Ce que la technologie dit du futur de l’IoT domestique

Dans la droite lignée de la loi de Moore qui en 1965 édictait que la capacité de calcul d’un microprocesseur serait maintenant multipliée par deux chaque année (Moore, 1965), et comme vu précédemment, le développement de l’IoT, peu importe le secteur, peut se caractériser par le dynamisme de l’écosystème technologique sur lequel les solutions sont construites. Ainsi, envisager l’avenir de la smart home par le prisme des celles-ci peut permettre de mieux appréhender les potentielles directions du marché dans un avenir proche, et leur éventuelle pérennité.

Image à la une : un extrait de code Python (Chris Ried – Unsplash)

Le futur de l’IoT domestique fait déjà face à des challenges technologiques propres au secteur, parmi lesquels :

  • Le traitement de données potentiellement très sensibles : habitudes de consommation, images de la vie intime, et conversation privées constituent autant d’informations auxquelles sont de plus en plus exposés les appareils de la smart home. La technologies se doit donc d’intégrer cette problématique très en amont.
  • Le développement d’interfaces intuitives entre l’utilisateur et l’appareil : la smart home s’adresse à un public parfois technophile certes, mais pas forcément expert. En conséquence, proposer une interface utilisateur (User Interface ou UI) claire et ergonomique s’avère être une nécessité pour toute future solution. Nous le verrons juste en dessous, l’arrivée de la commande vocale pourrait amener à repenser largement la relation à l’objet, et donc cette notion d’UI. Notons que l’interface idéale, aujourd’hui hypothétique, pourrait être fondée sur les qualités de cohérence, configurabilité, utilité et flexibilité (Larson, 2015).
  • Une meilleure interopérabilité entre solutions : la tendance au développement en silo des projets smart home a amené sur le marché une multitude de normes et de technologies qui ne savent pas forcément parler les unes avec les autres. Depuis plusieurs années néanmoins, des produits tentent de démocratiser les interactions entre ces services propriétaires. C’est l’exemple de l’application d’automatisation If This Then That (IFTTT), qui permet ainsi de démarrer sa prise connectée Belkin WeMo en parlant à son enceinte intelligente Google Home (IFTTT, 2020). La prise en compte de cet enjeu participe à simplifier l’usage de l’IoT domestique, levant ainsi un potentiel frein pour le consommateur, qui bénéficie de technologies plus ouvertes. Commercialement, nous le découvrirons ensuite (voir Dossier III – Article 3), l’interopérabilité pourrait donc prochainement devenir un facteur clé de succès majeur, que les entreprises ne pourront plus ignorer.
  • Une architecture capable d’opérer sur un réseau instable : contrairement à une solution implémentée sur un réseau Internet d’entreprise, généralement robuste, stable et entretenu, l’IoT à la maison doit composer avec un réseau local (Local Area Network ou LAN) parfois défaillant car soumis aux failles (coupures inopinées, débits montants et descendants faibles…) des Fournisseurs d’Accès Internet (FAI). Ainsi, les solutions smart home pourront donc choisir de s’adapter à ces contraintes de réseau Internet, ou alors s’en affranchir préférer une autre technologie plus adaptée à leurs besoins (voir plus bas).

La smart home et son appropriation des technologies IoT

Les enjeux particuliers introduits au-dessus devraient de fait amener les développeurs de solutions smart home à s’approprier les technologies IoT pour tenter d’y répondre pertinemment. Il peut dès lors sembler intéressant d’aborder en détail ces technologies et concepts (partiellement présentés dans l’Introduction), plus ou moins matures, pour envisager la manières dont ils pourraient façonner le futur de la smart home (et réciproquement peut-être) :

