Académique Documents
Professionnel Documents
Culture Documents
Tanguy Lépine
14 mai 2023
1
Table des matières
Remerciement 4
Introduction 5
1 Présentation de l’entreprise 6
1.1 Capgemini . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2 Capgemini Engineering . . . . . . . . . . . . . . . . . . . . 7
1.3 L’équipe Andy 3D et cadre de stage . . . . . . . . . . . . . 8
2
3.5.1 Edge-AI . . . . . . . . . . . . . . . . . . . . . . . . 24
3.5.2 Fog Computing . . . . . . . . . . . . . . . . . . . . 25
3.6 Conclusion de l’état de l’art . . . . . . . . . . . . . . . . . 27
4 Ma réalisation 28
4.1 Mission : permettre aux caméras de fonctionner sur le modèle
du Edge Computing . . . . . . . . . . . . . . . . . . . . . 28
4.1.1 Fonctionnement des caméras IP sous Andy 3D . . . 28
4.1.2 Configuration du PC utilisateur et du serveur . . . 30
4.1.3 Création du serveur Node en local . . . . . . . . . . 31
4.1.4 L’invitation de multiple caméras différentes . . . . . 33
5 Mes résultats 34
5.1 Résultats côté utilisateur . . . . . . . . . . . . . . . . . . . 34
5.2 Résultats côté serveur . . . . . . . . . . . . . . . . . . . . 35
Bilan 38
Annexes 39
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . 39
3
Remerciement
Mon accueil au sein de la société Capgemini lors de mon stage fut
convivial, cordial, et facilité par plusieurs salariés qui m’ont consacré de
leurs temps. Ces personnes m’ont aidé à m’intégrer, à découvrir le monde
professionnel dans les meilleures conditions possibles et à atteindre l’ob-
jectif de mes différentes missions. Je tiens à leur adresser mes chaleureux
remerciements.
4
Introduction
J’ai effectué cette année un stage de 24 semaines dans le cadre de ma
dernière année du cycle ingénieur.
J’ai débuté mon stage le 5 juillet 2021 et ai été à plusieurs postes diffé-
rents. J’ai pu participer à l’évolution du logiciel Andy3D et découvrir une
nouvelle organisation de travail.
Ce stage aura été pour moi l’occasion de mettre en pratique les connais-
sances acquises au cours de ma dernière année du cycle ingénieur.
J’ai eu la possibilité de réaliser ce stage au sein de l’entreprise Capgemini
Engineering dans l’équipe Andy3D.
5
1 Présentation de l’entreprise
1.1 Capgemini
Capgemini est une entreprise de services du numérique française créée
par Serge Kampf en 1967 à Grenoble, sous le nom de Sogeti. Il s’agit du
cabinet de conseil qui a le plus gros chiffre d’affaires du pays et elle figure
parmi les dix plus grosses du secteur mondialement.
6
1.2 Capgemini Engineering
Capgemini Engineering est la marque du groupe Capgemini réunissant
les services d’ingénierie et de RD de Capgemini Engineering, leader mondial
du secteur dont Capgemini a finalisé l’acquisition en 2020, et l’expertise de
Capgemini dans le domaine du digital manufacturing. Grâce à une connais-
sance sectorielle approfondie et à la maîtrise des technologies digitales et
logicielles de pointe, Capgemini Engineering accompagne la convergence des
mondes physique et numérique. Conjuguée avec l’ensemble des capacités du
Groupe, elle aide les entreprises à accélérer leur transformation vers l’Intel-
ligent Industry. Capgemini Engineering compte plus de 52 000 ingénieurs et
scientifiques dans plus de 30 pays, dans des secteurs tels que l’aéronautique,
l’automobile, le ferroviaire, les communications, l’énergie, les sciences de
la vie, les semi-conducteurs, les logiciels et l’Internet, l’aérospatial et la
défense, et les biens de consommation.
7
1.3 L’équipe Andy 3D et cadre de stage
J’ai effectué mon stage au sein de l’équipe Andy 3D sur le site de Cap-
gemini Aeropark. J’ai travaillé 3 jours en distanciel et 2 jours en présentiel.
8
2 Mon sujet de stage
2.1 Le produit Andy 3D
9
2.1.1 Fonctionnement d’Andy 3D
Avant de pouvoir rentrer dans une conférence, il faut d’abord se connecter
pour accéder au lobby.
Figure 1 – Connexion
Une fois arrivé sur le lobby, pour appeler quelqu’un, il faut cliquer sur
le bouton d’appel.
Figure 2 – Lobby
10
Une petite pop-up apparaît pour signifier que l’appel est bien passé
avant de nous rediriger vers l’écran d’appel.
