CONCOURS INTERNE DE TECHNICIEN DE CLASSE SUPERIEURE DES SYSTEMES D INFORMATION ET DE COMMUNICATION - SESSION

Transcription

1 CONCOURS INTERNE DE TECHNICIEN DE CLASSE SUPERIEURE DES SYSTEMES D INFORMATION ET DE COMMUNICATION - SESSION «GESTION DES SYSTEMES D INFORMATION» Vendredi 23 mai 2014 Série de six à neuf questions à réponse courte portant sur l un des thèmes suivants soumis au choix du candidat le jour de l épreuve écrite : - les réseaux de télécommunications et les équipements associés - la gestion des systèmes d information Les questions qui peuvent prendre appui sur des documents techniques doivent permettre d apprécier les connaissances du candidat, son aptitude à la réflexion et à la formulation de propositions, son sens de l organisation ainsi que sa capacité à rédiger de façon cohérente et synthétique. L attention du candidat est attirée sur le fait que toute utilisation d acronyme dans sa réponse devra être explicitée. (Durée : 3 heures Coefficient 3) Le dossier documentaire comporte 17 pages. L USAGE DE LA CALCULATRICE EST INTERDIT. IMPORTANT IL EST RAPPELE AUX CANDIDATS QU AUCUN SIGNE DISTINCTIF NE DOIT APPARAITRE NI SUR LA COPIE NI SUR LES INTERCALAIRES. 0

2 SUJET Vous vous appuierez sur le dossier documentaire et vos propres connaissances pour répondre aux questions ci-dessous : Question 1 (3 points) Quelles sont les caractéristiques essentielles des données massives du «Big Data»? Question 2 (1.5 points) Quelles distinctions faites-vous entre le SQL et le NoSQL? Donnez des exemples d utilisation adaptés au contexte «Big Data». Question 3 (1 point) En développement applicatif, expliquez la différence en quelques mots entre les concepts «DRY» et «WET». Question 4 (2.5 points) Qu est-ce que le «Cloud Computing»? Expliquez-en l objectif. Illustrez votre propos par un schéma détaillé. Question 5 (3.5 points) Quels sont les avantages et inconvénients du «Cloud Computing» et de «Big Data» pour les particuliers, les entreprises et les administrations? Question 6 (3.5 points) L utilisation d une solution de «Cloud Computing» induit des risques en terme de sécurité. Quelles sont les principales fonctions de sécurisation des systèmes d information (SI)? Quelles sont les mécanismes permettant de les mettre en œuvre? Question 7 (3 points) A contrario d une organisation de SI en «Cloud Computing», décrivez une architecture clientserveur. Mettez en exergue les différences entre ces deux types d organisation d architecture. Expliquez à l aide d un schéma de principe simplifié. Question 8 (1 point) Développez l acronyme LCEN. Quels sont ses objectifs? Question 9 (1 point) Qu est ce que la CNIL? Quels sont ses missions et pouvoirs?

3 Dossier documentaire : Document 1 Le cloud computing, l'informatique de demain? Pages 1 à 2 Document 2 Le "cloud computing" bouscule l'informatique Page 3 Document 3 Dassault Systèmes claque la porte du "cloud computing" à la française Page 4 Document 4 Cloud computing Pages 5 à 10 Document 5 Et si nous définissions simplement le Cloud Computing Page 11 Document 6 Dossier Big Data : l'analyse des données intéresse de plus en plus les entreprises Pages 12 à 17

4 Le cloud computing, l'informatique de demain? Document 1 Déjà lancés par Amazon, les services de stockage et de calcul en ligne pourraient révolutionner l'informatique d'entreprise d'ici à moins de cinq ans. Google et IBM sont sur le pont, et les DSI pourraient faire leurs valises Qu'est ce que le cloud computing? L informatique dans les nuages est un concept apparu assez récemment, mais dont les prémices remontent à quelques années, notamment à la technologie des grilles de calcul, utilisée pour le calcul scientifique. Le cloud computing fait référence à l'utilisation de la mémoire et des capacités de calcul des ordinateurs et des serveurs répartis dans le monde entier, et liés par un réseau, tel Internet. Les utilisateurs du nuage pourraient ainsi disposer d'une puissance informatique considérable et modulable. Le cloud computing, un produit commercialisable? Oui, cette technique est en passe de devenir un business. L'ensemble de puissance de calcul et de mémoire, conçu comme un outil proposé comme un service à des clients par une entreprise est annoncé par certains professionnels du secteur comme l'ultime étape de l'industrialisation des centres de données. A l'image de la puissance électrique il y a un siècle, la puissance de calcul et de stockage de l'information serait proposée à la consommation par des compagnies spécialisées. De ce fait, les entreprises n'auraient plus besoin de serveurs propres, mais confieraient cette ressource à une entreprise qui leur garantirait une puissance de calcul et de stockage à la demande. Une couche logicielle de gestion des ressources et d'outils de programmation serait aussi proposée par les propriétaires de cloud computing et ce de manière à rendre utilisable par le plus grand nombre ces ressources informatiques. C'est dans cette optique que les logiciels en ligne tels que les suites collaboratives peuvent être perçus comme la partie logicielle émergée de cette nouvelle manière de concevoir l'informatique. De même, les systèmes d'exploitation pourraient être proposés à distance. Sur ce point, les technologies de virtualisation, très en vogue à l'heure actuelle, pourraient s'intégrer à plein dans le concept de cloud computing. Au niveau du matériel, la puissance de calcul et de stockage n'étant plus nécessaire en local, soit sur l'ordinateur, on peut penser que des terminaux de type clients légers pourraient suffire aux besoins des utilisateurs. Cette nouvelle offre matérielle pourrait se faire en tant que HaaS (Hardware as a Service), c'està-dire que le matériel, peu cher, pourrait lui aussi être proposé par des entreprises en usage au forfait. Dans une certaine mesure, le SaaS (Software as a Service) est annonciateur de cette nouvelle manière de concevoir et de pratiquer l'informatique. Quels sont les avantages pour l'utilisateur? Comme l'usage de l'infrastructure informatique est considéré comme un service, le client n'a pas à se préoccuper du fonctionnement de celle-ci. Par ailleurs, l'agilité et la souplesse de l'offre permet à l'utilisateur de disposer de la puissance informatique qu'il souhaite au moment où il le souhaite, et ce sans devoir acheter des unités de puissance et de calcul qu'il n'utilise pas comme c'est le cas aujourd'hui avec les ordinateurs et les centres de calculs qui sont la propriété des entreprises. Le cloud computing, fin de la DSI? Avec une offre informatique externalisée, les directions métiers seront peut-être amenées à se passer d'une DSI en interne pour faire appel à un prestataire extérieur. Reste que les questions de la confidentialité des données et de la qualité de service au regard du coût de la prestation risquent d'être l'objet de beaucoup d'attentions de la part des décideurs pour choisir, ou non, d'externaliser l'intégralité de leurs ressources informatiques. Quels sont les acteurs qui s'emparent de ce concept et de cette technologie? Amazon a été une des premières entreprises à proposer par l'intermédiaire de ses outils S3 (Simple Storage Service) et EC2 (Elastic Compute Cloud) du stockage et de la puissance de calcul tirée de son infrastructure informatique pour des clients. Le journal le New York Times est par ailleurs client d'amazon et utilise le S3 pour ses archives en ligne. 1

