Les 10 tendances technologies 2021

Identifié par le Gartner comme étant intégré au réseau et fourni en tant que service cloud, le modèle de sécurité SASE (Secure Access Service Edge) pourrait bien intéresser de nombreuses entreprises. Toutes ne sont cependant pas à même de le mettre en œuvre et doivent relever quelques difficultés. Car il n'existe pas une seule et unique façon de l'implanter et peut être adapté pour répondre de façon très personnalisée aux besoins de l'entreprise en tenant compte de ses réseaux historiques.

Gartner estime qu’un SASE doit offrir cinq éléments essentiels : du SD-WAN, du firewall-as-a-service (FWaaS), une passerelle Web sécurisée, un courtier en sécurité dans le cloud (CASB), et un accès réseau zéro-trust, également connu sous le nom de périmètre défini par logiciel. « Au fur et à mesure de leur évolution, ces cinq composants n’en font plus qu’un pour devenir un SASE », déclare l’analyste de Gartner. Aujourd'hui, les offres commercialisées sous le nom de SASE peuvent être pilotées par des fournisseurs de services qui proposent des fonctionnalités plus ou moins riches, ou par des vendeurs de matériel proposant des services cloud. Les vendeurs de SASE peuvent également fournir du matériel ou des logiciels aux utilisateurs finaux, des appliances réseau pour les datacenters d'entreprise, des dorsales et des points de présence (PoP) de réseau distribué, une protection contre les dénis de service distribués (DDoS) et des plateformes CASB.

Comment appliquer des algorithmes sur de grands ensembles de données en préservant leur confidentialité ? Par exemple, comment faire des analyses sur des données utilisateurs, sans en révéler le contenu au moteur de calcul qui va réaliser les analyses. Autre cas plus précis, celui d’un fournisseur de services dans le cloud proposant le stockage chiffré de documents, qui veut permettre à ses utilisateurs de modifier leurs documents sans les décrypter au préalable. Dans ces deux cas d’usage, le chiffrement homomorphe peut apporter une solution. Ce mode de chiffrement permet d' « externaliser » le stockage et le traitement des données vers des environnements cloud en convertissant d'abord les données sous une forme chiffrée.

Types de chiffrement homomorphe

Toutes les données sont des nombres (les ordinateurs fonctionnent en binaire). Le chiffrement étant une branche des mathématiques travaille directement avec les nombres. Cela signifie que le chiffrement et le déchiffrement ne sont rien d'autre qu'un jeu complexe d'opérations sur les nombres.

Il existe trois types de chiffrement homomorphe :

1-Le chiffrement partiellement homomorphe (Partially homomorphic encryption, PHE) : il ne permet qu'un seul type d'opération mathématique (comme la multiplication) sur un ensemble de données établi et pour un nombre illimité de fois.

2-Le chiffrement quelque peu homomorphe (Somewhat homomorphic encryption, SHE) : plus permissif, mais encore restrictif, il ne permet l'addition et la multiplication sur un ensemble de données établi que quelques fois

3-Le chiffrement entièrement homomorphe (Fully homomorphic encryption, FHE) : il représente le meilleur des mondes. Il autorise différents types d'opérations sur les données pour un nombre illimité de fois, mais suppose un compromis important de performance.

Chaque approche se distingue soit par sa performance, soit par sa fonctionnalité, soit par sa protection. Le FHE étant très intensif, il est pour l’instant le moins efficace (et offre donc de mauvaises performances en situation réelle). Les développements actuels en matière de chiffrement homomorphe consistent à chaque fois à trouver le meilleur équilibre entre ces trois compromis pour parvenir à une solution optimale. Quand on trouvera le meilleur compromis pour le chiffrement entièrement homomorphe FHE, son potentiel permettra d’exploiter des possibilités révolutionnaires, par exemple, la possibilité pour un opérateur de cloud d'effectuer diverses opérations mathématiques sur des données chiffrées.