11
2.2 Problématique
En effet, malheureusement, sur Andy3D, le partage de caméras IP est
trop coûteux en ressources sur un PC lambda, on ne peut lancer qu’une
voire deux caméras sur l’ordinateur.
Comment faire alors pour que le client puisse utiliser autant de caméras
qu’il le souhaite sans avoir besoin d’un PC plus puissant ? En faisant un
peu de recherche, il a été découvert que l’Edge Computing pourrait être une
solution envisageable pour le faire mais comme il s’agit d’une technologie
assez récente, il faudrait l’étudier davantage afin de voir s’il s’agit de LA
solution.
12
3 Première Mission : État de l’art du Edge Com-
puting
3.1 Définition de certains termes importants
3.1.1 IOT et IIOT
13
L’ IIOT signifie Industrial Internet of Things et permet de caractériser
toutes les applications industriels concernant les IOT.
14
3.2 Définition du Edge Computing
L’Edge Computing est une architecture informatique distribuée ouverte
qui présente une puissance de traitement décentralisée permettant le dé-
ploiement des technologies de l’informatique mobile et de l’internet des
objets (IoT). Au lieu d’être transmises à un datacenter, les données sont
traitées par le device lui-même ou par un ordinateur ou serveur local.
15
3.3 Comparaison du Edge Computing au Cloud Computing
16
3.3.1 Quels sont les risques et les avantages du Edge et du Cloud Com-
puting ?
3.3.1.1 Avantages du Edge Computing
17
• Productivité n’importe où : les données étant centralisées, elles seront
productives n’importe où, quel que soit l’emplacement de l’utilisateur.
18
3.4 Cas d’usage du Edge Computing
3.4.1 IoT Gateways
19
au Cloud et entre eux.
20
3.4.3 Le Cloud Gaming
Le Cloud Gaming, un nouveau type de jeu qui diffuse un flux en direct
du jeu directement sur les appareils (le jeu lui-même est traité et hébergé
dans des centres de données), dépend fortement de la latence.
21
jusqu’à votre site Edge le plus proche. Comme dans le cas d’utilisation du
Cloud Gaming, une latence plus faible fait toute la différence.
22
correspond certainement au moule du cas d’utilisation prototype Edge :
gourmand en bande passante et sensible à la latence. Au fur et à mesure
que cette technologie progresse, la réalité augmentée bénéficiera sans aucun
doute du calcul augmenté de l’Edge.
23
3.5 Edge-AI et Fog Computing
3.5.1 Edge-AI
L’Edge AI (ou Edge intelligent) est apparu dans une volonté d’intégrer
l’intelligence artificielle au plus près des capteurs ou des objets connectés
(IoT). Les avantages sont multiples : absence de prérequis d’une connectivité
internet permanente, confidentialité des données, réduction de la latence.
24
• Réduction des coûts : Les coûts liés à la bande passante et à l’échange
de données sont réduits, car la quantité de données transmises est
minimale.
25
3.5.2.1 Fog Computing VS Edge Computing
Le Fog Computing et le Edge Computing sont deux infrastructures assez
similaires. Toutes deux sont basées sur le traitement des données produites
directement par les objets connectés en périphérie de réseau. Cette proximité
avec le point d’origine mène à une réduction importante du temps de latence
(plus de trajet entre l’objet connecté et le Cloud). La différence entre Fog et
Edge Computing se trouve les équipements informatiques impliqués : selon
l’OpenFog Consortium, l’Edge fait référence aux terminaux de traitement
tandis que le Fog Computing renvoie à l’architecture IT. Par ailleurs, on
parle d’Edge Computing quand les ressources de calcul se trouvent dans
l’objet connecté, et de Fog Computing quand elles sont dans un nœud de
réseau séparé, comme une passerelle IoT.
Il est aujourd’hui accepté de dire que l’on doit le concept de Fog Com-
puting à un ingénieur de chez Cisco Systems, une entreprise informatique
américaine spécialisée dans les serveurs. Depuis 2015, il existe par ailleurs
le consortium OpenFog (qui réunit des entreprises telles que Cisco, Dell,
Microsoft ou encore ARM) chargé de définir les protocoles réseau et les stan-
dards technologiques utiles à la normalisation du marché. L’objectif : réussir
à donner une définition de l’architecture distribuée qui puisse être en mesure
de s’adapter au très fort développement de l’IoT. Sur le plan technique,
l’infrastructure du Fog Computing se compose de plusieurs couches, avec le
respect de la logique d’empilement que l’on retrouve déjà dans le Cloud,
auxquelles s’intègrent ensuite ses éléments propres, comme la collecte de
données issues d’objets connectés ou des services d’interconnexion entre
réseaux.
26
3.6 Conclusion de l’état de l’art
Tout cet état de l’art m’a prouvé que l’Edge Computing était plus inté-
ressant que le Cloud Computing ou les autres dérivés que j’ai pu découvrir.
