logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
logo fullscreen logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
Menu
mobile logo
  • Dossier
    • IA quantique
    • Réseaux de neurones enzymatiques
    • Le méta-apprentissage fait ses premiers pas…
    • Les avancées prometteuses de l’apprentissage auto-supervisé
    • Que peut l’intelligence artificielle contre les fake news ?
    • Quand l’IA nous regarde…
    • Les réseaux de neurones impulsionnels
    • Quantification de la fragilité
    • Covid-19 et data
    • Ville algorithmique
    • Perception des véhicules autonomes
    • Formation continue
    • Data gouvernance
    • À la recherche des sens perdus
    • Deepfake
    • Agriculture numérique
    • Legal Tech
    • Données de santé
    • Start-up IA
    • Learning Analytics
    • Métiers de la data
    • Recherche IA : public/privé
    • Cybersécurité
    • Emplois dans la Data
    • Innovation et Data
    • Open source
    • Green IA
    • Sciences humaines et sociales et data
    • Voiture autonome
    • IA et création artistique
    • Des algos de confiance
    • Data cities
    • L’homme sur mesure
    • Débats autour des datas
    • Data science & robots
    • Usine 4.0
    • Données personnelles
    • Valorisations des données
    • Formation
  • Innovation
  • Expertise
  • Portrait
  • Point de vue
  • Lexique
  • + loin
    • Timeline
    • Repository
  • Emploi
    • Fiches métiers
  • S’abonner
    • NEWSLETTERS DÉJÀ PARUES
27 septembre 2018
A la Une, DAP, Dossiers thématiques, News, Open source

Comment le Cloud Computing sape les fondements de l’Open Source

⏱ 3 min

Si les prestataires de Cloud font un usage très large de l’Open Source – notamment pour leurs services de data science –, ils en trahissent souvent l’esprit, en verrouillant l’accès à leurs plates-formes par des technologies propriétaires. Sans parler de la menace qu’ils font peser sur le modèle économique même des éditeurs Open Source.

Un retour rampant au modèle propriétaire ? C’est la crainte qu’expriment certains acteurs de l’Open Source quand ils évoquent le Cloud Computing. Ce mode d’accès aux technologies – à distance et sur abonnement – renferme en effet un paradoxe. D’un côté, les acteurs du Cloud consacrent l’Open Source : nombre des services qu’ils proposent sur leurs plates-formes sont issues de ces technologies. De l’autre, le mode d’accès au service empêche l’utilisateur de réellement bénéficier des droits associés au logiciel libre.

« Même si les approches des différents fournisseurs varient – Amazon ayant probablement le modèle le plus proche de celui du logiciel propriétaire –, le Cloud constitue, dans son ensemble, une remise en question des principes de l’Open Source, puisque la monétisation s’effectue par l’accès à la plate-forme, indépendamment du type de services mis en œuvre, explique Jonathan Rivalan, responsable R&D d’Alter Way, une société de services en logiciels libres. Et ce même quand certains de ces services embarquent des composants Open Source repackagés, ou masqués à l’utilisateur. » De son côté, Stéfane Fermigier, président du groupe de travail Logiciel Libre du pôle de compétitivité System@tic et entrepreneur dans l’Open Source, considère que, d’une certaine façon, les prestataires de Cloud « repropriétarisent » les logiciels Open Source sur lesquels ils s’appuient : « Ce qui, pour l’utilisateur, peut constituer une forme de verrouillage sur un Cloud donné, à l’opposé de ce qui pousse traditionnellement les entreprises à se tourner vers le logiciel libre. »