L’architecture de données décrit la structure des ressources de données logiques et physiques d’une organisation, ainsi que ses dispositifs de gestion de données, selon le TOGAF (The Open Group Architecture Framework), un ensemble de standards pour les architectures d’entreprise. Il s’agit d’une ramification de l’architecture d’entreprise, qui inclut les modèles, politiques, règles et standards gouvernant la collecte, le stockage, l’agencement, l’intégration et l’utilisation des données dans les organisations. L’objectif d’une architecture de données est de traduire les besoins du métier en exigences sur les données et systèmes, de façon à pouvoir gérer les données et leurs flux au sein de l’entreprise. Selon Josh Klahr, vice-président chargé de la gestion des produits chez Splunk, auparavant au même poste chez AtScale, six principes sont au cœur des architectures de données modernes.

1 - La donnée est une ressource partagée. Une architecture de données moderne doit éliminer les silos de données métier et permettre à toutes les parties prenantes d’avoir une vue complète de l’entreprise.

2 - Les utilisateurs doivent disposer d’un accès adéquat aux données. Les architectures de données modernes ne doivent pas se contenter d’abattre les silos ; elles doivent fournir des interfaces qui aident les utilisateurs à consommer les données, avec des outils adaptés à leurs métiers.

3 - La sécurité est essentielle. Les architectures de données modernes doivent être conçues pour la sécurité et supporter des politiques de données et de contrôle d’accès directement sur les données brutes.

4 - Un vocabulaire commun assure une compréhension homogène. Des données partagées, comme un catalogue produit, les dimensions d’un calendrier fiscal ou des définitions de KPI, nécessitent un vocabulaire commun pour éviter les désaccords pendant l’analyse.

5 - La donnée doit être préparée et structurée. Il faut investir dans des fonctions clefs de structuration de données (la modélisation des relations importantes, le nettoyage des données brutes, la sélection des dimensions et métriques clefs).

6 - Les flux de données doivent être optimisés pour préserver l’agilité. Il faut diminuer le nombre de fois où les données sont déplacées pour réduire les coûts, augmenter leur fraîcheur et optimiser l’agilité de l’entreprise.

Installée à San Jose, en Californie, et fondée en 2016 à Kfar Saba, en Israël, la start-up Lightbits Labs se considère comme le «créateur» de NVMe-over-TCP, car elle a contribué au code et a travaillé aux côtés de Facebook, Intel, Cisco, Dell EMC et Micron pour développer le NVMe-over-TCP standard, qui a été ratifié par le consortium NVM Express à la fin de 2018 en tant que couche de transport de liaison. Lightbits vise également à améliorer le TCO en éliminant le besoin de recourir à du matériel spécialisé. Avec de LightOS NVMe over Fabrics TCP (NVMe-oF/TCP), la start-up a en effet développé une plateforme de stockage en mode blocs définie par logiciel qui regroupe un espace de stockage flash NVMe répartit sur plusieurs nœuds sur Ethernet exploitant le protocole TCP/IP plutôt qu'un réseau spécialisé plus coûteux tel que le Fibre Channel. À la différence des premiers systèmes NVMe-oF apparus sur le marché, la solution de Lightbits n’exploite pas le protocole RDMA over Converged Ethernet (ROCE) pour travailler. Ce dernier, qui garantit une communication RDMA à faible latence, légère et à haut débit sur un réseau Ethernet, est coûteux à implémenter. S’il fournit un transfert de données plus rapide aux applications utilisant le réseau de manière intensive, il nécessite un réseau configuré à des fins de trafic sans perte d'informations sur la couche 2 seule ou sur les couches 2 et 3. Avec NVMe-over-TCP, le câblage TCP / IP existant peut être utilisé pour exploiter les baies flash et pour réduire les coûts tout en conservant les performances et la latence propre au NVMe-oF, quoiqu’avec quelques microsecondes de plus qu’avec le protocole ROCE.

