Google Cloud Platform

Trace One s'associe à Google Vertex AI pour révolutionner ses solutions PLM et de compliance et offrir une valeur client inégalée

Mon, 28 Oct 2024 07:00:00 +0000

À propos de Trace One

Trace One est un leader mondial des solutions PLM et de compliance dédiées aux distributeurs et industriels des Produits de Grande Consommation (PGC). Avec plus de 30 ans d'expertise dans le secteur, Trace One fournit des solutions innovantes et évolutives qui prennent en charge l'ensemble du cycle de vie de la fabrication des produits et permettent à ses clients de prospérer sur de nouveaux marchés. Au service de plus de 9 000 marques dans le monde, Trace One est présent aux États-Unis, en Europe et en Asie.

Un géant mondial du PLM adopte l'IA

Avec un vaste réseau s'étendant en Europe, aux États-Unis et en Asie, Trace One accompagne plus de 9 000 marques dans plus de 170 pays et les aide à créer des produits remarquables en phase avec les tendances de consommation. Trace One adresse aussi bien les industriels que les acteurs du retail et compte parmi ses clients des marques de renommée mondiale, dont le Groupe Bel, Cargill, Auchan, Foster Clark Products Ltd, Naos, ou encore Barilla.

Trace One a développé des solutions qui permettent aux acteurs des PGC d’innover, de maintenir la conformité réglementaire de leurs produits et d’accélérer leur mise sur le marché. Depuis plus de trois décennies, l'entreprise est à la pointe de l'innovation, apportant continuellement une valeur ajoutée à ses clients. Comme le dit Antoine Daviet, Chief Product Officer de Trace One : "Compte tenu des attentes élevées de nos clients, nous nous efforçons non seulement de répondre à leurs besoins actuels, mais aussi d'anticiper leurs besoins futurs. Notre projet d'intelligence artificielle est né avec cette idée en tête. Après avoir analysé les solutions du marché, Google Cloud s'est imposé comme le partenaire idéal pour nous accompagner dans cette évolution de nos solutions ».

Innover en créant de la valeur client avec l’IA

Avant de se lancer, Trace One a identifié une dizaine de cas d’usage prioritaires qui couvrent plusieurs domaines clés de ses activités, visant à améliorer l'efficacité et la précision des services. Un des principaux cas d'usage concerne l'extraction automatique d'informations à partir de documents complexes, tels que les fiches techniques et d'autres documents réglementaires. Objectif : permettre à ses utilisateurs de réaliser des mises à jour rapides et précises des bases de données produits. De la même façon, l’IA va simplifier l'intégration de nouvelles informations en automatisant le « mapping » de données entre différents systèmes et standards.

Le leader du PLM et des solutions de compliance prévoit également d’utiliser l’IA afin de permettre à ses clients de comparer des textes et images, notamment dans le but de contrôler la cohérence des informations sur les emballages et les étiquettes et vérifier la conformité avec les réglementations en vigueur. « Les réglementations internationales sont complexes et variées, avec des exigences différentes selon les régions et des mises à jour fréquentes. Cette diversité et cette évolution constante rendent difficile la gestion manuelle des données réglementaires, car nos clients doivent non seulement interpréter et appliquer correctement les régulations locales, mais aussi s'assurer que les produits sont conformes dès leur conception », explique Antoine Daviet. « Avec l’IA qui compare et contrôle, ils vont gagner un temps considérable ».

Enfin, Trace One explore d’autres leviers de création de valeur, comme l'optimisation des recettes et des formulations de produits, en utilisant l'IA pour proposer des modifications qui améliorent la marge bénéficiaire de ses clients tout en respectant les normes de qualité et la réglementation. Et plus globalement, l’éditeur de logiciels étudie toutes les opportunités d’automatisation et de contrôle afin d’éviter à l’humain les tâches chronophages, répétitives et donc fastidieuses ou encore afin de limiter les risques d’erreurs, gagner en précision, améliorer l'agilité et la réactivité face aux défis réglementaires et commerciaux.

Du POC à la production : mise en œuvre accélérée par Vertex AI

Après quelques mois de Proof of Concept (POC), Trace One a démarré l’étape d'industrialisation. « Notre phase de POC a validé divers cas d'usage, comme l'extraction, l'interprétation et la comparaison de données et l'automatisation des processus. Les premiers déploiements sont en cours, avec une finalisation prévue d'ici la fin d'année », précise Laurent Locquette, Chief Technology Officer de Trace One. « Google Cloud Platform, et notamment Google Vertex AI, a joué un rôle majeur dans ce déploiement rapide. L’approche intégrée de Vertex AI, avec tous les outils nécessaires pour concrétiser nos ambitions dans le domaine de l’IA, a en effet simplifié nos développements et accéléré la mise en production, mais aussi joué un rôle déterminant dans le succès du projet : en nous évitant la complexité liée à l'intégration de technologies disparates, nous avons optimisé nos coûts et notre efficacité ».

Cette intégration a également permis à Trace One de minimiser le besoin en compétences techniques diversifiées. « La capacité de Google Cloud Platform à fournir un environnement intégré et managé a réduit la charge opérationnelle, libérant ainsi nos équipes de tâches sans valeur ajoutée pour se consacrer à l'innovation et à l'amélioration de nos services. Cette efficacité accrue renforce notre position de leader dans le PLM et la conformité réglementaire », ajoute Antoine Daviet.

Enfin, les garanties robustes de Google en matière de sécurité ont également simplifié la démarche de Trace One. En confiance, les équipes ont pu se consacrer à la mise en œuvre de cas d’usage, sachant que les données sensibles, telles que les informations réglementaires et commerciales critiques pour leurs clients, étaient bien protégées. Ce haut niveau de sécurité offert par Google Cloud Platform était crucial pour Trace One car il garantit non seulement la conformité légale, mais aussi le maintien de la confiance des clients dans ses solutions.

L'IA, catalyseur d'un leadership renforcé

Tout au long de son projet, Trace One a été accompagnée par le support technique et l’expertise de Google Cloud. Pour Hamza Mahrouch, Data Manager à Trace One, cette assistance continue a non seulement favorisé une montée en compétence rapide de ses équipes sur les technologies de Google Cloud Platform mais elle a aussi été particulièrement utile pour les aider à comprendre et exploiter efficacement les capacités des modèles de langage avancés, tels que Gemini, favorisant ainsi une mise en œuvre plus fluide et efficace des solutions IA.

Forte de ses premiers succès, Trace One ne compte pas s'arrêter en si bon chemin. L'entreprise renforce son équipe R&D dédiée à l'IA, chargée d'explorer de nouveaux cas d'usage et d'affiner les technologies existantes. Cette initiative stratégique vise à intégrer harmonieusement les nouvelles capacités d'IA dans l'ensemble de l'écosystème Trace One, garantissant ainsi une innovation continue et une amélioration constante des services. « L’approche centralisée et managée adoptée par Google Cloud pour ses solutions IA promet une flexibilité et une efficacité accrues dans le déploiement de l’IA à travers nos solutions. Cette nouvelle étape dans notre parcours d'innovation nous permettra non seulement de rester à la pointe de la technologie, mais aussi de continuer à offrir à nos clients des solutions toujours plus performantes et adaptées à leurs besoins. L'IA est bien plus qu’un outil pour nous, c'est un catalyseur qui nous permet de redéfinir les standards de l'industrie du PLM et de la conformité réglementaire », conclut Antoine Daviet.

CybelAngel rejoint Google Cloud Marketplace pour enrichir la protection des clients GCP

Thu, 27 Jul 2023 09:00:00 +0000

Spécialiste de la gestion de la surface d’attaque externe, la jeune pousse française intègre Google Cloud Marketplace afin d’aider les clients Google Cloud Platform à réussir leur transformation numérique en réduisant les risques d’attaque cyber.

Leader sur le marché de la cybersécurité en matière de protection contre les risques numériques, la start-up française CybelAngel s’est imposée grâce à sa technologie unique. La société protège de grands groupes extrêmement concernés par les enjeux sécuritaires. Présente dans de nombreux secteurs d’activité avec des clients faisant partie du CAC 40 (Sanofi, TotalEnergies, Danone ou encore Lagardère), CybelAngel a décidé il y a deux ans de conquérir le marché américain après une levée de fonds en 2020 de 36 millions de dollars au global. Pour se donner les moyens de ses ambitions, elle a migré ses infrastructures sur Google Cloud et rejoint Google Marketplace.

Accompagner les clients Google Cloud Platform dans leur transformation numérique

« Notre mission est étroitement liée à celle de Google Cloud Platform, qui consiste à accélérer la transformation numérique des entreprises », explique Julia Osseland, Directrice Product Marketing de CybelAngel. « La mise à disposition de notre solution sur Google Cloud Marketplace permet aux clients Google Cloud Platform de se protéger en réduisant les risques de manière proactive ».

CybelAngel évolue sur le marché particulièrement sensible de la cybersécurité avec des menaces qui ne cessent de se multiplier et des attaques toujours plus sophistiquées. Dans ce contexte, les entreprises doivent adopter une approche proactive pour se protéger efficacement, en réduisant notamment leur surface d’attaque externe. C’est précisément là qu’intervient CybelAngel. Sa technologie repose sur un scan très performant de l’écosystème numérique. Ses algorithmes à base de ML permettent d’identifier les failles afin de les traiter avant qu’elles ne soient exploitées par des hackers. « Nous travaillons dans le domaine de la prévention », précise Julia Osseland. « Nos algorithmes d’intelligence artificielle sont capables de faire le tri dans les données disponibles sur le web pour identifier ce qui appartient à nos clients et ce qui ne leur appartient pas, ce qui est critique et ce qui ne l’est pas. L’objectif étant bien entendu d’agir avant qu’un problème ne survienne ».

Capitaliser sur Google Cloud Marketplace pour s’imposer sur son marché

Avec une croissance de 100% par an depuis quelques années déjà, CybelAngel double son nombre de clients chaque année. Et la société ne compte pas s’arrêter en si bon chemin. Pour se donner les moyens de ses ambitions, notamment à l’international, elle multiplie les initiatives. Rejoindre Google Cloud Marketplace fait clairement partie de cette stratégie. En tirant parti du partenariat, la société espère accélérer le processus d’achat et conclure plus rapidement des accords avec les clients qui veulent renforcer leur cybersécurité en détectant et réduisant leurs expositions externes.

« Nous sommes une start-up avec des ambitions de développement très élevées », souligne Julia Osseland. « Or, devenir un leader dans le domaine de la gestion de la surface d'attaque externe signifie être capable de toucher davantage d'entreprises qui cherchent à se transformer numériquement. Google Cloud Marketplace nous permet de présenter nos solutions au bon public ».

Concluante, la stratégie adoptée par CybelAngel a rapidement porté ses fruits : quelques jours à peine après avoir rejoint Google Cloud Marketplace, la société signait sa première offre privée (offre publiée par un partenaire Google Cloud dans Producer Portal permettant à un client d'acheter un produit à un prix personnalisé). « C'est une grande victoire pour nos équipes qui reflètent le potentiel du partenariat avec Google Cloud », se félicite Julia Osseland.

Des infrastructures renforcées pour soutenir les ambitions d’expansion

Pour maximiser ses chances de réussir, CybelAngel a fait le choix de migrer ses infrastructures dès 2019 vers Google Cloud. « Nous avions besoin de monter en charge sur le stockage mais également sur les performances de calcul de nos algorithmes avec une solution suffisamment flexible pour accompagner notre croissance », explique Julia Osseland.

Afin de gagner en résilience et en agilité, la société a adopté Google Kubernetes Engine lors de la migration et a opté pour les services managés de Google Cloud dès que l’occasion se présentait. Synonymes de gains de temps, les services managés ont permis à l’équipe SRE de réduire de façon significative le temps consacré à la maintenance, ainsi que le souligne Brice Santus, SRE Manager chez CybelAngel : « La migration vers des services managés s’est traduite par une réorientation de l'effort des équipes vers les problématiques à haute valeur. Elle nous a notamment permis de mettre le focus sur le design d'architecture, le fine tuning de composants clés de l'architecture ou encore la sécurité ».

Dotée d’une infrastructure robuste et fiable, capable de monter en charge facilement pour accompagner ses ambitions de croissance, CybelAngel s’est aussi libérée des tâches à faible valeur ajoutée grâce à Google Cloud et peut ainsi accompagner ses clients avec des solutions toujours plus pointues.

Notre engagement en faveur de l’open source libère l’innovation en IA et ML

Fri, 13 Jan 2023 09:00:00 +0000

Chez Google, nous sommes convaincus que tout le monde devrait et pourra bientôt concrétiser ses idées autour de l’intelligence artificielle. Et les logiciels open source (Open Source Software - OSS) jouent un rôle essentiel à la concrétisation de cet objectif, rythmant les innovations dans les écosystèmes IA et ML de manière significative.

Au cours des deux dernières décennies, le ML a transformé les services Google, notamment Search, YouTube, Assistant et Maps. Toutes ces transformations ont été opérées selon notre approche "open first" (d’abord ouverte), à travers nos investissements dans des projets et écosystèmes tels que TensorFlow, Jax ou encore PyTorch.

Ces efforts en faveur de solutions open source sont importants car trop de technologies IA reposent sur des approches fermées ou exclusives. Or ces démarches cloisonnées créent des barrières à l'entrée pour les développeurs. Elles freinent l'innovation et limitent les efforts visant à rendre l'IA explicable, éthique et équitable. Nous sommes fermement convaincus qu’aucune entreprise ne devrait « posséder » l'innovation en matière d'IA/ML. C’est la raison de notre engagement en faveur d'écosystèmes ouverts. Dans cet article, nous vous proposons de passer en revue certaines contributions OSS majeures réalisées par Google en matière d'IA et de ML au cours des dernières années. Au passage, nous vous proposons également de découvrir comment notre engagement envers les technologies ouvertes peut aider les entreprises à innover plus rapidement et avec plus de souplesse.

L’ouverture s’applique à tout un écosystème et pas uniquement à un projet donné

La démarche OSS de Google pour lancer ou enrichir des initiatives IA est articulée autour de trois grands principes :

L’accès – Les logiciels open source permettent aux développeurs, aux chercheurs et aux organisations de toutes tailles de tirer parti des dernières technologies ML. Il s'agit d'un élément clé pour démocratiser l'innovation dans le domaine du Machine Learning et favoriser la diversité en laissant les clients choisir leurs logiciels mais aussi pour réduire les coûts d'exploitation tout en accélérant la mise à l'échelle pour tous.
La transparence – Quand ils sont open source, les jeux de données, les algorithmes ML, les modèles d'entraînement, les frameworks et les compilateurs bénéficient de la vigilance et de la validation d’une plus large communauté. Dans le domaine du ML, c’est fondamental car cette vigilance et cette validation étendues renforcent la reproductibilité, l'interprétabilité, l'équité et la sécurité.
L’innovation – Avec plus d'accès et de transparence, l'innovation vient naturellement. Nos clients et partenaires profitent des outils et framework ML open source pour innover davantage en contribuant à l’écosystème avec leurs propres OSS.

L'engagement continu de Google en faveur de l'IA open source

Voilà plus de deux décennies que Google s’est engagé sur la voie des standards ouverts. En témoignent ses contributions OSS à TensorFlow, JAX, TFX, MLIR, KubeFlow ou encore Kubernetes sans oublier le soutien d'initiatives OSS essentielles dans le domaine de la datascience telles que les projets Jupyter et NumFOCUS. Ces différentes initiatives ont permis à Google de devenir le premier contributeur de la Cloud Native Computing Foundation (CNCF). À travers ces différentes contributions, Google Cloud cherche aussi à devenir la meilleure plateforme pour la communauté et l'écosystème IA open source.

Une technologie propriétaire peut se glisser à de nombreux endroits différents dans les pipelines ML. C'est pourquoi la stratégie OSS de Google prend en compte l'ensemble du cycle de vie, de l'idée initiale à la mise en production, de l'acquisition des données à la formation des modèles, en passant par la gestion de l'infrastructure et la simplification ainsi que le perfectionnement des modèles :

Acquisition de données, point de départ de tout projet ML

Tout projet ML commence par l’acquisition de données. Les collections d’ensembles de données de TensorFlow (TensorFlow Datasets) aident les utilisateurs à acquérir des jeux de données prêts à l'emploi, personnalisables et hautement optimisés (y compris des images, du son et du texte). Elles fournissent également des API qui facilitent l'organisation de vos propres jeux de données, qu'ils soient construits avec TensorFlow, Jax ou d'autres frameworks ML.

Développement et entraînement des modèles : de la data au ML utile

Les bibliothèques OSS aident les développeurs et les chercheurs à concevoir, mettre en œuvre, former, tester et déboguer les algorithmes ML. Nos contributions dans ce domaine comprennent :

Le cœur du framework TensorFlow. Il propose des APIs pour aider les data-scientists et les développeurs à construire et à entraîner des modèles ML de qualité sur une infrastructure distribuée et accélérée par des GPU ou des TPU ;
L’adhésion de Google à la Fondation PyTorch pour créer un écosystème de projets open source avec PyTorch. Google peut ainsi favoriser une plus grande adoption du ML ;
Keras, framework ML simple et puissant bien intégré à TensorFLow, permet aux développeurs de construire et d'entraîner rapidement des modèles ML, ou d'exploiter des applications IA préentraînées ;
Model Garden, fournit des implémentations de nombreux modèles de vision par ordinateur et de traitement du langage naturel à la pointe de la technologie ainsi que des API pour accélérer l'entraînement et les expérimentations. Ils sont maintenus par Google et accessibles à tous ;
Jax est un framework allégé, intuitif et modulaire conçu pour accélérer la recherche en IA et passer en production plus rapidement. Il combine un ensemble de fonctions de transformation dont la différenciation automatique (Autograd) avec un compilateur XLA (Accelerated Linear Algebra);
TensorFlow Hub, un référentiel de modèles ML préentraînés, prêts à être optimisés et déployés;
MediaPipe, une solution open source multiplateforme, qui permet d’intégrer et exploiter des solutions ML personnalisées au cœur de la diffusion de médias (textes, vidéos, etc.) en direct et en continu.

