L’intelligence artificielle se rapproche de plus en plus des lieux où les services sont fournis. À mesure que les passerelles et les appareils vidéo gagnent en puissance, les opérateurs disposent d’une nouvelle opportunité d’exploiter les capacités intelligentes directement sur les équipements situés chez les clients (CPE). Mais le déploiement de modèles d’IA n’est qu’un début. Pour générer de la valeur à long terme, les opérateurs doivent disposer d’un moyen de gérer les services d’IA à grande échelle tout en garantissant les performances, la sécurité et la continuité du service. John Blackford nous fait part de son point de vue sur les conditions nécessaires à la mise en œuvre de l’IA en périphérie dans les environnements haut débit et vidéo.
On parle de l’IA en périphérie depuis des années. Pourquoi cela représente-t-il désormais une véritable opportunité pour les opérateurs ?
Plusieurs tendances technologiques convergent simultanément. Les passerelles et les appareils vidéo modernes intègrent de plus en plus souvent des capacités d’accélération dédiées à l’IA, telles que des NPU et des GPU avancés, qui n’étaient tout simplement pas disponibles dans la plupart des appareils déployés il y a encore quelques années. Parallèlement, les modèles d’IA ont gagné en efficacité, ce qui permet d’exécuter des tâches d’inférence pertinentes directement sur les appareils grand public, sans dépendre entièrement de l’infrastructure cloud.
Pour les opérateurs, cela ouvre de nouvelles perspectives. Certaines tâches liées à l’IA peuvent désormais être effectuées localement, plus près de l’utilisateur et du service lui-même. Cela permet de réduire la latence, d’améliorer la réactivité et de contribuer à ce que les données sensibles restent sur l’appareil plutôt que d’être envoyées ailleurs pour y être traitées. Cela permet également de réduire les coûts de traitement dans le cloud en veillant à ce que seules les fonctions les plus gourmandes en ressources soient gérées de manière centralisée.
Ce qu’il est important de comprendre, c’est que l’IA en périphérie fonctionne en complément du cloud, sans pour autant le remplacer. L’avenir réside dans un modèle hybride où le cloud et l’edge travaillent de concert. Le cloud reste indispensable pour l’orchestration, l’analyse de données et les opérations d’IA à grande échelle, tandis que la périphérie devient l’environnement idéal pour exécuter des tâches en temps réel et apporter une valeur ajoutée immédiate aux abonnés. Le secteur a désormais dépassé le stade où l’on se demandait si l’IA pouvait fonctionner sur des équipements CPE. La véritable question qui se pose désormais est de savoir comment les opérateurs peuvent déployer et gérer ces fonctionnalités à grande échelle.
De nombreux débats portent sur les modèles d’IA et leurs cas d’utilisation. Pourquoi la gestion de l’IA à grande échelle représente-t-elle un défi plus important ?
Le déploiement d’un modèle ne représente qu’une petite partie du processus. La mise en œuvre cohérente de l’IA sur des millions d’appareils soulève un ensemble de défis d’un tout autre ordre.
Contrairement aux environnements cloud, les appareils CPE fonctionnent dans le cadre de contraintes de ressources strictes. Les charges de travail liées à l’IA doivent coexister avec des fonctions essentielles telles que la connectivité haut débit, la gestion du Wi-Fi et la diffusion vidéo. Les opérateurs doivent avoir l’assurance que l’intégration de fonctionnalités intelligentes à l’appareil ne compromettra en aucun cas les services dont dépendent les clients au quotidien.
Il faut également relever le défi que représente la gestion du cycle de vie de l’IA. Les modèles évoluent rapidement. Ils doivent être déployés, mis à jour, surveillés, optimisés et, parfois, remplacés. Les opérateurs ont besoin d’une vue d’ensemble des performances, de la consommation des ressources et de l’état de fonctionnement de l’ensemble de leur parc d’appareils installés.
À bien des égards, le défi réside davantage dans la mise en œuvre de l’IA que dans l’IA elle-même. Sans orchestration, gouvernance ni gestion du cycle de vie, l’IA reste un ensemble de démonstrations de faisabilité isolées. Les opérateurs ont besoin d’un cadre leur permettant de traiter les services d’IA de la même manière qu’ils gèrent tout autre service critique au sein de leur environnement réseau.
Que signifie concrètement « la mise en œuvre de l’IA en périphérie » ?
Mettre en œuvre l’IA en périphérie revient à transformer cette technologie expérimentale en un service géré pouvant être déployé, surveillé et fait évoluer au fil du temps.
Du point de vue d’un opérateur, cela signifie pouvoir déployer à distance des services d’IA, gérer les versions, collecter des données de télémétrie, surveiller les performances et appliquer des politiques opérationnelles à l’ensemble du parc. Cela implique également de comprendre précisément quelles ressources une application d’IA consomme et de veiller à ce que ces ressources soient allouées de manière appropriée.
L’orchestration des ressources revêt une importance particulière. De nombreux appareils en périphérie disposent de ressources de calcul et de mémoire limitées ; les opérateurs ont donc besoin de mécanismes leur permettant de déterminer quels services d’IA s’exécutent, à quel moment ils s’exécutent et comment ils interagissent avec les autres applications présentes sur l’appareil. Le maintien de la continuité du service doit toujours rester la priorité absolue.
