Upgrade to Pro — share decks privately, control downloads, hide ads and more …

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

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

Stefane Fermigier

October 23, 2013
Tweet

More Decks by Stefane Fermigier

Other Decks in Technology

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:
  3. 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
  4. 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
  5. 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
  6. 10 10 Quelques projets cloud AAP FSN Cloud Computing AAP

    ITEA2 AAP ANR Decentralized cloud AAP FUI AAP ANR Eurostars AAP FUI
  7. 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
  8. 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
  9. 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
  10. 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
  11. 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
  12. 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