Gestion de l'infrastructure ML : mise à l'échelle de modèles utiles avec des backends puissants

Disposer de l'infrastructure adaptée au ML et la gérer, surtout quand le modèle doit être déployé à l'échelle, peut être un frein pour de nombreuses organisations. C'est pourquoi Google a investi dans des initiatives telles que :

La plateforme TFX (ou TensorFlow Extended) qui propose des frameworks logiciels et des outils pour des déploiements MLOps (machine learning operations) complets. Ses fonctions d’automatisation des données, de suivi des modèles, de surveillance des performances et de recyclage des modèles facilitent le travail des développeurs.
Kubeflow rend les déploiements de workflows ML sur Kubernetes plus simples, portables et évolutifs ;
TRC (TPU Research Cloud) donne accès gratuitement à un cluster de plus de 1 000 machines TPU dans le Cloud à des chercheurs sélectionnés qui publient des articles évalués par des pairs et/ou du code source ouvert.

Expérimentation et optimisation des modèles : encourager la découverte et l'itération

Sans de solides processus d'expérimentation et d'optimisation, les données, les outils pour entraîner les modèles et l'infrastructure ne peuvent pas faire grand-chose. C'est pourquoi nous avons contribué à des projets tels que xManager, qui permet d'exécuter et de suivre des expérimentations ML non seulement localement mais aussi sur Vertex AI et Tensorboard. xManager, simplifie le suivi et la visualisation des mesures de performance des modèles.

Ces différentes contributions aident non seulement nos clients mais également la communauté open source IA dans son ensemble. Nous attendons avec impatience l’occasion de partager d'autres annonces OSS dans les jours et les mois à venir.

Pour découvrir les raisons pour lesquelles de nombreuses entreprises choisissent Google Cloud pour leurs besoins en matière d'IA open source, consultez notre page "open cloud" et découvrez nos nombreuses sessions en replay de Google Cloud Next '22 pour découvrir nos dernières annonces et nos technologies IA et ML en open source.

Présentation de « gcloud storage » : des transferts de données jusqu'à 94 % plus rapides pour Cloud Storage

Thu, 24 Nov 2022 08:00:00 +0000

Les clients de Cloud Storage nous demandent souvent quel est le moyen le plus rapide d'ingérer et d'extraire des données de leurs « buckets ». Pour obtenir les meilleures performances, les utilisateurs doivent souvent connaître les bons réglages et paramètres afin d’optimiser les vitesses de transfert. Dans bien des cas, les clients utilisent Cloud Storage parallèlement à d'autres services Google Cloud et recherchent un outil unique qui puisse être utilisé pour gérer tous leurs actifs Google Cloud.

Présentation de gcloud storage – une nouveauté du Google Cloud CLI

Google Cloud CLI (alias, CLI gcloud) est une interface en lignes de commandes pour piloter Google Cloud et ses services sans passer par l’interface Web. La CLI gcloud peut être utilisée pour créer et gérer les ressources et services de Google Cloud directement à partir de lignes de commande ou via des scripts. « gcloud storage » est le tout dernier ajout à cet ensemble de commandes. Ce jeu de commandes vient moderniser l'expérience CLI des services Google Cloud Storage.

Performance du transfert de données

Aux yeux des clients, comme aux nôtres, les taux de transfert de données sont des données importantes car ils déterminent le taux d'utilisation des données pour obtenir des insights utiles à l’entreprise.

La nouvelle CLI « gcloud storage » offre des améliorations de performance significatives par rapport à l'option existante gsutil, une application Python vous permettant d'accéder à Cloud Storage via l’interface CLI.

Pour démontrer la différence de performance entre « gsutil » et « gcloud storage », nous avons testé des scénarios avec un seul puis de multiples fichiers. Lors du transfert de 100 fichiers d'une taille de 100 Mo, « gcloud storage » s’est révélé 79 % plus rapide que gsutil en download et 33 % plus rapide en upload en utilisant une stratégie d’upload de type « importation composite parallèle » (cf Figure 1).

Avec un unique fichier de 10 Go, « gcloud storage » s’est montré 94 % plus rapide que gsutil en download et 57 % plus rapide en upload (cf figure 2). Ces tests ont été effectués sur Google Cloud Platform en utilisant des machines « n2d-standard-16 » (avec 8 vCPUs, 32 GB de mémoire) dotées d’un disque de 375 Go en NVME et RAID0 sur la région « us-east4 ».

Ces taux de transfert plus rapides de « gcloud storage » résultent de deux innovations. Tout d'abord, « gcloud storage » utilise des outils de hachage plus rapides pour la vérification de l'intégrité des données CRC32C qui évitent la configuration compliquée requise pour gsutil. Deuxièmement, cette nouvelle interface CLI utilise une nouvelle stratégie de parallélisation qui traite la gestion des tâches comme un problème de graphes, ce qui permet d'effectuer plus de travaux en parallèle avec beaucoup moins de surcharge (overhead).

Un outil plus convivial

Outre les performances accrues, l’interface en ligne de commandes CLI gcloud fournit un moyen pratique et cohérent de gérer l’ensemble des ressources Google Cloud, y compris les Buckets de Cloud Storage Buckets, les VMs Compute Engine, et les clusters GKE (Google Kubernetes Engine).

La CLI « gcloud storage » détecte automatiquement les paramètres optimaux et accélère les transferts sans nécessiter aucun paramètre de la part des utilisateurs. Dans « gcloud storage », toutes les opérations se déroulent en parallèle. À titre d'exemple, les « importations composites parallèles » sont activées automatiquement en fonction de la configuration du bucket. Il s'agit d'une amélioration considérable par rapport à gsutil, qui nécessite le paramètre « -m » (opérations parallèles) pour améliorer les performances des téléchargements en amont et en aval.

De manière générale, la CLI « gcloud storage » réduit considérablement le nombre de commandes de premier niveau que les utilisateurs doivent connaître pour gérer leurs ressources Cloud Storage. En effet toutes les commandes sont ici regroupées sous des en-têtes communes faciles à mémoriser : par exemple, toutes les opérations de Bucket sont regroupées sous « gcloud storage buckets <command> » et toutes les opérations d'objets sont regroupées sous « gcloud storage objects <command> ».

La transition vers la CLI « gcloud storage » est d’autant plus simple que nous avons introduit un shim (autrement dit un outil de transcription) qui permet aux scripts gsutil existants d'être exécutés en tant que scripts « gcloud storage ». Cela vous permet de bénéficier de tous les avantages de performance de la nouvelle interface CLI sans avoir à réécrire vos scripts Cloud Storage existants basés sur gsutil.

Activer « gcloud storage »

L’interface CLI « gcloud storage » est disponible dès à présent et vous pouvez l'utiliser sans frais supplémentaires. Pour l’obtenir, installez - ou faites une mise à niveau vers - la dernière version du SDK Google Cloud. Pour en savoir plus sur l’interface CLI « gcloud storage », veuillez consulter la documentation en ligne.

Les nouveautés liées à l’infrastructure data cloud unifiée de Google Cloud

Thu, 06 Oct 2022 08:00:00 +0000

Google compte parmi ses clients de nombreuses entreprises qui se distinguent par leur capacité à innover. Beaucoup d’entre elles se sont tournées vers Google Cloud afin de bénéficier de notre expertise reconnue dans le domaine de l’analyse de données et de l’IA.

Au fil de notre collaboration avec ces entreprises bien avancées sur l’exploitation de la donnée, nous avons constaté que la majorité partageait des priorités similaires : éliminer les obstacles liés à la complexité des données, faire émerger de nouveaux cas d’usage et maximiser l’impact de la donnée tout en démocratisant son accès au plus grand nombre.

Pour innover, ces entreprises qui bousculent leur marché s’appuient sur une infrastructure data cloud qui permet à leurs collaborateurs d’avoir accès à tout type de données, provenant de n’importe quelle source quelle que soit sa taille. Et ce, sans limite de capacité et avec des performances optimales. Ce data cloud permet également aux collaborateurs de passer facilement d’un workload à l’autre, en toute sécurité, et avec une configuration d’infrastructure minimale, qu’il s’agisse de basculer de SQL à Spark, de la BI (Business Intelligence) au ML (Machine Learning). Autrement dit, ces entreprises s’appuient sur un data cloud pour donner naissance à un écosystème de données ouvert, socle indispensable pour créer des services que les collaborateurs, les clients et les partenaires utilisent afin de prendre des décisions à même de changer la donne.

Le 11 octobre prochain, à l'occasion du Google Cloud Next '22, vous pourrez découvrir les nouvelles fonctionnalités de notre data cloud. Elles ont été spécialement conçues pour répondre aux attentes des entreprises qui souhaitent mettre en place cette approche moderne de la donnée. Si vous n’êtes pas encore inscrit aux sessions Data Cloud, réservez votre place dès aujourd’hui !

Je suis toutefois convaincu que les passionnés de data n’auront pas la patience d’attendre. C’est pourquoi je vous propose de découvrir en avant-première certaines des dernières innovations apportées à notre data cloud. La plupart sont disponibles dès à présent. Considérez-les comme un hors-d'œuvre en attendant le foisonnant festin qui vous sera proposé le 11 octobre.

Supprimer les barrières, obtenir des analyses en temps réel et ouvrir les écosystèmes

Les données dont vous avez besoin sont rarement stockées dans un seul endroit. Le plus souvent, elles sont éparpillées entre plusieurs sources et dans différents formats. Des mécanismes d’échange entre ces différentes sources ont été mis en place il y a déjà plusieurs années, voire des décennies. Mais les résultats sont plutôt mitigés. L’approche traditionnelle suppose en effet des déplacements de données d’autant plus laborieux qu’ils sont complexifiés par des problématiques de sécurité et de réglementations.

Cette situation nous a conduits à concevoir Analytics Hub. Disponible à tous dès à présent, cette solution se concrétise sous la forme d’une plateforme de partage de données, utilisée par les équipes et les organisations qui veulent réaliser des échanges sécurisés et fiables en interne comme avec l’extérieur de l’entreprise.

Cette innovation permet non seulement de conserver et de partager un large éventail de jeux de données prêts pour l’analyse mais également de les combiner aux jeux de données uniques proposés par Google, tels que Google Search Trends ou encore notre graphe de connaissances Data Commons.

Analytics Hub fait partie intégrante de BigQuery. Autrement dit, vous pouvez l’essayer gratuitement en passant par BigQuery, sans avoir à saisir de données de paiement.

Analytics Hub n’est évidemment pas le seul moyen que nous proposons pour simplifier l'intégration de données à des fins analytiques. Nous avons en effet récemment annoncé une solution pour extraire, charger et transformer des données en temps réel dans BigQuery : le nouveau type d’abonnement Pub/Sub "BigQuery Subscription". Cette innovation apportée à l’ETL simplifie la mise en place de workloads d’ingestion en continu (streaming). Plus facile à mettre en œuvre, cette solution est aussi plus économique car vous n’avez plus besoin d’exécuter de nouveaux traitements pour déplacer vos données et vous n’avez plus à payer pour l’ingestion en continu dans BigQuery.

Dans un monde où de plus en plus d’entreprises cherchent à réconcilier des informations réparties entre différents datalakes, entrepôts, clouds et formats de fichiers, l’approche traditionnelle pour dé-siloter les données peut s’avérer coûteuse, risquée, et difficile à passer à l’échelle.

Afin de les accompagner dans leur démarche, nous avons lancé BigLake, un nouveau moteur de stockage qui étend les nouveautés apportées à BigQuery aux formats de fichiers ouverts, stockés sur les « objects store » de clouds publics.

BigLake permet aux clients de créer aisément des datalakes sécurisés à partir de formats de fichiers ouverts. Il propose aussi des contrôles de sécurité fins et cohérents que ce soit pour Google Cloud ou pour des moteurs de requête open-source. La configuration de la sécurité est donc centralisée à un seul endroit et appliquée partout.

Des clients comme Deutsche Bank, Synapse LLC et Wizard ont eu l’occasion d’exploiter BigLake avant sa sortie. Cette solution est depuis peu accessible à tous. Je vous invite à découvrir dès à présent comment BigLake peut vous aider à construire votre propre écosystème de données.

Simplifier l’exploitation de la donnée

Quand les données sont hétérogènes et éparpillées entre des sources très variées, les entreprises ont généralement du mal à innover car leurs collaborateurs doivent sans cesse changer d’outils en fonction de la tâche à réaliser.

C’est un problème récurrent rencontré en Machine Learning, où les interfaces ML diffèrent généralement de celles utilisées pour la BI. Mais ce n’est pas le cas avec BigQuery ML : les clients ne sont pas freinés dans leur capacité à innover car les fonctionnalités ML sont intégrées à BigQuery (et non pas en option comme dans bien des solutions du marché).

Nous appliquons désormais la même philosophie aux données de logs en proposant un service Log Analytics directement intégré au service Cloud Logging. Cette nouvelle fonctionnalité, actuellement en « preview », permet d’approfondir l’analyse des données de journalisation avec BigQuery. Log Analytics n'entraîne pas de facturation supplémentaire aux tarifs actuels de Cloud Logging et tire profit des fonctionnalités d’analyse de journaux de BigQuery qui seront bientôt disponibles : index de recherche (et son nouveau type de données JSON) et l’API « Storage Write » (API d’ingestion de données par lots de BigQuery).

Les clients qui stockent, explorent et analysent leurs propres « données machines » (autrement dit des données générées par des machines telles que des serveurs, des capteurs et autres dispositifs) peuvent exploiter ces mêmes fonctionnalités BigQuery pour faciliter l'interrogation de leurs journaux. Les données des journaux opérationnels peuvent ainsi être explorées avec le langage SQL BigQuery, comme n’importe quelle autre donnée de l’entreprise !

Tout ceci n’est bien entendu qu’un avant-goût des surprises que nous vous réservons à l’occasion de Next'22. Nous avons hâte de vous présenter notre nouvelle génération de solutions data cloud, dès le 11 octobre prochain. Pour participer aux sessions dédiées à vos centres d’intérêt ou à votre domaine de compétences, n’hésitez pas à consulter notre sélection des « Top sessions » pour Data-Engineers, Data-Scientists et Data-Analysts ou à créer vos propres listes et à les partager.

Rejoignez-nous à Next'22 pour découvrir comment des entreprises leader sur leur marché, telles que Boeing, Twitter, CNA Insurance, Telus, L'Oréal ou encore Wayfair, transforment l’exploitation de leurs données grâce au data cloud de Google.

Inscrivez-vous à Google Cloud Next ’22

Thu, 22 Sep 2022 14:00:00 +0000

Le coup d'envoi de Google Cloud Next '22 sera donné le 11 octobre à 18h00 (heure française). Au programme, un marathon de 24h de présentations avec une diffusion mondiale et en direct depuis cinq sites dans le monde : New York, Sunnyvale, Tokyo, Bengaluru et Munich.

Vous pourrez y découvrir ces expériences et visions d’experts qui façonnent le futur de l’informatique. Vous pourrez enrichir vos connaissances grâce aux conseils et bonnes pratiques des leaders de Google Cloud. Vous pourrez aussi découvrir comment les principaux influenceurs de notre communauté relèvent les plus grands défis des entreprises.

Rejoignez-nous en virtuel et en live sur le site Web Google Cloud Next pour découvrir les dernières annonces, les produits et la technologie Google Cloud mais aussi pour accéder à du contenu technique et aux formations.

Venez nous rencontrer en présentiel à l’occasion de l'un des 200 événements physiques organisés sur les six continents. En collaboration avec nos communautés de partenaires et de développeurs, nous sommes ravis d'organiser une série d’événements physiques dans le monde entier. Pour être automatiquement alerté sur l’organisation d’un évènement en présentiel dans votre région, commencez par vous inscrire à Next '22.

Quel que soit votre projet, vous trouverez sur Next '22 toutes les informations et l’expertise dont vous avez besoin, avec des parcours personnalisés en fonction de votre profil : développeurs d'applications, data-scientists, data-engineers, architectes système et développeurs low/no-code.

Afin de proposer un évènement le plus inclusif possible, l’accès à Google Cloud Next est accessible à tous.

Et pour vous mettre encore plus l’eau à la bouche, voici quelques informations excitantes de dernière minute :

Contenus dans votre langue préférée. L'expérience web de Next '22 sera traduite en neuf langues à l'aide de l'API Cloud Translate. Les contenus du livestream et des sessions bénéficieront, quant à eux, de la fonction de sous-titrage temps-réel de YouTube, qui prend en charge plus de 180 langues.

Votre propre liste de lecture (playlist). Créez, construisez, explorez et partagez vos propres playlists personnalisées ou découvrez celles spécifiquement créées par Google Cloud.

Rencontres avec d'autres développeurs. Accédez à des zones dédiées aux développeurs grâce aux « Innovators Hive livestreams ». Inscrivez-vous à nos événements « en personne ». Participez aux expériences développeurs, aux défis et autres courses de drones ludiques pour remporter badges et succès. Téléchargez des ressources spécialisées et vraiment utiles.

Partager avec votre communauté. Afin de vous immerger totalement dans les contenus proposés, utilisez les tchats des sessions pour échanger avec les autres participants et poser des questions aux présentateurs.

Inscrivez-vous dès aujourd’hui à l'événement Next '22

Entrez en contact avec des experts, laissez-vous inspirer et améliorez vos compétences. La participation à l'expérience Next '22 est gratuite. Nous sommes impatients de vous retrouver et nous ne manquerons pas de vous tenir au courant des différents moyens mis à votre disposition pour échanger avec la communauté Google Cloud de votre région.

Demain commence aujourd'hui… à Next.

Cliquez ici pour vous inscrire

Forrester désigne Google Cloud comme un leader des plates-formes d'analyse de documents

Wed, 24 Aug 2022 08:00:00 +0000

La mission de Google, sa raison d’être, est d’organiser l’information mondiale pour la rendre universellement accessible et utile. Google Search n’est pas la seule concrétisation de cette mission. D’autres solutions comme la suite Document AI ou la plateforme Vertex AI (sur laquelle est justement bâtie Document AI) poursuivent le même objectif.
Pour remplir leur mission, ces solutions s’appuient sur de puissantes capacités d’extraction de données structurées à partir de sources non structurées.

Depuis le lancement de Document AI, fin 2020, nous n’avons cessé d’adapter nos technologies sous-jacentes pour aider les entreprises à relever leurs défis parfois très complexes dans la gestion des données non structurées.

