Qu’est-ce que l’edge computing ?
L’edge computing, ou informatique en périphérie, consiste à traiter les données là où elles sont produites plutôt qu’à les expédier vers un data center distant. Le calcul se fait sur l’appareil lui-même, sur une passerelle locale ou sur un serveur installé à proximité, ce qui supprime l’aller-retour réseau vers le cloud.
On y recourt pour trois raisons concrètes : la latence (une chaîne de production ne peut pas attendre une réponse venue d’un serveur distant), le volume (remonter en continu le flux de cinquante caméras coûte cher en bande passante) et la souveraineté des données, que certaines organisations préfèrent garder sur site.
Edge computing ou cloud computing : quelle différence ?
La différence tient au lieu du traitement. Le cloud centralise calcul et stockage dans de grands data centers mutualisés. L’edge les déplace vers la source des données.
Les deux approches se combinent plus souvent qu’elles ne s’opposent. Dans une architecture hybride, l’edge filtre les données et déclenche les actions immédiates, puis transmet au cloud les résultats agrégés qui servent à l’historisation, au reporting et à l’entraînement des modèles.
Le fog computing désigne une couche intermédiaire : des nœuds de traitement placés entre les équipements et le cloud, à l’échelle d’un site ou d’un réseau local. L’edge se situe au plus près du capteur, le fog un cran au-dessus.
Un CDN ne fait pas la même chose. Il rapproche du contenu déjà calculé de l’utilisateur, quand l’edge computing exécute du code et prend des décisions sur place. Les offres de type edge functions brouillent la frontière en faisant tourner du code sur les points de présence d’un CDN.
À quoi sert l’edge computing ?
L’edge computing est utilisé lorsque la vitesse de traitement est déterminante ou que la connexion au cloud n’est pas fiable. Cela concerne l’automatisation industrielle, les véhicules connectés, la vidéosurveillance intelligente et les objets connectés déployés en masse.
Dans ces cas, il faut analyser des données en temps réel pour décider immédiatement. L’edge évite les retards liés à l’acheminement des données vers un autre lieu, et laisse le système fonctionner même si le lien vers le cloud tombe.
Il limite aussi le volume envoyé vers le cloud, ce qui réduit la facture réseau et l’exposition de données personnelles ou industrielles sensibles.
Comment fonctionne l’edge computing ?
Le traitement se fait sur des appareils appelés « nœuds en périphérie » (edge nodes). Il peut s’agir de petits serveurs, de routeurs intelligents ou d’équipements embarqués.
Ces nœuds reçoivent, filtrent, analysent ou stockent les données générées par des capteurs, caméras ou machines. Certains systèmes peuvent aussi interagir directement avec l’environnement, sans passer par un centre de données central.
En cas de besoin, seules les données utiles ou résumées sont envoyées vers le cloud ou un data center.
Exemples ou cas d’usage concrets
Dans une usine, des capteurs détectent des anomalies sur une chaîne de production. Grâce à l'edge computing, les données sont traitées sur site. Le système peut immédiatement arrêter la machine pour éviter un défaut.
Sur une route, une voiture autonome utilise des caméras et des radars pour détecter des piétons. L’analyse des images est faite localement dans le véhicule pour permettre une réaction en moins d’une seconde.
Dans un commerce, des caméras mesurent les files d’attente. Les données sont traitées dans le magasin pour ajuster le nombre de caisses ouvertes en direct.
Dans le secteur médical, des équipements connectés peuvent suivre le rythme cardiaque d’un patient. Si un problème est détecté, une alerte est générée immédiatement, sans attendre l’analyse d’un service à distance.
Quels profils recrute-t-on sur des projets edge ?
Un projet edge se joue à la frontière de l’IT et de l’OT, les technologies opérationnelles de l’industrie. Il mobilise rarement un seul métier.
- Ingénieur systèmes embarqués : écrit le logiciel qui tourne sur la passerelle ou l’équipement, en C, C++ ou Rust, souvent sur Linux embarqué.
- Ingénieur DevOps ou platform engineer : déploie et met à jour à distance des flottes d’équipements, avec des conteneurs et des distributions Kubernetes allégées comme K3s.
- Data engineer temps réel : gère l’ingestion de flux via MQTT ou Kafka et l’agrégation avant remontée vers le cloud.
- Ingénieur réseau et sécurité OT : segmente les réseaux industriels et supervise des équipements qu’on ne peut pas toujours redémarrer pour appliquer un correctif.
- Ingénieur machine learning embarqué : compresse et déploie des modèles sur du matériel contraint en mémoire et en énergie.
Ces profils partagent une contrainte que le développement cloud ignore : le matériel est limité, l’énergie compte et la connexion peut disparaître. C’est ce qui rend ces recrutements plus longs qu’un poste back-end classique, en particulier hors des grandes métropoles où sont implantés les sites industriels.