Cloud & Edge Computing

Les terminaux IoT génèrent en permanence des quantités colossales de données. Où et comment les traiter est un enjeu clé. Le cloud et l'edge computing offrent deux approches complémentaires pour y répondre.

Objectifs

À la fin de ce chapitre, vous serez capable de :

• Expliquer la différence entre cloud computing et edge computing.
• Identifier les avantages et limites de chaque approche pour l'IoT.
• Décrire l'architecture en 3 couches d'un système IoT moderne.
• Associer une approche (cloud, edge ou hybride) à un cas d'usage concret.

Le défi : des données en permanence

Un système IoT peut générer des millions de messages par seconde. Imaginez :

• Des milliers de capteurs de température dans une usine
• Des caméras de surveillance dans une ville entière
• Des capteurs embarqués sur une flotte de véhicules

Problème : Faut-il vraiment tout envoyer vers un serveur distant avant d'agir ?

Exemple concret

Une voiture autonome génère jusqu'à 40 Go de données par heure. Il est impossible d'envoyer tout cela vers un cloud distant, car la décision de freiner doit être prise en quelques millisecondes, directement à bord.

☁️ Cloud Computing

Principe

Le cloud computing consiste à stocker et traiter les données sur des serveurs distants, accessibles via Internet. Les données « montent » vers des datacentres, y sont traitées, et les résultats « redescendent » vers les utilisateurs ou les terminaux.

📡 Capteurs→🌐 Internet→☁️ Serveurs cloud→✅ Résultats

Caractéristiques

Aspect	Description
Localisation	Serveurs dans des datacentres distants
Puissance	Très haute capacité de calcul et de stockage
Accès	Via Internet, depuis n'importe où dans le monde
Latence	Élevée (50 à 300 ms en général)
Scalabilité	Quasi illimitée, s'adapte automatiquement

Avantages

• Puissance quasi illimitée : des milliers de serveurs à disposition
• Stockage massif : des téraoctets de données historiques
• Accessibilité : disponible depuis n'importe où
• Scalabilité : la charge s'adapte automatiquement
• Maintenance centralisée : pas de matériel à gérer localement

Limites pour l'IoT

• Latence : trop lent pour des décisions en temps réel
• Dépendance réseau : sans connexion, pas de traitement
• Coût de bande passante : envoyer toutes les données peut être coûteux
• Confidentialité : les données sensibles quittent le site

Exemples de services cloud IoT

AWS IoT Core
Amazon

Azure IoT Hub
Microsoft

Cloud IoT Core
Google

Watson IoT
IBM

IoT Platform
Alibaba Cloud

App Platform
DigitalOcean

⚡ Edge Computing

Principe

« Edge » signifie « bord » en anglais. L'edge computing consiste à traiter les données au plus près de leur source - directement sur le terminal, une passerelle locale ou un mini-serveur de proximité - avant (ou plutôt que) de les envoyer vers le cloud.

📡 Capteurs→⚡ Traitement local (edge)→✅ Résultat immédiat

↳ données essentielles→☁️ Cloud

À retenir

Avec l'edge, on ne supprime pas le cloud : on filtre et pré-traite localement les données pour n'envoyer que l'essentiel.

Caractéristiques

Aspect	Description
Localisation	Sur le terminal, une passerelle ou un serveur local
Puissance	Limitée, mais suffisante pour le traitement local
Accès	Local, ne nécessite pas d'Internet
Latence	Très faible (moins de 5 ms)
Indépendance	Fonctionne même sans connexion Internet

Avantages

• Réponse en temps réel : décision prise immédiatement sur place
• Fonctionnement hors-ligne : indépendant d'Internet
• Moins de trafic réseau : seules les données utiles partent vers le cloud
• Confidentialité renforcée : les données sensibles restent localement
• Usage industriel : adapté aux environnements isolés ou critiques

Limites

• Puissance limitée : pas adapté aux calculs très complexes
• Maintenance locale : le matériel est sur site
• Stockage restreint : pas d'historique long terme
• Mises à jour : plus complexes à déployer à distance