Loin du bruit autour de l’impact sanitaire et des enchères, la 5G est avant tout un formidable potentiel pour les entreprises. Comme l’indique un rapport du Cigref, la 5G se distingue des réseaux existants par sa capacité à supporter différents types de services réseau sur une même infrastructure, ce que l’on appelle le slicing. Basé sur une architecture réseau virtualisé, le slicing permet de configurer des tranches de réseau et d’y associer des fonctions de routage et de calcul destinées au contrôle des données. Cette segmentation ouvre la voie à plusieurs usages professionnels : réalité augmentée ou virtuelle grâce à l’augmentation des débits, les systèmes requérant une faible latence et une haute disponibilité (véhicules autonomes, applications médicales et embarquées...) et enfin les réseaux avec un grand nombre d'objets connectés (IoT industriel, smart grids...). Les entreprises peuvent aussi se tourner vers la 5G privée, c’est-à-dire de disposer et de contrôler sa propre infrastructure 5G. En France, HubOne et Air France ont obtenu des fréquences pour développer un réseau 4G/5G privé sur les aéroports parisiens. EDF, la Société du Grand Paris, SNCF réseaux, Transdev, Airbus et d’autres sont aussi intéressés par la mise en place de réseau mobile privé. Les équipementiers comme Nokia ou Ericsson l’ont bien compris en proposant des solutions dédiées à la 5G autonome.

Elles sont arrivées discrètement dans le paysage du réseau, mais les SmartNIC vont devenir incontournables dans les prochaines années. Il s’agit de cartes réseau PCI qui embarquent une puce multicœur et un OS Linux. Elles ont pour objectif de décharger le CPU des tâches de traitement réseau de type SDN, IA et NVMe-over-Fabric pour permettre au processeur de se concentrer sur le traitement des données. Elles intéressent les fournisseurs de cloud public, les opérateurs télécoms pour la 5G ou les entreprises disposant d’applications spécifiques et exigeantes. Les offres de SmartNIC se multiplient : Nvidia profite du rachat de Mellanox pour pousser son initiative DPU (data processing unit), Intel a dévoilé de son côté des SmartNIC basées sur des FPGA. Même VMware est de la partie avec le projet Monterey en proposant une SmartNIC intégrant un processeur polyvalent, une gestion hors bande et des fonctionnalités informatiques en périphérie virtualisées en plus des composants réseau. Enfin et non des moindres, AMD a de grandes ambitions dans ce domaine en rachetant Xilinx pour 30 milliards de dollars. Ce dernier propose des SmartNIC comme la récente carte Alveo U25. Dell’Oro Group prévoit que le marché des SmartNIC représentera 600 millions de dollars en 2024.

Il ne faut pas attendre l’arrivée de l’ordinateur quantique pour s’y préparer. Les entreprises limitées aujourd’hui dans leurs calculs sur certaines applications peuvent déjà explorer cette voie à travers des simulateurs et différents services cloud ouverts il y a quelques mois. Depuis plusieurs années, IBM leur propose, à travers Q Network, un accès cloud à ses ordinateurs quantiques ainsi qu’à Qiskit, framework de programmation quantique et ses extensions. Les clients peuvent travailler avec les équipes d’IBM pour appréhender s’ils peuvent mieux traiter certaines charges de travail avec cette approche. Son service cloud Quantum Experience permet directement d’ouvrir un compte pour apprendre à développer et exécuter des programmes sur ses systèmes quantiques. D’autres services sont apparus. Annoncé fin 2019, Braket d’AWS est en disponibilité générale depuis août. Ce service managé permet de créer des algorithmes, de les tester sur des simulateurs et de les exécuter sur le système quantique du Canadien D-Wave, ou sur ceux de Rigetti et de IonQ. D-Wave Systems a également ouvert son propre service, Leap, permettant aux entreprises de développer et déployer des applications quantiques hybrides. De même que la start-up Xanadu.ai, basée à Toronto, qui propose un service managé avec accès à des QPU (quantum processing unit) de 8 et 12 qubits. Microsoft de son côté a créé avec Azure Quantum un écosystème ouvert pour accéder à des logiciels, matériels et solutions quantiques, les siens et ceux de partenaires dont les systèmes à ions piégés de Honeywell et IonQ, le système de Quantum Circuits ou la Simulated Bifurcation Machine de Toshiba. Le service est accessible en accès précoce. Google est très impliqué dans la recherche quantique, mais n’a pas encore ouvert de service. Quant au simulateur Atos QLM, il a été acquis par le centre de recherche britannique Hartree qui prévoit une offre de Quantum learning as a service à laquelle a déjà recouru Rolls Royce.