Voir les clients adopter ces solutions est évidemment très gratifiant. Obtenir la reconnaissance d’experts l’est également. Le cabinet mondial de recherche et de conseil Forrester Research vient ainsi de désigner Google Cloud comme « leader » dans deux rapports rédigés par Boris Evelson et récemment publiés :
- The Forrester Wave™ : Document-Oriented Text Analytics Platforms, Q2 2022
- et The Forrester Wave™ : People-Oriented Text Analytics Platforms, Q2 2022.

Les guides The Forrester Wave™ sont des aides importantes pour les acheteurs qui envisagent différentes options technologiques et s'appuient sur l'analyse et l'opinion objectives de Forrester.

Notre suite Document AI aide les entreprises, grandes et petites, à automatiser la capture de données à grande échelle afin d'améliorer l’efficacité de leurs processus métiers et réduire les coûts de traitement des documents. Outre nos processeurs universels d'OCR (reconnaissance optique de caractères), qui permettent d'identifier et d'extraire le texte des documents dans plus de 200 langues pour les textes imprimés et 50 langues pour les textes manuscrits, nous avons également investi dans des analyseurs spécialisés pour les achats, les contrats, les prêts et, plus récemment, l'identité. Autant d’analyseurs intelligents nés des défis auxquels nos clients - notamment des services financiers, du retail ou du secteur public - ont été confrontés.

Dans son analyse « The Forrester Wave™ : Document-Oriented Text Analytics Platforms, Q2 2022 », Forrester reconnaît ainsi la pertinence de nos investissements et l’efficacité de nos innovations : « Les points forts de Google Cloud sont notamment la capture de documents, l'analyse d'images, les capacités de gestion du cycle complet ModelOps, la sécurité des données non structurées et l'intégration avec Looker, la plateforme de BI augmentée de Google Cloud. »

Les liens étroits tissés entre Google Cloud et Google Research nous permettent d'intégrer très rapidement des technologies d’avant-garde dans nos solutions. Les grands modèles de langage comme LaMDA (notre technologie de conversation révolutionnaire) et MUM (Multitask Unified Model, qui peut traiter des requêtes et des informations complexes dans du texte et des images) sont deux exemples d’innovations issues de la recherche que nous utilisons pour développer nos services Document AI.
Cette étroite connexion entre Google Cloud et Google Research est d’ailleurs saluée dans les deux rapports The Forrester Wave autour de l'analyse de texte. Dans « The Forrester Wave™ : Document-Oriented Text Analytics Platforms, Q2 2022 report », Forrester écrit par exemple : « La stratégie d'analyse de texte de Google est impressionnante, en particulier son développement et son utilisation de modèles de langage - comme son propre La MDA pour améliorer la recherche cognitive via une UX conversationnelle, la solution BERT open-source, ou le partenariat avec le projet PEGASUS pour le résumé de documents. »

Nos clients tels que Mr. Cooper, Workday, Unified Post, l'État d'Hawaï et bien d'autres témoignent non seulement de l'efficacité et de la rapidité du traitement des documents via Document AI mais aussi de leur satisfaction du service client. Si vous êtes, vous aussi, confrontés à des workloads documentaires et que vous n'êtes pas satisfait de l'efficacité, de la précision ou du coût de vos processus actuels, demandez à votre responsable commercial Google Cloud comment Document AI peut aider votre entreprise.

Vous pouvez lire les conclusions de « The Forrester Wave™ : Document-Oriented Text Analytics Platforms, Q2 2022 » en téléchargeant votre copie gratuite ici.

Vos SLOs sont-ils réalistes ? Ou comment analyser vos risques comme un SRE

Tue, 12 Jul 2022 08:00:00 +0000

Définir les SLO (ou objectifs de niveau de service) est l’une des tâches fondamentales des pratiques SRE (Site Reliability Engineering ou « ingénierie de la fiabilité des sites »). Un SLO précise à l’équipe SRE, l’objectif cible à atteindre pour évaluer si un service est suffisamment fiable ou pas. L'inverse du SLO est ce qu’on appelle le « budget d'erreur » (error budget), c'est-à-dire le niveau de manque de fiabilité que vous êtes prêt à tolérer et à assumer financièrement. Une fois ces objectifs identifiés et leur définition apprivoisée, la question suivante consiste à savoir si vos SLO sont réalistes compte tenu de l’architecture de votre application et des pratiques de vos équipes. Êtes-vous sûr de pouvoir les atteindre ? Et qu'est-ce qui est le plus susceptible de dévorer votre budget d'erreur ?

Chez Google, les SRE répondent à ces questions dès la prise en charge d’un nouveau service, dans le cadre d'une revue de préparation à la production (PRR – Production Readiness Review). L'objectif de cette analyse des risques n'est pas de vous inciter à modifier vos SLO, mais plutôt de hiérarchiser (et de communiquer sur) les risques liés à un service donné, afin que vous puissiez évaluer si vous serez en mesure de respecter vos SLO, avec ou sans modification du service. En outre, une telle analyse peut vous aider à identifier les risques les plus importants, avec comme volonté finale de les hiérarchiser et de les atténuer.

« Vous pouvez rendre votre service plus fiable en identifiant et en atténuant les risques. »

Les bases de l'analyse des risques

Avant de pouvoir évaluer et hiérarchiser vos risques, vous devez dresser une liste exhaustive des éléments à surveiller. Cet article a justement pour vocation de fournir quelques lignes directrices aux équipes chargées de réfléchir à tous les risques potentiels liés à une application ou un service. Une fois cette liste établie, nous vous montrerons comment analyser et hiérarchiser les risques que vous avez identifiés.

Quels sont les risques à prendre en compte ?

Lors d’un brainstorming sur les risques potentiels, il est important d’essayer de les cartographier en les regroupant dans différentes catégories : risques liés aux dépendances, à la surveillance, aux ressources, aux opérations, au processus de publication. Pour chacun d’eux, imaginez ce qui se passera si des défaillances spécifiques se produisent, par exemple si un fournisseur tiers est en panne ou si vous introduisez un bug applicatif ou de configuration.

Lorsque vous réfléchissez aux mesures à mettre en place, posez-vous les questions suivantes :

Y a-t-il des lacunes dans vos capacités d’observabilité ?
Avez-vous des alertes pour ce SLI spécifique ?
Collectez-vous déjà les mesures utiles ?

Veillez également à cartographier toutes les dépendances de surveillance et d'alerte. Typiquement, que se passe-t-il si un système managé que vous utilisez tombe en panne ?

Idéalement, il vous faudra identifier les risques associés à chaque point de défaillance pour chaque composant critique dans un parcours utilisateur critique, ou CUJ. Et après avoir identifié ces risques, il vous faudra les quantifier :

Quel pourcentage d'utilisateurs sera affecté par la défaillance ?
À quelle fréquence estimez-vous que cette défaillance se produira ?
Combien de temps faudra-t-il pour détecter la défaillance ?

Il est également très utile de recueillir des informations sur tout incident survenu au cours de l'année écoulée et ayant impacté les CUJ. Un brainstorming repose essentiellement sur votre intuition. Mais s'appuyer sur des données historiques fournit des estimations plus précises et un bon point de départ pour cerner les incidents réels. Typiquement, vous pouvez envisager des incidents tels que :

Un incident de configuration qui réduit la capacité, provoquant une surcharge et des requêtes abandonnées.
Une nouvelle version qui casse un petit ensemble de requêtes. La panne n'est pas détectée pendant une journée. Un retour en arrière rapide lorsqu'elle est détectée.
Une panne de réseau ou de machine virtuelle dans une seule zone chez un fournisseur de services cloud.
Une panne régionale des VM ou du réseau d'un fournisseur Cloud.
Un opérateur qui supprime accidentellement une base de données, ce qui nécessite une restauration à partir d'une sauvegarde.

Autre aspect à ne pas négliger, les facteurs de risque ! Il s'agit de facteurs globaux qui affectent le temps global de détection (TTD) et le temps de réparation (TTR). Il s'agit généralement de facteurs opérationnels qui peuvent augmenter le temps nécessaire à la détection des pannes (par exemple lors de l'utilisation de mesures en appui sur les logs) ou nécessiter l'alerte des ingénieurs d'astreinte. Un autre exemple pourrait être le manque de documentations ou le manque de procédures automatiques. Par exemple, vous constatez :

Un temps estimé de détection (ETTD) de +30 minutes en raison d'une surcharge opérationnelle notamment liée à des alertes bruyantes.
Une fréquence accrue de 10 % d'une éventuelle défaillance, en raison du manque de « post-mortems » (analyses post-incident) ou de suivi des actions.

Bonnes pratiques de Brainstorming…

Au-delà des aspects techniques d’un risque potentiel pour un service donné et des questions vues ci-dessus et qu’il est essentiel de se poser, il existe aussi quelques bonnes pratiques à prendre en compte lors de la tenue d'une session de brainstorming avec votre équipe.

Commencez la discussion par un schéma fonctionnel de haut niveau de votre service, de ses utilisateurs et de ses dépendances.
Collectez un ensemble d'opinions diverses dans la salle en interrogeant différents rôles dont le rapport avec le produit au cœur des discussions diffère du vôtre. Évitez de donner la parole à une seule partie. Demandez aux participants comment chaque élément du diagramme pourrait provoquer une erreur perceptible par l'utilisateur. Regroupez les causes similaires dans une seule catégorie de risque, telle que "panne de la base de données" par exemple.
Essayez d'éviter de passer trop de temps à discuter de choses pour lesquelles le temps estimé entre deux défaillances est supérieur à quelques années, ou pour lesquelles l'impact est limité à un très petit sous-ensemble d'utilisateurs.

Création du catalogue de risques

Soyons clairs. Il ne sert à rien d’élaborer une liste interminable de risques. En pratique, sept à douze risques par indicateur de niveau de service (SLI) sont suffisants. L'essentiel, c’est que les données collectées capturent les risques critiques et à forte probabilité.

Il est préférable de commencer par des pannes réelles, déjà rencontrées sur ce service ou un service similaire. Des pannes qui peuvent être aussi banales que l’indisponibilité d’un service appelé ou du réseau.
Intéressez-vous à la fois aux problèmes liés à l'infrastructure et à ceux liés aux logiciels.
Pensez aux risques qui peuvent affecter le SLI, le temps de détection et le temps de résolution, ainsi que la fréquence - plus de détails sur ces mesures ci-dessous.
Collectez à la fois les risques issus du catalogue de risques et les facteurs de risques (facteurs globaux). Typiquement, le risque de ne pas disposer d'un playbook augmente le délai de réparation ; le risque de ne pas disposer d'alertes pour les CUJ augmente le délai de détection ; le risque d'un retard de synchronisation des journaux de x minutes augmente d'autant le délai de détection. Ensuite, cataloguez tous ces risques et leurs impacts associés dans un onglet d'impacts globaux.

Voici quelques exemples de risques :

Une nouvelle version interrompt un petit nombre de requêtes ; l’anomalie reste non détectée pendant une journée ; retour en arrière rapide une fois détectée.
Une nouvelle version brise un sous-ensemble important de requêtes ; et pas de retour en arrière automatique.
Un incident de configuration réduit la capacité ; il engendre un pic d'utilisation non immédiatement repéré.

Recommandation : L'examen des données ou des résultats de la mise en œuvre du SLI vous donnera une bonne indication de votre situation par rapport à la réalisation de vos objectifs. Je recommande de commencer par créer un tableau de bord pour chaque CUJ - idéalement un tableau de bord comprenant des mesures qui vous permettront également de dépanner et de déboguer les problèmes de réalisation des SLO.

Analyse des risques

Maintenant que vous avez dressé une liste des risques potentiels, il est temps de les analyser, afin de hiérarchiser leur probabilité et de trouver les éventuels moyens de les atténuer. En d'autres termes, il est temps de procéder à une analyse des risques.

L’analyse de risques doit s’appuyer sur une approche basée sur les données afin d’adresser et prioriser les risques en les évaluant selon 4 dimensions clés : les TTD et TTR déjà susmentionnés, le délai entre les défaillances (TBF), et leur impact sur les utilisateurs.

Dans le guide « Shrinking the impact of production incidents using SRE principles » (réduire l’impact des incidents en production à l’aide des principes SRE), nous proposons un diagramme du cycle des incidents de production. Dans ce dernier, reproduit ci-dessous, la zone bleue représente les moments où les utilisateurs sont satisfaits, et celle en rouge ceux où ils sont mécontents.

Le temps pendant lequel vos services ne sont pas fiables et vos utilisateurs sont mécontents dépend directement du temps de détection et du temps de réparation. Il est aussi affecté par la fréquence des incidents (qui peut être traduit en temps entre les défaillances).

Il en résulte que l’on peut améliorer « la fiabilité » en augmentant le temps entre les pannes, en diminuant le temps de détection ou le délai de réparation et, bien sûr, en réduisant l'impact des pannes en premier lieu.

Concevoir votre service pour qu’il soit résilient contribue à réduire la fréquence des pannes générales. Il faut éviter les points de défaillance uniques (single points of failure) au sein de votre architecture, qu'il s'agisse d'une instance individuelle, d'une zone de disponibilité ou même d'une région entière. Objectif : empêcher qu'une petite panne localisée ne fasse boule de neige et n'entraîne un temps d'arrêt mondial...

Pour réduire l’impact d’un incident sur vos utilisateurs, il faut chercher soit à réduire le pourcentage d’infrastructure affectée ou le pourcentage d’utilisateurs touchés, soit à diminuer les requêtes (par exemple en limitant une partie des demandes plutôt que de toutes les traiter). Afin de réduire le rayon d’action des pannes, cherchez à éviter les changements globaux et optez pour des stratégies de déploiement avancées qui permettent un déploiement progressif des changements sur plusieurs heures, jours voire semaines. Ceci permet de réduire le risque de panne majeure et l’identification des problèmes avant que tous les utilisateurs n’en soient affectés.

Au-delà de ces mesures de bon sens, disposer de pipelines robustes d'intégration continue et de livraison continue (CI/CD) vous permet de déployer et de revenir en arrière en toute confiance et de réduire l'impact sur les clients (voir : SRE Book : Chapitre 8 - Release Engineering). La création d'un processus intégré de révision et de test du code vous aidera à trouver les problèmes à un stade précoce, avant que les utilisateurs ne soient affectés.

Améliorer le temps de détection (TTD) permet de s’assurer de corriger les pannes au plus vite. Le TTD estimé (ETTD) exprime le temps nécessaire pour qu’un être humain soit informé du problème. Il doit inclure tous les délais qui retardent l’assimilation de l’information. Par exemple, si l’entreprise utilise une alerte basée sur les logs et que le système de log affiche un temps d’ingestion des données de 5 minutes, cela accroit d’autant le TTD pour chaque alerte.

L'ETTR (estimated time-to-repair) est le délai entre le moment où un humain découvre l'alerte et le moment où vos utilisateurs voient un retour à la normale. L’amélioration du TTR (time-to-repair) signifie en principe que les pannes sont plus rapidement réparées. Cela dit, nous devons toujours nous demander si l’incident affecte toujours nos utilisateurs. Dans la plupart des cas, des mesures d'atténuation comme le roll-back des nouvelles versions ou le détournement du trafic vers des régions non affectées peuvent réduire ou éliminer l'impact d'une panne en cours sur les utilisateurs beaucoup plus rapidement que d'essayer de passer à une nouvelle version corrigée du service. La cause profonde n'est pas encore résolue, mais les utilisateurs ne le savent pas ou ne s'en soucient pas - tout ce qu'ils voient, c'est que le service fonctionne à nouveau.

Si l’automatisation tend à mettre hors du jeu l’être humain, elle permet de réduire le TTR et peut s’avérer cruciale pour atteindre des objectifs de fiabilité toujours plus élevés. Cependant, elle n’élimine jamais totalement le TTR. Si une mesure d'atténuation telle que le basculement vers une autre région est automatisée, il lui faut du temps pour se mettre en place et avoir un impact.

Une remarque sur les valeurs "estimées" : Au début d'une analyse de risques, vous pouvez commencer par des estimations approximatives de ces paramètres. Mais au fur et à mesure que vous collectez davantage de données sur les incidents, vous devez mettre à jour ces estimations en vous basant sur les données des pannes précédentes afin de refléter l’expérience utilisateur.

Un processus d'analyse des risques à haut niveau

Comme déjà évoqué, tout processus d'analyse de risques débute par un brainstorming sur les risques pour chacun de vos SLO, et plus précisément pour chacun de vos SLI, car différents SLI seront exposés à différents risques.

Dans la phase suivante, construisez un catalogue de risques et itérez pour l’enrichir et le mettre à jour.

Créez une fiche d'analyse de risques pour deux ou trois SLI, en utilisant ce modèle. Pour en savoir plus, consultez la page « Comment hiérarchiser (et communiquer sur) les risques ».
Faites un brainstorming interne sur les risques, en considérant les éléments qui peuvent affecter vos SLO et en rassemblant quelques données initiales. Faites-le d'abord avec l'équipe d'ingénierie, puis avec l'équipe produit.
Les fiches d'analyse de risques pour chacun de vos SLI doivent inclure l'ETTD, l'ETTR, l'impact et la fréquence. Incluez les facteurs globaux et les risques suggérés et indiquez si ces risques sont acceptables ou non.
Recueillez des données historiques et consultez l'équipe produit concernant les besoins des métiers en termes de SLO.
Itérez et mettez à jour les données en fonction des incidents en production.

Acceptation des risques

Après avoir établi le catalogue des risques et déduit les facteurs de risques, finalisez les SLOs en fonction des besoins de l'entreprise et de l'analyse des risques.

Lors de cette étape, vous devez évaluer si votre SLO est réalisable compte tenu des risques encourus. Et, si ce n'est pas le cas, vous devez vous demander quoi faire pour atteindre vos objectifs.

Il est essentiel que les Product Managers participent à ce processus de révision, notamment parce qu'ils peuvent être amenés à donner la priorité aux travaux d'ingénierie qui atténuent ou éliminent tout risque inacceptable.

