Services de jumeau numérique des grands clouds comparés
Les grands fournisseurs de cloud proposent des briques pour construire des jumeaux numériques. Elles ne font pas la même chose, n'engagent pas de la même façon, et aucune ne livre un jumeau prêt à l'emploi. Comparaison avec les mêmes critères pour chacune.
Un industriel, un gestionnaire de réseau d’eau ou une collectivité qui veut construire un jumeau numérique se voit souvent proposer de le faire « dans le cloud ». Les grands fournisseurs ont en effet des services dédiés aux jumeaux numériques dans le cloud, ou des ensembles de briques qui en tiennent lieu. Ces offres ne sont pas équivalentes. Elles reposent sur des modèles de données différents, couvrent des parties différentes du problème et créent des dépendances différentes.
Ce comparatif examine Microsoft Azure Digital Twins, AWS IoT TwinMaker, l’approche de Google Cloud, et une alternative libre, Eclipse Ditto. Les mêmes critères s’appliquent à tous. Les descriptions s’appuient sur la documentation publique des fournisseurs ; les fonctions évoluent, et il faut les vérifier au moment du choix.
Ce que ces services font, et ce qu’ils ne font pas
Un jumeau numérique associe un modèle d’objets réels (équipements, bâtiments, réseaux), leurs relations, les données qui les décrivent en temps réel et dans le passé, et des usages : visualisation, analyse, simulation, aide à la décision. Les services cloud couvrent surtout les deux premiers éléments et fournissent des connecteurs vers le troisième. Les usages restent à construire.
Aucun de ces services ne collecte lui-même les données des machines : il faut des passerelles, des protocoles industriels, une couche d’ingestion. Aucun ne contient de modèle physique ou de simulation métier prête à l’emploi.
Les quatre options
Azure Digital Twins est un service géré de Microsoft qui permet de décrire un environnement sous forme de graphe : des jumeaux (une pompe, une salle, un étage) reliés par des relations (contient, alimente, se trouve dans). Les modèles sont écrits en DTDL (Digital Twins Definition Language), un langage publié par Microsoft sous licence ouverte. Le graphe peut être interrogé et alimenté par des événements ; l’historique des données est confié à d’autres services, comme Azure Data Explorer.
AWS IoT TwinMaker est le service d’Amazon Web Services. Il organise un graphe de connaissances fondé sur des entités et des composants, et se connecte à des sources de données existantes (AWS IoT SiteWise, des bases de séries temporelles, des systèmes tiers par connecteurs) sans les copier. Il fournit un éditeur de scènes 3D et un greffon pour l’outil de tableaux de bord Grafana.
Google Cloud ne propose pas de service géré dédié aux jumeaux numériques. Google a d’ailleurs retiré en août 2023 son service IoT Core, qui assurait la connexion des objets. Son approche repose sur ses services de données et d’analyse (stockage, entrepôt de données, apprentissage automatique) et sur des partenaires spécialisés qui fournissent la couche de jumeau.
Eclipse Ditto est un projet libre de la fondation Eclipse, qui fournit un cadre pour gérer des jumeaux d’objets connectés : état, accès, événements, interfaces. Il peut être hébergé chez n’importe quel fournisseur ou sur ses propres serveurs, et sert de base à plusieurs plateformes.
Le comparatif
| Critère | Azure Digital Twins | AWS IoT TwinMaker | Google Cloud | Eclipse Ditto |
|---|---|---|---|---|
| Nature | Service géré de modélisation en graphe | Service géré de graphe et de visualisation | Briques de données et partenaires | Cadre libre à héberger |
| Modèle de données | DTDL, langage publié et documenté | Entités et composants, propre au service | Selon la solution partenaire | Modèle « things », interfaces documentées |
| Données historiques | Par services associés | Lecture dans les sources existantes | Services de données de Google | À associer à une base de séries temporelles |
| Visualisation 3D | Par outils associés ou tiers | Éditeur de scènes et intégration Grafana | Selon le partenaire | À construire |
| Effort d’intégration | Moyen | Moyen | Élevé, dépend du partenaire | Élevé, compétences d’exploitation requises |
| Dépendance | Au fournisseur, atténuée par un langage de modèle ouvert | Au fournisseur et à son modèle | Au partenaire et au fournisseur | Faible, au prix de l’exploitation |
| Hébergement et localisation | Régions du fournisseur | Régions du fournisseur | Régions du fournisseur | Libre, y compris sur site |
Les critères qui comptent vraiment
Le modèle de données
C’est le capital du jumeau : des mois de travail pour décrire les équipements, leurs relations et leurs propriétés. Un modèle écrit dans un langage publié et documenté se transfère ; un modèle construit dans les seules interfaces d’un service se reconstruit. Les ontologies et normes sectorielles (par exemple les modèles d’information d’OPC UA pour l’industrie, ou les schémas de bâtiment) facilitent cette portabilité quand on les adopte dès le départ.