5 Google est le grand champion du cloud computing. L'entreprise a débuté ses activités dans ce domaine avec le projet Google 101, et ce de manière à créer un réseau entre des universités à des fins de recherche. Aujourd'hui, le projet de cloud computing, réalisé en partenariat avec IBM, tend à créer des centres de calculs, appelés clusters, d'une puissance jamais atteinte jusqu'alors. IBM, dans le cadre de son programme Blue Cloud annoncé en novembre 2007, est en train d'ouvrir des centres continentaux de cloud computing (celui pour l'europe est basé à Dublin en Irlande). Trois centres existent aux Etats-Unis, un autre est également installé en Chine et un second est en préparation. D'autres devraient prochainement être réalisés au Brésil, en Afrique du Sud, en Inde, dans la péninsule arabique, au Vietnam et en Corée. Il s'agit en fait d'immenses centres de données, que l'on appelle aussi data fields, à destination d'utilisateurs extérieurs à l'entreprise, qui seront facturés sur l'usage des ressources informatiques mises à leur disposition. Et certaines grosses entreprises du monde de l'informatique se sont décidées à sauter le pas. Sun Microsystem vient d'annoncer que d'ici à 2015, l'ensemble des centres de calcul de l'entreprise seront virtualisés chez des tiers dans le cadre d'un cloud. D'autres acteurs, tels EMC Corporation, acteur des logiciels d'infrastructure, s'engagent dans des stratégies de rachat et de croissance externalisée pour mettre au point des offres de cloud computing. EMC vient par exemple de racheter Pi Corporation, un jeune éditeur de solutions de gestion d'informations personnelles en ligne, basé à Seattle. HP quant à lui propose un service d'impression par le biais de son propre nuage, baptisé CloudPrint. Alors, à quand l'arrivée de cette technologie dans les entreprises? C'est pour bientôt. Le cabinet d'étude Forrester annonce que le cloud computing devrait pénétrer le marché des entreprises d'ici à un ou deux ans. Guillaume Serries, Journal du Net 2

6 Le "cloud computing" bouscule l'informatique Document 2 C'est le dernier concept à la mode dans le secteur informatique. Le "cloud computing", littéralement "l'informatique dans les nuages", consiste pour les entreprises à externaliser les ressources numériques qu'elles stockent. Ces ressources - serveurs offrant des capacités de calcul, du stockage, logiciels de messagerie électronique, de paie - sont mises à disposition par des sociétés tierces et accessibles, grâce à un système d'identification, via un PC et une connexion à Internet. Depuis le début de cette année, pas une semaine ne passe sans qu'un acteur des technologies ne présente son offre de "cloud" : les géants de l'informatique Hewlett-Packard et IBM, le fabricant de routeurs Internet Cisco, même des opérateurs de télécommunications comme France Télécom ou l'américain AT & T. Dernière annonce en date, mi-juillet, Microsoft, premier éditeur mondial de logiciels, a promis la commercialisation pour novembre de son offre de "cloud" baptisée Azure. C'est le cybermarchand Amazon qui, en 2006, a inauguré ce type d'offres. Le géant américain avait beaucoup investi dans ses infrastructures à la fin des années 1990 pour lancer sa boutique en ligne. Son informatique était certes capable d'absorber le pic d'activité des achats de Noël, mais était surdimensionnée le reste de l'année."le cloud est une façon de rentabiliser nos équipements", explique Xavier Garambois, directeur général France d'amazon. L'intérêt du "cloud" est évident. Au lieu d'acheter cher des serveurs et des logiciels, qui ne sont pas utilisés à 100 %, les entreprises les louent et ne paient que pour l'usage qu'elles en font. Elles peuvent aussi, en quelques minutes, accéder à des capacités de stockage et de calcul supplémentaires, auxquelles elles n'auraient, dans le cas de PME, jamais pu prétendre si elles avaient dû se les payer seules. Le "cloud computing" pourrait provoquer une vraie révolution dans le secteur informatique. Pour beaucoup d'acteurs, il implique un changement complet de modèle économique. Jusqu'à présent, c'est la vente - de logiciels et de matériel - qui prévalait. Là, c'est la location qui s'impose. Des positions concurrentielles pourraient dès lors être remises en cause. UNE NOUVEAUTÉ CONTESTÉE Dans l'édition de logiciels, Microsoft est désormais sérieusement concurrencé par Google (avec ses services Google Apps, de messagerie électronique, traitement de texte) ou par des start-up comme Salesforce.com (proposant la location des logiciels de gestion de la relation client). Par ailleurs, pour un prestataire informatique, lancer un service de "cloud" nécessite de se constituer de vastes centres de données, des "fermes de serveurs", coûtant plusieurs dizaines de millions d'euros au bas mot chacune. Les fabricants d'ordinateurs risquent aussi de voir leurs ventes de "netbooks" - ces ordinateurs portables relativement bon marché, parfois à moins de 300 euros, servant surtout à se connecter à Internet - continuer à progresser aux dépens de machines plus chères. "Les terminaux d'accès aux offres "cloud" n'ont plus besoin d'une mémoire importante, ni d'un processeur très puissant. A la limite, même un téléphone du genre iphone ou BlackBerry suffit", selon Matt Glotzbach, responsable des offres entreprises chez Google. Dans les faits, quelle est la réalité du "cloud"? Salesforces.com a passé la barre du milliard de dollars de chiffre d'affaires pour son année fiscale Environ PME adoptent chaque jour les services Google Apps, selon Google. Amazon revendique 94 millions de clients à son offre "cloud". Mais les autres poids lourds du secteur ne proposent encore qu'un petit nombre de prestations. Azure, l'offre de Microsoft, sera réservée aux développeurs informatiques. IBM propose un accès à un service de messagerie baptisé Lotus Live Engage. "Le cloud va mettre dix à quinze ans pour se mettre en place", reconnaît Philippe Bournhonesque, directeur de la stratégie logiciels chez IBM France. Quant à la radicale nouveauté du concept, certains la contestent aussi. Dans un rapport publié ce printemps, des analystes du cabinet Accenture notent que la "virtualisation", qui consiste à mutualiser sur un même serveur des applications tournant sur des machines différentes, et qui est à la base du "cloud computing", remonte aux années Enfin, le "cloud" soulève des questions de sécurité. Quid des données stratégiques d'une entreprise, dès lors qu'elles sont stockées par une société tierce? La déconvenue des dirigeants du site de minimessages Twitter a pu inquiéter. Mi-juillet, des données confidentielles de la société ont été piratées et les services Google Apps - utilisés pour les stocker - soupçonnés d'être trop vulnérables. "Les données des entreprises seront mieux protégées chez des spécialistes que par elles-mêmes", note néanmoins Sylvain Moussé, un des dirigeants de la société de services Cegid. Cécile Ducourtieux 3

7 Document 3 Dassault Systèmes claque la porte du "cloud computing" à la française L'éditeur de logiciels a écrit à Thales, Orange et aux pouvoirs publics pour leur annoncer qu'il se retirait du futur consortium. Le grand emprunt devait injecter 135 millions dans la structure. La France réussira-t-elle à se doter de son propre écosystème de «cloud computing»? Rien n'est moins sûr. Andromède, le projet d'un service «d'informatique dématérialisée» porté par Thales, Orange et Dassault Systèmes, et financé à hauteur de 135 millions d'euros par le grand emprunt, a du plomb dans l'aile. Dans un courrier dont «La Tribune» a pris connaissance, le directeur général de Dassault Systèmes, Bernard Charlès, annonce à René Ricol, à la tête du Commissariat général à l'investissement, qui gère le grand emprunt, à Augustin de Romanet, de la Caisse des Dépots (CDC), à Stéphane Richard (Orange) et à Luc Vigneron (Thales) qu'il se retire du projet. «Ce n'est pas sans regret ni amertume que je dois prendre cette décision après deux années d'effort», écrit le directeur général. Interrogés par «La Tribune», Orange et Thales «regrettent la décision de Dassault Systèmes» et disent étudier «avec nos partenaires la possibilité de compléter le tour de table». Le CGI va entendre les positions des uns et des autres. Il avait milité en son temps pour l'entrée de deux autres partenaires, Atos et Cap Gemini, de façon à avoir au sein du consortium les concepteurs de services (Thales et Dassault Systèmes) et les clients. Peut-être arriveront-ils dans la course. À moins que Bernard Charlès ne change d'avis. Il faut dire que Dassault Systèmes, qui a dépensé plusieurs millions d'euros, de bonne source, ces deux dernières années pour mettre le projet sur pied en était l'un de ses partenaires les plus actifs. Tarifs d'orange trop élevés À l'origine du divorce, une mésentente profonde entre Dassault Systèmes et Orange sur la gouvernance et sur le fonctionnement du consortium. Premier sujet de discorde : la durée de «la clause de non concurrence» que Dassault Systèmes souhaite la plus longue possible (six ans) pour permettre à l'activité du consortium de décoller et France Télécom, qui la souhaite plus courte, afin de favoriser ses propres services de «cloud». De fait, «sur le plan commercial, Orange devait s'engager à ne pas démarcher commercialement les administrations et grands comptes de l'état qui seront hébergés par le cloud d'andromède», indique un dirigeant d'orange. Autres points d'achoppement : le recrutement du futur dirigeant du consortium et surtout «les conditions de prix des contrats d'hébergement des salles blanches». Autrement dit, Dassault Systèmes considère que les tarifs pratiqués par Orange dans le cadre du consortium sur les services de cloud sont beaucoup trop élevés par rapport à la concurrence. Dans une précédente missive adressée à ses partenaires, Bernard Charlès alertait ainsi sur la nécessité pour Andromède d'avoir «des coûts opérationnels suffisament serrés». Selon nos informations, Andromède, dont le chiffre d'affaires cumulé était attendu à 597 millions d'euros en 2015, devait être constitué avec un capital initial de 235,7 millions d'euros. Dassault Systèmes et Orange devaient apporter 60 millions d'euros chacun (pour 26 % du capital à terme), Thalès 30 millions et le Fonds National pour la Société Numérique (FSN), créé dans le cadre du grand emprunt, 60,7 millions d'euros, soit un tiers du capital. Un complément de 60 millions d'euros est également prévu. Sandrine Cassini et Delphine Cuny 4