  • Le développement de l’IA : là où les premiers systèmes domotiques se contentaient de traiter des commandes sans prendre aucune décision, l’IoT domestique, grâce au développement du champs de l’IA, et en particulier de l’apprentissage automatique (Machine Learning ou ML), permet à la maison de 2020 d’être dotée en apparence d’une forme d’intelligence et d’un pouvoir de décision inédit, plus ou moins étendu, ouvrant alors de nouveaux champs des possibles. L’appareil et ses capteurs apprennent des habitudes passées pour mieux anticiper et servir les besoins futurs de l’utilisateur. Jean-Philippe (entretien n°4) estime ainsi qu’à propos de l’IoT, du ML, de l’IA, et des réalités virtuelle et augmentée : “tout ça [mis] ensemble, ça donne une sacrée bête”. Pour prendre vie néanmoins, l’intelligence des objets nécessite une puissance de calcul importante, et peut être synonyme d’une consommation réseau conséquente à mesure que les données sont transmises au serveur. Comme introduit plus bas, ce constat appelle donc certaines technologies à vouloir ramener cette intelligence plus près, voire dans l’objet.
  • Les progrès de la commande vocale : ces nouvelles formes d’intelligences permettent des méthodes de communication inédites entre l’homme et la machine, avec en tête la commande de l’appareil grâce à la voix, au cœur du succès des enceintes connectées. Cette possibilité développe encore le concept de l’interface abordé au dessus, et certains parlent dès lors de Voice User Interface, ou VUI (Larson, 2015). Remarquons que la commande vocale, si elle est l’objet de tous les fantasmes chez eux qui veulent dessiner le futur de l’IoT, peut encore faire peur chez les consommateurs de solutions smart home, qui peuvent y voir se matérialiser une forme de contre-pouvoir artificiel. Dotée de la voix, la maison, et les décisions qu’elle prend sur l’écosystème IoT, s’humanisent. Pierre-Yves (entretien n°6) explique ainsi : “La domotique me donne un coup de main, mais elle ne doit pas m’orienter [pour acheter quelque chose]”.
  • Le Cloud Computing : l’informatique dans le nuage (on parlera ensuite de cloud) permet de s’exempter du coût important que représente l’investissement dans une infrastructure, en utilisant, à travers Internet, la puissance d’acteurs ayant fait ces mêmes investissements (On peut citer OVHcloud, AWS, GCP ou encore Microsoft Azure). En facturant seulement en fonction du niveau d’utilisation, le concept du cloud apporte de la souplesse et permet à un projet smart home modeste d’accéder à des technologies de pointes, avec un accent mis sur la sécurité, tout en grossissant facilement si le besoin s’en fait sentir (on parle alors de scaling, lorsque de nouveaux serveurs sont utilisés pour répondre à plus de charge, par exemple).
  • Le réseau IoT isolé du réseau domestique pour des raisons de sécurité : la communication des appareils avec le cloud peut être synonyme de fuites de données sensibles, lorsque l’infrastructure n’est pas assez sécurisée et que l’objet se retrouve par exemple exposé publiquement sur Internet (voir Dossier II – Article 5). En réponse à ces risques, et aux craintes, visiblement fondées, de particuliers sur la sécurité de leurs appareils, il est ainsi possible de créer un réseau local dédié sur lequel sont connectés les objets IoT, qui fait alors office de pare-feu face et évite d’exposer les adresses de ces derniers sur Internet.
