L “edge computing” désigne l’exploitation des capacités de transmission et de calcul d'un réseau local afin d’y effectuer certaines tâches : la transmission bidirectionnelle de données, d’informations et l'analyse de ces données. Cette architecture aide les organisations à réduire leur dépendance à l'égard des plateformes centralisées, à baisser les temps de latence et certains coûts d’exploitation.

Intimement liés au développement de l’Internet des Objets (Ido)*, l’informatique périphérique maille de nouveaux espaces plus ou moins étendus d’Objets connectés en réseau : bâtiments, usines, espace public, zone agricole, grandes infrastructures de transport (eau, énergie, marchandises) etc.. Elle effectue localement les traitements de base sur les données recueillies, au lieu de les déporter systématiquement dans un cloud centralisé et éloigné de l’espace qui est observé, analysé et sur lequel elle agit. Elle contribue à ce titre à l'Informatique Ambiante, Omnipresente (Ubiquitous Computing) ou Pervasive (Pervasive Computing).

La notion « d’informatique périphérique » (Edge Computing), est aussi très proche des notions « d’informatique en réseau maillé » (Mesh Computing), « peer to peer », « grid computing », ou encore « fog computing », qui désignent toutes une informatique plus ou moins décentralisée en opposition aux offres centralisées de « cloud computing », proposées notamment par les transnationales du numérique, Amazon, Microsoft, Google, Alibaba, Tencent, Sinet mais aussi dans une moindre mesure en France par OVH. L’informatique périphérique s’inscrit donc dans un mouvement de balancier, bien connu depuis près d’un demi-siècle, qui oscille entre architectures centralisées et décentralisées.

L’émergence de l’informatique périphérique est en partie justifiée par une transformation d’usage de nos réseaux, mais aussi par certaines contraintes structurelles liées au Cloud. En effet, si le fonctionnement de nos réseaux a longtemps été majoritairement descendant (download), il devient de plus en plus bidirectionnel : nos objets connectés échangent régulièrement entre-eux (ex : bluetooth) mais aussi vers le Cloud (ex : les smartphones uploadent en permanence nos données personnelles, nos documents multimédias etc.). Par ailleurs certaines contraintes inhérentes au Cloud centralisé peuvent inciter certains acteurs à en limiter l’utilisation : cout de la bande passante ; éloignement et temps de latence ; nécessité légale, stratégique ou éthique de souveraineté des États, des collectivités publiques, des entreprises et des citoyens sur certaines données sensibles. Notons que face à l’explosion de ces géants du Cloud, les constructeurs historiques de serveurs, en perte de vitesse, poussent cette nouvelle tendance.

L'Informatique périphérique raccourcit les délais d'analyse (économiser du temps), augmente la disponibilité des machines (économiser des ressources) en opérant de manière quasi simultanée la collecte et les traitements de base sur les données recueillies et échangées. Les processus ont généralement directement lieu sur les appareils auxquels les capteurs sont attachés ou sur une passerelle IoT (IoT gateway) physiquement proche des capteurs (entité qui fournit certaines fonctionnalités de connexion propres à l'internet des objets : connecter un ou plusieurs réseaux de proximité, des réseaux d’accès, des capteurs, actionneurs, via leurs interfaces sur ces réseaux entre eux). L'un des principaux avantages souvent mis en avant par l'Edge Computing réside dans le fait que les données, n’étant pas transférées, seraient beaucoup plus sécurisées. Maintenues dans leur dispositif d'origine, elles resteraient confidentielles, cette « source » unique deviendrait alors un gage de fiabilité.

D'autres avantages mis en avant, résident dans le fait qu'un système IdO implique un très grand nombre de capteurs qui couvrent un nombre très important de phénomènes observés et recueillent des données hétérogènes. Si ces données collectées s’avèrent particulièrement massives et doivent ensuite être transmises vers un même lieu de traitement centralisé (Cloud Computing), l’acteur s’expose à une augmentation significative de ses coûts de transfert. De plus si la performance temporelle est pour lui un facteur critique, la distance entre ses capteurs et le Cloud peut générer d’importants temps de latence dans la communication de réponses sûres et valides aux actionneurs. II peut donc dans certains cas apparaître logique de traiter localement les données si l’acteur souhaite minimiser son temps de réponse globale.

Les Clouds offrent néanmoins de nombreux avantages tels que la sécurité (par exemple des firewalls correctement gérés, des mises à jour régulières des failles de sécurité) et une très grande facilité d’administration (déploiement, montée en charge, mise en œuvre de conteneurs d'application etc.), avantages qui seront beaucoup plus difficilement garantis sur des dispositifs en périphérie. La difficulté est donc de parvenir à trouver un juste équilibre entre conservation des données locales et transfert dans un cloud centralisé. De plus analyser les données « en périphérie » n’est pas toujours la solution la plus efficace, si certains processus analytiques simples sont bien mieux traités localement, d’autres lots de données beaucoup plus lourds nécessitent des algorithmes très sophistiqués et des puissances de calcul supérieures (par exemple l’analyse de flux vidéo pour de la reconnaissance faciale) qui seront beaucoup mieux traités dans un cloud.

Dans ce difficile équilibre entre centralisation et décentralisation, l’informatique géo-distribuée (fog computing) offre une solution intermédiaire : elle déplace certains processus d’informatique périphérique (Edge Computing) vers des nœuds (une machine en réseau ayant des capacités de traitement et de stockage) connectés au réseau local (LAN) mais physiquement éloignés des capteurs et des actionneurs, à mi chemin entre le Cloud Computing et le Edge Computing. L'informatique géodistribuée permettra donc de transférer certaines fonctionnalités de transmission, d’analyse de données et d'informations vers des plateformes de stockage et de traitement situées à proximité du lieu même de récolte des données.