Amazon SageMaker Edge

Amazon SageMaker Edge est un service géré destiné à optimiser, sécuriser et superviser des modèles d'inférence machine learning périphérique sur des ensembles d'appareils en environnement de production. Ce service concerne les professionnels en charge du déploiement de modèles sur des dispositifs connectés hors cloud. Il permet la gestion du cycle de vie des modèles et leur intégration opérationnelle à l'échelle, en limitant les interruptions et en maîtrisant la performance au niveau du matériel cible. L’optimisation des modèles, la sécurisation et la surveillance centralisée sont conçues pour un usage par les équipes informatiques et les data scientists.

Par exemple, dans un environnement industriel, une organisation dotée de nombreuses caméras connectées implémente des modèles d’analyse d’image sur chaque équipement. La solution prend en charge la préparation, l’optimisation par SageMaker Neo et la distribution de modèles adaptés à la puissance de calcul disponible sur chaque caméra. La supervision centralisée fournit à l’équipe technique une vue constante de l’état opérationnel des modèles, indépendamment du nombre d'appareils gérés. Ce processus intègre les mots-clés secondaires edge computing, déploiement IA, et machine learning embarqué.

Les fonctions principales reposent sur l'intégration à AWS IoT Greengrass pour le déploiement OTA, la gestion indépendante des cycles de mise à jour des modèles et des applications, ainsi que la signature cryptographique des modèles pour garantir leur intégrité lors du transfert. Les données d’entrée et de sortie génèrent une traçabilité complète et permettent la détection d’éventuelles anomalies. Les informations sont accessibles via un tableau de bord dans la console, ce qui inclut les mots-clés secondaires gestion du cycle de vie et mise à jour automatique.

Dans le fonctionnement quotidien, il est possible de recompiler un modèle via SageMaker Neo en fonction des évolutions matérielles et d’effectuer sa mise à jour sans interruption de service. Le monitoring intégré assure la stabilité mesurable de l’IA embarquée sur chaque dispositif, quelle que soit la taille de la flotte. À la suite de l’arrêt du service le 26 avril 2024, les fonctions telles que la supervision IA et l’analyse temps réel sont limitées aux ressources déjà présentes, qui demeurent référencées dans les comptes clients pour vérification et audit.