Exemples d'edge computing en IoT

Situation	Traitement à l'edge
Caméra de surveillance	Analyse d'image directement sur la caméra
Machine industrielle	Détection de panne sur la passerelle locale
Voiture autonome	Calcul des décisions de freinage embarqué
Bâtiment intelligent	Régulation automatique du chauffage via hub local
Capteur médical	Détection d'arythmie sur la montre connectée

Architecture en 3 couches

Un système IoT moderne combine généralement les deux approches dans une architecture à 3 niveaux :

Couche	Rôle principal	Exemples
Cloud	Analyser, stocker à long terme, IA	AWS, Azure, Google Cloud
Edge	Filtrer, pré-traiter, réagir localement	Raspberry Pi, gateway LoRaWAN, automate
Terminaux IoT	Collecter et transmettre les données brutes	Capteur de temp., caméra IP, actionneur

Cloud vs Edge : comparaison directe

Critère	☁️ Cloud	⚡ Edge
Latence	Élevée (50–300 ms)	Très faible (< 5 ms)
Connexion Internet requise	Oui	Non
Puissance de calcul	Très haute	Limitée
Stockage	Pratiquement illimité	Limité
Scalabilité	Excellente	Faible
Coût bande passante	Élevé	Faible
Confidentialité	Risque (données distantes)	Forte (données locales)
Maintenance	Centralisée (à distance)	Locale (sur site)

Approche hybride

La plupart des systèmes IoT professionnels combinent les deux :

• Edge pour les décisions rapides et critiques
• Cloud pour l'analyse approfondie et l'historique

Cas pratiques

🏠 Maison connectée

Fonction	Approche	Pourquoi
Détection de fumée → alarme locale	Edge	Immédiat, ne dépend pas d'Internet
Historique de température → graphiques	Cloud	Stockage et visualisation long terme
Contrôle à distance depuis l'étranger	Cloud	Accès depuis n'importe où

🏭 Usine connectée

Fonction	Approche	Pourquoi
Arrêt d'urgence d'une machine	Edge	Temps réel critique (ms)
Analyse prédictive de pannes	Cloud	IA sur données historiques massives
Rapport hebdomadaire de production	Cloud	Tableaux de bord centralisés

🚑 Santé connectée

Fonction	Approche	Pourquoi
Détection d'arythmie cardiaque	Edge	Réaction immédiate sur la montre
Partage avec le médecin	Cloud	Accès sécurisé à distance
Analyse de tendances sur 6 mois	Cloud	Historique et IA médicale

Technologies habilitantes

Trois technologies clés rendent le cloud et l'edge computing accessibles et efficaces pour l'IoT :

5G

Le réseau 5G réduit la latence de communication entre les terminaux et le cloud à moins d'1 ms, rendant certains cas d'usage temps-réel envisageables directement via le cloud, sans edge intermédiaire.

Conteneurisation

Les conteneurs (Docker, Kubernetes) permettent d'empaqueter une application et de la déployer facilement sur des milliers d'appareils edge à distance, avec des mises à jour simplifiées.

API REST

Les interfaces de programmation (API) standardisent la communication entre les couches edge et cloud. Elles permettent d'intégrer des services tiers facilement et de faire communiquer des systèmes hétérogènes.

Résumé

Le cloud computing offre une puissance de traitement et de stockage quasi illimitées, accessible partout, mais avec une latence et une dépendance au réseau. L'edge computing rapproche le traitement des données de leur source pour des décisions en temps réel, même hors ligne. Dans la pratique, les systèmes IoT combinent les deux dans une architecture à 3 couches : terminaux → edge → cloud. On traite localement ce qui est urgent et critique, et on centralise ce qui nécessite une analyse approfondie ou un historique.

Approche	Cas d'usage idéal
Cloud uniquement	Analyse de données historiques, tableaux de bord, IA
Edge uniquement	Alarme locale, action réflexe, site isolé
Hybride (Edge + Cloud)	La majorité des systèmes IoT professionnels