Dans l’article « how to prioritize and communicate risks », nous expliquons comment utiliser la fiche « Risk Stack Rank » pour évaluer combien un risque donné peut vous "coûter", et quels risques vous pouvez accepter (ou non) pour un SLO donné.

Typiquement, dans cette fiche modèle, vous pourriez accepter tous les risques et atteindre une fiabilité de 99,5 %, certains des risques pour atteindre 99,9 % et aucun d'entre eux pour atteindre 99,99 %. Si vous ne pouvez pas accepter un risque parce que vous estimez qu'il consommera plus de budgets d'erreur que ce que votre SLO vous permet, il vous faudra consacrer du temps d'ingénierie à la résolution de sa cause première ou à la mise en place d'une mesure d’atténuation.

Une dernière remarque : comme pour les SLO, vous voudrez itérer sur votre risque en affinant votre ETTD sur la base du TTD réel observé pendant les pannes. Idem pour votre ETTR. C’est pourquoi, après chaque incident, vous devez mettre à jour les données et voir où vous en êtes par rapport à ces estimations. En outre, réexaminez périodiquement ces estimations pour évaluer si vos risques sont toujours pertinents, si vos estimations sont correctes ou s'il existe des risques supplémentaires que vous devez prendre en compte. À l’instar du principe SRE d'amélioration continue, c'est un travail qui n'est jamais vraiment terminé, mais qui en vaut la peine !

Utiliser BigQuery avec des sources de données hébergées dans Google Cloud VMware Engine

Tue, 29 Mar 2022 09:00:00 +0000

Ce billet de blog s’adresse tout particulièrement aux clients qui ont redéployé leurs sources de données « on-premises », autrement dit sur site, vers Google Cloud VMware Engine. Il explique comment utiliser les services de données et d’analyse de Google Cloud avec les données hébergées sur le service managé « VMware as a Service » de Google Cloud.

Nombre de clients se déployant vers Google Cloud cherchent à tirer avantage des services avancés d’analyse proposés par Google. Si vous êtes décideur informatique ou architecte data et que vous souhaitez tirer rapidement avantage de vos données, vous trouverez dans ce billet différentes approches permettant d'accéder à vos données dans BigQuery afin de bénéficier de toute la puissance de Google Analytics, qu’il s’agisse d’analyse avancée ou de ML.

Pourquoi redéployer ses données vers Google Cloud VMware Engine ?

La donnée est au cœur des stratégies d’entreprise. Nos clients consomment, gèrent et analysent de grandes volumétries et gisements de données. Partenaire de prédilection, Google peut vous aider à gérer et comprendre vos bases existantes, sans vous imposer une réarchitecture coûteuse de vos sources et de leur emplacement.

Dans ce billet, nous vous expliquons précisément comment accéder à vos gisements pour les exploiter avec les services d’analyse de Google Cloud, sans avoir à modifier vos bases existantes. Dès que vos données auront été redéployées vers Google Cloud VMware Engine, vous pourrez optimiser les performances de vos flux en profitant de l'infrastructure hautement disponible et tolérante aux pannes de Google. Autrement dit, les solutions d’analyse cloud disponibles via BigQuery vous feront gagner un temps précieux sur l’exploitation de vos données.

Il est essentiel de réaliser qu’un tel redéploiement dans le cloud, via Google Cloud VMware Engine, profite à tous les acteurs de la chaîne data. Les DBA ou administrateurs de base de données ainsi que les responsables d’infrastructure virtuelle/ cloud peuvent continuer d’utiliser dans le cloud leurs environnements familiers, identiques à ceux qu’ils ont l’habitude d’utiliser sur site. De la même façon, l’équipe chargée de l’infrastructure peut autoriser les datas cientists et autres équipes spécialisées IA ou ML à utiliser leurs outils habituels. Mais ces derniers pourront aussi utiliser les fonctionnalités d’analyse avancée, d’IA et de ML de Google Cloud sur les données hébergées à l’origine sur site.

À titre d’exemple, supposons que vous cherchiez des opportunités de ventes croisées pour vos produits. Vous devrez dans un premier temps vous assurer que les données de facturation et celles relatives aux comportements d’achat sont disponibles pour analyse. L’équipe DBA identifiera ensuite les jeux de données nécessaires et l’équipe infrastructure fera en sorte de permettre un accès sécurisé à ces sources. Enfin, l’équipe chargée de la couche applicative répliquera les données dans BigQuery et utilisera des services tels que les recommandations de BigQuery ML (BigQuery ML Recommandations) pour identifier les opportunités de vente croisée.

Autre exemple : prédire l’évolution des ventes et planifier la croissance. Une fois les données de vente répliquées dans BigQuery, vous pouvez utiliser les méthodes de prévision des séries chronologiques (time-series forecasting) de Google Analytics sur vos jeux de données.

Deux approches à mettre en pratique

Nous vous proposons deux approches pour répliquer, de manière sécurisée et confidentielle, vos données relationnelles dans BigQuery : Google Cloud Data Fusion ou Google Cloud Datastream.
Data Fusion est un ETL qui prend en charge différents types de flux de données.
Datastream est un service de capture et de réplication des données modifiées.
Sachez que pour chacun de ces deux services, vos données restent confinées au sein de votre projet et une adresse IP interne est utilisée pour y accéder.

Nous allons ici explorer plus en détail la réplication en temps réel afin de vous permettre d’accéder en permanence à vos bases de production, qu’elles soient sous SQL Server, MySQL ou Oracle, à partir de BigQuery.

Basculer ses données internes vers le cloud tout en assurant la maintenance des flux ETL (Extract Transform Load) existants d’alimentation de vos entrepôts prend beaucoup de temps. En optant pour l’approche ELT (Extract Load Transform), vous pouvez charger directement les données dans le système cible (BigQuery, par exemple), avant d’effectuer les transformations nécessaires. De plus en plus souvent préféré au système ETL traditionnel, le processus ELT est non seulement plus simple à mettre en place mais également plus rapide, les données étant chargées plus vite.

Une fois les données hébergées dans Google Cloud, les équipes data peuvent utiliser Cloud Data Fusion et Datastream en profitant du haut débit et de la faible latence du réseau Google Cloud pour répliquer ou déplacer les données de l’infrastructure VMware vers différentes destinations cibles : buckets de stockage natifs de Google Cloud, BigQuery, etc.

Pour simplifier, nous allons partir du principe que tous les services sont consommés dans le cadre d’un même projet. Nous aborderons également les implications tarifaires, selon que l’on transfère des données à partir de Google Cloud VMware Engine, d’un site interne ou d’un autre cloud privé virtuel (VPC).

Cloud Data Fusion :

Cloud Data Fusion fournit une interface visuelle de type pointer-cliquer. Vous pouvez ainsi déployer des flux de type ETL/ELT sans écrire de code (approche No-Code). Un accélérateur de réplication permet également à Cloud Data Fusion de dupliquer directement vos tables dans BigQuery.

Pour gérer les ressources nécessaires, Cloud Data Fusion crée un projet « tenant » (une bulle d’isolation) s’appuyant sur ses propres VPCs (Virtual Private Cloud) pour maximiser la sécurité des données. Pour accéder aux sources de données hébergées dans Google Cloud VMware Engine à l’aide de Cloud Data Fusion, il nous faut utiliser un « reverse proxy » vers le VPC principal.

Dans ce scénario, les workloads data sont exécutés sur l’instance Google Cloud VMware Engine du projet. L'accès à l'environnement Google Cloud VMware Engine se fait via un VPC du projet couplé à Google Cloud VMware Engine. Une instance Google Compute Engine au sein de ce VPC expose un « reverse proxy » (Proxy inverse) vers la base de données de Google Cloud VMware Engine pour les services qui ne peuvent pas accéder directement à l'instance de Google Cloud VMware Engine.

Une instance Cloud Data Fusion est activée avec un accès IP privé et un appairage réseau au VPC principal de sorte qu’elle puisse accéder en toute sécurité aux données via l'instance du « Reverse Proxy ». Le processus de configuration de cet accès IP privé et de cet appairage réseau est décrit dans cette documentation.

Une fois ce couplage opéré, le connecteur Java Database Connectivity au sein de Cloud Data Fusion permet d’accéder aux bases de données, soit pour la réplication, soit pour des opérations ETL avancées. Afin de capturer les modifications de données, il faut autoriser le processus de suivi et de capture de données dans les bases hébergées sous Google Cloud VMware Engine. L'ensemble du processus de configuration et de réplication est décrit dans la documentation pour MySQL et pour SQL Server.

Google Cloud Datastream :

Datastream est un service serverless de capture et de réplication de données modifiées. Vous pouvez accéder à des flux de données en continu, à faible latence, à partir de bases de données Oracle et MySQL hébergées sur Google Cloud VMware Engine. Cette approche offre plus de flexibilité dans la gestion des flux de données. Cette solution est actuellement en « disponibilité pré-générale » et uniquement dans certaines régions.

Comme précédemment, la mise en œuvre de Cloud Datastream nécessite la configuration d’un Reverse Proxy hébergé au sein d’une instance Google Compute Engine. Ce « reverse proxy » est nécessaire pour accéder aux sources de données hébergées et sécurisées dans Google Cloud VMware Engine. Cette mise en œuvre est décrite dans cette documentation.

Vous trouverez une documentation complète pour configurer Datastream dans ce guide. Bien évidemment, la réplication ne peut être exécutée qu’après configuration dans Datastream d’un flux qui accède aux données et les achemine vers la cible de stockage cloud. Datastream accède aux données Google Cloud VMware Engine en utilisant un reverse proxy qui doit être exposé dans le VPC du client. Pour acheminer les données vers BigQuery, nous utilisons un modèle « Datastream vers BigQuery » préconfiguré au sein de Google Cloud Dataflow.

Comment bien démarrer un projet

Dans un premier temps, il convient de redéployer vos workloads vers Cloud VMware Engine, tâche généralement gérée par votre administrateur/architecte du cloud. Si les données résidant sur les machines virtuelles hébergées dans Google Cloud VMware Engine n’ont pas été identifiées pendant la phase de redéploiement, il faut dans un second temps les identifier et recréer les rapports existants à l'aide de BigQuery.

Dans la plupart des entreprises, plusieurs personnes sont impliquées dans ce processus : un architecte de données peut être le mieux placé pour savoir où sont les sources de données, un architecte de solutions aura une idée plus précise des implications en termes de coûts/performances, etc. Il faudra également connaître les portes d’entrée de l’infrastructure indispensables aux interfaces réseau.

Les étapes suivantes illustrent une approche possible pour réussir sa redéploiement:

Identifiez les jeux de données sur les machines virtuelles redéployées vers Google Cloud VMware Engine et qui sont utilisés pour le reporting.
Sélectionnez le bon pipeline (Datastream ou Data Fusion) en fonction du type de base et des exigences du pipeline (compromis prix/performance et facilité d'utilisation).
En fonction du pipeline de données, sélectionnez la région appropriée. Il n'y a pas de frais de sortie des données au sein d'une même région.
Configurez le reverse proxy vers le jeu de données Google Cloud VMware Engine.
Configurez le service de réplication avec des paramètres basés sur la performance de réplication nécessaire.
Autorisez l'analyse et la visualisation des données en fonction des besoins de l'entreprise.

Conclusion

Simple et rapide, le service Google Cloud VMware Engine est un excellent moyen pour exploiter vos jeux de données existants dans le cloud. Vous pouvez ainsi capitaliser sur votre infrastructure VMWare existante pour réaliser des analyses de données dans le cloud sans avoir à réarchitecturer vos bases, ce qui prendrait beaucoup trop de temps. Dit autrement, ces approches vous permettent non seulement de profiter des performances d’un matériel dédié sur Google Cloud mais également de bénéficier de fonctionnalités (pour valoriser vos données) qui sont aujourd’hui considérées comme les plus avancées du marché.

Optimisez votre infrastructure avec notre guide « Architecture Framework Principles »

Thu, 03 Feb 2022 09:00:00 +0000

Afin d’accompagner nos clients dans leur réussite sur Google Cloud, nous avons publié un guide : « Google Cloud Architecture Framework » (Framework d'architecture Google Cloud). Il réunit les meilleures pratiques pour concevoir et exploiter des workloads sécurisés, résilients, performants et efficients.

Dans ce billet, nous allons approfondir l’un des piliers de ce framework : le volet « Architecture Framework System Design » (Framework d’architecture : Conception d’infrastructures). Ce dernier repose sur quatre grands principes de conception que nous allons ici explorer. Au passage, nous souhaitons aussi profiter de cette occasion pour aborder les récentes améliorations apportées à notre guide et vous présenter notre nouvel espace communautaire consacré à l’« Architecture Framework ». Constituée de pairs, de Googlers et d’experts produits en mesure de vous apporter un soutien et des conseils, cette communauté a été spécialement créée pour vous aider à atteindre vos objectifs.

Retour sur les grands principes de conception

Le volet “conception d’infrastructures” est le pilier de base de notre Framework d’Architecture. Il s’appuie sur les principes de conception, les produits et les fonctionnalités de Google Cloud pour vous aider à définir l’architecture, les composants et les données dont vous avez besoin pour répondre aux attentes métiers et techniques.

Les concepts et recommandations en matière de conception peuvent aussi s’appliquer aux cinq autres volets du Framework d’Architecture, à savoir : l’Excellence opérationnelle, la Sécurité, la Confidentialité et Conformité, la Fiabilité, l’Optimisation des coûts et, enfin, l’Optimisation des performances.

Vous pouvez également évaluer votre existant en vous référant aux conseils fournis dans le volet conception de ce guide et ainsi identifier les différences, les lacunes et autres aspects qui mériteraient d’être améliorés.

Principes de base

Une infrastructure applicative robuste repose sur une conception sécurisée, fiable, évolutive et qui ne présente pas d’adhérences. Car sans adhérence, vous pourrez appliquer des changements à un niveau très granulaire, minimiser les risques et améliorer l’efficacité opérationnelle. Afin d’atteindre cet objectif de robustesse, nous vous conseillons de suivre les quatre principes fondamentaux suivants :

1- Réalisez une documentation exhaustive

Quand ils envisagent d’aller dans le cloud ou quand ils commencent à concevoir leurs premières applications, nos clients se sentent parfois freinés dans leur démarche par un manque de documentation. C’est tout particulièrement vrai lorsqu’il s’agit de correctement visualiser leur architecture actuelle de déploiement.

En documentant correctement votre architecture cloud, vous posez les bases d’un langage et de normes communes qui permettront à vos différentes équipes de communiquer et collaborer efficacement. Cette documentation constitue également un socle regroupant toutes les informations nécessaires pour vous aider, par la suite, à prendre les bonnes décisions pour développer de nouveaux services et servir vos nouveaux cas d’usage.

Au fil du temps, vos décisions en matière de conception vont aussi évoluer. En conservant un historique de ces changements, vous fournissez à vos équipes toutes les informations dont elles ont besoin pour aligner les initiatives, éviter les doublons et mesurer efficacement l’évolution des performances dans le temps. Les journaux de modifications (les ‘change logs’) sont particulièrement utiles lorsque vous intégrez un nouvel architecte cloud à vos équipes : ils lui permettent de se familiariser rapidement avec vos principes de conception, la stratégie et l'historique de votre système.

2- Simplifiez la conception en vous appuyant sur des services managés

En matière de conception d’infrastructures, la simplicité se révèle une qualité primordiale. Si votre architecture est trop complexe, elle ne sera pas comprise. Confrontés à cette complexité, vos développeurs auront du mal à réaliser de nouveaux déploiements et vos responsables d’exploitation à en assurer la maintenance au quotidien.

Nous vous recommandons vivement d'utiliser autant que possible des services entièrement managés. Ils permettent de minimiser le risque lié à la gestion et à la maintenance des infrastructures applicatives. Devant fournir moins d’efforts, vos équipes gagnent aussi un temps précieux.

Si vos workloads sont déjà passés en production, testez notre offre de services managés. Ils peuvent simplifier la complexité opérationnelle existante.

Si vous démarrez de zéro, pensez simplicité, établissez un MVP (Minimum viable product – produit minimal viable) et résistez à l'envie de faire de l'ingénierie à outrance. Vous pourrez toujours identifier les améliorations et enrichissements à apporter à vos cas d’usage par la suite en itérant et en procédant par incrémentation pour améliorer vos workloads.

3- Découplez votre architecture

Le découplage est une technique fondamentale pour décomposer vos applications monolithiques en plus petits composants pouvant fonctionner indépendamment les uns des autres. Dans une architecture découplée, chaque fonction peut s’exécuter indépendamment des autres.

Vous bénéficiez ainsi d’une plus grande souplesse pour agir au niveau granulaire, qu’il s’agisse d’effectuer des mises à jour, d’appliquer des contrôles de sécurité ou encore de superviser le bon fonctionnement, les performances ou les coûts de composants spécifiques.

Un tel découplage devrait être mis en œuvre dès la phase de conception mais il peut aussi être appliqué au fil du temps, à l’occasion des mises à niveau de votre architecture.

4- Privilégiez les approches « stateless »

Pour effectuer une tâche, les applications à états (stateful applications) s'appuient sur diverses dépendances, telles que les données mises en cache localement. Dès lors, elles nécessitent l’intégration de mécanismes complexes pour mémoriser la progression des processus et assurer un redémarrage fiable (et sans perte de cohérence) si nécessaire.

Les applications sans état (stateless applications), en revanche, peuvent s’affranchir de ces dépendances locales en utilisant un stockage ou des caches partagés. Vos applications peuvent ainsi rapidement monter en charge avec un minimum de dépendances, ce qui permet de supporter des redémarrages inattendus, de réduire les indisponibilités et de maximiser les performances des services pour les utilisateurs finaux.

Vous trouverez dans le volet “Conception d’infrastructures” des recommandations pour faire évoluer vos applications vers cette approche « sans état » ainsi que des conseils pour utiliser des fonctionnalités nativement cloud permettant de capturer l'état des machines pour vos applications “stateful”.