Logiciels libres, interfaces propriétaires

La principale menace liée au Cloud réside dans le manque d’interopérabilité entre les différentes plates-formes, ce qui entraîne une diminution de la portabilité, y compris pour les applications reposant sur des standards Open Source. Autrement dit, même si deux prestataires de Cloud proposent un service fondé sur la même technologie, il n’est pas sûr qu’une entreprise puisse du jour au lendemain passer d’une plateforme à l’autre. Et, selon Jonathan Rivalan les choses ne vont pas en s’arrangeant, du fait de l’automatisation croissante proposée par les prestataires de Cloud. Une tendance qui permet de plus en plus de décharger les utilisateurs des problématiques liées au matériel sur lequel sont déployées les applications. Mais au prix d’approches de plus en plus propriétaires. Pour le responsable R&D d’Alter Way, la logique de verrouillage des utilisateurs que dessinent les plates-formes Cloud se prolonge « dans ce qu’on appelle le serverless, des architectures informatiques composées d’un ensemble de fonctions ou de mini-services très granulaires. Si cette approche permet de débarrasser les utilisateurs de la problématique d’hébergement, elle repose sur des API, des interfaces logicielles, qui ne sont absolument pas standards. Et ce, même si les services que ces API permettent d’appeler sont, eux, bel et bien Open Source ! »

Les éditeurs Open Source en danger ?

L’offensive du Cloud contre les principes clés de l’Open Source a une autre conséquence. Plus insidieuse. Car, en adoptant largement les versions en libre accès des technologies Open Source, les prestataires de Cloud mettent en péril l’équilibre économique de certains éditeurs de logiciels libres, qui se financent traditionnellement via des services complémentaires et des fonctions payantes. C’est en tout cas ce qu’affirme Redis Labs, éditeur d’une technologie de gestion de données du même nom. En août 2018, la société a adopté des clauses très restrictives pour cinq de ses modules. Ces clauses, dites Commons Clause, interdisent de vendre le logiciel, d’y associer des services de conseil ou de l’exploiter pour proposer des services dont la valeur dérive, « entièrement ou totalement », de ses fonctionnalités. Clairement, une flèche visant AWS, la filiale d’Amazon leader mondial du Cloud, qui propose un de ses best-sellers sur la base de la technologie de Redis. Sans que ce dernier n’en tire profit. Sur son site, l’éditeur Open Source explique sans ambages que les fournisseurs de Cloud exploitent le travail des éditeurs de logiciels libres, en repackageant leurs programmes en offres de services propriétaires. Le tout sans contribuer de façon significative au développement des technologies.

Si l’adoption des Commons Clause par Redis a fait hurler les défenseurs de l’Open Source – qui y voient un virage vers le modèle propriétaire –, la question que soulève l’éditeur californien mérite d’être posée. Car son cas n’est pas isolé. Une autre star des plates-formes Cloud, l’éditeur Open Source Docker Inc. (spécialisé dans les conteneurs logiciels), peine lui aussi à trouver un modèle économique pérenne. Une autre preuve que le succès indéniable d’une technologie sur le Cloud peut ne pas profiter à son concepteur.

 William Chinaski

 

 

 

Vous avez aimé cet article, abonnez-vous à notre newsletter bi-mensuelle gratuite pour être informé des dernières publications. 

 

 

Termes liés :
  • Data science
  • Données
Retrouver les autres articles du dossier “Open source” :
  • Open Source : presque la norme de facto de la Data Science
  • L’ouverture des modèles et des données a aussi ses travers !
  • Comment les entreprises apprivoisent l’Open Source
Share:
Posts you'd might like
En attendant l’ordinateur quantique universel…
L’IA teste ses premiers algorithmes quantiques
Les promesses de l’IA quantique
La recherche à l’assaut des deepfakes vocaux
Recyclage : nos déchets sous l’œil de l’IA
Stéphane Canu :
au service de l’IA et de la mobilité de demain
DAP, la newsletter du Data Analytics Post Recevez chaque semaine un éclairage sur les data science

Peut-on laisser un algorithme apprendre tout seul ?

A la différence de l’apprentissage supervisé, le contexte non supervisé est celui où l’algorithme doit opérer à partir d’exemples non annotés.

En savoir plus

ARTICLES RÉCENTS
  • En attendant l’ordinateur quantique universel…
  • L’IA teste ses premiers algorithmes quantiques
  • Les promesses de l’IA quantique
  • La recherche à l’assaut des deepfakes vocaux
  • Recyclage : nos déchets sous l’œil de l’IA

Tout savoir sur…

Le DAP

Comité Éditorial

Partenaires

Équipe


Copyright © Data Analytics Post. Tous droits réservés.

Mentions légales & CGU