Google cloud Summit

Plénière d’ouverture

Cette année j’ai eu l’occasion de me rendre au Google Cloud Summit Paris, l’occasion de faire le plein de news Google et de rencontrer des acteurs de l’écosystème Google ! Et comme tout évènement digne de ce nom, il a débuté par une keynote. Revenons sur les sujets marquants :

Datacenters

Et ça commence par un rappel : le cloud Google respecte des normes de sécurité et d’installations complexes. Ces normes sont décrites dans un livre gratuit :

GDPR

Google travaille avec l’UE pour que son coud soit en permanence GDPR compliant.

TITAN

De nouvelles puces réseaux, les Ttitan sont intégrées dans les servers. Elle permettent d’ajouter des contrôles de sécurité hardware au sein des servers. Google part du principe que si un système a une chance d’être hacké, il le sera. cela vient donc compléter la protection software et hardware du cloud. Plus de détail ici.

Sécurité

Une nouvelle api nous a été présentée : la DLP Api . Cette api permet de filtrer et stocker des données confidentielles via du machine learning. Un exemple concret qui nous a été présenté est une conversation Slack qui contenait des documents privés type carte de crédit. Grâce à un script, aux api Slack et à la DLP, la conversation a été nettoyée de tous les éléments de ce type.

Machine learning IA

Google ne se présente plus comme une société mobile first, mais comme une société IA first. Concrètement, toute la GSuite contient maintenant du machine learning :

Gmail va vous proposer des réponses automatiques en fonction du contexte pour vous faire gagner du temps.

Sheets génère des graphiques en fonctions du contenu de vos tableaux, et du nlp permet de rechercher un type de tableau (courbe moyenne des achats pour le mois de décembre par exemple). L’algorithme vous présente ensuite le graphique et la formule utilisée pour créer le graph.

Drive va vous proposer des suggestions de documents à ouvrir en fonction de vos réunions, mails, … afin de vous faire gagner toujours plus de temps.

Api IA Machine Learning

Les Api’s de machine learning ont été enrichies. Après la célèbre Cloud Vision API, Google nous propose Google Cloud Video Intelligence API. Cet outil permet de détecter dans une vidéo les thèmes affichés (sport, monument, ...) et également de transcrire l’audio en texte, avec de l’analyse sémantique.

Cloud API va encore plus loin en étant capable de remettre une image dans son contexte. Par exemple, en analysant une photographie de Ford Anglia l’algorithme va détecter le modèle de voiture, le musée dans lequel la voiture est exposée ou encore le film dans lequel elle apparait.

Les autres API existantes Google Cloud Speech API, Google Natural Language API, Google Cloud Translation API, Google Cloud Job Discovery intègrent maintenant toutes de l’IA, ce qui permet à translation Api par exemple de s’améliorer en continu.

Cloud Spanner

Ce nouvel outil est la machine de guerre des bases relationnelles. Google nous propose un système répliqué à l’échelle mondiale, avec ajout de noeuds à la volée et modification à chaud de votre schéma, avec des temps de latences de l’ordre de la milliseconde. La simplicité de mise en oeuvre pour la complexité d’architecture proposée est assez impressionnante. Doc technique disponible ici.

GCP

De nouveaux algorithmes GCP permettent de proposer une facturation plus juste, adaptée à vos besoins, en lançant des alertes en cas de charge inutile et des réductions sur certaines instances utilisées depuis longtemps.

Kubernetes : état de l’art et feuille de route
Speaker: Lionel Touati + Sylvain Masset + Jean-François Bustarret

Kubernetes se démocratise et s’industrialise de plus en plus. La dernière version 1.8 permettra notamment une meilleure gestion de l’auto-scaling grâce à des métriques custom, et une meilleur gestion de la sécurité.

Au programme également une gestion automatique des noeuds en cas de crash et des mises à jour automatiques transparentes.

Et si vous préférez une OS Ubuntu plutôt que l’OS custom Google, c’est désormais possible.

Les équipes Kubernetes et Swarm se rapprochent afin d’éventuellement aller vers une standardisation commune.

Cloud Functions: serverless avec Google Cloud Platform
Speaker: Guillaume Laforge

Guillaume nous a présenté le futur du serverless (déjà éprouvé chez Amazon avec Lambda) : les Cloud Functions. Ces courtes fonctions sont déclenchées dans le cloud par des événements, sur des environnements éphémères. Vous payez ensuite au nombre de lancements et à la consommation de votre fonction. Plusieurs langages sont disponibles, et elles peuvent être éditées en ligne.

La force de Google, c’est son écosystème. Reliées au système de bot Google DialogFlow (anciennement Api.ai), les possibilités d’évolutions de bot et d’applications Google home sont infinies. En quelques minutes, vous allez pouvoir créer une fonction (qui vous donne la météo par exemple) déclenchée par un évènement Google Home. Tout est configuré dans des interfaces simples, avec très peu de code.

Introduction au Machine Learning
Speaker: Damien Roux + Laurent Stefani + Vincent Delaitre

L’aire du machine learning est venu, et Google a bien l’intention d’être leader de l’écosystème. Pour cela, plusieurs solutions ont été développées pour nous aider à créer des réseaux de neurones :

Framework TensorFlow

Google TensorFlow est un outils de construction, modélisation et entrainement de réseaux de neurones. Maintenant en release 1.0, il tend à devenir l’outil de référence de part sa simplicité.

TPU

Les TPU sont une unité de traitement maison Google. Elles sont conçues pour optimiser les calculs de réseaux de neurones, contrairement à des CPU ou des GPU. Ils sont 15 à 30 fois plus rapides ! Et c’est déjà la seconde génération. Google les met à disposition dans son cloud. Ces unités ont été créées suites à des tentatives d’utilisation des servers classiques lors de baisses de charge du traffic. Mais il s’était avéré que les CPU/GPU ne pouvaient pas absorber la charge de calcul nécessaire.

M-L Engine

M-L engine est une nouvelle api qui va vous permettre d’exploiter TensorFlow et les TPU avec une consommation à la demande. Vous pourrez entrainer vos modèles plus rapidement, sans avoir besoin de GPU puissants ou de machines à prix exorbitants dans le cloud.

Exemple Street View

Un exemple concret d’un des tout premier cas d’utilisation du machine learning chez Google a été l’exploitation des données Street View. Grâce à toutes les images, un réseau de neurones du type de l’api cloud vision a été entrainée à trouver des éléments comme le nom des rues, les panneaux de signalisation, …

Le futur c’est maintenant

Google pousse très fort sur l’IA, et facilite le plus possible sa mise en place. Les applications sont infinies, que ce soit pour les réseaux de neurones embarqués dans le mobile ou pour des systèmes auto apprenants plus complexes. L’architecture est en place, il n’a a plus qu’à l’utiliser. Mais attention à ne pas tomber dans l’IA inutile : parfois un algorithme spécifique est la meilleure solution à un problème simple.

--

--

--

Fullstack software engineer @Oui.sncf. I love discovering new technologies. Tech is as important as his usage.

Love podcasts or audiobooks? Learn on the go with our new app.

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store
Adrien Body

Adrien Body

Fullstack software engineer @Oui.sncf. I love discovering new technologies. Tech is as important as his usage.

More from Medium

Experience Of Google Auto ML — Cloud NLP

How to allow Google Cloud APIs

Develop Secure End-to-End Machine Learning Solutions in Google Cloud

Google App Engine