En logistique, tout n’est que flux et optimisation. Pas étonnant que robotique et algorithmique forment un duo ancien dans le métier. Mais en 2020, la crise du Covid-19 a enfoncé la pédale d’accélérateur. Le boom du e-commerce, du drive puis du click-and-collect se sont ajoutés à l’exigence de livraison dans des délais toujours plus courts.

Des robots au service des préparateurs de commande

Les entrepôts s’agrandissent et se dotent de robots autonomes, mus par des algorithmes optimisateurs. Ces AGV (automated guided vehicle) se déplacent en longueur et largeur au sol ou sur les convoyeurs, et en hauteur entre les racks. Ils apportent les marchandises dans des bacs ou des étagères jusqu’au préparateur de commande (goods-to-men). En 2012, Amazon a acheté, au profit de ses seuls entrepôts, ceux de la jeune pousse Kiva laissant la place à Alibaba ou au e-commerçant britannique Ocado qui a équipé le nouvel entrepôt parisien de Monoprix. Mais le nordiste Exotec n’a pas à rougir avec ses systèmes intralogistiques complets. Ses flottes de Skypod évoluent en trois dimensions et transportent des bacs standards entre des étagères au stockage optimisé et les opérateurs. Il a déjà séduit Cdiscount ou Uniqlo. Le Parisien Scallog a lui repris le créneau laissé par Kiva, avec ses AGV goods-to-men. Même Boston Dynamics prépare la reconversion de ses robots soldats. 

Les start-up françaises aux avant-postes 

L’algorithmique et l’IA, elles, optimisent les flux. Chez la start-up parisienne Fretlink  en mettant en relation entreprises et transporteurs. Chez Shippeo, le machine learning détermine au plus juste le précieux ETA (Estimated time of arrival) du transport routier à partir des données des chargeurs et logisticiens (TMS, WMS..) Le Canadien Food-X Technologie, utilisé par Carrefour, gère les spécificités de la supply chain logistique alimentaire. Leroy Merlin utilise même les algorithmes du Lillois Opalean qui apporte le pilotage en temps réel du compteur de palettes en Europe. Elles peuvent être réorganisées entre les entrepôts en cas de besoin.

Encore émergente il y a une poignée d’années, la mémoire persistante devrait connaitre un gros coup d’accélérateur à partir de 2021. Il faut dire que ses qualités ne manquent pas : alliant faible latence et débit plus important que la traditionnelle NAND flash, ce type de mémoire dispose d’une capacité de mise en cache au niveau du processeur pour garantir un temps d’accès amélioré aux données en mémoire, même après une coupure de courant par exemple. Cerise sur le gâteau : son coût de production apparait moins élevé que celui de la DRAM. La mémoire persistante est dite non volatile, permettant de conserver des données même sans alimentation, pour ainsi répondre aux fortes contraintes de fonctionnement qu’elles soient élevées, fréquentes ou accidentelles (coupures de courant, pannes systèmes programmées ou non...). La mémoire persistante dispose de plusieurs caractéristiques clés : adressable par octets, à faible latence et disposant de densités supérieures ou égales à la mémoire DRAM (Dynamic Random Access Memory), cette mémoire s’avère extrêmement avantageuse, car elle permet d’accroitre très significativement les performances d’un système et ainsi offrir un changement fondamental dans l'architecture informatique.

La mémoire persistante est en mesure d’apporter des performances élevées particulièrement bienvenues pour les applications centrées sur les données telles que les bases de données, intelligence artificielle et machine learning ou encore analytique temps réel, sécurité, IoT et traitement des images et vidéos. Les cas d’usage de la mémoire persistante sont aussi nombreux que variés et vont se multiplier dans les mois à venir. Par exemple, pour améliorer l’analyse et la détection de fraude à grande échelle des banques, assurances et autres institutions financières, ou encore traiter en masse des données issues des réseaux IoT ou d’objets connectés. Il existe à ce jour principalement deux grandes familles de mémoire persistante. La première, poussée par Intel au travers de sa technologie Optane, la deuxième au travers des fabricants de mémoire non volatile Dual In-Line Module (NVDIMM) tels que Fujitsu, Samsung Electronics, Micron Technology, Toshiba Corporation, Viking Technology, Integrated Device Technology... Ces dernières intègrent généralement une mémoire flash NAND non volatile couplée à de la DRAM et une alimentation de secours dédiée sur un seul sous-système de mémoire. La mémoire NVDIMM utilise un module de module de mémoire en ligne (DIMM) double compatible avec un emplacement DIMM standard et communique via un bus DDR standard. De son côté la mémoire persistante Intel Optane présente certaines similitudes avec la DRAM, notamment parce qu'elle se trouve dans des barrettes DIMM, et réside sur les mêmes bus/canaux.