En effet, la capacité du Edge Computing à traiter de manière locale afin
de réduire la latence et effectuer les calculs ailleurs est parfait pour notre
propre cas d’usage.
27
4 Ma réalisation
4.1 Mission : permettre aux caméras de fonctionner sur le
modèle du Edge Computing
4.1.1 Fonctionnement des caméras IP sous Andy 3D
Pour lancer des Caméras IP, il faut tout d’abord se trouver sur le même
réseau qu’elles. Pendant une conférence, il faut aller sur la liste de caméra
et en choisir une.
28
Mon objectif sera donc de faire en sorte que le PC principal n’ait pas
lancer la caméra par lui afin de décharger les calculs qu’il aurait du faire
pour lancer des caméras IP. On fera ceci en passant par un serveur local
comme montré ci-dessous dans ce schéma.
29
4.1.2 Configuration du PC utilisateur et du serveur
Pour réaliser cette mission, j’avais un ordinateur portable (utilisateur)
et un ordinateur fixe Lenovo Tiny PC (serveur) dont voici les configurations.
30
4.1.3 Création du serveur Node en local
Afin de réussir ma mission, j’ai tout d’abord "jouer" avec le logiciel afin
de mieux le comprendre. J’ai ainsi pu voir par moi-même que l’ordinateur
n’arrivait pas à faire fonctionner correctement les Caméras IP.
Une fois la requête envoyée par Unity, le serveur node prend le relais
et lance à son tour le Headless avec les informations du formulaire afin de
sélectionner la bonne caméra.
31
Pour finir, le Headless se servira ensuite d’un fichier de configuration
pour récupérer la bonne caméra IP à l’aide des champs "cameraIp" et
"cameraPort".
32
4.1.4 L’invitation de multiple caméras différentes
Pour avoir des caméras différentes, il y avait plusieurs façon différentes
de le faire mais j’ai décidé de faire en sorte que chaque caméra IP soit
lié à un fichier de configuration plutôt que d’avoir toutes les caméras sur
un seul fichier. Pour ce faire, j’ai récupéré le nom d’utilisateur à partir
du paramètre enregistré lors de la requête HTML afin d’utiliser celui-ci
pour créer le nom de fichier de configuration. Ainsi, on se retrouve avec des
fichiers de configuration personnalisés pour chaque caméra permettant de
les retrouver plus facilement.
33
5 Mes résultats
En utilisant le serveur node sur le PC principal en même temps que
l’instance Windows de Andy3D, le processeur et la RAM sont toujours à
100%. Cependant, lorsque l’on sépare les deux, on retrouve des résultats
bien différents.
Cela veut dire que l’on a réussi à accomplir ce que l’on souhaitait en
déportant les caméras sur le serveur. Cependant, à partir de 3 caméras, on
commence à avoir des mini-freezes au niveau de la vidéo qui, deviennent de
pire en pire si, on commence à rajouter des caméras
34
5.2 Résultats côté serveur
Sur le PC serveur, on peut voir que les caméras utilise tout le processeur,
surtout à partir de 3 caméras. Le gestionnaire des tâches nous montre éga-
lement qu’une caméra utilise environ 22% du processeur en temps normal.
35
De plus, à partir de 3 caméras, on commence à voir que le processeur
arrive à sa limite qui sera définitivement atteinte avec une quatrième caméra
IP. Si l’on voulait rajouter plus de caméra, il faudrait alors prendre un
processeur plus puissant que celui que j’ai actuellement.
36
6 Ce qu’il me reste à faire
J’avais originellement prévu de faire du vrai Edge Computing en uti-
lisant des Raspberry Pi en tant que serveur afin que chaque caméra ait
son serveur dédié. En en discutant un peu avec Nicolas Moreau, je ne suis
pas allé plus loin car il était plus intéressant d’un point de vue industriel
d’avoir un gros serveur qui gère plusieurs caméra plutôt que plusieurs petit
serveur gérant chacun une caméra.
37
Bilan
Ce stage a été de loin une expérience personnelle et professionnelle
des plus enrichissante. En effet, cela m’a permis d’apprendre énormément
car c’était très différent de ce que l’on faisait en cours. De plus, j’ai pu
approfondir mes connaissances sur UNITY en C et en javascript (node)
au cours de ce stage. Ce stage aura été pour moi une expérience vraiment
enrichissante où j’aurais eu l’occasion de beaucoup y apprendre. De plus,
toutes ces connaissances pourront être réutilisé à l’avenir dans d’autres
projets. J’ai également pu expérimenter le télétravail et ai pu apprécier de
travailler de manière hybride avec quelques jours de télétravail.
38
Annexes
Bibliographie
• STL: Définition du Edge Computing
• Edge-AI
• Fog Computing
39