Étendre les bonnes pratiques de conception aux autres piliers du framework

Les principes fondamentaux évoqués ci-dessus autour de la conception peuvent aussi être appliqués aux cinq autres piliers du Framework d’Architecture que sont l'excellence opérationnelle, la sécurité, la fiabilité, le rapport coûts/efficacité et l'optimisation des performances. Voici quelques exemples concrets :

Utiliser des services managés et hautement disponibles pour déployer et superviser vos workloads, afin de minimiser l’ensemble des coûts liés à leur maintenance et à leur optimisation.
Appliquer des contrôles de sécurité au niveau granulaire de chaque composant. En découplant et en isolant les composants, vous pouvez pratiquer une gouvernance fine et ainsi gérer efficacement la conformité et réduire le rayon d'action des potentielles vulnérabilités de sécurité.
Définir des budgets et concevoir avec efficience (autrement dit avec un rapport coût/efficacité optimal). Le coût devient généralement un facteur déterminant lorsque vous définissez des objectifs de fiabilité. Il est donc important de prendre en compte diverses mesures en la matière dès la conception de vos applications. Une architecture découplée vous permettra de gérer les budgets et les dépenses avec plus de granularité, ce qui se traduira par une meilleure efficacité opérationnelle et une optimisation des coûts.
Optimiser la conception pour la vitesse et les performances. En établissant la disponibilité d’un service en fonction de critères de coûts, n’oubliez pas lors de la conception de prendre aussi en compte les performances. Différents outils opérationnels vous permettront de visualiser les goulets d'étranglement et de mettre en évidence les leviers d’optimisation des performances.

Il ne s’agit là que de quelques exemples concrets. Ils vous donnent une petite idée de comment nos principes de conception peuvent être appliqués aux différents cas d’usage des cinq piliers du Framework d’Architecture.

Le Framework d’architecture rejoint la Communauté Google Cloud

Innovante, fiable et dynamique, la communauté Google Cloud permet aux utilisateurs de poser des questions et de trouver des réponses, d’entrer en contact avec les autres membres et établir des relations solides, de partager des idées et d'avoir un impact sur les roadmaps des produits ou encore d'acquérir de nouvelles compétences et développer des expertises.

Nous profitons de ce billet pour annoncer le lancement d'un nouvel espace dédié au sein de la Communauté Google Cloud. Dédié au Framework d'Architecture, il propose :

Un accès à des articles fournissant des conseils pratiques et répondant aux questions et défis spécifiquement liés au pilier Conception d’infrastructures (System Design). Nous publierons des articles sur les cinq autres piliers dans les mois à venir.
Des forums de discussion ouverts où les membres peuvent poser des questions et recevoir des réponses.
Des évènements organisés par la Communauté, tels que notre série "Ask Me Anything". Nous y organiserons d’ailleurs prochainement un Webinar autour d’un pilier du Framework d’Architecture au cours duquel les participants pourront poser ouvertement leurs questions.

Combinés, la Communauté Google Cloud et l’espace Framework d’Architecture vous permettront d’atteindre vos objectifs grâce au soutien et aux conseils de pairs, de Googlers et d’experts produits du monde entier.

Découvrez dès aujourd’hui ce nouvel espace de notre Communauté et, si vous ne l'avez pas encore fait, inscrivez-vous pour devenir membre et pouvoir profiter pleinement de toutes les opportunités offertes.

Les nouveautés du “System Design 2.0”

En début d’année, nous avons actualisé notre Framework d’Architecture en publiant une version 2.0 de ce guide. Au passage, nous en avons profité pour enrichir notre catalogue de meilleures pratiques, sur la base des commentaires effectués par nos partenaires, nos clients à travers le monde et notre équipe d’experts produits Google.

Voici quelques-unes des améliorations apportées à cette occasion :

Ajout de meilleures pratiques dans le domaine de l’étiquetage des ressources afin d’en simplifier la gestion.
Réorganisation de la section "compute” afin de mieux appréhender les choix technologiques, la conception, l’exploitation et la montée en charge des workloads.
Réorganisation de la section “database” autour de sujets tels que la sélection, la migration et l'exploitation des workloads de base de données afin de notamment mettre en évidence les meilleures pratiques sur la gestion des workflows.
Ajout de sections sur le cycle de vie des données, leur traitement et leur transformation dans la partie "analyse des données".
Ajout d’une nouvelle section portant sur l'intelligence artificielle (AI) et l'apprentissage machine (ML) qui couvre les meilleures pratiques de déploiement et de gestion des workloads ML.

Comme toujours, vos commentaires sont les bienvenus afin que nous puissions continuer à nous améliorer et à vous accompagner sur la voie du succès avec Google Cloud.

Google Cloud renforce son soutien aux startups qui se lancent

Thu, 27 Jan 2022 19:00:00 +0000

Les startups sont réputées pour leur remarquable capacité à relever les défis les plus élevés. Google s’engage à leur côté en leur fournissant les technologies qui les aideront à démarrer, à se développer et à prospérer.

Au cours de l’année écoulée, nous avons intensifié notre engagement auprès des startups, en les aidant à se développer dans le cloud, non seulement via de nouvelles ressources et de nouveaux programmes de mentorat, mais également en organisant notre tout premier sommet qui leur était dédié et en étoffant notre équipe d’experts en startups…

En ce début d’année, je suis particulièrement heureux d’annoncer plusieurs nouvelles offres et améliorations spécialement imaginées pour soutenir encore plus efficacement les jeunes pousses.

Tout d’abord, nous allons coordonner plus étroitement les programmes « Startups » de Google Cloud et de Google afin que les « jeunes pousses » qui nous font confiance bénéficient d’une expérience cohérente à travers l’ensemble des services Google, à commencer par l’infrastructure et les services Google Cloud, et puissent avoir accès aux mentors, produits, programmes et bonnes pratiques de Google. Cette initiative porte le nom de « Google for Startups Cloud Program ».

Ensuite, nous allons intensifier notre accompagnement des startuppers qui se lancent tout juste. Nous sommes convaincus qu’un accès à une expertise et des technologies pertinentes dès la phase initiale de l’activité peut avoir un impact majeur sur la trajectoire de croissance. Si elles sont particulièrement agiles et tendent à résoudre les problèmes et à agir rapidement, elles ont besoin de pouvoir s’adapter à moindre coût, qu’il s’agisse de se réorienter pour saisir de nouvelles opportunités ou tirer parti de leur expertise et de leurs ressources pour évoluer vers de nouveaux marchés et investisseurs.

Apporter du soutien aux jeunes pousses en pleine phase de démarrage est l’un des principaux objectifs du programme « Google for Startups Cloud Program ». Nous sommes donc ravis de pouvoir annoncer une nouvelle offre destinée à ces startups, spécialement conçue pour leur faciliter l’accès aux technologies et ressources dont elles ont besoin.

De nouveaux crédits Google Cloud pour les startups qui débutent

Dès aujourd’hui, notre initiative « Google for Startups Cloud Program » prend en charge les coûts d’utilisation de Google Cloud durant la première année, à hauteur de 100 000 $ (environ 88 000 euros), pour toutes startups soutenues par des investisseurs et jusqu’à leurs tours de table de série A.

Autrement dit, la plupart des startups vont désormais pouvoir commencer à construire gratuitement leur solution sur Google Cloud en se concentrant sur l’innovation, la croissance et l’acquisition de clients.

Au cours de la seconde année, le programme prévoit également un remboursement à hauteur de 20% des coûts de consommation Google Cloud dans la limite de 100 000 $ de crédits d’utilisation supplémentaires.

Pour les startups, cette nouvelle est synonyme d’un accès simplifié aux services d’IA, ML et d’analytique de Google Cloud et leur permet surtout de construire et développer rapidement leurs solutions sur l’infrastructure Google Cloud au travers de services tels que Firebase ou Google Kubernetes Engine (GKE).

Pour en savoir plus sur cette nouvelle offre et les conditions d'éligibilité, cliquez ici.

S’appuyer sur l’expertise et l’assistance de Google

Prendre les bonnes décisions, surtout quand on évolue rapidement, n’est jamais aisé. L’an dernier nous avons lancé notre « Startup Success Team », une équipe mondiale constituée d'experts en startups qui constituent chacune et chacun, un point de contact unique pour les jeunes pousses en phase de croissance. Maintenant que cette équipe est pleinement opérationnelle, toutes les startups en phase de démarrage qui ont intégré le programme « Google for Startups Cloud Program » pourront également y avoir accès. Familiarisés avec l’activité et les besoins propres de chacune d’entre elles, les membres de cette équipe pourront durant les deux années du programme les mettre en relation avec les bonnes équipes de Google susceptibles de répondre à n’importe quelle question, qu’elle soit d’ordre technique, commercial ou sur la gestion de leurs crédits d’utilisation. Au fur et à mesure que les startups développeront leur utilisation et leur expertise de Google Cloud, elles seront mises en relation avec nos équipes dédiées aux « comptes startups » pour poursuivre leur parcours.

L’initiative « Google for Startups Cloud Program » rejoint ainsi les nombreuses autres initiatives de Google dédiées aux entrepreneurs. En complément du mentorat, de ressources adaptées et de l’assistance technique des experts Google, les startups éligibles au programme peuvent aussi bénéficier d’avantages supplémentaires sur diverses solutions Google telles que Google Workspace, Google Maps et bien d’autres. Leurs fondateurs pourront également profiter des ateliers, événements et formations techniques proposées, ainsi que des programmes d'accélération Google for Startups et des offres de nos partenaires. Ils pourront également réseauter et échanger avec leurs pairs au travers de notre nouvelle communauté « C2C Connect » dédiée aux fondateurs et directeurs techniques (CTOs) de startups s’appuyant sur Google Cloud.

S’affranchir de l’infrastructure pour mieux se concentrer sur l’innovation

Notre objectif est d’aider les jeunes pousses à se développer rapidement sans créer de dette technique susceptible de les freiner par la suite. En s’appuyant sur nos offres Serverless totalement managées telles que Cloud Run, Firestore, Firebase et BigQuery, les startups peuvent se concentrer sur leurs feuilles de route plutôt que sur la gestion de l’infrastructure. Du tout premier produit à sa version finalisée massivement déployée, elles ont la certitude de bénéficier de services Google Cloud qui s’adaptent automatiquement et les accompagnent dans leur développement sans avoir à remanier leur architecture.

Nylas, une startup centrée sur la productivité des entreprises, a ainsi été en mesure de rapidement faire évoluer sa plateforme pour prendre en charge des clients de taille plus importante, tout en multipliant ses revenus par 5. Autre exemple, FLYR Labs aide les compagnies aériennes à mieux gérer leurs revenus et à anticiper la demande, grâce à une plateforme fonctionnant sur GKE et animée par les capacités d’analyse de données et d'IA de Google Cloud. De son côté, Sniip a augmenté rapidement l'adoption de son application qui aide les personnes à suivre et à payer leurs factures plus facilement, en s'appuyant à la fois sur GKE pour évoluer rapidement et sur Cloud Run pour rendre ses développeurs plus agiles.

Avec Google Cloud, les jeunes pousses bénéficient d’un vrai partenaire Business et technologique pour les aider à démarrer, construire et se lancer. De leur premier prototype jusqu’à leur développement à l’international, nous les accompagnons en les aidant à grandir et à s’attaquer à de nouveaux marchés.

Partout dans le monde, des startups nous font confiance et choisissent d’adosser leur avenir à Google Cloud. Pour rejoindre le programme et relever vos défis avec nous, rejoignez-nous !

Google classé parmi les leaders de la gestion des bases de données dans le cloud selon le Magic Quadrant du Gartner 2021

Fri, 14 Jan 2022 10:00:00 +0000

Nous sommes très fiers d’avoir été classés par Gartner, pour la seconde année consécutive, parmi les leaders des systèmes de gestion de bases de données (SGBD) en mode cloud.

Dans le cadre de ce rapport, Gartner a évalué les capacités de Google sur des cas d’usages transactionnels et analytiques. Nous sommes convaincus que ce classement salue l’innovation et les progrès que nous avons réalisés en matière de gestion de la cohérence des données, de traitement et d’ingestion à haute vitesse, de sécurité, d’élasticité ou encore d’analyse avancée.

Depuis l’annonce récente de Dataplex, les entreprises peuvent gérer, superviser et gouverner leurs données de manière centralisée, avec des contrôles cohérents, qu’elles soient situées dans des datalakes, des datawarehouses ou des datamarts. Reposant sur des technologies innovantes, des solutions telles que BigQuery ML proposent une approche globale pour réaliser des analyses avancées tandis que Analytics Hub fournit l’infrastructure nécessaire pour permettre aux utilisateurs de partager des solutions d’analyse en toute sécurité et à grande échelle. À titre d’exemple, plus de 3 000 organisations différentes ont partagé plus de 200 pétaoctets de données sur une période de sept jours en avril dernier au travers de BigQuery.

Des études montrent que 90 % des entreprises ont une stratégie multicloud. Et cette réalité ne nous a pas échappé. Avec l’introduction de BigQuery Omni, nous proposons une véritable solution d'analyse de données multicloud pour Google Cloud, AWS et Azure. Parallèlement, les progrès réalisés avec Anthos et notre Distributed Cloud au cours de l’année écoulée viennent renforcer notre capacité à servir des scénarios multicloud et hybrides.

Pour obtenir un avantage concurrentiel grâce aux données, les entreprises ont besoin d'une plateforme qui transcende les workloads transactionnels et analytiques tout offrant les meilleures garanties en termes de fiabilité, de disponibilité et de sécurité. Cloud Spanner, notre base de données relationnelle entièrement distribuée, a complètement révolutionné la capacité à monter en puissance, la cohérence globale et la disponibilité des systèmes de traitement des transactions en ligne (OLTP). Testé avec des applications particulièrement exigeantes, comme des services Google tels que Search, YouTube, Gmail, Maps et Payments, Spanner peut assimiler et réaliser plus d'un milliard de requêtes par seconde en période de pics d’activité.
Autre spécificité unique sur le marché, Spanner et BigQuery reposent sur une infrastructure commune dont notre système de fichiers distribués à très haute disponibilité (Colossus), notre système de gestion de clusters à grande échelle (Borg) et notre infrastructure de réseau haute performance (Jupiter), permettant des fonctionnalités avancées telles que la fédération entre Spanner et BigQuery. Cette innovation permet d’enrichir le panel de fonctionnalités avec, par exemple, la possibilité d’effectuer des requêtes fédérées : la fédération de BigQuery et Spanner permet par exemple à BigQuery d'interroger les données résidant dans Spanner en temps réel, sans avoir à les copier, ni à les déplacer.

Nous restons focalisés sur l'intégration de Google Trends, Maps, Search et Ads. Parallèlement, nous avons renforcé notre expertise sectorielle dans des domaines tels que le commerce de détail, les services financiers, la santé et les jeux en ligne. Nous continuons à publier des livres blancs sectoriels tels que How to develop Global Multiplayer Games using Cloud Spanner (Comment développer des jeux multi-joueurs mondiaux à l'aide de Cloud Spanner). Nous sommes également fiers du travail accompli par l'équipe pour créer et partager des modèles d'architecture sectoriels et horizontaux, élaborés par des leaders de l’industrie afin d’aider nos clients à aller plus vite dans leurs mises en œuvre.

Une dynamique d’innovation soutenue sur fond de cloud unifié et d’open data

Nous poursuivons nos efforts d’innovation sur l’ensemble de nos solutions cloud autour de la donnée, notamment avec les annonces effectuées lors de Google Cloud NEXT'21.

Ainsi, BigQuery Omni est désormais disponible pour AWS et Azure, ce qui permet aux clients d'effectuer des analyses inter-cloud.

Nous avons ajouté dans Dataplex, récemment passé en GA, des fonctionnalités supplémentaires pour la gestion et la gouvernance des données d'entreprise.

Nous avons facilité et accéléré les migrations vers Cloud SQL avec Database Migration Service (notre service de migration de bases de données). Plus de 85 % de toutes les migrations sont effectuées en moins d'une heure, la majorité des clients migrant leurs bases de données depuis d'autres clouds.

Avec une nouvelle interface PostgreSQL, Spanner fait preuve d’ouverture, ce qui permet aux entreprises de tirer parti de ses capacités à monter en charge inégalées, de sa disponibilité à 99,999 % et de sa forte cohérence tout en utilisant les compétences et les outils répandus de l’écosystème PostgreSQL.

Nous automatisons également le traitement des données avec Spark on Google Cloud, de sorte que les développeurs consacrent moins de temps à la gestion de l'infrastructure et plus de temps à la science des données, à la modélisation et à la création de valeur métier.

Enfin, nous avons annoncé Google Earth Engine on Google Cloud, qui permet aux clients d'intégrer Earth Engine à BigQuery, aux technologies ML de Google Cloud et à la plateforme Google Maps.

Grâce à ces innovations, des entreprises comme PayPal, Deutsche Bank et Equifax utilisent déjà Google Cloud pour gérer l’intégralité du cycle de vie des données de leurs différents projets.

Des organisations comme Telefónica utilisent Google Cloud pour offrir de nouvelles expériences à leurs clients: stockage, partage, analyse… Telefónica a intégralement transformé sa gestion des données tout en doublant sa puissance de traitement et en réduisant les coûts.

Parallèlement, nous continuons à soutenir un écosystème ouvert de partenaires autour de la donnée, dont Informatica, Tableau, MongoDB, Neo4j, C3.ai et Databricks. Nous évitons ainsi de les enfermer dans une approche spécifique en leur proposant un vaste éventail de choix pour leurs data clouds.

C’est pourquoi nous sommes fiers d’être classés dans les leaders Magic Quadrant Gartner 2021 pour les « Cloud Database Management Systems ». Et nous nous réjouissons d’avance à l’idée de continuer à innover pour toujours mieux vous accompagner dans votre transformation numérique.

Vous pouvez télécharger le rapport de Gartner ici : 2021 Gartner Magic Quadrant for Cloud Database Management Systems.

Si vous souhaitez en savoir davantage sur la façon dont les entreprises utilisent les solutions de Google Cloud pour construire leurs clouds de données, cliquez ici.

Edge computing - un changement de paradigme qui va au-delà du cloud hybride

Wed, 05 Jan 2022 10:00:00 +0000

Les entreprises viennent de traverser une importante période de consolidation de leurs actifs informatiques dans le cloud ou sur leurs propres datacenters. Mais l'apparition d'appareils mobiles de plus en plus puissants et de réseaux cellulaires de plus en plus performants pousse les architectes d’applications à penser au-delà des frontières des datacenters et à se tourner vers la périphérie ou « Edge » en anglais.