  • L’adoption du NoSQL pour le traitement big data : grâce à leurs capteurs, les objets IoT domestique peuvent générer des quantités colossales de données (heure à laquelle le chauffage a été allumé, nombre de fois qu’une porte a été ouverte, signature électrique d’un appareil…). Pour être traitées et faire sens (permettre au système de supposer l’heure favorite d’allumage du chauffage, par exemple, grâce au ML), ces informations sont alors régulièrement remontées sur des serveurs de base de données. Existent alors deux écoles : la base de données relationnelle (qui stocke les données dans des tableaux classiques, un peu comme dans Excel) et peut être requêtée avec le langage SQL (pour Structured Query Language), ou la base de données NoSQL (pour Not Only SQL), apparue bien plus récemment, qui stocke les données sous la forme de paires clé/valeur. Cette deuxième technologie semble aujourd’hui remporter les faveurs d’un nombre croissant d’acteurs de l’IoT domestique, qui apprécient sa flexibilité par rapport à la base de données relationnelle. Vivint, acteur majeur de la smart home en Amérique du Nord, explique ainsi que ses 10 millions d’appareils connectés renvoient chaque jour un demi milliard de message à sa base MongoDB, une solution NoSQL capable de supporter une charge bien supérieure à ce que pourrait encaisser une base de donnée classique (Datanami, 2016).
  • La structuration du streaming de données : les volumes de données générés, avant d’être stockés, demandent aussi une architecture particulière pour être acheminées sous forme de flux continu (on parle de streaming) jusqu’au serveur. En ce sens, les acteurs du Cloud Computing proposent désormais des solutions mettant l’accent sur la sécurité des données en transit, et l’utilisation responsable du réseau. C’est l’exemple du service d’Amazon, AWS Kinesis Data Firehose, qui peut par exemple servir à transférer en continu, vers une base de données, des informations de débit d’une arrivée d’eau domestique et ainsi identifier presque en direct tout dysfonctionnement (AWS, 2019).
  • La montée en puissance du Edge Computing : plutôt que de transférer en permanence des données brutes dans le cloud, alors chargé de faire tous les calculs et l’analyse, puis de renvoyer l’information à l’utilisateur, on peut aussi soulager le réseau en favorisant un traitement de la donnée plus proche, géographiquement, de l’objet. C’est ce que propose le paradigme de l’informatique en périphérie de réseau (ou Edge Computing), qui délègue en partie les tâches de calcul à l’ordinateur ou au terminal mobile auquel est connecté l’objet, plutôt que de systématiquement solliciter le cloud. Les données pré-traitées localement permettent de réduire drastiquement les échanges avec le cloud, et de ne plus tributaire des faiblesses du réseau. Cette grande proximité entre la source de la donnée et l’infrastructure permet un traitement de l’information plus rapide et de meilleurs temps de réponses des objets (Zada Khan et al., 2019). Une couche supplémentaire peut exister au dessus de la couche Edge, celle de l’informatique en brouillard (ou Fog Computing). Cette surcouche permet de créer une nouvelle passerelle entre l’objet et le cloud, faites de serveurs intermédiaires qui forment les noeuds du réseau (Rahimi et al., 2020). Notons néanmoins que la distinction entre Edge et Fog Computing fait encore débat dans la profession (LEMAGIT, 2019).
  • Les protocoles de communication courte distance économes en énergie : ils s’appellent Zigbee, Z-Wave, RFID (qu’utilise par exemple César – entretien n°2), ou encore Bluetooth Low Energy (BLE) et témoignent d’une volonté du secteur d’aller vers une consommation réseau plus économe et responsable, en réduisant les quantités de données transférées, et donc d’énergie consommée. Dans une smart home, ces protocoles peuvent s’avérer particulièrement adaptés car ils permettent de transmettre des informations sur de courtes distances, en économisant largement la batterie de l’appareil connecté (ou sa consommation secteur). Par rapport au Wi-Fi, le BLE peut par exemple s’avérer 30% plus efficient en terme de consommation d’énergie (Putra et al., 2017).

