#Techconf – Google Cloud Next 2018 : ce qu’il fallait retenir
Home Blends & Trends 4 décembre 2018Cette année, l’événement Google Cloud Next s’est déroulé en octobre à Londres. Trois journées remplies de keynotes et d’ateliers, avec 8000 invités et plus de 1000 Googlers experts en technologie Cloud disponibles pour répondre à leurs questions.
Google Cloud Platform : un leader du marché, qui s’appuie sur une communauté solide
Aujourd’hui, la communauté Google Cloud Platform ( GCP) s’élève à 1 million de développeurs dans le monde, et Google investit massivement dans le secteur. Ces trois dernières années, la firme de Mountain View a dépensé plus de 30 milliards de dollars en infrastructure Cloud, premier secteur d’investissements de la société Alphabet. Autant d’investissements qui permettent à l’entreprise de fournir l’ensemble de ses services cloud via 100 points de présence réseau dans 35 pays.
GCP est considéré comme leader dans le domaine du cloud et de l’ intelligence artificielle selon l’institut Forrester. Le Forrester Public Cloud Development Platform Wave est en effet un point de repère pour les développeurs du monde entier, leur permettant d’évaluer et de comparer les différentes fonctionnalités des plateformes cloud. Le rapport identifie en six points clés les atouts de Google Cloud, consultable ici.
Forrester Report, 2017
Dépasser la fragmentation du cloud avec l’open source
Aujourd’hui, plus de 80 % des entreprises utilisent le cloud via des fournisseurs multiples.
Si on considère en plus les données exploitées dans les Data center privés (on-premise), la gestion de l’ensemble de ces informations devient consommatrice de ressources et d’expertises variées. Ainsi, les coûts des serveurs ont diminué de 15 % sur les dernières années, les coûts d’administration ont quant à eux augmenté de 80 % !
Comment gérer cette fragmentation du cloud ? La promotion d’outils standards utilisables dans les différents environnements permet d’uniformiser les pratiques et de réduire les charges.
Durant la conférence, les équipes de Google Cloud ont insisté sur l’intérêt de solutions open source standardisées. On trouve divers exemples de technologies, dont certaines développées par Google, telles que :
- Docker : Pour encapsuler des applications avec une solution de conteneur de logiciels.
- Kubernetes : Pour déployer et gérer les conteneurs sur n’importe quelle solution cloud, y compris on-premise.
- Istio : Pour connecter, sécuriser, contrôler et observer les applications placées dans des containers tels que Docker. Ce logiciel a été co-développé par Google et IBM.
- Spinnaker : Pour gérer les déploiements d’application sur plusieurs environnements cloud, un autre outil développé par Netflix.
Remarquez la tendance générale des outils de cloud à puiser dans l’imaginaire marin, des docks aux voiles de bateau, en passant par le timonier. A l’abordage du cloud ?
Intelligence Artificielle : Google sort le grand jeu !
Pour développer ses outils, Google mise beaucoup sur l’Intelligence Artificielle. De nombreuses équipes travaillent en parallèle sur différents projets, y compris en Europe, à Londres, Paris, Zurich ou encore Berlin. Sans nous en rendre compte, nous utilisons déjà des services de Google produits par l’Intelligence Artificielle. Par exemple, la fonctionnalité Smart Reply de Gmail inaugurée en 2017, qui suggère automatiquement des réponses en fonction des emails reçus. 10 % des propositions faites par la messagerie sont aujourd’hui utilisées par les utilisateurs de Gmail !
Exemple de Smart Reply sur Gmail, via Google Blog
La firme a également annoncé l’arrivée de la fonctionnalité Smart Compose, permettant de compléter automatiquement les emails lors de la rédaction.
Pour faciliter la mise en oeuvre de projets utilisant l’intelligence artificielle et le machine learning, Google Cloud Platform met en avant trois atouts :
- La mise à disposition du machine learning à la portée de tous avec AutoML. Les data scientists sont rares et le nombre de personnes qui pourraient profiter du machine learning beaucoup plus important. Google Cloud AutoML offre la possibilité aux développeurs de créer des modèles de machine learning, de manière simple grâce à une interface de type “drag and drop”. Le moteur apprend sur la base d’exemples et AutoML automatise la configuration de celui-ci pour obtenir les meilleurs résultats.
- Des performances élevées, Google développe des solutions matérielles spécifiques optimisées pour le deep learning (Cloud TPU v3, annoncé lors de la conférence).
- L’ensemble de fonctionnalités périphériques mais clé dans la réussite d’un projet de machine learning (capacité d’analyse de données, performance de stockage, simplicité de mise en oeuvre de services) sont très simples dans Google Cloud Platform. Citons notamment Google Big Query qui fournit des capacités d’analyse de données virtuellement illimitées à des coûts très maîtrisés.
En bref, quel était l’objectif de Google Cloud Next en 2018 ? Afficher une ouverture pour les solutions open source, et faciliter l’accès aux traitements de données incorporant du machine learning. Une manière également d’encourager l’adoption de la Google Cloud Platform pour les entreprises, même non spécialistes des sujets cloud, et que ce soit en exclusivité ou aux côtés d’autres solutions cloud et d’infrastructures on-premise. Google propose ainsi des solutions pour toutes les parties prenantes, en allant des développeurs et administrateurs de système aux analystes de données et data scientists.