Cloud et Big Data au Pôle Systematic - 23 oct. 2013 - Pacte PME

Transcript

1. 1 1 Cloud et Big Data au Pôle Systematic Stefane Fermigier, 23 oct. 2013 - Pacte PME
2. 2 Logiciels et technologies numériques pour la compétitivité de l’industrie et des services • Développer les technologies, les entreprises et les marchés du logiciel et du numérique • Transformer, développer par le numérique la compétitivité et l’innovation Missions:
4. Positionnement du pôle Systematic
5. 4 3 défis et opportunités du GTLL
6. 5 L’After PC
7. 6 Source: Mary Meeker / Liang Wu
8. 7 Source: Mary Meeker / Liang Wu
9. 8 900 millions d’activations de terminaux Android en 2013 50 mrd d’objets connectés d’ici 2020 (opportunité globale de 14 000 Mrd de $ d’après Cisco !) 130 mrd de $ de CA pour le cloud public en 2013 (2 mrd d’EUR pour la France) Tendances marché
10. 9 Cloud computing (IaaS, PaaS, SaaS, API Web, sécurité, résilience...) OS, middleware et outils de développement pour : smartphones, tablettes, objets communicants Informatique ubiquitaire, internet des objets (IoT) Défis technologiques
11. 10 95% des serveurs du cloud Amazon sont sous Linux Emergence d’un écosystème massif autour d’OpenStack (alternative libre à AWS) Autres projets à suivre: Docker, Ceph, Shinken, Graphite... OS libres pour l’embarqué, les mobiles et l’IoT : Linux, Android, Contiki OS, eCos, TinyOS, T-engine, etc. HTML5/JavaScript pour application riches sur desktop et mobiles Impact du LL
12. 10 10 Quelques projets cloud AAP FSN Cloud Computing AAP ITEA2 AAP ANR Decentralized cloud AAP FUI AAP ANR Eurostars AAP FUI
13. 12 Le Big Data
14. 13 Stockage de données massives (NoSQL, NewSQL, SBA) Nouveaux (?) paradigmes pour le traitement massif des informations : MapReduce, algorithmes distribués sur les graphes, langages dédiés Traitement des donnés massives en temps-réel Open Data et Linked Open Data (web sémantique) Dataviz Défis technologiques
15. 14 Valorisation des données existantes & nouveaux business models basés sur la collecte de nouvelles données Compatibilité avec la protection de la vie privée Défis économiques et sociétaux
16. 15 Ecosystème en hyper-croissance autour d’Apache Hadoop (plusieurs centaines de M$ investis aux USA) Foisonnement de bases NoSQL open source (MongoDB, Redis, Riak, Neo4j, etc.) Ecosystèmes autour du machine learning (Java, Python...) Convergence de vue avec les écosystèmes open data et linked open data, nombreux projets open source Impact du LL
17. 15 15 Quelques projets du GT AAP Web 2.0 AAP FEDER AAP FP7
18. 17 La Qualité logicielle
19. 18 Outillage pour bouchonner, intégrer, automatiser des composants hétérogènes Vérification, preuves de programmes et audit de qualité Agilité, devops Traçabilité du code Lien avec les autres défis : cloud, résilience, mobilité Défis technologiques
20. 19 Favoriser les collaborations entre les acteurs (chercheurs, éditeurs, intégrateurs, donneurs d’ordres) Pérenniser et faire croitre les éditeurs innovants Structurer la filière et faire émerger les champions de demain Défis économiques
21. Contact systematic-paris-region.org
22. 21 Icônes: The Noun Project (Chris Matthews, Deadtype, Javier Cabezas, Ugur Akdemir, Scott Lewis, Ken Messenger, Remy Médard, Juan Pablo Bravo, Valere Dayan, Brennan Novak, Juan Garces, Alex WaZa, Anton Outkine, Sergi Delgado...) Images: Mary Meeker / Liang Wu (KPCB) Crédits