Pour synthétiser, notons plusieurs points communs entre ces technologies, et leurs évolutions probables : 

  • La sécurité des données et des réseaux semble être au cœur des débats. Orientées par les craintes des consommateurs, les nouvelles technologies, et donc les solutions smart home qui se construiront dessus, se doivent d’intégrer ces questions dès l’étape de la conception.
  • Les volumes colossaux de données générées nécessitent un traitement et un stockage efficients. Du point de vue de la consommation de bande passante et de l’espace de stockage (donc des coûts d’exploitation), il s’agit de soulager les réseaux dont la capacité n’a pas forcément suivi la cadence de développement soutenue de ces technologies. Le Edge Computing, ainsi que le Fog Computing, illustrent pertinemment cette nécessité. D’autres technologies, comme le nouveau réseau cellulaire 5G, abordent en revanche ce problème du point de vue du réseau, en permettant des volumes et vitesses de transferts plus élevés entre l’objet et le serveur distant.
  • La tendance est à la démocratisation de technologies autrefois inaccessibles. Côté logiciel en effet, le cloud donne aujourd’hui instantanément accès à une infrastructure technique mondiale, robuste, fiable (dans des contrats appelés Service Level Agreement – SLA, les fournisseurs de cloud s’engagent souvent à ce que leurs services soient accessible plus de 99,9% du temps) et toujours à la pointe. Côté matériel, les développeurs bénéficient de baisses de prix conséquentes sur les composants (voir Introduction). L’ordinateur miniature Raspberry Pi est peut-être le meilleur exemple de cette démocratisation à l’oeuvre (voir Dossier III – Article 4). Cette démocratisation s’accompagne inévitablement d’une baisse des coûts d’exploitation, qui permet alors à des acteurs plus petits de faire leur entrée sur le marché.

Les innovations logicielles moins matures ?

L’agence d’études de marché IoT Analytics propose, elle, une revue de 40 des technologies IoT les plus prometteuses à ses yeux, ordonnées sur le graphique ci-dessous en fonction de leur maturité (pratiquement mature, bientôt disponible, disponible dans quelques années, date de sortie encore hypothétique), et regroupées en trois grandes catégories (logicielle, matérielle, de connectivité).

“Le radar des technologies émergentes pour les projets IoT en 2019”  (IoT Analytics, 2019). Interprétation : l’angle de position des points par rapport aux axes n’a pas d’importance sur la lecture, seule la distance au centre des points compte.

Après lecture, on remarque alors que les innovations logicielles semblent plus matures que celles sur le matériel et la connectivité. Si ce graphique permet de constater le dynamisme du développement d’innovations qui pourront faire l’IoT, et donc la smart home, de demain, admettons néanmoins que ce constat est nuançable, comme l’indiquent l’auteur, puisqu’il ne prétend pas proposer une liste exhaustive des technologies, mais reflète plutôt un ressenti, nécessairement subjectif, donc. 

On pourra aussi regretter l’absence d’indication sur le niveau de faisabilité, et de compatibilité avec les attentes du marché, de ces mêmes technologies. En effet, on ne compte plus le nombre de technologies alléchantes qui se sont finalement révélées être des bulles spéculatives (voir Dossier III – Article 5).

Une approche progressive pour le futur de la smart home

Comme pour le futur de la configuration du marché (voir Dossier III – Article 1), l’avenir technologique de la smart home peut aussi être abordé sous un angle temporel, proposant de se projeter dans un avenir aux contours encore incertains. Suivant un schéma à l’évolution proche de celui édicté par la Society of Automotive Engineers sur les ses six niveaux de la voiture autonome (Standard SAE J3016, 2016), Sovacool et Furszyfer Del Rio (2019) introduisent, ainsi, six niveaux d’automatisation, et donc d’intelligence, de la smart home, fruits de leurs entretiens menés avec 31 experts. Notons que les auteurs n’indiquent pas si les niveaux peuvent exister concurremment ou pas, mais que le titre choisi, “The future of smart home technologies”, traduit vraisemblablement une vision chronologique des choses.

