il y a 18 mois, Nutanix s’est donc penché sur cet enjeu et a essayé d’apporter des réponses à trois principaux problèmes. Le premier c’est qu’il est déjà compliqué de gérer un seul datacenter, mais bientôt ce seront des centaines de micro-datacenters qu’il faudra gérer. Deuxièmement, la construction et le fonctionnement de ces applications vont être fondamentalement différents avec l’intégration de l’IA, de l’analytic, etc. « Il faut donc trouver des stacks opérationnelles capables de supporter ces applications de nouvelles générations », ajoute le représentant de Nutanix sur scène. Et enfin, l’edge n’existe pas s’il est isolé. Donc il fallait créer réaliser une convergence de l’edge dans le cloud.

Créer facilement des pipelines

Contrairement au modèle traditionnel, la plateforme 100% software-defined, Xi IoT permet de distribuer des services de compute et de données pour réaliser des analyses en temps réel en périphérie. Xi IoT Data Pipelines permet ensuite de basculer intelligemment et de manière sécurisée les jeux de données analysées vers un cloud public (AWS, Azure ou GPC) ou privé pour réaliser des analyses plus avancées. Les déploiements aux extrémités et au cœur de l’infrastructure opérant sur le même plan en termes de données et de management, Xi IoT permet d’avoir une vue d’ensemble simplifiée et unifiée de l’architecture.

Alors que les données situées en périphérie sont aujourd'hui envoyées directement dans le cloud pour être traitées, Nutanix propose de commencer le traitement depuis le périphérique où sont amassées les données brutes. (Crédit : Nutanix)

Et quoi de mieux pour comprendre le fonctionnement d’une solution qu’une mise en pratique ? Compass Group est un groupe de restauration britannique présent dans une cinquantaine de pays auprès de 55 000 clients. Tous ses restaurants délivrent près de 5,5 milliards de repas en une année. Une des problématique qu’elle rencontre est de pouvoir accélérer la procédure de paiement des repas en restaurants. Le temps pris à régler une commande va en effet être un point clé à gérer si l’entreprise ne veut pas créer de l’attente en caisse.

Reconnaissance des aliments choisis pour un paiement accéléré

La technologie IA et une partie des ressources nécessaires au traitements des donénes sont directement stockées dans les bornes de Compass utilisées par les clients pour payer leurs repas. (crédit : Nutanix)

La filiale française du groupe a ainsi développé des bornes de paiement connectées et apprenantes. Le client pose son plateau repas sur la borne, une caméra détecte son contenu et indique le montant à payer. Un peu à la manière d'Amazon Go. La technologie de reconnaissance d’image a été développée avec Deepomatic et les flux de données sont gérés par la technologie Xi IoT. Toute l’acquisition de données, son traitement, l’accélération GPU et le modèle de gestion IA sont installés sur les bornes avec les caméras.

Les deux pipelines créés pour traiter les données directement avant d'être envoyées dans le cloud pourront être répliqués sur des centaines voire des milliers d'objets connectés. (crédit : Nutanix)

Avec l’aide de Xi IoT, Compass Group a pu développer un pipeline permettant de transformer le flux vidéo en image jpeg qui va ensuite pouvoir être traité par la technologie Deepomatic et stockée localement. Un autre pipeline a été enfin mis en place pour détecter les anomalies et déplacer les données dans le ou les clouds utilisés par l’entreprise. Ce modèle ainsi créé va pouvoir être répliqué dans des centaines de restaurants si besoin.