L’observabilité revêt une importance tout aussi grande. Les opérateurs ont besoin d’informations sur les performances des services d’IA sur le terrain, non seulement pour résoudre les problèmes, mais aussi pour améliorer en permanence la qualité du service. La mise en œuvre de l’IA consiste en définitive à créer un environnement opérationnel prévisible, fiable et évolutif, capable de soutenir l’innovation future.
Dans quelle mesure les normes et l’interopérabilité sont-elles importantes pour assurer l’évolutivité de l’IA en périphérie ?
Ils sont absolument essentiels.
La plupart des opérateurs gèrent un parc technique très hétérogène, qui regroupe plusieurs générations de passerelles, de périphériques vidéo, de systèmes d’exploitation et de technologies d’accès. Si chaque service d’IA nécessite un cadre de gestion distinct ou un modèle d’intégration différent, la complexité augmente très rapidement et limite la capacité de l’opérateur à évoluer.
Une approche fondée sur des normes contribue à assurer la cohérence au sein de cet environnement. Cela permet aux opérateurs de s’appuyer sur des pratiques de gestion qu’ils connaissent bien tout en intégrant de nouvelles fonctionnalités basées sur l’intelligence artificielle. Cela permet également une plus grande flexibilité, car les opérateurs ne sont pas liés à un seul modèle d’IA, à un seul fournisseur d’applications ou à un seul écosystème technologique.
C’est un point important. Le marché de l’IA évolue à un rythme extrêmement rapide. De nouveaux modèles et de nouveaux services apparaissent sans cesse. Les opérateurs ne souhaitent pas repenser leur architecture à chaque fois qu’une innovation voit le jour. Ils ont besoin d’une infrastructure qui leur assure la maîtrise de leurs processus et leur permette d’adopter de nouvelles technologies tout en conservant un cadre opérationnel cohérent.
En fin de compte, l’interopérabilité dépasse le simple cadre d’une exigence technique pour devenir une exigence commerciale qui offre aux opérateurs la liberté d’innover sans pour autant renoncer à leur contrôle.
Selon vous, où se trouvent les opportunités les plus prometteuses pour l’IA en périphérie dans le domaine des services haut débit et vidéo ?
Ces deux domaines offrent des opportunités, dont bon nombre se concrétisent déjà.
Dans les environnements à haut débit, l’IA en périphérie peut contribuer à optimiser les performances du Wi-Fi, à analyser les conditions de trafic locales et à détecter les anomalies du réseau avant qu’elles n’affectent les abonnés. Cela permet de mettre en place un modèle opérationnel plus proactif et peut contribuer à réduire les coûts d’assistance tout en améliorant la satisfaction des clients.
Dans les environnements vidéo, l’IA peut prendre en charge des fonctionnalités telles que la transcription en temps réel, la traduction de contenus et d’autres expériences multimédias avancées. En traitant ces fonctions localement, les opérateurs peuvent offrir des expériences très réactives tout en réduisant leur dépendance vis-à-vis des ressources centralisées.
Ce qui me passionne ici, c’est la plateforme qui rend ces fonctionnalités possibles. Une fois que les opérateurs ont acquis la capacité de gérer efficacement les services d’IA sur l’ensemble de leur parc d’appareils, ils bénéficient de la souplesse nécessaire pour proposer en permanence de nouveaux services au fil du temps. La même infrastructure opérationnelle qui prend en charge aujourd’hui une application d’optimisation Wi-Fi pourrait, demain, prendre en charge des expériences entièrement différentes, basées sur l’intelligence artificielle.
Outre l’efficacité opérationnelle, l’intérêt de l’IA en périphérie réside dans sa capacité à offrir aux abonnés des services plus intelligents, plus réactifs et plus personnalisés, tout en préservant le contrôle et l’évolutivité dont les opérateurs ont besoin.
Que devraient faire les opérateurs dès aujourd’hui pour se préparer à la prochaine étape de l’IA en périphérie ?
Les opérateurs devraient commencer par voir au-delà des applications individuelles de l’IA et se concentrer sur une stratégie opérationnelle à long terme.
Le secteur s’oriente vers un avenir où l’intelligence artificielle deviendra une fonctionnalité standard des appareils connectés, tout comme la connectivité au cloud et les plateformes logicielles sont aujourd’hui la norme. Le succès ne dépendra pas du nombre de modèles d’IA déployés. Tout dépendra de la capacité de chacun à déployer, gérer et faire évoluer ces modèles de manière efficace sur l’ensemble de son parc d’appareils.
Cela implique d’investir dès le début dans les capacités fondamentales nécessaires aux opérations d’IA à grande échelle : orchestration, gestion du cycle de vie, télémétrie, sécurité et gouvernance. Ces éléments constitutifs ne constituent peut-être pas toujours la partie la plus visible d’une stratégie en matière d’intelligence artificielle, mais ce sont eux qui, en fin de compte, garantissent la pérennité de l’innovation.
L’avenir de l’IA en périphérie ne se résume pas simplement à rapprocher l’intelligence de l’utilisateur et… Il s’agit d’offrir aux opérateurs un moyen concret de gérer ces données sur des millions d’appareils, tout en continuant à garantir la fiabilité, les performances et l’expérience client auxquelles s’attendent leurs abonnés. Une fois ces bases posées, l’IA devient bien plus qu’une simple tendance technologique. Cela devient une capacité opérationnelle susceptible de stimuler l’innovation pendant de nombreuses années.