Qu'entendons-nous exactement par « edge computing » ? On peut résumer le concept à une informatique distribuée exploitant une grande variété de périphériques non traditionnels, tels que des téléphones mobiles, bien entendu, mais aussi des capteurs embarqués dans des équipements d’usines, des équipements industriels ou même des capteurs pour surveiller la température ou des réactions dans un laboratoire distant. Ces dispositifs situés en périphérie ont également pour particularité d’être connectés et peuvent communiquer avec le vaisseau-mère – le système d’information central – via des réseaux sans fil ou cellulaires.

Équipés de processeurs toujours plus puissants, ces dispositifs sont amenés à effectuer des tâches qui, jusqu'à présent, ne relevaient pas de l'informatique traditionnelle : prétraitements de données entrantes dans un véhicule, collecte de vidéos dans les rayons d’un centre commercial ou de données de contrôle de la qualité à l'aide de caméras dans un entrepôt, animation de médias interactifs dans une boutique… Les entreprises s’appuient également sur le Edge pour ingérer des données provenant de postes distants ou d'appareils affublés d’une connectivité intermittente tels que des équipements agricoles ou des plateformes pétrolières. Elles peuvent ainsi filtrer les données afin d'en améliorer la qualité et d’en transformer l’information avant de les envoyer et de les traiter dans le cloud. Le résultat des traitements ainsi que les nouveaux modèles qui en découlent sont ensuite renvoyés vers le Edge. Parallèlement, les mises à jour de données de configuration, de logiciels et de médias peuvent également être transférées vers la périphérie, ce qui permet aussi de décentraliser la charge des traitements.

De fait, l’edge computing ne se résume pas à favoriser l’essor de nouveaux cas d’usage. Il permet aussi de mieux dimensionner les environnements et d’optimiser l’utilisation des ressources. Typiquement, son adoption peut contribuer à alléger la charge des traitements gérés par les datacenters.

Bien que très prometteur, l’edge computing manque toutefois encore de maturité. De plus, on ne développe pas pour le Edge comme on développe des applications traditionnelles qui bénéficient à la fois d’une connexion persistante et d’une plateforme matérielle qui ne limite pas les traitements. De fait, les architectes cloud commencent à peine à se pencher sur la question de l’edge computing et sur la façon dont ils pourraient le mettre en œuvre et l’utiliser pour en tirer avantage au sein de l’entreprise.

Fort heureusement, des outils facilitant la démarche existent déjà. Et il y a de fortes chances pour qu’ils s’intègrent aisément à l’informatique existante de votre organisation. Kubernetes en fait partie. Mais des outils de plus haut niveau, comme Anthos, peuvent également simplifier la démarche en fournissant un poste unifiant le pilotage du cloud, du datacenter privé et des sites Edge distants. D’autres composants de la famille Anthos, tels Anthos Config Management et Anthos Service Mesh, vont encore plus loin, fournissant une gestion à la fois unifiée et centralisée des déploiements sur le Edge et dans le cloud. Et ce portefolio va encore s’enrichir de nouveaux outils.

Dans la suite de ce billet, nous vous proposons de revenir plus en détail sur l’historique de l’edge computing, sur son évolution actuelle ainsi que sur ses potentiels bénéfices pour les architectes et les développeurs. Dans un prochain billet, nous reviendrons sur certains défis introduits par l’edge computing en matière de design ainsi que sur les avantages potentiels du edge pour les PME. Enfin, nous nous pencherons sur les outils Google Cloud disponibles dès aujourd'hui pour vous aider à créer votre environnement edge. Nous illustrerons notre propos par quelques exemples concrets de clients déjà bien avancés dans l’adoption de l’edge computing. Ils devraient vous permettre de réaliser ce qu’il est possible de faire dès aujourd’hui tout en stimulant votre imagination quant à ce que vous pourriez en faire demain.

Évolution de l’edge computing

L’edge computing n’est pas un concept nouveau. De fait, il existe depuis une vingtaine d’années et couvre de nombreux cas d’usage, aujourd’hui parfaitement banalisés. Typiquement, les CDN (content delivery network) ont été une des toutes premières applications du concept en mettant en cache les pages Web statiques pour rapprocher le contenu des utilisateurs et le délivrer localement. Un tel système est, par exemple, utilisé par des serveurs hébergés dans des datacenters californiens pour délivrer du contenu financier à des clients européens.

Avec l'amélioration de la connectivité et des logiciels, l’edge computing a naturellement évolué et l'accent a été mis sur l'utilisation du edge pour distribuer des services. Dans un premier temps, des services simples ont évolué de codes HTML statiques vers des bibliothèques JavaScript ou des banques d'images. D’autres fonctions courantes, comme la transformation d’images ou la validation d’adresses et de cartes bancaires, ont suivi. Très vite, les entreprises ont commencé à déployer des environnements plus complexes à base de microservices hébergés sur des installations cloudlets ou en clusters. Elles ont également commencé à utiliser des jeux de données distribués et répliqués. Le terme « endpoint » est devenu omniprésent et les API ont proliféré.

En parallèle, on assistait à une véritable explosion créative côté matériel, microcontrôleurs et dispositifs spécialement pensés pour le Edge. Des solutions dédiées ont été déployées un peu partout dans le monde.

Des services comme Google Cloud IoT Core ont étendu notre capacité à gérer et à connecter en toute sécurité ces équipements dispersés, permettant aux gestionnaires de plateformes d’embarquer des outils et d'exploiter des services managés tels que Pub/Sub et Dataflow pour l'ingestion de données.

Et avec Kubernetes, de grands clusters distants - des mini clouds privés en soi - fonctionnent comme des services capables de s’auto-réparer et de se répliquer à travers Internet pour monter en puissance, ouvrant la voie à de nouveaux modèles d'applications et d'architectures. En résumé, systèmes asynchrones distribués et marché du Edge ont fleuri de concert.

Quel impact sur les entreprises ? Dans le cadre de cette série d‘articles, l’edge computing rime avec la capacité des entreprises à étendre leur rayon d’action au-delà de leur réseau, de leurs VPCs (Virtual Private Cloud) et même de l’hybride. Le Edge d’aujourd’hui ne se situe plus dans un grand datacenter distant, dans un CDN, chez un prestataire de cloud ni même dans le rack d’un datacenter d’entreprise. Il ressemble bien davantage à une centaine d’équipements similaires à celui présenté ci-dessous, reliés à des milliers de capteurs.

Raspi K8s Cluster

En résumé, l’edge computing d’aujourd’hui signifie avoir du matériel et des équipements installés sur des sites distants capables de traiter et transférer les informations qu’ils collectent et/ou génèrent. Sans oublier le défi du management puisqu’il faut pouvoir pousser les mises à jour des logiciels, des configurations, des modèles ou encore des médias vers ces « équipements » distants lorsqu’ils sont connectés.

Favoriser l’essor de nouveaux cas d’usage

Aujourd’hui, l’Edge computing a franchi un nouveau palier. Tels les motifs d’une fractale, des micro-datacenters se déploient et se multiplient à l’infini. Ensemble, ils forment un framework étendu, géographiquement distribué, toujours disponible, pour diffuser, collecter, traiter, et distribuer des données asynchrones. Ce grand assemblage d’applications faiblement couplées vit, respire et se développe. En perpétuelle évolution, il tire des enseignements des données qu’il collecte et diffuse des modèles actualisés dès que les connexions sont opérationnelles.

Désormais, l’essor de la 5G repousse encore plus loin les limites du Edge. Les appareils équipés de 5G peuvent transmettre leurs données via le réseau mobile, autrement dit partout où l’on trouve une antenne cellulaire. Certes, ces réseaux ont une bande passante plus faible qu’une connexion fibre, mais ils sont souvent plus que suffisants pour certains types de données telles que celles de capteurs d’incendie dans les forêts bordant les villages par exemple. Nul besoin d’une folle bande passante pour périodiquement transmettre des données de température ou de monoxyde de carbone. Récemment, Google Cloud s’est associé à AT&T pour favoriser l’usage des technologies Edge 5G en entreprise.

Réduire les investissements en Datacenters

En plus de favoriser la digitalisation de nouveaux cas d’usage, l’adoption du Edge peut aussi profiter à votre datacenter existant.

Les centres de données sont coûteux à maintenir. Déplacer certains traitements du datacenter vers le Edge peut réduire vos investissements d’infrastructures dans les datacenters mais également réduire leur consommation de temps machine. Les services Edge ont tendance à nécessiter des niveaux de SLO (Service Levels Objectives) moindres par rapport à ceux des datacenters, ce qui réduit les investissements matériels. Et les installations Edge sont aussi souvent plus tolérantes aux déconnexions et fonctionnent donc parfaitement bien avec des SLOs et des coûts réduits.

À titre d’exemple, le Big Data est un des domaines où le Edge peut réellement réduire les coûts. Autrefois, nous élaborions des systèmes monolithiques en série – des machines à états – qui devaient être capables en cas de panne de savoir où ils en étaient dans le traitement. Mais nous avons constaté à maintes reprises qu’une approche plus réduite et plus distribuée permettait de décomposer de gros problèmes coûteux en petits avec une résolution plus économique à la clef.

Depuis l’essor de MapReduce, il y a environ 20 ans, les workloads Big Data ont été parallélisés sur des clusters en réseau. La gestion des états a été simplifiée grâce à la production de résultats intermédiaires qui peuvent être partagés, mis en attente ou servir à relancer un processus à partir d’un point de contrôle. Les systèmes monolithiques ont été remplacés par des clusters en réseau et des référentiels de données moins chers et plus intelligents, favorisant la parallélisation de traitements pouvant être exécutés et restitués au sein de datasets (jeux de données) exploitables.

Aujourd'hui, ces mêmes concepts sont appliqués et distribués aux points de collecte de données du Edge. Dans cette évolution des traitements Big Data, on monte en puissance (par scale-up et scale-out) jusqu’à atteindre le point de rupture à partir duquel la volumétrie des données devient si colossale qu’elle doit être préalablement filtrée avant d’être prétraitée pour la ramener à une volumétrie acceptable et exploitable. Alors et seulement alors, les données filtrées et prétraitées peuvent être injectées dans les bases centrales pour être utilisées dans des processus gourmands en ressources et dans la construction de modèles.

En résumé, la collecte, le nettoyage et même une potentielle première phase d’agrégation des données s’effectuent aujourd’hui sur le Edge, ce qui réduit d’autant la quantité de données inutiles stockées dans les onéreux entrepôts de données. L’entrepôt de données central gagne en performances. Parallèlement, la taille et les coûts des transferts de données comme de stockage sont considérablement réduits !

Le Edge représente une énorme opportunité pour les entreprises. Mais il faut relever un certain nombre de challenges pour concevoir des environnements capables de l'exploiter efficacement. Dans la deuxième partie de cette série d’articles, nous examinerons certains des défis architecturaux généralement rencontrés lors de la conception d'environnements Edge et les différentes approches que nous avons commencé à utiliser pour les relever.

Google enrichit ses parcours d’apprentissage afin d’aider les chercheurs à profiter du cloud

Thu, 30 Dec 2021 10:00:00 +0000

Les chercheurs académiques vivent dans un monde en constante évolution, leurs processus et outils devenant toujours plus puissants, mais aussi plus complexes. Les outils de recherche évoluant sans cesse, les équipes de recherche académique et à but non lucratif sont confrontées à un besoin permanent d'apprentissage et de formation.

Mais les chercheurs nous disent qu'avec leur lourde charge de travail, ils n'ont pas le temps de se tenir au courant des nouvelles technologies : ils veulent se concentrer sur l'avancement de leurs recherches.

C'est pourquoi nous avons créé de nouveaux parcours de formation et de nouvelles ressources pour les aider à se familiariser rapidement avec Google Cloud.

Que vous soyez un chercheur désireux de construire un pipeline génomique, d'exécuter une simulation Monte-Carlo, de créer un cluster HPC avec mise à l'échelle automatique via Slurm ou d'héberger des notebooks Jupyter, nous avons sélectionné des ressources de formation qui vous permettront de directement trouver la solution à vos interrogations sans perdre de temps ni ressources. Nombre d'entre vous souhaitent exploiter les derniers outils d'intelligence artificielle basés sur le cloud - comme la création d'un service personnalisé pour classer les images provenant de caméras ou de séquences vidéo, de meilleures prédictions boostées par une accélération matérielle, etc. – sans toutefois passer par un long parcours d’apprentissage.

Ces préoccupations vous sont familières ? Voici comment nous pouvons vous aider :

Des laboratoires d’apprentissage conçus pour les chercheurs

Organisés par discipline de recherche, nos nouveaux laboratoires d’apprentissage vous guident à travers les compétences Cloud indispensables à l'ingénierie et l’informatique, aux sciences physiques, aux sciences environnementales, aux sciences mathématiques et aux sciences de la vie. Un guide téléchargeable les accompagne contenant différentes ressources autour de solutions Cloud connexes telles que le HPC (High Performance Computing), la sécurité réseau et l’analyse de données. À cela s’ajoutent des milliers de dictaticiels proposés sur le site Codelabs de Google et gratuitement accessibles aux chercheurs qui souhaitent se familiariser sur d’autres sujets connexes tels que le développement d'applications mobiles pour Android et iOS.

Des crédits pour accéder à nos laboratoires d’apprentissage

Google Cloud Skills Boost vous permet de mettre la main à la pâte et d'acquérir une expérience pratique sur un tenant Google Cloud temporairement installé le temps de votre formation. Il s'agit d'un environnement sécurisé de type "bac à sable" qui vous permet d'apprendre en essayant par vous-même plutôt qu'en observant quelqu'un d'autre. Explorez vos options et demandez des crédits afin d’apprendre par la pratique sans dépenser.

Des subventions Cloud pour la recherche académique

Chercheurs et doctorants d’institutions éligibles françaises (et d’une sélection d’autres pays) peuvent demander jusqu'à 5 000 dollars de crédits Google Cloud pour accéder à nos outils de recherche de pointe et éviter de faire la queue pour obtenir des ressources informatiques.

Des partenariats de Recherche

Nous travaillons aussi avec des partenaires régionaux sur des programmes de compétences Cloud adaptés aux chercheurs et nous sommes impatients de collaborer avec de nouveaux partenaires.

Typiquement, aux USA, nous avons collaboré avec la National Science Foundation afin de subventionner des crédits cloud et des formations dirigées par des instructeurs dans le cadre du programme du « Directorate for Computer and Information Science and Engineering » (directoire pour la Science et l’Ingénierie Informatique) visant à soutenir la capacité de recherche d’institutions au service des minorités (Minority-Serving Institutions CISE-MSI).

Autre exemple, en Australie, nous sommes associés à l'AeRO et au QCIF pour offrir 20 subventions de crédits de cloud computing et de formations dirigées par un instructeur, visant spécifiquement à aider les chercheurs en début de carrière et les doctorants à accélérer leurs projets de recherche.

Nous invitons les organismes de recherche nationaux ou régionaux - intéressés par des partenariats sur un programme de compétences Cloud pour leurs chercheurs – à nous contacter à l'adresse suivante : gcpresearchpartner@google.com.

Former plus de 40 millions de personnes à Google Cloud

Thu, 18 Nov 2021 10:52:00 +0000

Partout dans le monde et dans tous les secteurs, les entreprises opèrent leur transformation numérique. Pour beaucoup d’entre elles, la pandémie a provoqué une accélération du processus et nous constatons déjà les impacts de cette transformation sur notre façon de vivre et de travailler, qu’il s’agisse de nouvelles stratégies de croissance plus durables et neutres en carbone, de nouveaux modèles économiques façonnés par l’intelligence artificielle ou encore d’un niveau encore jamais atteint en matière de collaboration virtuelle à l’échelle mondiale.

Bien évidemment, de telles évolutions ne peuvent se concrétiser sans les personnes ayant les compétences requises pour mettre en œuvre et gérer les déploiements cloud à grande échelle, en particulier dans les domaines de l’intelligence artificielle, du Machine Learning, de l’analyse de données, du développement applicatif ou encore de la sécurité et des architectures cloud.

Afin d’œuvrer en faveur d’un monde où le manque de compétences ne freinera pas les entreprises dans leur transformation, nous sommes ravis d’annoncer que nous nous sommes fixé pour objectif de former plus de 40 millions de personnes aux technologies Google Cloud.

Plus de 90% des responsables informatiques affirment qu’ils envisagent de développer leurs environnements cloud dans les prochaines années. Mais plus de 80% d’entre eux considèrent que le manque de compétences et de connaissances de leurs collaborateurs constitue un véritable défi et un frein à ce développement. Avec notre initiative, nous souhaitons non seulement aider les entreprises à lever cet obstacle mais également encourager la réussite professionnelle des individus – via le cloud.

Lancement de Google Cloud Skills Boost

Afin d’atteindre notre objectif, nous annonçons le lancement de Google Cloud Skills Boost, nouvelle destination incontournable pour se former en ligne, développer ses compétences et obtenir des certifications. Entièrement et directement géré par les équipes de Google Cloud, ce nouveau service permettra de former et développer des compétences à une échelle sans précédent.

Disponible dès aujourd’hui, Google Cloud Skills Boost propose plus de 700 ateliers pratiques (« Hands-on Labs »), des cours destinés à des profils spécifiques, des badges de compétences (skill badges), ainsi que des contenus destinés à obtenir des certifications, dont 16 nouveaux cursus de formation. L’ensemble est disponible à la demande et dans le monde entier. Google Cloud Skills Boost donne notamment accès à nos formations les plus demandées, dont « Getting Started with Google Kubernetes Engine » (bien débuter avec Google Kubernetes), « How Google Does Machine Learning » (comment fonctionne le Machine Learning avec Google), « Preparing for the Professional Cloud Architect Certification Exam » (Se préparer à la Certification de Cloud Architecte Professionnel), etc.

Disponible en anglais et en japonais lors du lancement, le contenu sera très rapidement proposé dans d’autres langues.

Chaque utilisateur peut personnaliser son parcours d’apprentissage, suivre ses progrès et faire valider ses connaissances nouvellement acquises en collectionnant les « badges de compétences » Google Cloud. Ils pourront ainsi justifier de compétences rares sur le marché de l’emploi IT auprès d’employeurs. Nous sommes convaincus qu’elles peuvent contribuer à faire évoluer les carrières de manière très significative – de fait, les deux certifications les plus rémunérées en 2021 portaient sur Google Cloud.