Proposition de découpage en six niveaux successifs d’implémentation 
du futur des technologies de la maison connectée (Sovacool, Furszyfer Del Rio, 2019)
  • Niveau 0, basique : la maison n’est pas équipée d’appareils intelligents.
  • Niveau 1, isolé : l’habitation est aménagée avec quelques appareils connectés, comme une smart TV ou un babyphone. Les technologies ne savent pas communiquer entre elle, ni ne prennent de décision à la place de l’utilisateur (Sovacool, Furszyfer Del Rio, 2019).
  • Niveau 2, intégré : les appareils s’intègrent et communiquent entre eux. Des scénarios peuvent être programmés pour soulager la charge de l’utilisateur (voir Dossier III – Article 1). Dans cette configuration, l’autonomie des appareils reste nulle ou limitée, la décision finale revient au consommateur.
  • Niveau 3, automatisé : les technologies et appareils gagnent en autonomie et peuvent anticiper les besoins utilisateur. C’est l’exemple d’une solution proposée à des publics âgés vivant seuls chez eux : un robot connecté domestique, intégré à un écosystème permettant la reconnaissance de chute accidentelle par analyse audio, pourra ainsi se rendre au chevet de la personne, et engager de son propre chef une discussion par visioconférence entre la personne âgée et son auxiliaire de vie à distance (Ha Manh et al., 2017).
  • Niveau 4, intuitif : les systèmes gagnent encore en pouvoir d’apprentissage, et donc de décision, en devenant d’autant plus conscients du contexte dans lequel ils évoluent. Ainsi, un écosystème domotique avec contrôle des éclairages pourra éclairer la maison à l’approche d’un orage, et éteindre automatiquement les lumières lorsque celui-ci sera passé et que la luminosité extérieure sera de retour (Sovacool, Furszyfer Del Rio, 2019).
  • Niveau 5, sensible : ce niveau relève encore, de l’aveu même des auteurs, d’un futur dont toutes les lignes ne sont pas encore dessinées. Ainsi, l’habitation de niveau 5 deviendrait capable de parler à ses occupants, pour devenir une maison “artificiellement intelligente” (Sovacool, Furszyfer Del Rio, 2019).
  • Niveau 6, agrégé : ce dernier niveau propose d’envisager la smart home à un niveau plus large, et comment celle-ci pourrait s’intégrer avec d’autres smart homes à l’échelle d’un quartier, d’une région voire d’un pays entier (Sovacool, Furszyfer Del Rio, 2019). Muhammad R. et al (2019) proposent à ce titre un exemple de ce que pourrait être ce niveau d’intégration, en introduisant un modèle d’optimisation de coût appliqué à un commerce local d’énergie générée par les smart homes d’un quartier. Les auteurs reprennent alors le terme de nanogrid (Nordman, 2009), entendu comme le réseau électrique connecté d’une maison, et expliquent comment le surplus de production électrique de cette nanogrid (pour peu qu’elle soit équipée de panneaux photovoltaïques ou d’une éolienne) peut être revendu aux autres nanogrids du quartier dans le besoin, sur le modèle du pair-à-pair (peer-to-peer ou P2P, ndlr). L’ensemble des maisons connectées du quartier, conscientes les unes des autres, étend alors son pouvoir d’action et de communication au delà de leurs propres murs, formant finalement une microgrid (agrégation de nanogrids).

Si le modèle abordé au-dessus permet d’envisager un futur technologique de la maison connectée, il n’indique toutefois pas l’état actuel du marché et son éventuelle position sur l’échelle. Remarquons aussi que le modèle reste très théorique, et aride d’exemples (qui ont été apportés par nos soins).

Comment interpréter ce dynamisme technologique ?

En conclusion, le foisonnement des technologies disponibles pour construire une solution IoT, et les itérations nombreuses dont celles-ci font actuellement l’objet, semble favoriser l’émergence de nouvelles offres d’IoT domestique, et pourrait bien traduire un engouement durable du secteur pour ce marché.

Par projection, l’état de l’art des technologies IoT paraît indiquer une volonté de développer des écosystèmes toujours plus intelligents, intégrés, autonomes, conscients de leur environnement, chargés de soulager l’esprit de l’utilisateur. C’est ce que décrit la direction du modèle en six niveaux introduit plus haut, et ce que César veut résumer ainsi : “l’humain a toujours cherché à simplifier ses usages”. 

