Par Bernard Laur
Il
existe une loi expliquant ce qui s’est passé et qui permet de prévoir ce qui va
probablement se passer, bien au dela de l’IoT :
« Tout ce qui est numérisable et
automatisable sera numérisé et automatisé.
Tout ce qui est numérisé et automatisé sera sur
Internet.
Tout ce qui est sur Internet sera gratuit*. »
(*Comprendre
« son business model va changer)
Ces
progrès ont permis une série d’innovations majeures et de passages du 4P au 4C
comme : la réalité virtuelle, l’apparition de nouveaux services comme Uber,
le bitcoin, les robots, l’Intelligence Artificielle, …
On
est ainsi passé des objets connectés à l’Internet des objets. Dans un premier
temps des objets étaient connectés entre eux par des réseaux de proximité comme
Bluetooth ou Z-Wave qui ont permis de développer des applications « locales »
type Domotique. Puis dans un deuxième temps les objets ont été connectés via
des routeurs Wifi ou à des réseaux 3G ou 4G à des Datacenters puissants afin de collecter
des données. Le développement de l’IoT se calque alors sur le développement du
Cloud Computing, du Big Data, du Business Analytics, de l’Intelligence
Artificielle, ...
On
a ensuite assisté à la multiplication et à la mutation d’objets allant des plus
simples au plus sophistiqués, par exemple des thermomètres, des montres, des
caméras de vidéo, des lunettes intelligents, des robots, des voitures
autonomes, des drones, …. Cela s’est passé dans un contexte fortement disruptif
mais favorable et s’est traduit par l’uberisation, les réseaux sociaux, le
commerce en ligne, … Les objets ont généré des masses de données
comportementales (donc souvent personnelles) qu’il a fallu stocker et gérer
pour en tirer un bénéfice. Heureusement on dispose maintenant de l’énergie
informatique suffisante et accessible (via le cloud) comme on consomme de l’eau
et du gaz. Ceci se traduit par l’apparition d’un vaste domaine applicatif et de
nouvelles applications « futuristes ». Le cloud, le big data, Internet
ont fait disparaitre la problématique classique des infrastructures, poussant
en cela un modèle hyper centralisé, même
si simultanément on constate l’apparition de nouveaux problèmes d’architecture,
résolus par le Edge et le fog computing.
Ces changements se produisent dans un contexte d’évolution rapide des technologies de base sur les quelles reposent les nouveaux objets. Elles concernent :
·
Les
processeurs :
- On assiste à l’apparition de processeurs puissants et adaptés aux objets en entrée de gamme de processeurs destinés aux PC, smartphones, … comme les Ryzen d’AMD, les Cortex d’ARM, les Ascend d’Huawei, ou spécifiques : les Quark d’Intel, les Wear de Qualcomm.
- Les fournisseurs offrent des systèmes complets prêts à être installé comme le système Xavier de NVIDIA pour l’automobile. Le cas de NVIDIA est très intéressant. Cette entreprise vient du monde des cartes graphiques et elle a su se reconvertir vers de nouveaux marchés comme l’automobile.
-
Des
microprocesseurs spécialisés pour l’Intelligence Artificielle : les NPU
(Neuromorphic Processing Unit).
-
La
gestion de l’énergie des objets en cherchant à réduire leur consommation,
développer la capacité des batteries et la possibilité de récupérer l’énergie (Energy
harvesting). Les objets consomment par ailleurs de moins en moins d’énergie
grâce à un effort de recherche fantastique qui se traduit par de nombreuses
innovations.
·
Améliorer
la gestion des adresses Internet des objets connectés grâce à une version
allégée de IPv6 : 6LoWPAN.
·
Le
développement d’une multitude de protocoles de communication comme : MQTT,
XMPP, AMQP, CoAP, REST – HTTP.
·
Développer
des systèmes d’exploitation adaptés :
-
Tiny
OS qui est un système très compact, performant et n’ayant besoin que peu de
ressources matérielles.
-
Des
versions des systèmes d’exploitation classiques adaptées aux objets comme Google
Androïd Things ou Windows 10 IoT.
-
Des
systèmes d’exploitation temps réel : QNX, version d’Unix développée par BlackBerry
(entreprise qui a manqué la mutation vers les smartphones et tente de repartir
grâce aux IoT.