8 Document 4 Cloud computing Le cloud computing est un concept qui consiste à déporter sur des serveurs distants des stockages et des traitements informatiques traditionnellement localisés sur des serveurs locaux ou sur le poste de l'utilisateur. Bien que l'anglicisme cloud computing soit largement utilisé en français, on rencontre également les francisations informatique virtuelle, informatique dans le nuage, informatique en nuage, informatique dématérialisée, ou encore infonuagique. Ce concept est vu comme une évolution majeure par certains analystes, ou comme un piège marketing par d'autres, notamment par Richard Stallman. En France, la commission générale de terminologie et de néologie précise que l'informatique en nuage est une forme particulière de gérance de l'informatique, puisque l'emplacement des données dans le nuage n'est pas porté à la connaissance des clients. Les utilisateurs ou les entreprises ne sont plus gérants de leurs serveurs informatiques mais peuvent ainsi accéder de manière évolutive à de nombreux services en ligne sans avoir à gérer l'infrastructure sousjacente, souvent complexe. Les applications et les données ne se trouvent plus sur l'ordinateur local, mais métaphoriquement parlant dans un nuage («cloud») composé d'un certain nombre de serveurs distants interconnectés au moyen d'une excellente bande passante indispensable à la fluidité du système. L'accès au service se fait par une application standard facilement disponible, la plupart du temps un navigateur Web. Concepts Présentation générale Le concept d'informatique dans le nuage est comparable à celui de la distribution de l'énergie électrique. La puissance de calcul et de stockage de l'information est proposée à la consommation par des entreprises spécialisées et facturé d'après l'utilisation réelle. De ce fait, les entreprises n'ont plus besoin de serveurs dédiés, mais confient le travail à effectuer à une entreprise qui leur garantit une puissance de calcul et de stockage à la demande. Selon les approches des entreprises, se distinguent trois formes de cloud computing : les clouds privés internes, gérés en interne par une entreprise pour ses besoins, les clouds privés externes, dédiés aux besoins propres d'une seule entreprise, mais dont la gestion est externalisée chez un prestataire, et les clouds publics, gérés par des entreprises spécialisées qui louent leurs services à de nombreuses entreprises. Ces notions sont regroupées par les anglo-saxons sous le vocable elastic computing capacity. Le National Institute of Standards and Technology en a donné une définition succincte qui reprend ces principes de base : «L'informatique dans les nuages est un modèle pratique, à la demande, pour établir un accès par le réseau à un réservoir partagé de ressources informatiques configurables (réseau, serveurs, stockage, applications et services) qui peuvent être rapidement mobilisées et mises à disposition en minimisant les efforts de gestion ou les contacts avec le fournisseur de service.» Le cloud a émergé principalement pour répondre aux exigences de continuité et de qualité du service. Pour approcher de ces objectifs, des travaux ont été entrepris afin de trouver des méthodes dans tous les niveaux impliqués afin d'établir un service entre un client final et un fournisseur de service : l'application, qui est en contact avec le client ; la plate-forme, qui exécute l'application ; l'infrastructure, qui est le support de la plate-forme ; les données, qui sont fournies sur demande. Comme solution, le cloud est la mise en flexibilité (ou en disponibilité) de ces 4 niveaux. Les moyens employés sont essentiellement l'isolation verticale et le découpage horizontal de chaque niveau. Il faut en effet toujours être en mesure de remplacer chaque élément de la solution globale pour que le service au client final ne s'interrompe pas. L'isolation est assurée par des normalisations existantes ou à inventer, et est obligatoire, car les 4 niveaux étant de nature différentes, ils ne peuvent s'interpénétrer. 5

9 Même si les techniques utilisées pour atteindre ce résultat ne sont pas fixées, elles comportent généralement au moins la virtualisation et la décomposition granulaire (d'entités habituellement monolithiques). En cela, il y a un rapprochement évident avec la philosophie générale d'unix, qui décompose toute fonction finale en briques élémentaires simples, stables et compréhensibles. Cependant, pour Unix, c'est le développeur qui fait ce travail d'assemblage, alors que dans le cas du cloud c'est parfois l'utilisateur final. La transformation en cloud et donc la mise en flexibilité de ces 4 niveaux correspond aux termes généralement notés ainsi : Software as a Service (SaaS) : l'application est découpée en services ; Platform as a Service (PaaS) : la plate-forme est granulaire ; Infrastructure as a Service (IaaS) : l'infrastructure est virtualisée ; Data as a Service (DaaS) : les données sont fournies à un endroit précis. SaaS Logiciel en tant que service. Le software as a service établit une interface avec l'utilisateur. Il réalise une fonction et, pour l'utilisateur, peu importe comment il le fait, ce qui compte c'est que le service fonctionne. La fonction logicielle est décomposée en briques élémentaires appelées services, qui peuvent être recomposées librement pour réaliser une fonction de plus haut niveau. Par exemple dans le cas du Web: Une cartographie ajoutée dans un site de vente de biens immobiliers; Une messagerie instantanée dans un site de petites annonces; l'ajout de commentaires dans un site de publication d'articles polémiques; l'ajout d'une vidéo dans une page Web. Dans le cas de la vidéo, celle-ci peut provenir du serveur qui a généré la page, c'est la façon non-cloud de procéder. Mais elle peut aussi provenir d'un autre emplacement, elle est alors indépendante et devient un service. L'isolation vers l'utilisateur est assurée par les standards du W3C (URL, HTML, RSS, etc.). Le SaaS, souvent associé au cloud computing, peut aussi être vu comme un modèle économique de consommation des applications. Consommées et payées à la demande (par utilisateur et par minute d'utilisation par exemple) et non plus acquises par l'achat de licences, le SaaS peut donc à ce titre reposer sur une infrastructure informatique dans le nuage. PaaS La Platform as a service a pour rôle l'exécution du logiciel. Elle est composée de briques utilisant des langages de programmation de haut niveau, généralement des langages de script (console de commande, Python, SQL, serveur d'application, etc.). De nos jours, tout est réalisable avec ces langages, du traitement de l'information au calcul intensif. L'isolation provient du fait que leur fonctionnement est documenté et que cette documentation, publique, a les mêmes caractéristiques qu'une norme; ce sont donc des standards de facto. Flexibiliser ce niveau correspond à offrir un environnement d'exécution pour ces langages de haut niveau, tout en faisant disparaître la complexité inhérente à leur bon fonctionnement. Ce qui compte, c'est que la fonction logicielle soit assurée correctement et continuellement. On utilise pour cela des flottes (ou nuages) de serveurs. Les techniques utilisées sont variées : le basculement (fail-over), la répartition de charge (loadbalancing). LaaS L'Infrastructure as a service crée la plateforme et exécute les langages de programmation de bas niveau (C++, C, assembleur, etc.), c'est le niveau du système d'exploitation et de l'accès aux fichiers. L'isolation est obtenue par les normes qui lui sont propres, par exemple POSIX dans le cas d'unix. Des connecteurs réseau sont utilisés préférentiellement aux connecteurs vers les ressources locales, qui n'existent pratiquement plus. En cloud, la flexibilité et la granularité sont obtenues par la virtualisation du système d'exploitation. La plateforme, où qu'elle soit, est exécutée par des machines virtuelles et les ressources peuvent êtres allouées et relibérées à la demande, sans interruption. DaaS Le Data as a Service sous-entend qu'un service peut fournir des données de qualité à un endroit précis. Ces données sont nettoyées, enrichies et à disposition de différents systèmes, applications ou utilisateurs, quel que soit l'endroit où ils sont dans leur organisation ou sur le réseau. 6

