L'edge computing dans le secteur industriel : quand les données restent sur place

En matière d'Edge Computing dans le secteur industriel, presque tout repose sur une seule question : faut-il disposer d'une analyse en quelques millisecondes, ou suffit-il d'y jeter un œil le lendemain ? En répondant à cette question pour chaque source de données individuellement, on s'épargne bien des débats de fond sur le choix entre le cloud et le traitement sur site.

L'« edge computing » dans le secteur industriel : en quoi se distingue-t-il du cloud ?

L'Edge Computing traite les données là où elles sont générées, que ce soit au niveau de la machine, dans le système de commande ou sur un PC industriel dans l'atelier. Le cloud traite les données de manière centralisée, généralement dans un centre de données distant. Entre ces deux extrêmes, il existe un continuum composé de passerelles locales, de serveurs d'usine et d'architectures hybrides, qui effectuent une partie de l'analyse sur place et ne transmettent que les résultats agrégés.

Aucune de ces deux architectures n’est fondamentalement supérieure. Le cloud offre une puissance de calcul quasi illimitée, une évolutivité et une maintenance à distance. Le traitement local offre en revanche rapidité, indépendance vis-à-vis de la connexion réseau et contrôle des données sensibles. La plupart des entreprises manufacturières ont besoin des deux, à différentes étapes de leur chaîne de données.

Latence : quand chaque milliseconde compte

Un système de traitement d'images destiné à éliminer un composant défectueux avant l'étape suivante ne dispose souvent que de quelques millisecondes entre la capture de l'image et la prise de décision. Une requête adressée à un centre de calcul distant nécessite souvent plusieurs dizaines de millisecondes rien que pour l'aller-retour, sans compter le temps de traitement proprement dit. C'est trop lent pour une boucle de régulation ou un arrêt de sécurité.

Pour d'autres applications, la latence n'a pratiquement aucune importance. Une analyse hebdomadaire de la consommation d'énergie ou l'entraînement d'un modèle prédictif sur plusieurs mois à partir de données historiques ne gagne pratiquement rien à être traité localement, mais perd la puissance de calcul des grandes instances cloud. Ceux qui transfèrent systématiquement cette analyse dans l'usine gaspillent de l'argent à ce stade.

Volume de données et coûts liés à la bande passante : l'exemple des données de vibrations

Un simple capteur de vibrations installé sur un roulement peut, selon la fréquence d'échantillonnage, fournir plusieurs centaines de valeurs de mesure par seconde. Sur une journée de travail de huit heures, cela représente un volume de données tel que ni la connexion réseau ni le budget ne suffisent pour les transférer vers le cloud. La plupart de ces données brutes ne présentent de toute façon aucun intérêt ; seul le schéma indiquant le début d'une défaillance du roulement est pertinent.

C'est précisément là que réside l'intérêt économique du traitement local. Celui-ci réduit les données brutes de vibrations à haute fréquence à quelques paramètres clés, tels que les spectres de fréquence ou les valeurs d'anomalie, et ne transmet que ces informations condensées vers le cloud ou le tableau de bord. Les données brutes restent, le cas échéant, stockées localement et ne sont récupérées a posteriori qu’en cas de soupçon concret.

Fiabilité en cas de coupure de connexion

Une ligne de production ne doit en aucun cas s'arrêter simplement à cause d'une brève interruption de la connexion Internet. Si le contrôle qualité ou la commande des installations s'effectue via un ordinateur sur site, ceux-ci fonctionnent indépendamment de la connexion au cloud. La connexion au cloud fournit alors des analyses, des tendances et un accès à distance, mais elle n'est pas une condition préalable au bon fonctionnement de l'installation.

Cet avantage s'accompagne toutefois d'une deuxième responsabilité opérationnelle. Une machine « edge » qui tombe en panne doit être détectée et remplacée sur place, tandis qu'un système cloud centralisé est exploité par un fournisseur disposant de sa propre redondance. Pour les sites isolés dont la connexion est peu fiable, l’avantage l’emporte généralement de manière significative ; pour les usines bien connectées, le choix est plus serré.

Protection des données et secrets d'entreprise

Les images prises par des caméras montrant des sous-ensembles, les paramètres de processus issus du système de gestion des recettes ou les profils de vibrations permettant de remonter à un procédé breveté constituent des secrets d'entreprise que de nombreuses entreprises hésitent à voir stockés sur des serveurs tiers, même si ceux-ci sont situés en Europe. Le traitement sur site permet de conserver ces données au sein même de l'usine et de réduire le nombre d'endroits où ces informations sensibles sont stockées. Une Étude succincte du Fraunhofer ISST datant de 2024 décrit, à travers dix cas d'utilisation, comment le traitement en périphérie facilite le respect des directives en matière de protection des données, mais estime que la pénétration du marché reste encore faible à ce stade.