·
Réalisation
de prototypes d’objets grâce à des cartes-circuits miniaturisées prêtes à
l’emploi comme l’Arduino et le Raspberry PI.
Ces
innovations permettent d’avoir des objets de plus en plus puissants capables de
supporter des applications de plus en plus sophistiquées.
·
On
développe pour les objets des MEMS (Microsystèmes) et des NEMS (Nanosystèmes) qui
sont à la fois des capteurs et des actionneurs.
·
Les
progrès de la technologie du LIDAR (Light/Laser Detection and Ranging). Proche
de celle du radar, elle est universellement utilisée par l’automobile et permet
de détecter avec précision les objets se trouvant devant le LIDAR même s’ils
sont de petite taille.
·
Les
capteurs ultrasoniques mesurant les espaces libres / vides.
·
Les
capteurs de mouvement.
·
Le
Life Monitor qui écoute les bruits du corps et permet de détecter certain
problème de santé.
·
Les
capteurs cardiaques. Grâce à la technologie PPG (PhotoPlethysmoGraphie) ils
peuvent être implantés par exemple dans une montre et permet effectuer un électrocardiogramme.
·
Le
capteur moléculaire qui est basé sur la spectroscopie proche de l’infrarouge.
·
Le
capteur de couleurs.
·
La
mesure de la pollution de l’air (Plume Labs).
·
La perception des cinq sens avec l’odorat ( Aryballe
NeOse), l’ouïe (Voxygen), la vue (Netatmo), le toucher ( Syntouch Biotac) et le
goût ( Alpha Mos Astree).
Les
solutions qui se dégagent sont SigFox et LoRa qui sont des réseaux à bas débit fonctionnant
en basse fréquence. Il y a aussi la 5G qui devrait proposer des services à
faible bande passante. Par ailleurs de nombreux projets sont en cours basés sur
les satellites en orbite basse qui fournissent des services Internet et GPS
permettent de réaliser des applications intéressantes comme suivre les
containers en mer ou de localiser des objets se trouvant en zone blanche.
Grâce ces nouvelles solutions technologiques il a été possible de développer de applications innovantes voir futuristes reposant sur l’Internet des Objets comme par exemple :
-
Dans
l’agriculture on utilise des drones pour mieux gérer les travaux
agricoles : optimiser les semis et mieux gérer l’épandage des engrais
(AirInov, ICropTrak).
-
Le
BTP utilise les drones pour piloter les engins de chantier notamment dans des
contextes difficiles (Monnoyeur/Caterpillar).
-
Les
supermarchés utilisent le robot Tally (Intel) qui passe dans les travées du magasin,
inspecte les rayons et détecte les ruptures.
-
Le
thermostat Nest de Google recours à l’Intelligence Artificielle pour piloter le
chauffage et la climatisation de la maison ou du bureau.
-
La
caisse à outils connectée (Facom) permet de retrouver facilement les outils et de détecter
qu’un outil manque. Il peut être resté près de la machine réparée ou même à
l’intérieur de celle-ci.
-
La
réalité augmentée a été largement utilisée dans le jeu Pokemon Go de Nintendo.
Elle est aussi mise en œuvre dans Snapchat.
-
La
réalité virtuelle avec Oculus Rift et HTC Vive a de nombreuses applications
notamment afin de faciliter les opérations d’entretien des équipements.
-
La
sécurité et la surveillance notamment avec des systèmes comme le Robots de Knightscope
qui permet par exemple de surveiller des parkings.
-
Les
« jumeaux numériques » pour gérer et maintenir des équipements difficiles
d’accès comme des éoliennes ou étendus (bâtiment) et demain les humains …..
-
Les
objets mous qui permettent des déplacements de dispositif en milieu fragile
avec un niveau de risque élevé.
-
L’impression
métallique qui permet de fabriquer des pièces éventuellement en les réalisant
in-situ.
-
L’impression
4D qui permet de fabriquer des matériaux qui changent de forme dans le temps.
-
….
Cette
liste n’est pas limitative et tous les jours sont annoncées des nouvelles
applications recourant à des IoT.
Les contraintes de traitement
Les objets produisent des grands volumes de données et si on n’y prend pas garde on est rapidement submergé par un véritable « déluge ». Pour y faire face la solution est le recours au cloud et au Big Data. Il est pour cela nécessaire d’enchainer les cinq étapes suivantes :
-
L’émission
des données par les nombreux IoT qui ensuite transitent par Internet.
