À la fin de l'année dernière, un ami qui dirige un entrepôt 3PL près de Columbus, Ohio m'a appelé en panique. Ils avaient installé un système de détection de dommages sur colis — des caméras prennent des photos, les envoient dans le cloud pour inférence — et les déviateurs des goulottes de tri n'arrêtaient pas de mal trier. La saison haute approchait et ils étaient sur le point de perdre le client. J'ai parcouru l'entrepôt, sans toucher un seul paramètre, et je leur ai dit de sortir l'inférence du cloud pour la ramener dans le bâtiment. Une semaine plus tard, le taux de mauvais tri est passé de 3% à 0.4%.
Le problème n'était pas le cloud. Ce travail n'aurait jamais dû aller dans le cloud. Voici le calcul, pour ne pas brûler de l'argent à l'apprendre à vos dépens.
Où va vraiment la latence
Pensez-y comme de la livraison de repas face à une cuisine dans votre propre immeuble. L'inférence dans le cloud, c'est le serveur qui emballe le plat (l'image) et l'expédie vers une cuisine centrale (le cloud), puis renvoie le plat fini. L'edge computing, c'est installer une cuisinière juste à la porte de l'entrepôt — la nourriture ne quitte jamais le bâtiment.
Du clic de l'obturateur au résultat, le temps se répartit en quatre postes : envoi, file d'attente cloud plus inférence, téléchargement, et pré/post-traitement local. Rien que l'aller-retour d'un entrepôt américain vers une région cloud coûte 50–90 millisecondes (mesures publiées : ~56 ms en moyenne sur la côte Est, ~90 ms sur la côte Ouest). Ajoutez la file d'attente de l'API cloud et l'inférence, et 400+ ms de bout en bout, c'est la routine.
Autrement dit : le cloud gagne sur le cerveau — des modèles plus grands, un entraînement plus rapide, une itération facile. L'edge gagne sur les mains — il est près de l'action, 1–2 ms sur le LAN. Prenez la Jetson AGX Orin de NVIDIA : la version 64GB pousse 275 TOPS à 15–60W, et un détecteur léger comme YOLOv8n traite une image en environ 21 ms mesurés. De la caméra au boîtier à l'actionneur, la boucle complète se termine en moins de 60 ms. C'est plus rapide qu'un clignement d'œil.
Trois chiffres qui tranchent
Chiffre un : le budget de latence. Vitesse de ligne fois distance de parcours autorisée, c'est votre délai absolu. Le trieur de mon ami roulait à 1.2 mètre par seconde, avec 30 centimètres entre la caméra et le déviateur — le colis parcourt ça en 250 ms. C'est le budget. Le cloud brûle 50–90 ms sur le seul aller-retour réseau, 400+ ms au total, et rate le délai à tous les coups. L'edge le fait en moins de 60 ms avec de la marge.
Les budgets varient énormément selon la tâche. Référence rapide :
| Tâche | Budget de latence | Où elle appartient | | OCR des goulottes, détection de dommages d'étiquettes | moins de 250 ms | Edge | | AMR : évitement d'obstacles par vision | moins de 100 ms | Edge, pas d'alternative | | Détection de casques, alertes de proximité des chariots | moins de 500 ms | Edge | | Audit photo de cross-dock, archive de traçabilité | secondes | Le cloud suffit | | Prévision de température, suggestions de réapprovisionnement | minutes à heures | Cloud, ne vous compliquez pas la vie |
Chiffre deux : la facture des coupures. En 2022, quand j'étais encore chez un intégrateur, nous faisions passer l'évitement d'obstacles par vision de 40 AMR par le cloud. Chaque fois que le Wi-Fi de l'entrepôt basculait entre points d'accès, quelques centaines de millisecondes de silence, et les robots s'arrêtaient en urgence sur place. Disponibilité de la flotte ce jour-là : 96%. Le visage du client en disait long. Nous avons déplacé l'inférence sur les robots, gardé le cloud pour l'entraînement et la distribution des modèles, et la disponibilité est remontée à 99.5%. Règle d'or : ne supposez jamais que le réseau de l'entrepôt reste debout. Faites vous-même le calcul d'une heure de ligne arrêtée — à côté, un boîtier edge coûte une misère.