Et bien évidemment, parce que les technologies cloud évoluent rapidement et constamment, nos équipes publieront chaque mois de nouveaux contenus, hands-on labs et cours.

Avec Google Cloud Skills Boost, obtenir une certification ou une nouvelle compétence Google Cloud n’a jamais été aussi facile !

Formation Google Cloud sur Coursera

Parallèlement, et afin d’être présent partout où se trouvent les gens intéressés par nos formations, nous continuerons à proposer nos cours via les plateformes de nos partenaires, dont notamment Coursera, une des plus grandes communautés de formation en ligne au monde.

Vous pouvez donc continuer à suivre des cours et accéder aux spécialisations et aux certifications Google Cloud sur Coursera.

Lancement de l’évènement en ligne Cloud Learn

Dans la continuité de Google Cloud Skills et afin de favoriser le développement de compétences cloud chez le plus grand nombre, nous organisons également les 8 et 9 décembre prochain un évènement gratuit autour de la formation. Il est destiné aux développeurs, professionnels IT et spécialistes de la donnée, quel que soit leur niveau de compétence. Conçu pour informer sur le développement de carrière, il proposera également des sessions de formation en direct ainsi que des moments de partage avec des experts métier, des clients et des responsables de Google Cloud.

Cloud Learn proposera trois parcours adaptés à différents profils, allant de la découverte de Google Cloud jusqu’à la préparation intensive aux certifications Google Cloud. Pendant l’évènement, nous vous offrons également l’opportunité exceptionnelle d’obtenir des badges de compétences, de participer à des défis lors d’ateliers pratiques et d’accéder à du contenu de formation supplémentaire. Inscrivez-vous ici dès aujourd’hui pour réserver votre place.

N’attendez pas pour commencer à vous former

Google Cloud Skills Boost marque un engagement significatif et sur le long terme de Google Cloud en faveur d’une nouvelle génération de leaders du cloud, disposant des connaissances et des compétences dont ils ont besoin pour faire évoluer leur carrière et soutenir la transformation numérique de notre monde.

Alors, n’attendez pas ! Découvrez dès aujourd’hui la richesse de contenus de Google Cloud Skills Boost et nos formations sur Coursera. Inscrivez-vous ici pour notre évènement Cloud Learn en direct.

Bâtir un avenir numérique conforme aux exigences de l'Europe

Tue, 16 Nov 2021 10:00:00 +0000

Partout dans le monde, le cloud est désormais considéré comme la solution la plus efficace, la plus flexible et la plus évolutive pour générer de la valeur à l’aide des technologies du numérique. Moteur essentiel de la croissance, il permet aux organismes privés et gouvernementaux de répondre aux besoins des consommateurs et des citoyens sans dépenses d’investissement prohibitives. Toutefois, les organisations européennes des secteurs public et privé attendent de leur fournisseur une solution qui réponde à leurs exigences en termes de sécurité, de protection de la vie privée et de souveraineté numérique, sans compromis sur les fonctionnalités et sur l'innovation.

L'an dernier, nous avons dévoilé notre ambitieuse vision sur la souveraineté. Elle est articulée autour de trois piliers distincts : la souveraineté des données (notion qui comprend notamment le contrôle du chiffrement et l’accès aux données), la souveraineté opérationnelle (visibilité et contrôle sur les opérations du fournisseur) et la souveraineté logicielle (pour être en mesure d’exécuter et déplacer ses workloads cloud sans adhérence à un fournisseur particulier, même en cas de situations exceptionnelles imposant un rapatriement en urgence des traitements sur sa propre infrastructure ou celle d’un autre hébergeur).

Après avoir longuement échangé avec nos clients et les décideurs politiques, nous sommes ravis de vous présenter aujourd'hui notre nouvelle initiative : « Cloud. On Europe's Terms » (Le cloud, aux conditions de l'Europe).

Preuve de notre engagement en faveur de services cloud conformes aux plus hautes exigences en matière de souveraineté numérique, cette initiative atteste également de notre détermination à accompagner la transformation et la croissance des entreprises et organisations européennes.

Les mesures de sécurité et les fonctionnalités de contrôle proposées en standard par Google Cloud offrent une protection renforcée. Elles répondent à l’attente de la majorité de nos clients en garantissant un respect rigoureux des exigences en termes de sécurité et de protection de la vie privée.

Cependant, chaque pays d’Europe possède ses propres caractéristiques et les attentes dans ce domaine varient d’un état à l’autre. Certains clients européens peuvent notamment avoir besoin d’une plus grande flexibilité que celle offerte actuellement par les fournisseurs de cloud public et privé. Avec « Cloud. On Europe's Terms », notre objectif est de proposer une plateforme qui permet à chaque client de déployer des workloads avec un niveau de contrôle adapté aux exigences de son pays et sans passer à côté des avantages du cloud public en termes de transformation.

Dans cette perspective, nous allons collaborer avec des fournisseurs de technologies européens ayant acquis une solide réputation, dont T-Systems en Allemagne. Avec ce premier partenariat que nous venons d’annoncer, nous allons conjointement développer une solution de cloud souverain pour les organisations allemandes des secteurs public et privé. La solution sera disponible dans le courant de l’année prochaine (2022) et elle sera régulièrement enrichie de nouvelles fonctionnalités.

Dans cette offre conjointe, T-Systems assurera le contrôle et la gestion des fonctionnalités liées à la souveraineté, au chiffrement et à la gestion des identités sur Google Cloud Platform compris. T-Systems exploitera et contrôlera aussi en totale autonomie des éléments clefs de l'infrastructure Google Cloud pour les clients allemands de la solution Sovereign Cloud.

Nous sommes déterminés à instaurer un climat de confiance avec les entreprises et les gouvernements européens en proposant une solution de cloud qui répond à leurs attentes en termes de souveraineté numérique, de développement durable et d’objectifs économiques. Cette collaboration avec T-Systems sera bientôt suivie d'autres partenariats avec des fournisseurs de confiance dans d’autres pays d'Europe.

Dans ces pays, les clients auront ainsi la possibilité soit de s’appuyer sur ces offres mises en place avec des partenaires de confiance, soit d’utiliser les services Google Cloud en contrôlant eux-mêmes l’accès et l’exploitation de leurs données. De la même façon, ils pourront choisir l’infrastructure sur laquelle ils souhaitent traiter ces données et éviter toute dépendance vis-à-vis d'un fournisseur.

Par ailleurs, avec Google Cloud, les clients bénéficient automatiquement d'un environnement durable pour exercer leur activité en optant pour le cloud le plus vert du marché. Nous sommes en effet le plus grand acheteur annuel d'énergie renouvelable au monde, et, d’ici 2030, nous nous sommes engagés à fonctionner entièrement avec de l'énergie sans carbone 24h/24, 7j/7 et dans toutes nos régions cloud dans le monde.

Enfin, nous restons bien entendu à l’écoute de nos clients et des décideurs européens qui fixent les règles et définissent les exigences sur le contrôle des données par les entreprises et les organisations. Notre objectif est de faire de Google Cloud la meilleure plate-forme pour une transformation numérique durable des organisations européennes, tout en respectant leurs conditions. Et nous ne comptons pas nous arrêter là.

Comment intégrer des applications no-code au coeur de votre boite Gmail ?

Fri, 12 Nov 2021 10:00:00 +0000

La semaine dernière, nous annoncions la disponibilité d’AppSheet dans Gmail. Cette nouvelle fonctionnalité permet de rendre votre messagerie dynamique avec des applications personnalisées créées sans programmation dans AppSheet.

Trop souvent, les tâches à réaliser au quotidien sont éparpillées entre différentes applications, ce qui ralentit la productivité des collaborateurs obligés à basculer sans arrêt d’une application à l’autre. En réunissant les applications et la messagerie dans une seule interface, AppSheet dans Gmail met fin à ces pratiques laborieuses, évitant aux collaborateurs des ouvertures et fermetures d’applications en cascade qui gênent leur concentration et interrompent le flux de travail.

Il était déjà possible de créer des messages dynamiques sous Gmail, mais cela supposait des compétences en programmation ainsi que beaucoup de patience. Puissante, l’intégration d’AppSheet dans Gmail permet désormais à tout le monde de bénéficier d’une messagerie dynamique. Parce qu’AppSheet est une véritable plateforme no-code, il n’a jamais été aussi facile de traduire une bonne idée en programme puis de déployer ce dernier pour qu’il soit utilisable par tous vos collaborateurs. Les applications AppSheet peuvent être interfacées avec la source de données de votre choix, qu’il s’agisse d’une feuille Google Sheet, une base de données SQL ou SalesForce. Particulièrement intéressante, cette approche vous permet, ainsi qu’à vos collègues, de mettre à jour ces différentes sources de données sans avoir à quitter la messagerie.

Fonctionnement d’AppSheet dans Gmail

Explorons plus en détail le fonctionnement d’un message dynamique conçu avec AppSheet. Dans l’exemple ci-dessous, une application de demande de voyage est utilisée pour créer une demande de déplacement et la soumettre par courriel à son responsable chargé des approbations. Ce dernier pourra alors y répondre en utilisant un message dynamique dans Gmail.

En voici une illustration :

Les informations concernant les détails du voyage sont extraites et actualisées en temps réel en interrogeant diverses sources données, au moment même où le courriel est ouvert (d’où la notion de courriel « dynamique »).

Et c’est là que les choses deviennent vraiment intéressantes : quand le destinataire (autrement dit l’approbateur dans notre exemple) reçoit le courriel dynamique, il peut parcourir les informations, ajouter des commentaires, prendre des décisions liées à l’approbation et finalement donner sa réponse sans jamais avoir eu à quitter Gmail ! Les données de la source de l’application AppSheet (Google Sheet dans notre exemple) sont automatiquement mises à jour dès qu’il clique sur envoyer le message.

Voici à quoi ressemble la feuille Google Sheet, une fois la demande de voyage validée via Gmail avec, pour chaque demande, la décision du responsable (« TRUE »), la date d’approbation et d’autres informations complémentaires automatiquement renseignées :

L’application peut encore être enrichie, l’enregistrement des données dans la source pouvant par exemple déclencher de nouveaux processus automatisés (mise en place d’un workflow) tels que l’envoi automatique d’un SMS ou d’un courriel de confirmation.

Créez votre premier courriel dynamique dans AppSheet

Quelques minutes suffisent pour concevoir un courriel dynamique. Commencez par configurer une automatisation qui permettra à votre application de déclencher des actions prédéfinies dès que certaines conditions sont remplies. Dans notre exemple, nous avons créé un bot capable de détecter la création d’une nouvelle demande de déplacement par un utilisateur, puis de l’envoyer au responsable des approbations avec toutes les informations requises.

Dans la section courriel dynamique, déployez la liste déroulante « Use Dynamic Email » et sélectionnez la vue « Approvals » que l’on souhaite voir apparaitre dans le courriel. Poursuivez en remplissant les destinataires et en ajoutant du texte et d’éventuelles informations complémentaires au message :

Le tour est joué ! Avec les messages dynamiques AppSheet, Gmail n’est plus une simple application de messagerie parmi d’autres pour réaliser son travail au quotidien. Elle devient l’application centrale qui vous permet à vous et à vos collègues de mettre en place des collaborations fluides de toutes sortes.

N’hésitez pas à consulter cette vidéo « how-to » qui reprend étape par étape l’intégralité du processus de création si vous souhaitez obtenir plus d’aide sur la création de votre premier courriel dynamique avec AppSheet.

L'adoption du cloud progresse dans les services financiers

Thu, 04 Nov 2021 10:00:00 +0000

Nouvelles attentes des consommateurs, nouvelles technologies, nouvelles exigences réglementaires… l’industrie des services financiers évolue à un rythme rapide. Les organisations du secteur ont besoin de la bonne technologie pour rester agiles et se préparer pour l’avenir.

Le cloud est un levier essentiel pour toutes ces entreprises qui cherchent à améliorer leurs performances sur l’ensemble de leurs activités. En migrant vers le cloud public, elles peuvent améliorer leur résilience opérationnelle, la productivité de leurs collaborateurs, leur conformité réglementaire ainsi que leurs modèles d’innovation.

Cependant, certaines entreprises de services financiers hésitent encore à évoluer vers le cloud. Complexité des systèmes historiques (Legacy), manque de compétences et de confiance, incertitudes réglementaires, fragmentation des exigences en matière de conformité… les obstacles expliquant cette frilosité varient d’une entreprise à l’autre. Et même si de nombreuses organisations profitent déjà des avantages du cloud, son adoption plus massive – en particulier au niveau des fonctions cœur de métier du back office - doit être facilitée notamment par une plus grande harmonisation et rationalisation des réglementations.

Une nouvelle étude exhaustive sur l'adoption du cloud dans les services financiers

Afin de mieux appréhender les défis à relever ainsi que les bénéfices apportés par le cloud dans les services financiers, Google Cloud, en collaboration avec le sondeur Harris, a interrogé plus de 1 300 dirigeants du secteur aux États-Unis, Canada, France, Allemagne, Royaume-Uni, Hong Kong, Japon, Singapour et Australie.

L’étude a permis de faire émerger cinq points importants :

1. Une grande majorité des organisations du secteur des services financiers utilisent déjà le cloud public, sous une forme ou une autre.

Un grand nombre de sociétés du secteur des services financiers interrogées (83 %) ont déclaré qu’elles utilisaient des technologies cloud pour leur informatique cœur de métier. Parmi ceux qui utilisent les technologies cloud, l'architecture la plus populaire est le cloud hybride (38%), suivie par un cloud unique (28%) et le multicloud (17%). Il convient de noter que 88% des entreprises qui n’ont pas de stratégie multicloud prévoient d’en avoir une dans les 12 prochains mois.

2. Les institutions de services financiers d'Amérique du Nord sont les plus avancées sur l'adoption du Cloud.

Parmi les entreprises du secteur des services financiers ayant une stratégie cloud, on constate un niveau plus élevé d’adoption de workloads clouds en Amérique du Nord, avec les États-Unis (54 %) et le Canada (52 %) en tête.

3. Progressivement, au fur et à mesure que l’usage du cloud se développe dans le secteur des services financiers, de plus en plus de fonctionnalités cœur de métier pourront – et seront – migrées.

Bien que de nombreux workloads aient déjà été migrés, le secteur des services financiers est encore très loin d’avoir massivement adopté le cloud pour ses workload critiques et son back office.

Ainsi, dans les entreprises ayant une stratégie cloud avancée aux États-Unis, à peine plus de la moitié (54%) des workloads ont été intégralement déployés dans le cloud. Parmi les workloads déployés en priorité, on trouve la sécurité des données et des infrastructures (74%), le reporting réglementaire (57%) ainsi que la détection et la prévention des fraudes (57%). À l’inverse, les activités de souscription (40%) et de rapprochement des données sont les moins confiées au cloud.

En Europe, l’adoption du cloud pour ces activités critiques comme la souscription reste faible avec le Royaume-Uni, par exemple, qui atteint seulement 30%.

4. Les entreprises interrogées ont une perception très positive du potentiel du cloud pour améliorer l’efficacité opérationnelle et la conformité.

Une très grande majorité des entreprises sondées (plus de 88%) s’accordent à reconnaître que l’adoption du cloud aide à :

- s’adapter aux comportements et aux attentes des consommateurs,

- améliorer la résilience opérationnelle,

- soutenir la création de nouveaux produits et services innovants,

- améliorer la sécurité des données des établissements de services financiers,

- améliorer les échanges au sein des infrastructures historiques logicielles très silotées des entreprises du secteur des services financiers.

5. Certains défis induits par les organismes de réglementation – dont notamment la complexité des cadres de conformité sectoriels et la fragmentation– freinent l’adoption du cloud par les entreprises du secteur des services financiers.

Malgré le fait que 88% des organismes sondés apprécient les efforts effectués dans le domaine de la réglementation pour clarifier les directives et procédures d’adoption du cloud, les résultats de notre étude montrent qu’il reste encore beaucoup à faire pour faciliter cette adoption dans le secteur des services financiers.

La plupart des sondés (84%) estiment que les approbations réglementaires prennent trop de temps en raison de la trop grande fragmentation des organismes de réglementation. Et, 78% ajoutent que les incertitudes réglementaires les empêchent d’adopter des technologies qui pourraient pourtant leur procurer de nombreux avantages.

Enfin, plus d’un tiers des répondants disposant d’une informatique totalement hébergée en interne (38%) affirment que les importantes ressources à investir dans le processus de validation réglementaire constituent une des raisons pour laquelle ils n’utilisent pas les services cloud.

« Alors que de nombreuses banques ont déjà déployé des environnements cloud hybrides, d'autres en sont encore à diverses étapes de la planification et du déploiement », estime Jerry Silva, vice-président de la recherche pour IDC Financial Insights. « De toute évidence, l'infrastructure hybride est une réalité. Les institutions financières doivent se concentrer non seulement sur l'utilisation d’un modèle d'infrastructure moderne pour gagner en efficacité, en résilience et en agilité, mais aussi sur l’élaboration de stratégies concrètes pour gérer ces environnements, y compris la sécurité et la conformité des services cloud. »

Recommandations pour les régulateurs des services financiers

Les entreprises du secteur des services financiers devraient continuer à profiter au maximum du potentiel de la technologie pour migrer davantage de workloads critiques vers le cloud et envisager les stratégies multicloud et hybrides. De telles approches renforcent la résilience de l'infrastructure informatique existante et réduisent les problèmes liés au verrouillage (lock-in) par des fournisseurs.

L’étude indique également que les organismes de régulation doivent se montrer plus clairs et fournir des conseils supplémentaires en matière :
- d’harmonisation des examens réglementaires entre les organismes afin d'éviter la fragmentation ;
- d’élaboration de « safe harbors » réglementaires afin que les entreprises qui adoptent le cloud puissent le faire dans le respect de normes validées et en se fondant sur les meilleures pratiques ;
- de formation du personnel chargé de la conformité réglementaire sur les technologies émergentes ;
- d’exigences sur le reporting effectué à partir du cloud et des technologies connexes.