-
L’entreposage
des données dans des architectures de type Hadoop, système de fichiers
distribué capable de stocker à la volée d’énorme volumes de données.
-
Des
batteries de serveurs traitent ensuite ces données grâce à l’architecture
MapReduce capable de traiter en parallèle ces flots de données massifs.
-
Les
résultats de ces traitements peuvent être stockés sur des serveurs de type
NoSQL qui fournissent une capacité de stockage de tous types de données
structurées ou non structurées dans des bases de données spécifiques.
-
La
visualisation de l’évolution des résultats graphiquement et en temps réel
(Dataviz).
Dans le domaine
industriel, les données produites par les IoT servent à la fois à effectuer des
traitements classiques du type analyses historiques, statistiques, tableaux de
bord, …. et des traitements permettant de déclencher des opérations comme des
alarmes. La solution est de recourir à une architecture « Lambda » :
les données sont dupliquées dès la 2ème étape et les traitements se
font en parallèle.
Ces masses de données sont
aussi utilisées pour de l’Intelligence artificielle et du machine learning,
c’est-à-dire de l’entraînement de système, élément clef de leur apprentissage.
Il existe actuellement un grand nombre de systèmes, notamment dans le monde
industriel, mettant en œuvre des technologies d’Intelligence Artificielle
laquelle regroupe un ensemble de techniques permettant à des machines
d’accomplir des tâches et de résoudre des problèmes normalement réservés aux
humains et à certains animaux. Cette approche a permis de réaliser ces
dernières années des progrès considérables.
On se rappellera que pendant
longtemps, de 1980 à 2000, l’Intelligence Artificielle était une technologie
stable recourant aux seuls systèmes experts, qui est une forme de
« programmation par des experts ». Depuis l’an 2000 on a assisté à un
réveil de l’Intelligence Artificielle autour du machine learning. Les systèmes
s’enrichissent de leur expérience ou de celle des autres par apprentissage.
C’est une nouvelle phase de l’informatique.
Les systèmes recourant à l’Intelligence Artificielle sont partout. Ainsi lorsque vous crééz un compte, ou voulez accéder à un service sur internet, il vous est demandé de prouver « que vous n’êtes pas un robot ». Pour cela on vous montre plusieurs images et on vous demande d’indiquer laquelle est une voiture ou un chameau. Sans le savoir vous êtes en train d’enrichir une base de données qui permettra d’entraîner un système de machine learning. Ce qui distingue l’Intelligence Artificielle de l’Informatique traditionnelle, c’est le passage de la programmation à l’apprentissage des systèmes. C’est un nouveau monde de l’informatique.
L’Intelligence
Artificielle pour exploiter les données issues des objets
Dans ce contexte on assiste à la greffe de l’Intelligence Artificielle sur les IoT. Les applications de ce type se multiplient rapidement. Trois exemples parmi de nombreux autres :
-
Les
caméras intelligentes avec de l’Intelligence Artificielle embarquée. Elles
permettent de reconnaître des individus recherchés, de détecter des intrusions
ou des vols, de signaler des comportements anormaux ou dangereux, ... (Nvidia,
Deep Science, Briefcam, Vision Labs, ...).
-
La
biométrie 3D est une technologie très intéressante recourant à des processeurs
NPU. C’est, par exemple, le FaceID de l’iPhone X. A noter l’apport majeur d’un
français dans ces domaines (Yan Le Cunn, Directeur de la Recherche chez
Facebook).
-
Les
AVP (Assistants Vocaux Personnels) comme ceux d’Amazon Echo (Alexa), Google
Home, Siri de l’iPhone.
Il est certain que le nombre d’IoT à base d’Intelligence Artificielle va rapidement se développer dans les années à venir.
La
disparition des problématiques d’infrastructure
En informatique l’infrastructure : serveur, stockage et réseaux, posait toujours des problèmes délicats. C’est encore plus vrai dans le cas des architectures à base d’IoT. Mais avec l’apparition du Cloud et son rapide développement cette problématique a quasiment disparu. On a ainsi vu apparaître un « IoT Cloud Ecosystem » (plateformes spécialisées dans le traitement de l’IoT). En effet le Cloud joue un rôle fondamental car il permet un déploiement rapide des plateformes proposant via Internet et tous les réseaux existants, quel qu’ils soient, un ensemble des services de connexion, de protocoles, de techniques de collecte des datas, de traitements et de restitution des résultats.