10 Concepts similaires Avec la libération des données, certains éditeurs commencent à proposer des offres «Data as a Service» (DaaS) qui utilisent des mashups pour agréger des informations à la demande. Par exemple, Microsoft proposera de gérer la facturation des données sur Windows Azure. La startup Française Convertigo a exposé son offre de mashup d'entreprise sur le cloud en Enfin, certains auteurs utilisent également le concept de Business Process as a service (BPaaS) qui consiste à externaliser une procédure d'entreprise suffisamment industrialisée pour s'adresser directement aux managers d'une organisation, sans nécessiter l'aide de professionnels de l'informatique. En 2010, les exemples les plus utilisés sont Amiando et RunMyProcess (RMP). Historique Au début des années 2000, le SaaS s'appelait ASP. Les premières applications Web 2.0 à avoir migré dans les nuages sont la messagerie, les outils collaboratifs, le CRM, les environnements de développement et de test. Historiquement, Amazon Web Services orienté vers les entreprises et Google orienté vers les utilisateurs grand public sont les pure players qui ont fait émerger le marché du cloud computing; les éditeurs de logiciel traditionnels ont été contraints de suivre cette dynamique portée par les opérateurs de télécommunications. Longtemps avant que ne naisse l'expression «Cloud computing», les architectes de réseaux (ceux qui conçoivent les réseaux intra et inter-entreprise) schématisaient Internet par un nuage dans leurs croquis. En anglais, l'on parlait alors de «the cloud», ce qui signifiait à peu de choses près l'internet que nous connaissons. Ce nuage évoquait alors une connexion vers une quantité indéfinie d'utilisateurs et non pas des services tel que nous l'entendons maintenant. En 2009, moins de 10 % des entreprises interrogées mentionnent recourir déjà à des services de cloud computing dans le domaine de l hébergement de leurs infrastructures et applications informatiques. D ici 2011 et au-delà, les entreprises devraient porter un intérêt de plus en plus soutenu à ces services puisque, selon le type de cloud computing envisagé (privé interne, privé externe ou public), elles devraient être entre une sur deux et une sur trois à y recourir. La tendance semble néanmoins en faveur des clouds privés internes même si les entreprises ne se limitent pas obligatoirement à ces services et devraient sans aucun doute combiner les solutions entre elles. Depuis le printemps 2009, l'open cloud manifesto réunit des éditeurs qui estiment que le cloud computing devrait être ouvert, contrairement à Microsoft et Google qui ne l'ont pas signé. Quatre éditeurs de logiciels libres (IELO, Mandriva, Nexedi et TioLive) ont fondé la Free Cloud Alliance (FCA) le 25 mars Cette dernière propose une offre globale réunissant Iaas, Paas et SaaS, constituée de tous les composants libres nécessaires aux applications progiciel de gestion intégré (ERP), gestion de la relation client (CRM) ou gestion de la connaissance (KM). Le 22 novembre 2010, le gouvernement des USA a lancé sa politique de cloud prioritaire: des économies substantielles sont attendues sur son budget annuel informatique de 80 milliards de dollars, par la consolidation d'au moins 40 % des data centers d'ici Dans le cadre des investissements d'avenir, le gouvernement français a signé à l'été 2011 un protocole d'accord avec Dassault Systèmes, Orange et Thales pour mettre en place un consortium fournissant aux entreprises et administrations un cloud sécurisé. Applications L'architecture des briques de construction du Cloud computing. 7

11 Systèmes de cloud computing Il existe déjà plusieurs systèmes de cloud computing tels qu'amazon EC2, Windows Azure ou Google App Engine et différentes API permettant de communiquer avec ces systèmes. L'API d'amazon, Amazon EC2, est sans doute la plus populaire du fait de son service lancé avec un support publicitaire important. Plusieurs outils sont donc compatibles avec cette API, mais à partir de septembre 2011, Apple. Inc sort icloud, le système de sauvegarde de l'iphone, ipad, ipod Touch et Mac gratuit, la fonction permettra de conserver sur le site de MobileMe : 5Go de mémoire, mais, au delà de 5Go, le service deviendra payant. Abiquo CA 3Tera AppLogic Cloud.com (formerly VMOps) DotRiver, service managé complet pour la virtualisation des postes de travail composé exclusivement de solutions open source. ElasticHosts ElasticStack Enomaly ECP Eucalyptus, système libre utilisant de la virtualisation Xen et le langage Java. Il est distribué avec la version d'ubuntu 9.04 Jaunty Jackalope (sortie en avril 2009). Flexiant Extility geclipse est un système libre de gestion de nuage et de grille informatique utilisant Eclipse. Il est compatible avec les systèmes Amazon EC2 et S3. Il utilise également le langage Java. HP Cloud System InContinuum CloudController Mezeo (Storage only) NetSuite CRM+ERP OnApp Oracle Optimized Solution for Enterprise Cloud Infrastructure. Une solution packagée basée sur Oracle VM / Sun Blade & Sun ZFS OpenStack.org Parallels Systancia, solution intégrée qui combine virtualisation de postes de travail et virtualisation d applications dans une seule console d administration. VMware vcloud Witsbits Go Cloud Zimory Donzat Business application 34 Applications logicielles Les logiciels en ligne tels que Google Apps, Office Web Apps ou LotusLive (IBM) par exemple, peuvent être perçus comme la partie logicielle émergée de cette nouvelle manière de concevoir l'informatique. De même, les systèmes d'exploitation pourraient être proposés à distance grâce aux technologies de virtualisation. Stockage Les services de stockage en ligne permettent de stocker des données et des documents sans avoir à augmenter continuellement le nombre de serveurs ou la taille des SAN. Les services suivants reposent sur le cloud computing : Amazon Simple Storage Service Dotspirit Dropbox Gaikai Google Storage Live Mesh (Live Desktop component) Windows Live SkyDrive MobileMe (idisk component) icloud Ubuntu One Windows Azure storage Wuala Box Memotoo 8