Chiffre trois : la facture de données. Les API de vision dans le cloud facturent par image — la détection d'étiquettes coûte $1.00 par millier d'images dans la première tranche, $0.80 ensuite. La ligne de mon ami prenait 3 photos par colis, 40,000 colis par jour : 120,000 images par jour, 3.6 millions par mois. Premier million : $1,000. Les 2.6 autres millions : environ $2,080. Soit $3,080 par mois, $37,000 par an, au compteur pour toujours.
L'alternative edge ? Quatre boîtiers Orin industriels à deux ou trois mille dollars pièce — disons $10,000 en une fois. Retour : 10,000 ÷ 3,080, un peu plus de trois mois. Tout ce qui vient après le troisième mois, c'est de l'économie pure.
Le montage le plus intelligent est souvent hybride : l'edge fait l'inférence en temps réel, le cloud s'occupe de l'entraînement, de la distribution des modèles et de l'analyse après coup. Faites le sale boulot sur site, laissez la réflexion au siège — comme une chaîne de restaurants où chaque établissement cuisine, mais où la R&D des recettes vit au siège.
Un détail que les débutants ratent : le boîtier edge ne fait que l'inférence — l'entraînement vit toujours dans le cloud. Le bon modèle est une boucle fermée. L'edge signale les cas difficiles qu'il a ratés ou mal notés et les renvoie ; le cloud réentraîne dessus et repousse le modèle amélioré. Comme un maître formant un apprenti : l'apprenti travaille sur le terrain, note ce qui l'a coincé, et le maître révise le soir. L'edge, ce sont les mains, le cloud, c'est le cerveau — séparés, mais connectés.
Trois pièges qui vous attendent côté edge
Piège un : la chaleur. Un Orin tire 60W à pleine charge. Dans un entrepôt à 40°C l'été, enfermé dans une armoire scellée sans circulation d'air, la puce ralentit par throttling et votre inférence de 21 ms se dégrade vers 80 ms. Puis les ventilateurs s'encrassent de poussière — je vous le dis, la moitié du MTBF du matériel edge est mangée par la poussière. La pire installation que j'aie vue : l'armoire boulonnée juste à côté du trieur, les vibrations desserrant le disque M.2, le boîtier perdant son système d'exploitation un jour sur deux. Une semaine pour identifier le problème.
Piège deux : les mises à jour de modèles. Dans le cloud, vous ajustez un seuil, vous enregistrez, et c'est en production partout. Avec des dizaines de boîtiers edge, c'est de l'OTA une unité à la fois, et dès que les versions divergent, la ligne A et la ligne B se contredisent. Pas de capacité d'exploitation à distance ? Ne touchez pas à l'edge.
Piège trois : les gens. L'informatique de l'entrepôt sait redémarrer. Quand TensorRT lève une erreur, ils la fixent du regard. Les boîtiers edge sans personne pour les élever deviennent des déchets électroniques en trois ans.
Moment de colère : beaucoup de projets edge existent non pas parce que le business en a besoin, mais parce que « edge computing » sonne impressionnant en conseil d'administration. Faire tourner des tâches à tolérance de minutes comme la prévision de température sur du matériel edge, c'est juste donner de l'argent à votre fournisseur. Des pseudo-besoins comme ça méritent d'être abattus à vue.
Toujours indécis ? Posez-vous trois questions dans l'ordre : votre budget de latence survit-il à un aller-retour cloud ? Pouvez-vous vous permettre de vous arrêter quand le réseau tombe ? La facture mensuelle de données dépasse-t-elle le prix d'un boîtier edge ? Si une réponse est non, pilotez d'abord l'edge sur une ligne.
Alors, l'argent en vaut-il la peine ? Regardez ce seul chiffre : mois de retour = coût matériel edge en une fois ÷ (facture cloud mensuelle − coût mensuel d'exploitation edge). Au-delà de 18 mois, continuez à payer le cloud. En dessous de 12, achetez les boîtiers edge les yeux fermés. Entre les deux ? Ça dépend de votre peur des coupures.
Par Da Liu, Ingénieur en automatisation
Traduit de l'anglais. En cas de divergence, la version anglaise fait foi.