Il en va de même pour les données à caractère personnel. Lorsque des employés sont filmés par des systèmes de vidéosurveillance, l'anonymisation peut être effectuée directement sur le périphérique « edge », avant que les données ne quittent le site de l'usine. Cela ne remplace toutefois pas une analyse juridique du cas d'utilisation.

Les frais d'exploitation sous-estimés : de nombreux petits ordinateurs plutôt qu'un seul gros

Quiconque équipe dix lignes de production d’un ordinateur « edge » chacune remplace une tâche informatique centralisée par dix systèmes décentralisés, qui doivent tous être surveillés individuellement, mis à jour et remplacés sur place en cas de panne. Avec une centaine de lignes réparties sur plusieurs sites, cet effort se transforme rapidement en un petit service informatique à part entière, dédié exclusivement à la gestion du matériel de périphérie.

Après la Étude Bitkom sur l'Industrie 4.0 datant de 2025 28 % des entreprises industrielles allemandes comptant au moins 100 salariés utilisent déjà l'Edge Computing dans leur production, tandis que 42 % supplémentaires envisagent ou discutent de son déploiement. L’investissement que cela implique est régulièrement sous-estimé lors des premières discussions de planification, car les coûts matériels par appareil semblent faibles et personne n’extrapole le montant total pour l’ensemble du parc de machines. Une gestion centralisée avec des mises à jour automatisées et une surveillance à distance est indispensable pour qu’un projet pilote puisse être déployé à grande échelle.

Foire aux questions

L'Edge Computing va-t-il complètement remplacer le cloud dans le secteur de la fabrication ?

Non. Dans la pratique, ces deux niveaux se complètent. Les décisions urgentes et la sécurité opérationnelle sont gérées en périphérie, tandis que les tendances à long terme, les grands ensembles de données d'entraînement et les analyses inter-usines restent dans le cloud, où la puissance de calcul et le stockage peuvent être adaptés à moindre coût. La plupart des entreprises manufacturières mettent donc en place une architecture hybride, dans laquelle les systèmes locaux se chargent du prétraitement et ne transmettent aux systèmes centraux que des résultats agrégés, plutôt que d’opter pour l’un ou l’autre des deux camps uniquement.

À partir de quel volume de données l'Edge Computing devient-il rentable ?

Il n'existe pas de seuil fixe. Ce qui compte, c'est le rapport entre le volume de données, la bande passante disponible et les exigences en matière de latence. Un capteur de vibrations à haute fréquence justifie souvent un prétraitement local, même pour une seule machine, tandis qu'un relevé quotidien ne le justifie généralement pas, même pour une centaine de machines. En cas de doute, il est conseillé de mesurer d'abord le volume de données réel d'un poste de travail type avant d'investir dans du matériel Edge, car dans la pratique, les estimations de volumes de données sont souvent très éloignées de la réalité.

Quels sont les coûts d'exploitation supplémentaires réels liés à l'Edge Computing ?

Cela dépend fortement du nombre de sites. Un seul ordinateur en périphérie est facile à gérer, mais plusieurs dizaines d’appareils répartis sur différents sites nécessitent une gestion centralisée pour les mises à jour, la surveillance et le remplacement. Sans cette structure, les coûts de maintenance augmentent plus vite que les avantages qui en découlent. Ceux qui investissent dès le début dans la maintenance à distance et dans un matériel harmonisé parviennent à maintenir la charge de travail à un niveau gérable, même lors d’un déploiement sur de nombreux sites ; ceux qui attendent pour le faire ne pourront rattraper leur retard plus tard qu’au prix d’un effort nettement plus important.

torck met en place le parcours des données depuis la machine jusqu’au tableau de bord et détermine, au cas par cas, quelles analyses doivent être effectuées en périphérie et lesquelles doivent l’être dans le cloud. L’expérience acquise lors de projets de modernisation d’installations existantes permet d’identifier les cas où un prétraitement local est réellement nécessaire et ceux où il ne fait qu’engendrer des coûts d’exploitation supplémentaires sans apporter de valeur ajoutée. Pour en savoir plus sur la mise en œuvre, rendez-vous sur Surveillance des installations, pour en savoir plus sur la connexion du capteur, voir l'article Comparaison entre LoRaWAN, la 5G et le câble et sur son impact sur l'efficacité des installations dans l'article Améliorer le Taux de disponibilité global (OEE) grâce aux données des machines.

Prendre rendez-vous