12 Principaux acteurs HP, Cap Gemini, Amazon, Google, IBM, Intel, Oracle, Orange Business Services, Red Hat, T-Systems, Osiatis, Gosis SA et Microsoft figurent parmi les principales entreprises du secteur. Fin juillet 2008, Intel, Hewlett Packard et Yahoo! ont noué un partenariat visant à promouvoir la recherche dans le domaine du Cloud Computing. La première initiative concerne la création d'un environnement distribué (Cloud Computing Test Bed) facilitant la recherche et les tests de logiciels, d'administration de data centers et de matériels associés à l'informatique dans le nuage à une échelle jamais atteinte. Pour cette opération, les trois partenaires ont associé l'infocomm Development Authority of Singapore, l'université de l'illinois à Urbana-Champaign et l'institut de Technologie de Karlsruhe. Infrastructure La majorité des infrastructures d'informatique dans le nuage se compose des services fournis par la prochaine génération de centres de traitement des données qui reposent sur des technologies de virtualisation du calcul et du stockage. La généralisation des connexions Internet à haut débit permet d'optimiser les temps de réponse de l'infrastructure centralisée. Conséquences En ce qui concerne le marché des services informatiques, le développement du cloud computing devrait entraîner la cannibalisation des acteurs traditionnels, en particulier ceux dont les clients sont des PME et des TPE. Le modèle SaaS donne un avantage certain aux gros fournisseurs de services dont les prix sont très liés aux volumes. Le modèle IaaS quant à lui nécessite des investissements conséquents que seuls quelques acteurs ayant des capacités financières suffisantes, au-delà des compétences, pourront assumer. Un déplacement des effectifs informatiques vers les hébergeurs et opérateurs de clouds est également à prévoir car les profils techniques et commerciaux recherchés y sont différents. Par ailleurs, même si le mode de commercialisation du cloud computing repose encore beaucoup sur de la contractualisation en ligne en direct sans passer par des revendeurs, il semble que progressivement les acteurs du marché s'appuient sur des réseaux de revendeurs spécialisés et que le canal indirect devienne incontournable. Ces approches favorisent le développement d'écosystèmes avec des profils de revendeurs nouveaux. Elles poussent les revendeurs plus traditionnels à évoluer sachant que la commercialisation de solutions de cloud computing peut être une opportunité pour eux d'offrir des services à valeur ajoutée, sources de marge conséquentes (conseil, paramétrage, intégration, formation et support client). Avantages La mutualisation du matériel permet d'optimiser les coûts par rapport aux systèmes conventionnels et de développer des applications partagées sans avoir besoin de posséder ou de louer chez un hébergeur ses propres machines dédiées au calcul. 20 à 25 % d économies pourraient être réalisées par les gouvernements sur leur budget informatique s ils migraient vers le cloud computing. Comme pour la virtualisation, l'informatique dans le nuage est plus économique grâce à son évolutivité. En effet, le coût est fonction de la durée de l'utilisation du service rendu et ne nécessite aucun investissement préalable (homme ou machine). Notons également que l'élasticité du nuage permet de fournir des services évolutifs et donc de supporter les montées de charges. Par exemple, Salesforce.com, pionnier dans le domaine de l'informatique dans le nuage, gère les données de entreprises, et leurs 1,5 million d'employés, avec seulement serveurs (mars 2009). De plus, et c'est un argument mis en avant par les fournisseurs d'application en nuage, les services sont extrêmement fiables car basés sur des infrastructures performantes possédant des politiques efficaces de tolérance aux pannes (notamment des répliques). Inconvénients La sécurisation de l'accès à l'application entre le client et le serveur distant. On peut aussi ajouter le problème de sécurité générale du réseau de l'entreprise : sans cloud computing, une entreprise peut mettre une partie de son réseau en local et sans aucune connexion (directe ou indirecte) à Internet, pour des raisons de haute confidentialité par exemple. Dans le cas du cloud computing, elle devra connecter ces postes à Internet (directement ou pas) et ainsi les exposer à un risque d'attaque ou a des violations de confidentialité. Les entreprises perdent la maîtrise de l'implantation de leurs données ainsi que du cycle de vie des applications. Il est tout à fait possible de stocker les données sensibles des entreprises dans des espaces sécurisés en intra-extra entreprises, de manière à éviter à la fois les risques liés au stockage sur des serveurs externes et ceux liés à l'acheminement des données jusqu'à ces serveurs. 9

13 Les questions juridiques posées notamment par la propriété d'abstraction sur la localisation des données du Cloud Computing. Le Cloud Computing pose aussi des problèmes sur le plan des assurances, notamment lorsqu'une entreprise fait valoir une perte d'exploitation suite à une défaillance de son fournisseur. Là où une seule compagnie couvrait un risque, la compagnie d'assurance de la société offrant l'architecture Cloud intervient en plus, ralentissant fortement les indemnisations. Le client d'un service de cloud computing devient dépendant de la qualité du réseau pour accéder à ce service. Aucun fournisseur de service cloud ne peut garantir une disponibilité de 100 %. 10

14 Document 5 Et si nous définissions simplement le Cloud Computing Le sens du terme «Cloud Computing» est aujourd hui confus pour beaucoup. L objet de ce billet est de partager les définitions que nous utilisons chez OCTO Technology. Genèse et définitions La genèse du Cloud Computing fut la suivante : 3 grands acteurs du Web (Google, Amazon et Salesforce) font le même constat ; ils ont développé un «nuage informatique» de très grande envergure pour faire tourner leurs applications, et leurs datacenters disposent des ressources inutilisées ; chacun, à sa manière, va proposer à d autres entreprises de faire tourner leurs applications sur leur «nuage informatique», en faisant du Cloud Computing. Les plateformes de Cloud Computing permettent aux entreprises de bénéficier de : «applications en location» : les SaaS qui s exécutent sur le Cloud. Elles sont destinées aux clients finaux qui paient un abonnement mensuel fonction du nombre d utilisateurs. «run à la consommation» (sur les PaaS, IaaS, HaaS, etc.) : il est destiné à la DSI et aux éditeurs qui disposent de ressources techniques en fonction de leurs besoins. En quoi l architecture du Cloud est-elle différente de celle de nos SI? Dans nos SI, on trouve aujourd hui des technologies de virtualisation, qui permettent de consolider les datacenters. La virtualisation permet de bénéficier des 3 propriétés suivantes : Partage des ressources : la virtualisation permet d affecter les ressources d une même machine à plusieurs applications. Abstraction sur la localisation : l application est «quelque part» sur l une des machines constitutives de la plateforme de virtualisation. Si cette plateforme utilise des mécanismes de réplication sur des datacenters distants, les risques de désastre (incendies, inondations) sont couverts. Elasticité : il est possible d allouer des ressources supplémentaires à une application proche de la saturation, dans les limites physiques de la plateforme. Le Cloud Computing reprend ces trois propriétés et en ajoute deux : le «pay as you go» : la DSI paie les ressources qu elle utilise (processeur, stockage, réseau) en fonction de leur consommation réelle. Peu de DSI savent aujourd hui mesurer précisément la consommation informatique de telle ou telle application. Les acteurs du Cloud savent le faire. le «self service» : l équipe de développement peut demander l allocation de ressources d exécution via une interface Web. Ces ressources seront disponibles 10mn plus tard. Ces 2 propriétés sont rendues possibles par de nouvelles architectures, contraignantes pour les architectes d entreprise. En synthèse, sur le plan technique : Cloud Computing = Virtualisation + 2 Le Cloud Computing est il seulement de la technique? Les acteurs du Cloud partagent un peu plus que de la technique. Ils ont aussi une culture spécifique et différente de celle de nos DSI : «you build it you run it» : l idée derrière cette formule est que les mêmes équipes développent, déploient et maintiennent les applications. C est la fin possible de la frontière entre BUILD & RUN (direction des études & direction de la production). Le Cloud outille cette démarche. Le pari de l ouverture : s opère à deux niveaux, l utilisation et la contribution. A l utilisation, vous remarquerez que les SaaS obéissent à un ADN de sécurité «tout est autorisé sauf», là où nos SI historiques se sont bâtis sur un génome opposé «tout est interdit, sauf». Ce positionnement leur permet de dépasser les contraintes de cloisonnement des entreprises, en permettant la collaboration de tous (Wikipedia, Google Apps,..). Second niveau : les acteurs du Cloud proposent des API ouvertes permettant à d autres d innover en les exploitant. Cette démarche permet la constitution d un écosystème fécond, comme celui des Facebook, SalesForce ou Firefox. Ainsi, aller vers le Cloud Computing, c est aborder de nouvelles architectures mais aussi changer son organisation pour adopter la culture du Cloud. 11