Certaines initiatives innovantes sur le front de la mémoire persistante sont par ailleurs à signaler, comme celle de la start-up MemVerge qui, avec son logiciel Memory Machine, associe des composants DRAM et Intel Optane DC dans un pool mémoire défini par logiciel, apportant ainsi les performances de la DRAM à la mémoire persistante (PMEM). Objectif : permettre aux charges de travail centrées sur les données de fonctionner parfaitement à la vitesse de la mémoire. Une technologie tellement intéressante qu’elle a séduit Intel Capital, NetApp et SK Hynix qui ont investi au capital de MemVerge lors de son dernier tour de table financier série B.

L’essor des microservices s’est accompagné pour les entreprises d’un défi de taille : répondre à la problématique de gestion et d’automatisation de la communication entre les différents microservices. Le but ? Gérer la communication entre les services, la résilience et de nombreux problèmes transversaux. Afin d’éviter aux développeurs d’avoir à coder directement cette logique de communication au sein des microservices et pour palier les soucis de maintien de code, gagner du temps et pouvoir les affecter à des tâches à plus forte valeur ajoutée, les services mesh sont donc entrées en scène et pour longtemps. Le principe du service mesh est de rattacher à chaque instance de microservice un proxy capable de s’exécuter non pas à l’intérieur, mais à côté de chaque microservice. L’intérêt du service mesh est multiple : permettre de gérer l’ensemble des appels entrants et sortants du microservice, acheminer les requêtes vers les autres proxy side formant dans leur ensemble un service mesh. L'origine du service mesh remonte à 2016 avec la start-up Linkerd, mais on peut dire que cette technologie est véritablement montée en puissance à partir de mai 2017 avec la version bêta d'Istio, un projet open source porté par Google, IBM et Lyft. Depuis, les alternatives se sont multipliées : Consul Connect, Kuma, Maesh, ServiceComb-mesher, Network Service Mesh (NSM), AWS App Mesh, OpenShift Service Mesh by Red Hat...

En 2021, le recours aux services mesh devrait en toute logique s’intensifier et constituer une technologique non seulement prometteuse, mais indissociable de la mise en œuvre des microservices. Ce n’est d’ailleurs pas un hasard si Microsoft, via Open service mesh, s’est ainsi lancé sur le créneau. D’après le cabinet d’études 451 Research, les entreprises recourent aux containers, Kubernetes et les microservices, comme des outils leur permettant de répondre plus rapidement aux demandes clients et à leur problématique de productivité et de compétitivité. Et certains perçoivent les services mesh comme un bon moyen d’y répondre. « Les plateformes et services d'infrastructure de maillage de services permettent aux entreprises de se connecter, de sécuriser et de gérer des applications cloud natives et des applications basées sur des microservices. L'écosystème de maillage de services en est à ses premiers stades de maturité technologique », explique Sriram Subramanian, directeur de recherche, Infrastructure Systems, Groupe Plateformes et Technologies chez IDC. « IDC s'attend à ce que cet écosystème se développe au cours des 18 à 30 prochains mois, avec un plus grand nombre d'entreprises exploitant des plateformes et des services maillés de services pour les applications héritées et cloud natives dans des environnements d'infrastructure hétérogènes. L’intérêt pour les services mesh ne se dément pas et va s’accélérer dans les mois qui viennent. D’après 451 Research dans sa dernière étude Voice of the Enterprise: DevOps, Workloads & Key Projects 2020, on apprend ainsi que 16% des entreprises ont déjà adopté les services mesh pour l’ensemble de leurs systèmes IT et qu’ils sont 20% à l’avoir fait au niveau des métiers. 38% indiquent mener des tests ou prévoir de le faire, dont 19% d’ici à un ou deux ans.