Ce qui reste chez soi
Les données historiques sont plus volumineuses et plus durables que le graphe. Les stocker dans des formats ouverts, dans un espace maîtrisé, réduit la dépendance quel que soit le service de modélisation choisi.
La souveraineté et la confidentialité
Les données d’un jumeau peuvent révéler le fonctionnement d’une usine, la vulnérabilité d’un réseau d’eau ou d’énergie. Pour un opérateur d’importance vitale ou une entité soumise à la directive NIS 2, la localisation des données, le droit applicable au fournisseur et les conditions d’accès par celui-ci sont des critères de premier rang, pas des détails contractuels.
Les services cloud généralistes (calcul, stockage, bases de données) sont stables. Les services spécialisés le sont moins : le retrait de Google Cloud IoT Core en 2023 a obligé ses utilisateurs à migrer. Avant de s’engager, il faut vérifier le statut et l’historique du service, et concevoir l’architecture pour pouvoir remplacer la couche de jumeau sans perdre les données ni le modèle.
Lecture par situation
Une organisation déjà engagée chez un fournisseur, avec ses données et ses compétences : le service de ce fournisseur est le point de départ naturel, à condition de garder le modèle et l’historique dans des formats portables.
Un bâtiment ou un campus, où le jumeau décrit surtout des espaces et des équipements reliés : la modélisation en graphe d’Azure Digital Twins, avec un langage de modèle ouvert, est adaptée.
Un site industriel qui veut visualiser des données existantes sans les déplacer : l’approche par connecteurs d’AWS IoT TwinMaker y répond.
Un opérateur sensible ou soucieux de souveraineté : une base libre hébergée sur site ou chez un hébergeur qualifié, avec une équipe capable de l’exploiter, ou une solution d’éditeur industriel installée localement.
Avant de choisir
- Écrire la question à laquelle le jumeau doit répondre, avant de choisir l’outil.
- Choisir un langage de modèle documenté et, si possible, des modèles sectoriels normalisés.
- Garder les données historiques dans des formats ouverts et un espace maîtrisé.
- Vérifier le statut, la feuille de route et les régions du service retenu.
- Évaluer la localisation, le droit applicable et l’accès du fournisseur aux données.
- Prévoir la sortie : ce qui se transfère, ce qui se reconstruit, à quel coût.
Notre dossier sur les jumeaux numériques présente la démarche complète, et notre comparatif des plateformes IoT industrielles traite la couche de collecte. L’expertise jumeaux numériques de DOSOBE accompagne ces choix sans lien commercial avec les fournisseurs.
- Microsoft, documentation d’Azure Digital Twins et spécification DTDL.
- Amazon Web Services, documentation d’AWS IoT TwinMaker.
- Google Cloud, annonce du retrait d’IoT Core (effectif en août 2023).
- Eclipse Foundation, projet Eclipse Ditto.
- OPC Foundation, spécifications OPC UA et modèles d’information associés.
Questions fréquentes
Un service cloud de jumeau numérique suffit-il à construire un jumeau ?
Non. Il fournit la structure pour décrire les objets et leurs relations, et des connecteurs vers les données. Il faut encore collecter les données des équipements, construire les modèles, les relier aux processus et développer les usages : tableaux de bord, simulations, alertes.
Peut-on changer de fournisseur après avoir construit un jumeau sur l'un d'eux ?
Oui, mais à un coût qui dépend de ce qui a été lié au service. Un modèle de données décrit dans un langage documenté et des données historiques stockées dans des formats ouverts se transfèrent. Les règles, les intégrations et les visualisations construites avec les outils propres du fournisseur doivent généralement être refaites.
Les jumeaux numériques industriels doivent-ils être hébergés dans le cloud ?
Pas nécessairement. Les données de production sont souvent traitées au plus près des machines, et certaines organisations gardent le jumeau sur leurs propres serveurs pour des raisons de confidentialité ou de latence. Le cloud est utile pour agréger plusieurs sites et pour les calculs lourds.