On constate ainsi un
développement très rapide de l’usage du Cloud pour mettre en œuvre des IoT. En
effet il n’y a pas à mettre en place de réseau spécifique et le développement
des traitements est rapide. De même il n’est pas nécessaire de développer des
drivers spécifiques car il existe de nombreux outils qui permettent de
connecter les objets au Cloud.
Il existe une offre (à la limite) pléthorique de Cloud
De très nombreux fournisseurs et tous les leaders du Cloud proposent de solutions adaptées aux IoT. Parmi celles-ci les plus significatives sont :
-
Amazon AWS IoT et Microsoft Azure IoT. Ce sont des plateformes
complètes incluant les différents outils nécessaires à la gestion d’objets
connectés notamment des drivers, des traitements du Big Data et des fonctions
recourant à l’Intelligence Artificielle.
-
Salesforce. Le système Thunder permet de gérer les
IoT et Einstein permet de recourir aux possibilités offertes par l’Intelligence
Artificielle.
-
SAP Leonardo : la plateforme HANA, l’ERP de SAP fournit des outils pour mettre en œuvre du Machine Learning, la Blockchain, le Big Data, le Business Analytics et la
gestion des IoT.
-
m2ocity de Orange et Véolia est un opérateur spécialisé
dans la gestion de la télé-relève des compteurs d’eau.
-
Arrayent est une plateforme US spécialisée dans les IoT
grand public.
-
ThingWorx de PTC et Predix de General Electric sont
des plateformes spécialisées dans la gestion des IoT industriels en complément
des SCADA (Système de contrôle et
d'acquisition de données).
Comme on le voit il
existe un grand nombre de solutions de plateforme Cloud adaptés aux IoT. Grâce
à elles les problèmes de réseaux, de serveurs, de traitements, ...peuvent
être maîtrisés avec des coûts et des délais attractifs.
Mais il existe encore des problèmes d’architecture
L’idée de centraliser tous les traitements sur des plateformes ne s’adapte pas à toutes les situations. C’est par exemple le cas des IoT qui produisent des masses de données, qui vont charger les réseaux et ensuite entrainer des coûts de stockage élevés dans le Cloud. Il est dans ce cas préférable de traiter les données dans l’objet ou dans le réseau. C’est le Multi-access Edge Computing ou MEC. On va pour cela placer des ressources de traitement et de stockage au plus près des IoT et des équipements de façon à combiner analyse locale et traitement centralisé. On a le choix entre deux solutions : le « Edge » ou le « Fog » :
-
Soit
le traitement a lieu dans l’objet lui-même c’est le Edge.
-
Soit
le traitement se fait dans les équipements de communication du réseau, c’est le
Fog.
Ces deux approches ont
l’avantage de résoudre de nombreux problèmes liés à des IoT produisant des
volumes trop importants de données car ils permettent de :
-
Réduire
des volumes de données à centraliser.
-
Améliorer
la sécurisation des opérations.
-
Permettre
de résoudre les problèmes liés à la latence inhérente au réseau.
-
Optimiser
l’emploi de la bande passante et diminuer les coûts.
Il est aussi possible d’utiliser
des architectures de réseau de type « Mesh », c’est-à-dire de mettre
en place un réseau maillé où tous les IoT le constituant sont connectés pair à pair
sans hiérarchie centrale, formant ainsi une structure en forme de filet qui peut
recevoir, envoyer et relayer des données.
Ainsi l’armateur CMA-CGM, qui est un des premier
transporteurs de conteneurs, a mis au point un système où ceux-ci sont équipés
d’IoT et peuvent ainsi échanger des
données entre eux localement avant émission vers les serveurs à partir d’un des
conteneurs connecté au réseau.
Sécurité & Confidentialité
La sécurité est un problème majeur de l’informatique. Or, il faut être clair, aujourd’hui les objets souffrent d’une absence quasi totale de sécurisation. On a assisté ces derniers temps à des piratages en se servant de thermostat ou de caméra vidéo connectés. Ceci est dû à une situation insatisfaisante. Les études montrent que :
-
90%
des objets collectent des données personnelles.