15 Document 6 Dossier Big Data : l'analyse des données intéresse de plus en plus les entreprises Le volume de données produit et à traiter par les entreprises ne cesse d'augmenter. Ce constat n'est pas récent. Mais à l'ère d'internet et de la multiplication des appareils connectés, l'analyse de ces informations hétérogènes est devenue complexe. Un challenge relevé par des technologies très pointues. Le Web croule sous les données textuelles, audiovisuelles et graphiques. En 2008, environ 480 milliards de gigaoctets étaient disponibles sur Internet. Deux ans plus tard, ce volume a presque doublé! Et cette évolution semble sans fin : selon le cabinet d'analyses Gartner, à l'horizon 2015, quelque trois milliards d'individus seront connectés et partageront des données, personnelles ou non, pour atteindre un total de huit Zo (Zettaoctets). Pour information, un Zo est égal à un milliard de To (Teraoctet), soit l'équivalent du volume stocké sur 250 milliards de DVD. Bienvenue dans l'ère du Big Data! Il s'agit d'analyser ces milliards de données afin de dénicher l'information pertinente permettant de prendre la bonne décision. Cette activité représente un marché évalué à 3,2 milliards de dollars en Elle devrait croître de 39,4% par an pour atteindre 16,9 milliards en 2015 (source : étude IDC «Digital Universe»)! Cette croissance ne se limite pas à l'analyse d'énormes volumes. Le marché de la gestion et de l'analyse de données est estimé à plus de 100 milliards de dollars et croît de près de 10% par an, soit environ deux fois plus vite que le marché global des logiciels. Cette expression Big Data a été évoquée pour la première fois par le cabinet d'études Gartner en Quatre ans plus tard, la situation a considérablement évolué. Pour les entreprises, ces milliards de données sont à la fois une formidable source d'informations permettant de mieux connaître ses clients et les tendances de leur secteur d'activité (être capable de faire la différence entre le buzz ou l'épiphénomène et des «signaux forts») et aussi de suivre l'évolution de ses concurrents. 5 heures par semaine passées à chercher des informations... Mais cette volumétrie en perpétuelle croissance est aussi un double défi : technologique et économique. Dans l'univers de la gestion de l'information, trouver la donnée pertinente dans d importants volumes structurées (bases de données, applications métier) est une activité maîtrisée. Mais la montée en puissance d'internet et la multiplication des appareils connectés à des réseaux (smartphones, tablettes mais aussi capteurs, compteurs électriques, bornes...) génèrent des données non structurées ( s, documents, fichiers, audio, vidéo, etc.). Cette évolution génère des coûts élevés. Une étude d'idc a indiqué que les employés perdent au minimum cinq heures par semaine à rechercher les informations utiles pour leurs activités quotidiennes, ce qui coûte aux entreprises entre et par an et par employé. Les solutions de Big Data doivent donc relever ces défis en tenant compte de la règle dite des 3V : volume, variété et vélocité. Les volumes : confrontées à des contraintes de stockage, les entreprises doivent aussi gérer le tsunami des réseaux sociaux. Chaque jour, deux millions de vidéos sont ajoutées sur YouTube, 5 millions d'images sont mises sur Flirck, 300 millions de photos sont transférées sur Facebook et 140 millions de messages sont publiés sur Twitter! La montée en puissance des réseaux sociaux a accentué cette production de données. Résultat, les volumes sont passés du téraoctet au pétaoctet, à cause de leurs types (vidéos, photos, sons...). Selon le cabinet McKinsey, les entreprises auraient stocké 7 exaoctets de données supplémentaires en Les solutions de Big Data doivent rendre accessible la masse de données intéressant leurs clients pour ensuite les analyser. Imaginez qu'un acteur comme Facebook indique emmagasiner 500 téraoctets de nouvelles informations chaque jour! La variété des sources : premièrement, l'époque où les entreprises s'appuyaient uniquement sur les informations qu'elles détenaient dans leurs archives et ordinateurs est révolue. De plus en plus de données nécessaires à une parfaite compréhension du marché sont produites par des tiers. Deuxièmement, les 12

16 sources se sont multipliées : banques de données, sites, blogs, réseaux sociaux, terminaux connectés comme les smartphones, puces RFID, capteurs, caméras... Les appareils produisant et transmettant des données par l'internet ou d'autres réseaux sont partout, y compris dans des boîtiers aux apparences anodines comme les compteurs électriques. Par exemple, le Linky d'edf transmet à distance quatre mesures par heure au gestionnaire du réseau et aux fournisseurs d'électricité. Auparavant, des agents EDF relevaient les consommations une fois par an... Les solutions de Big Data doivent donc être capables d'analyser de nombreuses sources d'informations dont certaines sont extérieures à l'entreprise et non maîtrisée par elle. La vélocité, ou l'obligation de prendre une décision pertinente très rapidement : à l'ère d'internet et de l'information quasi instantanée, les prises de décision doivent être rapides pour que l'entreprise ne soit pas dépassée par ses concurrents. S'ajoute ensuite un dernier «V», celui de la visualisation : l'apanage des nombreux outils et suites dédiés au décisionnel. Les besoins des entreprises La montée en puissance des réseaux sociaux et du commerce électronique a encouragé le développement de solutions dédiées au Big Data. Logiquement, les premiers clients, et même les initiateurs, ont été les acteurs historiques de l'internet (Yahoo!, Google ), ensuite les poids lourds du e-commerce (e-bay, Amazon ) et enfin les réseaux sociaux (Facebook, Linkedin ). La seconde vague de clients comprend les acteurs de la grande distribution et des télécoms, mais aussi les organismes financiers. De grands groupes industriels tirent aussi des bénéfices des solutions de Big Data. Très peu de recherches peuvent en effet rapporter beaucoup d'argent à une entreprise. Avant de développer une nouvelle technologie et de la protéger en déposant des brevets, des multinationales s'appuient sur des technologies de Big Data pour vérifier qu'aucune de leurs filiales ne l'a déjà fait auparavant. De quoi économiser «des centaines de milliers d'euros», selon l'éditeur d'un moteur de recherche spécialisé dans le Business search. L'exemple de ces multinationales montre que les solutions de Big Data doivent répondre aux besoins particuliers des entreprises : - Marketing : développement du géo-marketing, du marketing comportemental Une marque de sport peut souhaiter analyser les commentaires laissés sur ses pages Facebook et sur des blogs spécialisés et reconnus. L'analyse du comportement des internautes et du parcours de chacun des visiteurs d'un site est affinée par le Big Data. Ces études permettent en effet aux sites de préciser leur stratégie de segmentation de leurs visiteurs afin de réorienter en temps réel le contenu présenté. Elles permettent aussi de comprendre ce qui fait basculer l'internaute dans l'acte d'achat, en fonction des clics ou des formulaires remplis. - Merchandising : optimisation des assortiments, des prix et des emplacements. - Logistique : gestion des inventaires, optimisation de la logistique et des négociations fournisseurs. - La réglementation : la gestion des risques ou de la fraude pour les banques ou la LCEN (Loi pour la confiance dans l'économie numérique) dans les télécoms par exemple nécessitent de stocker de très gros volumes de données pour assurer une traçabilité maximale mais aussi une réactivité dans l'analyse des données afin de faciliter le déclenchement d'alertes liées à des comportements suspects. La sécurité informatique : «L'âge du Big Data en sécurité est arrivé», affirme Eric Schwartz. Pour le RSSI de RSA*, il est nécessaire d'avoir une approche de la sécurité tenant compte du contexte dans lequel les comportements des utilisateurs et des systèmes sont analysés afin de servir de fondement à la décision. L'exploitation de grands volumes de données de sécurité permet aux entreprises de «fouiller» l'ensemble de leur infrastructure pour accélérer les enquêtes a posteriori et améliorer la détection de fraudes, ainsi que la sécurité du SI dans son ensemble. «De nombreux responsables de la sécurité informatique ont beaucoup de données à traiter et recherchent des personnes qui connaissent l'analytique. Ils ont également besoin d'analystes venant du décisionnel afin d'étudier les données de sécurité sans idées préconçues. L'objectif est de trouver des schémas logiques au milieu de toutes ces données», constate Mais Brian Fitzgerald, vice-président de RSA en charge du marketing. *RSA est une entreprise appartenant à EMC - La santé : le Big Data peut aussi servir des causes plus «nobles» que la volonté d'être meilleur que les concurrents. Fin mars 2012, le Centre Hospitalier Universitaire de Leiden aux Pays-Bas a retenu Bull pour l'aider à concevoir un environnement de stockage Big Data. L'un des objectifs est de faciliter le calcul intensif sur des volumes de données gigantesques afin de disséquer et séquencer l'adn humain. 13