Finalement, notons que ces rythmes de développement effrénés peuvent aussi constituer un réel obstacle à l’interopérabilité des solutions, pour peu que ces technologies soient construites en silo, sans volonté de les rendre compatibles avec d’autres. Nous le verrons juste ensuite, le futur de l’IoT domestique se joue donc également au niveau de la standardisation et de l’ouverture des technologies, promues par un nombre croissant d’acteurs.

Bibliographie

Moore, G.E. (1965). Cramming more components onto integrated circuits. Electronics. Consulté sur : https://www.cs.csub.edu/~melissa/cs350-f15/notes/Doc/gordon_moore_1965_article.pdf

Larson, J.A. (2015). Many Gadgets, One Interface. Speech Technology Magazine.

Toggle a Wemo Switch on or off with Google Home. (2020). Consulté sur : https://ifttt.com/applets/Amwyg5hE

Woodie, A. (2016). The NoSQL Tech Behind Vivint’s Smart Home. Datanami. Consulté sur : https://www.datanami.com/2016/06/29/nosql-tech-behind-vivints-smart-home/ 

Charlton, C. (2019). Using AWS IoT to Create a Smart Home Water-Monitoring Solution. The Internet of Things on AWS – Official Blog. Consulté sur : https://aws.amazon.com/fr/blogs/iot/using-aws-iot-to-create-a-smart-home-water-monitoring-solution/ 

Zada Khan, W., Ahmed, E., Hakak, S., Yaqoob, I. & Ahmed, A. (2019). Edge computing: A survey. Future Generation Computer Systems. Consulté sur : https://www.sciencedirect.com/science/article/abs/pii/S0167739X18319903

Rahimi, M., Songhorabadi, M. & Haghi Kashani, M. (2020). Fog-based smart homes: A systematic review. Journal of Network and Computer Applications. Consulté sur : https://www.sciencedirect.com/science/article/pii/S1084804520300059

Irei, A. (2019). Fog Computing ou Edge Computing : quelles sont les différences ?. LeMagIT. Consulté sur : https://www.lemagit.fr/conseil/Fog-Computing-ou-Edge-Computing-Quelles-sont-les-differences 

Putra, G.D., Pratama, A.R., Lazovik, A. & Aiello, M. (2017). Comparison of energy consumption in Wi-Fi and bluetooth communication in a Smart Building. 2017 IEEE 7th Annual Computing and Communication Workshop and Conference (CCWC). Consulté sur : https://ieeexplore.ieee.org/document/7868425 

Lasse Lueth, K. (2019). 40+ Emerging IoT Technologies you should have on your radar. IoT Analytics. Consulté sur : https://iot-analytics.com/40-emerging-iot-technologies-you-should-have-on-your-radar/ 

Sovacool, B.K. & Furszyfer Del Rio, D.D. (2019). Smart home technologies in Europe: A critical review of concepts, benefits, risks and policies. Renewable and Sustainable Energy Reviews. Consulté sur : https://www.sciencedirect.com/science/article/abs/pii/S1364032119308688

Society of Automotive Engineers. (2016). SAE Standards News: J3016 automated-driving graphic update. Consulté sur : https://www.sae.org/news/2019/01/sae-updates-j3016-automated-driving-graphic

Do, H.M., Pham, M., Sheng, W., Yang, D. & Liu, M. (2017). RiSH: A robot-integrated smart home for elderly care. Robotics and Autonomous Systems. Consulté sur : https://www.sciencedirect.com/science/article/abs/pii/S0921889017300477

Raisul Alam M., St-Hilaire M. & Kunz, T. (2019). Peer-to-peer energy trading among smart homes. Applied Energy. Consulté sur : https://www.sciencedirect.com/science/article/abs/pii/S0306261919300935

Nordman, B. (2009). Evolving our electricity systems from the bottom up. Darnell Green Power Forum. Consulté sur : https://eta-intranet.lbl.gov/sites/default/files/nano.pdf