-
70
% des objets transfèrent ou stockent des données non cryptées.
-
80
% des objets ne sont pas protégés par des mots de passe.
Dans ces conditions les
risques sont importants avec de plus les dangers de l’effet domino :
-
Cela
commence par la prise de contrôle à distance d’un ensemble d’objets.
-
Cela
permet le détournement des IoT pour les utiliser à des fins contestables.
-
Ils
peuvent être transformés en « thingbots » pour effectuer des attaques de DdoS (Déni
de Service) contre des sites. C’est le cas de logiciels pirates comme : Miraï,
Brickerbot, Bashlite, Dyn, …
-
Mais
ils peuvent aussi servir à exploiter les failles dans les protocoles de
communication comme l’a fait l’attaque BlueBorne sur Bluetooth.
Bien entendu il existe
des techniques et des outils permettant d’assurer la sécurisation des IoT et la
confidentialité des données comme Sphere de Microsoft, TrustZone d’ARM, Secure
Element, ... Mais pour l’instant, il faut reconnaître qu’ils en sont au début
de leur mise en œuvre.
Autre possibilité
intéressante : le recours à la Blockchain. Elle permet d’authentifier,
d’historiser, de gérer et d’automatiser un grand nombre de transactions de
façon sécurisée et non révocable en utilisant éventuellement une programmation
associée, les « Smart Contracts ».
Autre évolution notable
concernant la confidentialité des données : le poids croissant du « règlementaire
». On assiste en ce domaine à une multiplication des lois, des règlements, des directives,
... Le règlement le plus connu est le RGPD qui, bien entendu, s’applique aux
IoT. Mais il y a aussi la Loi Informatique & Libertés mais aussi la Directive
«cookie», le Privacy Shield, le PCI-DSS, le DSP/2, le e-Privacy (2021), ...
Un travail important de
mise à niveau est nécessaire pour assurer la confidentialité des données et la
conformité au RGPD. Pour cela il va être nécessaire de fournir un niveau
d’information suffisant à l’utilisateur, de recueillir les consentements, de permettre
l’accès aux données, d’assurer éventuellement leur effacement ainsi que d’assurer
le « Privacy by design » et le « Privacy par défaut ». Ces différents textes
vont avoir de impacts importants sur :
-
L’organisation
: après le CIL (Correspondant Informatique et Libertés) il faut mettre en place
le DPO (Data Protection Officer : le Délégué à la Protection des données).
-
Les
méthodes de développement de façon à assurer le «Privacy by design».
-
Les
applications et les progiciels qui doivent permettre d’enregistrer les consentements
et assurer la gestion des droits.
-
La
sécurité des données et des traitement en garantissant le «Privacy by default».
-
La
gestion de la sous-traitance pour engager leur responsabilité en cas de faute
et de sanction.
Comme on le voit, en matière de sécurité et de confidentialité, les IoT ne cochent que peu de cases. Tout ou presque reste à faire.
De
vastes domaines applicatifs
Les IoT se développant très rapidement et on assiste à une multiplication des champs d’applications possibles. Cinq domaines sont actuellement particulièrement concernés :
1.
Smart City
La ville intelligente se met progressivement en
place sous nos yeux. La base est assurée par les réseaux. Mais quel(s)
réseau(x) doit-on déployer pour connecter la ville ? Il y a différentes
possibilités : la fibre optique, les réseaux radios 3G/4G/5G ou
les LPWAN. Ces derniers sont des Low
Power Wide Area Network ou des réseaux étendus à basse consommation. Ils
sont constitués d'un certain d’IoT et de
plusieurs passerelles (base station, gateway ou access point)
avec lesquelles ils communiquent par radio (Bluetooth, Wifi, ZigBee,
6LoWPAN,…).
Les lampadaires vont jouer un rôle important en
devenant des : SPOC pour Single Point Of Contact de la Smart City. Ils
vont servir de support à l’ensemble des dispositifs notamment différents
capteurs mais ils vont aussi servir de support aux réseaux. Ils mesureront la luminosité,
géreront de manière économe l’éclairage public, éclaireront les façades quand
c’est nécessaire (recherche d’un numéro d’immeuble), diffuseront de la musique
ou des informations, afficheront des informations, compteront les voitures et
les passants qui passent, supporteront des caméras de surveillance et des
boutons d’appel d’urgence, mesureront les différentes pollutions et la
température, détecteront la pluie, …
Dans certaines villes les camions de ramassage
des ordures ménagères pourraient peser chaque poubelle et demain facturer leur
coût aux ménages ce qui éviterait la pratique du forfait figurant dans les
impôts locaux.