17 De façon générale, les entreprises souhaitent bénéficier de méthodes d'analyse plus rapides et des rapports plus clairs et adaptés à leurs exigences (au fil de la journée ou de façon périodique) afin de disposer d'un avantage concurrentiel. Cette tendance a été identifiée par l'indice Big Data de Jaspersoft. Cet éditeur des logiciels décisionnels a mis en place en janvier 2012 le premier indice Big Data dans le secteur du décisionnel. Il s'agit d'un classement des connecteurs en téléchargement associés aux principales bases et sources de données. «Recherche désespérément scientifique des données» Malgré les progrès réalisés par les solutions de Big Data, l'être humain reste indispensable. Exceptées des solutions simplifiées à destination de PME, il ne s'agit pas de produits pré-packagés où il suffit d'ouvrir une boite, d'installer un logiciel sur des serveurs et le mettre en production. D'où la nécessité d'avoir des administrateurs systèmes avec des solides connaissances pratiques et surtout des... «scientifiques des données». Ils doivent être capables de combiner les compétences d'un programmeur de logiciels et d'un statisticien et poser aussi les bonnes questions à la machine. En un mot, ils sont capables de faire le rapprochement entre les données brutes et leur analyse. Bref, un mouton à cinq pattes très difficile à dénicher. En plus de ce profil, les entreprises doivent disposer d'experts en mathématique et en statistique pour développer des modèles analytiques avancés et dégager des tendances... Cette carence apparaît d'ores et déjà comme un frein au développement du Big Data. Aux États-Unis, McKinsey prévoit un déficit de à spécialistes en analyse de données d'ici à Big Data et protection des données personnelles Selon la Commission nationale de l'informatique et des libertés (CNIL), le phénomène Big Data ne modifie pas en tant que tel la nature des obligations que les entreprises ont vis-à-vis des données personnelles (clients, fournisseurs, salariés) qu'elles détiennent. Le problème vient plutôt du fait que le volume devient de plus en plus important et donc de plus en plus difficiles à sécuriser. Selon une enquête menée en 2010 par le Ponemon Institute auprès de 1000 spécialistes, 42 % considèrent que leur propre entreprise ne fait pas grand-chose pour réduire les risques de vols ou de pertes de données confidentielles. 45% d'entre eux reconnaissent qu'ils seraient dans l'impossibilité d'identifier, et donc d'avertir, les utilisateurs ou les clients dont les données personnelles auraient été volées. Or l'article 34 de la Loi n du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés précise : «Le responsable du traitement met en œuvre toutes mesures adéquates, au regard de la nature des données et des risques présentés par le traitement, pour assurer la sécurité des données et en particulier protéger les données à caractère personnel traitées contre toute violation entraînant accidentellement ou de manière illicite la destruction, la perte, l'altération, la divulgation, la diffusion, le stockage, le traitement ou l'accès non autorisés ou illicites». Les solutions dédiées au Big Data Pour répondre aux trois défis (volume, variété et vélocité), les solutions de Big Data s'appuient principalement sur des moteurs de recherche développés pour le Business Search. Ces outils sont beaucoup plus efficaces et «intelligents» que Google dont les résultats s'appuient uniquement sur la popularité (d'un point de vue statistique) d'une information. Pour traiter ces gros volumes de données disparates, les éditeurs se sont tournés vers les appliances et trois types de technologies distinctes : une accélération matérielle à l'aide de mémoires dynamiques DRAM ou Flash, le recours à des bases de données massivement parallèles ou à des solutions utilisant des formats de bases de données non relationnelles basées sur NoSQL. Quelle que soit l'option retenue, l'objectif ne consiste pas simplement à interroger une base de données. Il s'agit d'effectuer des calculs d'analyses avancées pour obtenir de nouvelles informations à forte valeur ajoutée. Au début du Big Data, «il y avait d'un coté les moteurs spécialisés qui offrent une optimisation maximale, via une structuration et un stockage des données en colonnes par exemple. Ils permettent des requêtes analytiques propices aux applications de type décisionnel. D'un autre coté, il y avait les moteurs de traitement de données de type Appliance MPP (Massive Parallel Procesing) qui sont davantage adaptés aux grands datawarehouses d'entreprise pour des usages aussi bien transverses que métiers. Ils centralisent le patrimoine d'informations de l'entreprise et autorisent une organisation des données relativement souple», rappelle Romain Chaumais. Les bases de données NoSQL L'un des points forts de cette solution est sa performance. Trois principaux atouts se détachent : la cohérence (visibilité par tous les nœuds d'un système des données identiques à un instant T), la haute disponibilité des données même en cas de panne et, enfin, la possibilité de partitionner tout système distribué. Les bases de données NoSQL ne sont donc pas une technologie de remplacement des SGBDR. Elles apportent simplement des options supplémentaires quant au mode de représentation de données utilisé pour un projet. 14

18 Les fournisseurs proposant des solutions basées sur NoSQL (Not Only SQL) sont de plus en plus nombreux. Parmi les moteurs nosql les plus connus figurent MongoDB et Cassandra (open source), ou Caché (d'intersystems). Ils y associent également le plus souvent le framework Open Source d'analyse de données en masse Hadoop, comme c'est le cas pour Microsoft et IBM. Mais également Oracle qui de son côté propose une appliance (boîtier) dédiée au Big Data reposant à la fois sur Hadoop mais aussi une version personnalisée de NoSQL. MapReduce de Google Le traitement des données est réparti sur une multitude de machines. Il s'agit d'un modèle d'exploitation «brute» des données. Il n'y a pas d'échantillonnage et l'approche est plus statistique qu'exhaustive. Mais l'univers MapReduce est complexe et difficile d'accès. L'implémentation de MapReduce la plus connue, en dehors de celle de Google, est Hadoop. Hadoop, la référence Open source Aucun acteur majeur du Big Data ne peut passer à côté de ce framework Java destiné aux applications distribuées et à la gestion intensive des données. Même Microsoft qui a du abandonner fin 2011 son projet LINQ to HPC (High performance computing). Inspiré par les solutions Map Reduce, GoogleFS et BigTable de Google, il permet aux applications de travailler avec des milliers de nœuds et des pétaoctets de données. Conçu par Doug Cutting (auteur également de Nutch, un projet de moteur de recherche libre) en 2004, Hadoop répond à deux besoins spécifiques : - un traitement massif des données n'ayant pas de schéma clair et de leur transformation vers un format plus structuré. - l'élaboration de modèles prédictifs (lutte contre la fraude, type de publicité à proposer en ligne ) dans des environnements changeants. Hadoop de la fondation Apache (une organisation à but non lucratif créée en 1999) a contribué à modifier le modèle économique du Big Data. En moins de 4 ans, tout le monde ou presque (de Talend, Oracle, Teradata en passant par IBM et EMC) l'a adopté à cause principalement de son prix, de sa maturité, de sa rapidité (en mai 2009, Yahoo a trié 1 téraoctet de données en secondes) et de sa flexibilité. Toutes les solutions propriétaires l'intègrent. Le rôle des éditeurs consiste donc à proposer des briques complémentaires (administration, monitoring, sécurité ) devant interagir autour de ce même noyau ouvert. L'écosystème Hadoop se renforce de jour en jour avec l'arrivée de nouveaux intégrateurs et éditeurs. Selon une étude publiée début mai 2012 par IDC, les levées de fonds autour de Hadoop et MapReduce ont atteint environ 300 millions de dollars. Et cette tendance ne devrait pas s'atténuer avant 2016 selon cette même analyse. Le cabinet IDC estime en effet que le marché de Hadoop et MapReduce devrait croître de plus de 60% par an jusqu'en 2016 pour s'établir à presque 813 millions de dollars à cette date. Le «Hadoop native» reste donc incontournable. Des offres Big Data en SaaS (Software as a Service) La mutualisation des ressources permet de réduire les coûts. Il est désormais possible de mettre en place des applications Big Data en quelques semaines seulement. C'est le cas avec la technologie de Squid Solutions qui exploite au maximum les fonctions avancées de la base de données massivement parallèle EMC Greenplum en réalisant ses calculs «in-database», directement sur les données brutes, pour accélérer la création et le déploiement de Business Applications innovantes. Les fournisseurs de solutions ont commencé à élaborer leurs offres à la fin des années 2000 et le mouvement s'est accéléré ces derniers temps avec l'arrivée sur ce créneau d'acteurs historiques comme Oracle, IBM ou, plus récemment, Microsoft. Ces derniers ont d'ailleurs investi plus de 15 milliards de dollars pour acheter des entreprises de logiciels spécialisées dans la gestion et l'analyse de données. En juin 2011, Informatica, acteur dans le domaine de l'intégration de données, a également annoncé son offre. Comme le rappelle l'étude d'idc citée à propos de Hadoop, le marché du Big Data est en pleine croissance et la majorité des offres s'articulent autour d'hadoop. L' «hégémonie» du framework de la Fondation Apache et de MapReduce reste une évidence. 15

