Pendant de nombreuses années, de nombreuses entreprises ont construit de très vastes ensembles de données. Connu comme lacs de données volumineusesl’intention a été de collecter autant de données que possible, partout où vous le pouvez, car un jour, elles seront précieuses.

Non seulement cette approche a souvent échoué à tenir ses promesses, mais elle est incroyablement coûteuse – financièrement et écologiquement.

Dans un article précédent, j’ai vu comment, si l’industrie de l’Internet des objets (IOT) atteignait les chiffres prévus et que toutes les données étaient envoyées vers/via le Cloud, un total de 79,4 zettaoctets de données Cloud pourraient être responsables de la production de 158,8 milliards de tonnes de gaz à effet de serre. 😳 C’est beaucoup ! Lisez l’article pour mettre cela dans un contexte galactique.

Article associé: Utiliser Edge AI pour une vision par ordinateur soucieuse de la confidentialité

Évoluer des données vers les informations

En raison du double coût élevé d’une approche Big Data, de nombreuses entreprises envisagent d’utiliser la puissance de calcul locale, connue sous le nom d’Edge Computing, pour conserver autant de données que possible hors du Cloud, en ne stockant que ce qui est nécessaire.

L’une de ces entreprises est Ekkono.ai, et j’ai eu l’occasion de poser quelques questions à leur PDG, Jon Lindén.

Jon, en ce qui concerne l’amélioration de la durabilité numérique, sur quoi suggéreriez-vous que nous nous concentrions ?

Dans la sphère informatique, l’énergie est l’un des coûts les plus importants, sinon le plus important, et a le plus grand impact sur les émissions de CO2. Il est donc absolument nécessaire de réduire la consommation d’énergie.

Cela vaut pour toutes sortes de choses, des bâtiments aux véhicules, en passant par les ordinateurs portables et les capteurs. Notre objectif est vraiment dans le monde de l’IoT. Nous cherchons à voir comment nous pouvons contribuer à réduire la consommation d’énergie en dérivant des informations à partir des données des capteurs à l’aide de l’IA à la périphérie, également connue sous le nom de IA de pointe.

Comme vous l’avez mentionné, cependant, la transmission et le stockage des données peuvent représenter un énorme fardeau, tant du point de vue des coûts que du point de vue de l’empreinte carbone. La transmission ou la communication de données est la fonction la plus consommatrice d’énergie de la plupart des appareils connectés.

Notre approche utilise donc la puissance de calcul locale à la source de données, pour exécuter des algorithmes d’apprentissage automatique Edge AI et tirer des informations importantes des données – ou simplement nettoyer les informations du bruit.

Cela signifie que vous n’avez qu’à vous soucier des données qui ajoutent vraiment de la valeur, et que vous n’avez pas à dépenser toute cette énergie pour déplacer et stocker des données inutiles.

Donc, vous préconiseriez d’utiliser Edge over Cloud ?

En fait non.

Le Cloud est incroyablement puissant pour de nombreuses raisons, mais vous n’avez pas à mettre tout là. Notre objectif est de ne mettre que les données vraiment importantes, ou connaissances dans le nuage.

Nous utilisons la puissance de calcul de l’Edge pour passer au crible les énormes quantités de données, en tirer des informations et ensuite seulement les communiquer via le net au Cloud.

En fait, en adoptant cette approche, nous voyons que vous pouvez réduire l’empreinte carbone du Cloud, à la fois en termes de stockage et de traitement des données, de manière assez significative.

Avez-vous des conseils sur les meilleures pratiques?

Il est difficile de trouver quelque chose de générique, autre que des déclarations générales comme “réduire la consommation d’énergie”, car d’après mon expérience, chaque problème est unique.

En fait, c’est une grande partie de ma vision. Les fabricants ont déployé beaucoup d’efforts pour optimiser leurs conceptions et leurs produits afin de s’assurer qu’ils fonctionnent de manière optimale et efficace. Mais lorsque vous déployez ou installez ces appareils, qu’il s’agisse de voitures, d’ordinateurs, d’unités de climatisation ou de capteurs, chacun devient unique.

Par exemple, le même modèle d’unité de climatisation fourni par le même fabricant devrait fonctionner de manière totalement différente à New Dehli par rapport à Stockholm.

Avec cela, je me concentre sur la façon de résoudre le problème de l’individualité. Comment optimiser chaque pièce d’équipement, sachant que ses circonstances spécifiques la rendent unique.

Nous nous référons à cela comme le prochain grand saut en matière de durabilité pour la technologie – aider à optimiser chaque appareil pour son cas d’utilisation et son déploiement spécifiques, qu’il s’agisse d’une unité de climatisation, d’une tondeuse à gazon robotisée, d’une voiture ou d’une batterie de panneaux solaires photovoltaïques.

Je dirais aussi qu’une approche incrémentale est toujours une stratégie gagnante.

Il peut être tentant d’essayer de remporter le gros lot, mais souvent, la voie vers un succès plus rapide passe par des étapes plus petites et progressives.

Nos solutions d’IA fonctionnent sur cette base. Nous cherchons à commencer petit, en apprenant des informations à partir des plus petits ensembles de données possibles. Au fil du temps, nous leur fournissons de nouveaux ensembles de données, dont ils tirent des enseignements et évoluent.

La raison en est qu’au début d’un projet, personne ne dispose des données dont il a besoin. Nous adoptons l’approche Tamagotchi, plus vous le nourrissez, mieux c’est.

Vous parlez de Big Data et de Data Lakes ?

Il y a eu beaucoup d’attention (et d’argent) sur la création de lacs de données, mais nous ne sommes pas fan de la collecte de données pour le plaisir des données. Comme vous l’avez mentionné précédemment, une grande partie de ces données ne trouve jamais vraiment sa place dans la valeur.

Nous pensons que le Cloud doit être utilisé à bon escient pour stocker et traiter uniquement les données qui comptent vraiment. J’appelle cela le nettoyage de l’eau en amont, avant qu’elle n’entre dans le lac.

Découvrir plus

Je tiens à remercier encore une fois Jon d’avoir partagé ses opinions avec moi. Si vous souhaitez en savoir plus sur son travail, consultez Ekkono.ai.