Mais surtout, qu’on s’en félicite ou qu’on le
regrette, il y a le développement des caméras de nouvelle génération qui
disposent en local d’une importante puissance de traitement et des capacités de
stockage significatives et qui recourent à l’Intelligence Artificielle. Elles
sont capables d’effectuer :
-
Des
analyses comportementales des passants en se basant sur l’image mais aussi sur les
sons.
-
Des
alertes automatiques.
-
De
gérer le stationnement de rue en facturant les péages grâce à la lecture des
plaques d’immatriculation.
-
La
détection thermique en cas d’incendie.
2.
Energie
Après le déploiement de Linky on assiste au déploiement de Gazpar (GrDF). Cela
concerne 11 millions de compteurs qui deux fois par jour envoient le relevé des
compteurs de gaz.
3.
Industrie/Technique (IIoT – Industrial IoT)
C’est dans le domaine de la maintenance
prédictive d’équipements variés que les applications apparaissent les plus
nombreuses. A noter par exemple une offre « pré-configurée »
disponible « clef en main » : « Bob in the box » est
un boitier qui ne fait que 8 centimètres sur 7, qui pèse 75 grammes et se
colle sur le système à diagnostiquer. Il mesure la température et capte bruits
et vibrations qui sont envoyés via le
réseau bas débit LoRa vers le Cloud. Les données reçues sont analysées grâce à
l’Intelligence Artificielle et des alertes sont émises dès qu’un dysfonctionnement
est diagnostiqué. Ceci concerne de nombreux équipements comme des compresseurs,
des moteurs à essence ou diesel, des pompes, des groupes frigorifiques, des
transformateurs et des groupes électrogènes, des alimentations électriques, des
machines-outils, … Il est ainsi possible d’intervenir avant que la panne
survienne.
4.
Silver economy
Ce sont toutes les applications concernant le
maintien à domicile des personnes âgées. Il est possible de mesurer la tension,
d’analyser les déplacements et mouvements afin de détecter des chutes, de gérer
un pilulier, … La personne porte également sur elle un bouton d’alerte qui sont
envoyées à qui de droit. Aux USA déjà 300.000 personnes ont un abonnement de ce
type.
5.
Voiture « autonome »
C’est un grand sujet de discussion et de
phantasmes. La voiture est déjà un IoT aujourd’hui pour assurer des fonctions
simples à sophistiquées mais la voiture entièrement autonome et sans pilote ne
sera largement diffusée que dans ans 10 à 20 ans. En effet pour que la
circulation se déroule convenablement il faut que tous les véhicules soient
équipés et connectés. Cela va prendre du temps et en attendant ce moment il va être
nécessaire de gérer la migration. Progressivement les automobiles vont prendre
en charge de plus en plus de fonctions par des IoT comme la mise au parking du
véhicule, la gestion des dépassements, le respect des distances réglementaires
sur route, la régulation du trafic sur autoroute, …
Comme on le voit les applications des IoT sont très nombreuses et, dans les années à venir, elles vont se multiplier.
Une
stratégie et une gouvernance délicate
Dans ces conditions, quelle approche mettre en œuvre dans chaque entreprise et chaque administration. D’abord il faut convaincre les Directions Générales, les responsables des différents métiers, les commerciaux, ... qu’il faut y aller. Pour cela on doit s’attacher à leur faire percevoir les enjeux liés aux IoT. De plus certaines applications posent des problèmes sociétaux et culturel. L’exemple de l’échec relatif des Google Glass est significatif. Elles marchaient parfaitement mais les personnes ne supportaient pas de pouvoir être filmées en permanence par des tiers sans le savoir. Il est donc nécessaire d’évaluer si les changements induits par les IoT sont acceptables par les futurs utilisateurs et plus généralement par la société.