Au cours de ces dernières années, de nombreux organismes de régulation à travers le monde ont cherché à rationaliser les règles et les directives sur l’utilisation du Cloud dans le secteur financier, contribuant ainsi à encourager son adoption de manière significative. Mais les entreprises ont besoin de garanties supplémentaires et d’une harmonisation des meilleures pratiques de supervision des clouds pour faire progresser l’innovation numérique dans un cadre sécurisé et en maîtrisant tous les risques.

Google Cloud s’engage à travailler avec ses clients du secteur des services financiers et les organismes de régulation afin de leur fournir les contrôles et les garanties nécessaires à la fois sur la gestion des risques, la localisation des données, la transparence et la conformité. Nous collaborons constamment avec les organismes de régulation afin de répondre à leurs attentes et à leurs préoccupations en abordant toutes ces problématiques sous l’angle de la transparence et de la confiance.

Pour en savoir plus sur les résultats de cette étude, téléchargez notre infographie et notre rapport complet.

Hey Google, montre-moi le futur du Retail !

Fri, 29 Oct 2021 09:00:00 +0000

Note de la rédaction : Amy Eschliman Managing Director Retail NorthAm chez Google Cloud, nous donne son point de vue et développe certains thèmes qui ont été évoqués durant le Retail & Consumer Goods Summit.

À l’occasion de notre événement digital « Retail & Consumer Goods Summit », dédié à la transformation numérique des marques et détaillants, nous avons mis en lumière les opportunités offertes aux entreprises qui choisissent de se concentrer sur leurs clients et de tirer parti de la technologie pour améliorer leurs expériences.

Les multiples sessions de cet évènement ont été conçues pour aider les acteurs du retail et les marques à centrer leur stratégie sur leurs clients, à saisir les opportunités du numérique et à transformer leurs activités.

Retrouvez quelques sessions enrichissantes à la demande :

« Pourquoi l’abandon d’une recherche est la métrique qui compte », session autour de la recherche dans le Retail avec un passionnant retour d’expérience de Macy’s.
« Piloter la proximité dans un monde axé sur le parcours des consommateurs » aborde la façon dont les marques et les acteurs du retail peuvent créer une stratégie de données gagnante, session illustrée par une discussion avec P&G.
« Le magasin moderne : 7 leviers d’innovation » montre comment les acteurs du retail et les marques peuvent aborder la transformation des magasins pour tirer un maximum de valeur des technologies avec un témoignage de The Home Depot.

À l’occasion de cet événement, j’ai eu le plaisir d’animer une session « Retail Spotlight » proposant un tour d’horizon du paysage actuel du commerce de détail et de notre approche de ce secteur. Une session enrichie par des échanges instructifs avec Albert Bertilsson, directeur de l'ingénierie Edge chez IKEA Retail (Indga Group) et avec Neelima Sharma, vice-présidente Technologie, e-commerce, marketing et merchandising chez Lowe's.

Je profite de ce billet pour partager et approfondir avec vous certains des thèmes évoqués pendant cette session.

Les parcours numériques d’achat brouillent les frontières entre les expériences physiques et digitales d’une marque, tout particulièrement dans le secteur du retail. Typiquement, les acheteurs veulent savoir ce qui est disponible en magasin avant de s’y rendre. De la même façon, ils s’attendent à ce qu’on leur propose différentes options de collecte lorsqu’ils achètent en ligne, comme le Drive ou le retrait en magasin. Ces tendances apparaissent clairement dans nos récentes études.

Dans ce contexte, de nombreux détaillants se demandent comment faire parler leurs données et relever le défi des abandons de recherche, une problématique estimée à 300 milliards de dollars (de perte potentielle pour le secteur). Ils se demandent également comment accélérer la création de nouvelles expériences client et améliorer les échanges entre leurs collaborateurs et leurs consommateurs – en toute confiance.

Chez Google Cloud, nous avons beaucoup réfléchi à la façon dont nous pouvions vous aider à réussir dans cette nouvelle ère de la relation client, avec la volonté de nous focaliser sur des domaines où nous pouvons offrir à nos clients du retail le meilleur de nos savoir-faire, tout en concentrant nos efforts sur ce que Google a de mieux à offrir en termes d’intégration du cloud. Et ce, partout dans le monde.

Notre objectif est clairement d’accompagner les acteurs du retail dans leur transformation en entreprises centrées sur les clients et la donnée. Nous voulons les aider à capter les revenus additionnels en provenance des activités numériques et omnicanales, à créer une boutique moderne ou encore à améliorer leur efficience opérationnelle.

Examinons chacun de ces piliers stratégiques de manière un peu plus détaillée.

Devenir une entreprise centrée sur le client et la donnée

Aujourd’hui, les clients s’attendent à des expériences contextualisées, ciblées et adaptées à leurs besoins. Ils rejettent toutes celles qui ne répondent pas à ces critères. La modélisation existante des données, l’héritage de technologies dépassées ou encore des systèmes silotés empêchent souvent les acteurs du retail de proposer le niveau d’expérience personnalisée attendu.

Chez Google Cloud, nous travaillons avec les acteurs du retail et notre écosystème de partenaires afin d’exploiter et tirer de la valeur des données, notamment dans le domaine des CDP (Plateformes de données client). Notre démarche inclut les intégrations avec les plateformes de données de Google Cloud, dont notamment notre plateforme de Business Intelligence (BI) Looker ainsi que nos autres plateformes populaires, afin d’offrir à nos clients une seule source de données unifiée pour toute l’entreprise. Nous aidons également les acteurs du secteur du retail à moderniser leur entrepôt de données avec Looker afin de leur permettre de capitaliser sur toutes leurs données : client mais aussi stock, chaîne d’approvisionnement ou encore données relatives à l’activité des magasins.

Capturer la croissance numérique et omnicanale

Nous contribuons au développement de nombreux sites d’e-commerce à travers le monde, leur apportant toute la puissance dont ils ont besoin pour gérer des évènements exceptionnels comme le Black Friday ou le Cyber Monday. Dans ce cadre, la capacité à monter en charge est bien entendu importante mais la qualité de l’expérience client l’est tout autant. Comment les clients trouvent-ils les produits ? Comment offrir une expérience en ligne et omnicanal sans couture ? Pour vous aider, nous concevons des solutions basées sur nos technologies les plus avancées afin de faciliter la recherche de produits et susciter l’engagement client.

Retail Search, par exemple, offre la possibilité aux acteurs du retail de bénéficier sur leurs propres sites de la même qualité de recherche que celle du moteur de Google. Qualité de recherche qui peut bien entendu être personnalisée en fonction de besoins spécifiques propres à chaque entreprise et qui tire parti des fonctionnalités avancées de Google en termes d’interprétation des intentions et du contexte des clients.

L’enjeu est clairement identifié : des études récentes montrent en effet que les acteurs du retail perdent chaque année, rien qu’aux États-Unis, plus de 300 milliards de dollars à cause des recherches abandonnées, c’est-à-dire quand l’intention du client n’est pas convertie en achat à cause de réponses inappropriées à sa recherche.

Retail Search est désormais accessible à un plus large éventail d’acteurs du retail. Si une telle solution vous intéresse, n’hésitez pas à contacter votre conseiller commercial pour en savoir plus sur Retail Search.

Inventer le magasin de demain

Compte tenu des tendances dans les comportements d’achat, comme la hausse des livraisons en Drive ou encore la recherche « à proximité », notre équipe Google Maps Platform travaille sur de nouvelles solutions et fonctionnalités pour aider les acteurs du retail à sensibiliser leurs clients sur la disponibilité des produits en fonction du canal d’achat qu’ils privilégient.

Ainsi, avec Product Locator, chaque page produit fournit aux clients les informations dont ils ont besoin en matière d’options de livraison. Ainsi les clients sont informés des différentes options de livraison ou de retrait tout au long du processus d’achat et pas uniquement au dernier moment, lorsqu’il passe à la phase de paiement.

Cette maîtrise du stock en local peut également se transformer en levier de croissance, de nombreuses opérations pouvant être mises en place pour encourager la consommation. Shopify a, par exemple, indiqué récemment que les clients qui optaient pour la récupération de leur commande en magasin affichaient un taux de conversion de 13% supérieur à la moyenne et que 45% des clients qui optaient pour ce mode de livraison effectuaient un achat additionnel lors de la récupération de leurs marchandises. Et ce n’est qu’un des nombreux exemples illustrant ce que l’équipe de Google Maps Platform peut apporter pour optimiser l’expérience de vos clients.

Optimisation opérationnelle

En cette période si particulière qui a engendré tant de perturbations dans la chaîne d’approvisionnement et dans un monde où les comportements des consommateurs sont volatiles, développer son activité constitue un véritable défi. D’autant que le secteur du retail a été particulièrement impacté par la pandémie et ses confinements, obligeant des équipes entières à rester chez elles. Nous travaillons avec les acteurs du retail pour les aider à tirer partie de l’intelligence artificielle et ainsi favoriser la mise en œuvre de chatbots ou encore de fonctionnalités de commerce conversationnel afin qu’ils puissent résoudre les problèmes des clients plus facilement et quelles que soient les circonstances. Si vous souhaitez, vous pouvez approfondir ce sujet et découvrir notre offre à l’occasion de la session « Conversationnal Commerce avec Google » animée par Albertsons.

Alors que la transformation numérique de nos sociétés ne cesse de s’accélérer, Google Cloud aide les acteurs du retail à rester à la pointe du progrès avec des solutions conçues pour tirer parti de la croissance numérique et omnicanale. Centrées sur l’exploitation des données et l’expérience client, elles favorisent l’optimisation opérationnelle. Quelle que soit la technologie cloud, aujourd’hui comme demain, Google Cloud s’engage auprès des acteurs du retail afin de leur fournir les solutions dont ils ont besoin pour se développer.

Découvrez nos solutions pour le retail ainsi que nos sessions dédiées aux acteurs du secteur à l’occasion de notre évènement Retail & Consumer Goods Summit, dont la session CPG Industry Spotlight « How To Grow Brands in Times of Rapid Change » avec le témoignage de L’Oréal .

Rapport DevOps 2021 : burnout et performance des équipes

Thu, 21 Oct 2021 09:00:00 +0000

Plus de 32 000 professionnels dans le monde ont participé à nos rapports « Accelerate State of DevOps » ces sept dernières années, ce qui en fait l’étude la plus complète sur ce sujet. Année après année, ces rapports - établis à partir des données collectées dans les entreprises - dressent un état des tendances dans le domaine de la production logicielle : capacités, pratiques, performances organisationnelles et opérationnelles… Et cette année ne fait pas exception : l’équipe DORA (DevOps Research & Assessment) de Google Cloud est ravie d’annoncer l’édition 2021 de son Accelerate State of DevOps Report.

Notre étude 2021 montre que l’excellence opérationnelle et la performance de la chaîne de production de logiciels continuent à jouer un rôle majeur dans la réussite de la transformation technologique des entreprises. Cette année, nous avons également porté notre attention sur les meilleures pratiques SRE, la sécurité de la chaîne de livraison des logiciels, la qualité de la documentation ou encore le multicloud afin d’en mesurer les conséquences. En parallèle, nous avons aussi cherché à comprendre quels impacts l’année qui vient de s’écouler a pu avoir sur le burnout et l’ambiance au sein des équipes.

Voici les points clés à retenir de cette étude :

Les indicateurs de performance de la production logicielle

Sur la base des conclusions des précédents rapports, nous avons arrêté 4 indicateurs (élite, haute, médium, faible) pour classer la performance des équipes sur la livraison des applications en prenant en compte la fréquence de déploiement, le délai pour implémenter des changements, le temps moyen de restauration et le taux d’échecs sur l’implémentation de changements.
Nous avons ainsi constaté que les équipes « élites » ont continué cette année à accélérer le rythme de leur production logicielle tout en améliorant les délais de déploiement des changements : moins d’une heure contre un jour auparavant. Elles déploient surtout 973 fois plus souvent qu’une équipe « faible » et affichent un délai 6.570 fois plus court pour déployer un changement, un taux de défaillance 3 fois plus faible et un temps moyen de restauration 6.570 fois plus court lorsqu’un incident de déploiement surgit.
Autrement dit, les équipes « élites » démontrent une performance organisationnelle sans commune mesure avec les équipes qui accusent un retard sur la transformation DevOps.

Le cinquième indicateur : de la disponibilité à la fiabilité

Jusqu’ici, nous mesurions la disponibilité plutôt que la fiabilité. Cependant la disponibilité n’est qu’un des critères de mesure de l’ingénierie de la fiabilité. Aussi avons-nous, en 2021, étendu notre étude à davantage de critères de fiabilité afin que, outre la disponibilité, la latence, les performances et l’évolutivité soient plus largement représentées. Plus précisément, nous avons demandé aux répondants d'évaluer leur capacité à atteindre ou à dépasser leurs objectifs de fiabilité. Nous avons constaté que les équipes – quels que soient les degrés de maturité dans la production logicielle et les approches DevOps – obtiennent de meilleurs résultats en matière de fiabilité lorsqu'elles accordent également la priorité à la performance opérationnelle.

Perspectives 2021 : impacts de la fiabilité, du COVID et des chaînes d'approvisionnement applicatives sécurisées

Outre l’impact de l’adoption de DevOps sur les performances de la production logicielle, le rapport DORA de cette année a également révélé de nouvelles tendances. En voici un échantillon.

1. Une culture d'équipe saine atténue le surmenage (burnout) pendant les périodes difficiles

Les répondants qui travaillaient à la maison en raison de la pandémie ont été plus sujets au burnout que ceux restés au bureau (qui ne constituaient qu’une petite partie de notre échantillon). Les équipes inclusives, ayant une vraie culture DevOps, ont expérimenté deux fois moins de burnouts pendant la pandémie de COVID-19.

2. Les équipes les plus performantes continuent à élever la barre

Pour la première fois, les équipes de niveau « élite » et « haute performance » représentent les deux tiers des répondants. Par comparaison, lors du rapport de 2019, les équipes classées « moyennes » ou « faibles » représentaient 56 % des répondants. Nous pouvons affirmer avec certitude que l'industrie continue d'accélérer son adoption des principes DevOps et que les équipes constatent des avantages significatifs en retour.

3. SRE et DevOps : deux philosophies complémentaires

Au-delà de ses principes intrinsèques, SRE (Site Reliability Engineering) apporte des techniques pratiques, tel le framework de mesures SLI/SLO (Service Level Indication/Service Level Objective).

Le cadre SRE définit les bonnes pratiques et les outils permettant d’améliorer la capacité d’une équipe à tenir les promesses faites aux utilisateurs. Les équipes qui donnent à la fois la priorité à l’excellence opérationnelle et à la production logicielle affichent également la meilleure performance organisationnelle.

Pour analyser cet aspect, nous avons cette année inclus, pour la première fois dans notre étude, des questions centrées sur les opérations IT. Il en ressort que les équipes qui excellent dans les pratiques opérationnelles modernes sont 1,4 fois plus susceptibles d’afficher une plus grande performance dans la production logicielle et les opérations (aussi appelée performance SDO). Elles sont aussi 1,8 fois plus susceptibles de parvenir à de meilleurs résultats Business.

4. L'adoption de cloud stimule la performance

En 2021, les équipes continuent de migrer les workloads vers le cloud. Celles qui tirent parti des cinq capacités du cloud voient non seulement leur performance SDO augmentée mais également leur performance organisationnelle. L'adoption multicloud est également en hausse, les équipes cherchant à tirer avantage des capacités spécifiques à chaque opérateur. Dans les faits, les répondants exploitant des services hybrides ou multicloud se sont révélés 1,6 fois plus susceptibles de dépasser leurs objectifs de performance organisationnelle.

5. Une supply chain des logiciels sécurisée est fondamentale et stimule les performances

La sécurité ne peut plus être une réflexion a posteriori. Elle doit être intégrée à toutes les étapes du développement logiciel pour construire une chaîne d'approvisionnement sécurisée. Les équipes de niveau « élite » qui ont atteint ou dépassé leurs objectifs de fiabilité étaient deux fois plus susceptibles d'avoir fait évoluer leurs pratiques de sécurité. Autrement dit, ces dernières ont mis en œuvre des pratiques de sécurité plus tôt dans le cycle du développement et ont livré des applications plus fiables, plus rapidement et en toute sécurité.

6. Une bonne documentation est essentielle à une mise en œuvre réussie de DevOps

Pour la première fois, nous avons mesuré la qualité de la documentation interne et son effet sur d'autres capacités et pratiques. Nous avons ainsi découvert que la documentation est fondamentale dans une mise en œuvre réussie de DevOps. Les équipes ayant une documentation de haute qualité sont 3,8 fois plus susceptibles de mettre en œuvre les meilleures pratiques de sécurité et 2,5 fois plus à même de tirer pleinement parti du potentiel du cloud.

Lancement des DevOps Awards

Depuis plusieurs années, nous partageons avec vous certaines de nos meilleures pratiques DevOps. Aujourd’hui, nous aimerions découvrir comment, de votre côté, vous transformez votre organisation avec DevOps.

À l’occasion de nos premiers DevOps Awards (qui seront reconduits chaque année), nous récompenserons les clients Google Cloud qui ont amélioré leur fréquence de déploiement, ont réussi à améliorer leur sécurité, ont réduit leur taux d’échecs, etc. Parlez-nous de l'impact positif de DevOps sur vos équipes, vos clients et votre organisation.

Partagez votre expérience DevOps ici dès aujourd’hui !

Merci à tous ceux qui ont répondu à notre sondage 2021. Nous espérons que ce rapport « Accelerate State of DevOps » aidera les organisations de toutes tailles, industries et régions à améliorer leur expérience DevOps, et nous sommes impatients d'entendre vos réflexions et vos commentaires.

Pour en savoir plus sur le rapport et la mise en œuvre de DevOps avec Google cloud, consultez les ressources suivantes :

Télécharger le rapport
Pour en savoir plus sur la façon dont votre organisation se situe par rapport à d'autres dans votre industrie, essayez notre DevOps Quick Check
Pour des solutions DevOps personnalisées pour votre organisation, consultez notre nouveau site web CAMP
Pour en savoir plus sur les aptitudes DevOps des équipes classées « Elite »