19 Sinequa, la référence française? Classée par le magazine EContent parmi les 100 entreprises qui comptent le plus pour la 3e année consécutive, Sinequa vient également d'être honoré d'un Trend Setting Product 2011 décerné par le magazine KM World. Pour s'imposer dans le Business Search, l'entreprise mise sur l'innovation. «Nous avons un principe : toutes les réponses doivent s'afficher en dessous de la seconde quel que soit le type de recherche. Si le volume de données à analyser est trop important, nous ajoutons deux machines, etc. (architecture grid)», explique Alexandre Bilger, PDG de Sinequa. Concernant le Big Data, le PDG de Sinequa rappelle l'importance de la structuration de l'information : «les données qui sont sur le Web ou dans l'entreprise ont une certaine structure. Si on veut analyser de manière massive ces données ou les présenter de manière intelligente à l'utilisateur, il faut les structurer en utilisant tous les moyens disponibles informatiquement (statistique, linguistique et sémantique). En combinant ces éléments, nous sommes capables de faire émerger cette structure qui n'existe pas a priori.» Amazon Le poids lourd du e-commerce américain a démocratisé le Big Data avec l'avènement du Cloud Computing. Il propose depuis avril 2009 Amazon Web Services et Elastic Map Reduce (EMR). EMR permet l'exploration de données instantanément, sans se soucier de l'installation, de la gestion ou de l'ajustement des clusters Hadoop. Trier et dénicher des informations pertinentes devient donc à la portée de toutes les entreprises selon Amazon. «Jusqu'à encore récemment, il aurait fallu des années pour analyser un ensemble de 21 millions de composés chimiques avec une petite instance HPC intégrant quelques centaines de cœurs». Grâce au supercalculateur de Cycle Computing, ses tests ne prennent plus que trois heures «Ce supercalculateur de cœurs est immédiatement accessible pour 5000 dollars de l'heure. Cela signifie aussi qu'il est disponible pour tout le monde», déclare Werner Vogels, CTO d'amazon. Google Le moteur de recherche a été l'un des précurseurs du Big Data en développant MapReduce dès Schématiquement, les deux termes peuvent être présentés de la façon suivante : - Map : établir un couple (clé, valeur) pour chaque élément de données. - Reduce : agréger, résumer, filtrer ou transformer les données. Pour Google, les principales applications sont l'indexation du web, l'analyse d'images satellites et les calculs statistiques pour Google translate. Ses principaux avantages sont la parallélisation automatique, l'équilibrage de charge, l'optimisation sur les transferts disques et réseaux et la tolérance aux pannes. Des librairies MapReduce existent pour C++, C#, Erlang, Java, Python, Ruby... IBM Comme beaucoup d'autres acteurs du secteur, IBM a conçu des briques s'intégrant à Hadoop, HDFS et le framework MapReduce. Depuis fin 2011, il propose InfoSphere BigInsights Basic pour IBM SmartCloud Enterprise. La version Basic, qui peut gérer jusqu'à 10 To de données, est disponible gratuitement pour les systèmes Linux. Par contre, BigInsights Enterprise reste payant. Big Blue continue aussi à acheter des sociétés spécialisées dans la collecte, la capture et l'organisation de l'information et des données multisources, multiformats et multiplateformes. Dernière acquisition en date : Vivisimo, en avril Elle revendique quelque 140 clients dans le secteur public, la recherche, l'industrie, l'électronique et les secteurs financiers. Airbus, l'us Airforce et l'us Navy en sont utilisateurs. Microsoft Fin 2011, le géant de l'informatique a finalement privilégié la raison, en abandonnant LINQ to HPC pour tout mettre sur Hadoop. L'éditeur de Redmond a signé un accord avec Hortonworks (voir ci-dessous avec Yahoo!) afin de porter le framework java sur Windows Server et Windows Azure. Le Big Data est par ailleurs l'un des enjeux majeurs auxquels souhaite répondre Microsoft avec la dernière version de son logiciel de gestion de bases de données, SQL Server Yahoo! Il est devenu le principal contributeur au projet Hadoop (avec des estimations tablant sur 70% du code produit) après avoir embauché son créateur, Doug Cutting, en janvier Cinq ans plus tard, Yahoo! a confirmé son intérêt pour ce framework en officialisant la création de Hortonworks, une entreprise indépendante. Financée par le portail et le fonds d'investissement Benchmark Capital, elle est entièrement dédiée au développement et au support du framework open source. 16

20 Vmware Le leader mondial de la virtualisation et des infrastructures de Cloud Computing, propose SpringHadoop, dernier né de la suite de projets Spring Data. «VMware s'appuie sur l'expérience forte et polyvalente de Spring autour de la simplification de l'accès aux données et tire parti de la plate-forme complète Hadoop pour livrer un modèle de programmation rationalisé faisant de Spring la méthode naturelle d'intégration des systèmes Hadoop au sein du paysage applicatif de l'entreprise», justifie l'éditeur. Comme IBM, WMware continue aussi ses emplettes. Fin avril, il a acquis la jeune entreprise californienne Cetas. Créée il y a 18 mois, elle propose une solution analytique de données (placées dans le cloud ou en interne) baptisée Instant Intelligence. Le Big Data à la portée des PME Pour l'instant, ces technologies s'adressent en priorité aux grands comptes et aux poids lourds du web. Mais de petites entreprises peuvent aussi en bénéficier. «Ces applications étaient impossibles à des coûts raisonnables il y a deux ans. Aujourd'hui, les PME peuvent se les offrir», affirme Isabelle Carcassonne, directeur marketing business & analytics optimization chez IBM. Aux États-Unis, toutes les start-ups ont intégré le Big Data dans le développement de leur business. En France, seules les start-ups dans les jeux vidéos et les réseaux sociaux notamment testent cette solution. Une PME proposant des jeux sur Facebook a eu recours au Big Data pour comprendre comment un joueur devient addictif. Une analyse a conclu que cet internaute basculait quand au moins dix de ses amis virtuels jouent au même jeu. La stratégie de l'éditeur a été adaptée en conséquence. La situation devrait rapidement évoluer avec l'arrivée de nouvelles solutions. «Le Big Data va de paire avec une autre évolution : le Cloud Computing. L'informatique dans les nuages permet d'accéder à des ressources importantes en mode "on demand". De plus en plus d'offres proposent ce genre de services. L'exemple le plus récent est Big Query. Proposé par Google, cet outil permet de traiter de gros volumes de données. Les coûts deviennent abordables pour identifier une information intéressante. Par exemple, l'analyse de 500 Go de données par cinq machines pendant 5 heures revient environ à 200 euros. Ce nouveau modèle économique permet aux PME de profiter des avantages du Big Data», explique Romain Chaumais, co-fondateur de Ysance, une société spécialisée dans l'intégration de solutions innovantes (notamment la Business Intelligence, ou informatique décisionnelle). 17