Ensuite il est incontournable
de passer du temps à réfléchir afin de comprendre comment les IoT peuvent
impacter le business de l’entreprise aujourd’hui et dans le futur. On doit discuter
ces différents points avec les managers et confronter ces idées avec les clients
et prospects. Enfin il est nécessaire de déterminer la valeur qui peut être dégagée
et quelle roadmap retenir pour produire ce nouvel IoT. On doit évaluer les
opportunités et bâtir des business cases. Il est aussi parfois très important
de décider si on va créer un IoT ou si on choisit d’utiliser des données
produites par un objet déjà existant (et géré par d’autres).
Enfin il faut définir
la « road map » du développement de l’IoT et les différentes étapes du
projet avec une stricte gestion du changement, surtout si l’on doit générer un
« hype » (au sens du Gartner). Pour réussir il est nécessaire d’arriver à un
objet qui réunit les 3 éléments clefs :
-
La
désirabilité de l’IoT pour le futur utilisateur.
-
La
viabilité pour le business.
-
La
faisabilité du process ainsi modifié.
L’IoT va balayer un certain nombre d’activités
Le développement des IoT est un progrès important et va se traduire par de nouveaux business. Mais simultanément il y provoquera la disparition de certaines activités.
Ainsi le jour où les
voitures autonomes de niveau 5, c’est-à-dire sans pilote, se généraliseront il
ne sera plus nécessaire d’avoir de permis de conduire. Ce sera la fin des
auto-écoles.
Mais il est aussi
probable que les taxis vont disparaître car il suffira d’appeler une voiture
avec son smartphone, en quelques instants elle sera là et il ne restera plus qu’à
lui indiquer la destination souhaitée. Les chauffeurs ne seront plus
nécessaires.
Les fabricants de
parcmètres ne vendront plus leur matériels et les personnes chargées d’établir des
contraventions n’auront plus d’activité.
Il est probable qu’il
n’y aura plus de véhicule personnel mais des parcs de véhicules disponibles qu’on
appelle en cas de besoin. Le métier des constructeurs et des garagistes en sera
fortement impacté.
Les autoroutes vont
probablement devenir automatiques. Elles vont ressembler aux voies de chemin de
fer mais sans rail. Au lieu des trains il y aura des flots de véhicules
individuels. Les compagnies de chemin de fer verront leur activité décliner.
Comme on le voit le
développement des IoT est un projet d’innovation. L’expérience montre que c’est
un métier difficile car 9 projets sur 10 échouent. C’est aussi un projet de
rupture. Or l’expérience montre qu’il y a peu de gens capables d’innover. De
plus il y a souvent peu d’idées innovantes en interne car la plupart des collaborateurs
n’ont pas de contact avec les clients ce qui fait qu’ils ne connaissent pas
leurs attentes. A cela s’ajoute le fait que la plupart ont tendance à penser « comme
tout le monde » dans une résilience rassurante. Enfin la hiérarchie a parfois
tendance à préserver l’activité existante et à rejeter l’innovation.
Il existe un exemple référent du rejet de
l’innovation, c’est Kodak. Des ingénieurs de l’entreprise ont inventé
l’appareil photo numérique mais le management n’y a pas cru. Le métier de Kodak
était de fabriquer des pellicules et des films. Résultat : aujourd’hui
Kodak a (presque) disparu.
L’IdO est un projet d’Innovation
Pour éviter cela il est nécessaire de gérer le projet de manière rigoureuse :
-
Ne
pas confondre : réaction, anticipation et innovation.
-
Il
faut viser l’innovation de rupture plutôt que les innovations de continuité.
-
Les
idées ne valent rien à priori si les concepteurs ne sont pas représentatifs des
clients et des prospects ciblés par le futur objet.
-
L’innovation
par sérendipité est souvent un must.
-
Ne
pas négliger la probabilité d’échec comme tout projet innovant.
-
Les
pilotes de l‘innovation doivent être « congruents », disposer de réseaux et
être hors hiérarchie.
Pour réussir il faut combattre
les freins majeurs à l’innovation sinon il ne reste plus qu’à déposer les armes.
Ces freins sont :
-
Des
schémas mentaux traditionnels.
-
La
culture d’entreprise.
-
Son
modèle économique.
En guise de conclusion
Pour terminer deux phrases de deux hommes remarquables et qui s’appliquent bien aux développements à venir des IoT :
Discours de Martin
Luther King “I have a dream”.
Steve Jobs
“Think Different”
