new article

content/french/speaking/platform-day-2024/equipe.jpeg

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:16f4c2150a688b9074b09cd4ae61ff8f4e2ed35c6056288d4181e223ad087378
+size 230745

content/french/speaking/platform-day-2024/genius-bar.jpeg

@@ -0,0 +1,3 @@
+version https://git-lfs.github.com/spec/v1
+oid sha256:35529e574fd69ac930087770799d4116539205226242b2314bb8d704768cb680
+size 450503

content/french/speaking/platform-day-2024/index.md

@@ -0,0 +1,126 @@
+---
+title: "Platform Day 2024"
+date: 2024-05-28T00:00:00+02:00
+draft: false
+resources:
+- '*.png'
+- '*.jpeg'
+topics:
+- Containers
+- Artificial Intelligence
+- Edge Computing
+opensource:
+- OpenShift
+---
+
+Le 28 Mai 2024, j'ai participé à l'événement [Platform Day](https://events.redhat.com/profile/form/index.cfm?PKformID=0x10564585e99) [💾](https://web.archive.org/web/20240626100519/https://events.redhat.com/profile/form/index.cfm?PKformID=0x10564585e99) durant lequel j'ai co-présenté la démo **Mission Impossible**, combinant **Edge Computing** et **Intelligence Artificielle**.
+
+## Scénario
+
+La démo mets en scène l'équipe du film **Mission Impossible** qui a fait une halte inattendue au Pavillon Royal pour offrir aux invités un aperçu de l'une des scènes les plus audacieuses du nouvel épisode.
+Le film met en vedette Ethan Hunt et son équipe, qui doivent déjouer un complot visant à prendre le contrôle des Kubernetes de la planète. 😄
+
+{{< attachedFigure src="equipe.jpeg" title="L'équipe en charge de la démo Mission Impossible." >}}
+
+Les personnages principaux de cette mission sont :
+
+- **Mourad**, le développeur de l'application,
+- **Adrien**, le Data Scientist,
+- **Nicolas**, le spécialiste Edge,
+- **Pauline**, la directrice de l'agence.
+
+Pauline a décrit les défis auxquels l'équipe est confrontée : **arrêter un train fou avant qu'il ne déraille**. 😱
+Pour ce faire, nous devons connecter une carte Nvidia Jetson Orin au réseau informatique du train et **déployer une IA capable de reconnaître les panneaux de signalisation**.
+
+Le train en question était en fait un train [Lego City #60337](https://www.lego.com/fr-fr/product/express-passenger-train-60337).
+
+## Mon rôle
+
+Dans cette mission, mon rôle a consisté à **prendre le contrôle du train**.
+
+Le train est équipé d’un moteur et d’un Hub Lego.
+Le Hub Lego reçoit les ordres d’accélération, décélération et freinage via le protocole **Bluetooth Low Energy**.
+
+{{< attachedFigure src="architecture-materielle.png" title="L'architecture matérielle mise en oeuvre dans la démonstration." >}}
+
+Nous avons intégré une carte **Nvidia Jetson Orin** dans le train Lego.
+La carte Nvidia Jetson Orin est un *System on Chip* (SoC) qui intègre tous les composants nécessaires à notre mission : CPU, RAM, stockage et un puissant GPU pour accélérer les calculs.
+Cette carte reçoit le flux vidéo de la caméra embarquée et transmet les ordres au **Hub Lego** via le protocole **Bluetooth**.
+Elle est alimentée par une batterie portable pour la durée de la mission.
+
+Nous opérons dans un environnement de *Edge Computing*.
+Sur la carte Nvidia Jetson, nous installons **Red Hat Device Edge**, une variante de RHEL adaptée aux contraintes du *Edge Computing*.
+Nous y déployons **Microshift**, la version de Kubernetes de Red Hat conçue pour le *Edge*.
+Ensuite, nous déployons nos microservices, un broker MQTT et le modèle d'intelligence artificielle sur Microshift, en utilisant un mécanisme "over-the-air".
+
+Pour la durée de la mission, le Jetson est connecté à un cluster **OpenShift** dans le cloud AWS via une connexion 5G.
+Dans le cloud AWS, nous disposons d'une machine virtuelle RHEL 9 qui nous permet de construire nos images RHEL pour le Jetson.
+Notre application de vidéo surveillance fonctionne dans le cluster OpenShift, ce qui nous permet de surveiller à distance la caméra embarquée du train.
+Le flux vidéo est relayé depuis le Jetson via un **broker Kafka**.
+
+De plus, des pipelines MLOps sont mis en place pour entraîner le modèle d'intelligence artificielle, ainsi que des [pipelines CI/CD pour construire les images de conteneurs de nos microservices pour les architectures x86 et ARM]({{<relref "../../blog/build-multi-architecture-container-images-with-kubernetes-buildah-tekton-aws/" >}}).
+
+{{< attachedFigure src="mission-edge.png" title="Les points clés de ma mission." >}}
+
+Durant cette mission, j'ai fait face à trois principaux défis.
+
+Le **premier défi** a été la communication Bluetooth avec le Hub Lego.
+Nous avons utilisé pour cela la bibliothèque Open Source [Node-PoweredUp](https://github.com/nathankellenicki/node-poweredup) qui s'appuie sur la bibliothèque [noble](https://github.com/abandonware/noble) pour la gestion du protocole Bluetooth.
+Et cette dernière bibliothèque utilise le support Bluetooth HCI du noyau Linux, alors que depuis environ dix ans le support Bluetooth sous Linux utilise l'API DBUS de BlueZ !
+Il a donc fallu implémenter les *bindings* DBUS dans la bibliothèque **noble**.
+J'ai pour cela utilisé une autre bibliothèque, nommée [node-ble](https://github.com/chrvadala/node-ble).
+
+Le code que j'ai écrit est Open Source et disponible sur GitHub mais l'inclusion par les communautés *upstream* prend du temps.
+En attendant, vous pouvez utiliser les versions patchées des trois bibliothèques :
+
+- [node-poweredup](https://github.com/Demo-AI-Edge-Crazy-Train/node-poweredup/tree/noble-fork)
+- [noble](https://github.com/Demo-AI-Edge-Crazy-Train/noble/tree/bluez-dbus-bindings)
+- [node-ble](https://github.com/Demo-AI-Edge-Crazy-Train/node-ble/tree/noble-requirements)
+
+Pour les utiliser dans vos projets, c'est tout simple.
+Il suffit d'ajouter la dépendance vers la bibliothèque **node-poweredup** patchée dans votre **package.json** :
+
+```json
+{
+  "dependencies": {
+    "node-poweredup": "Demo-AI-Edge-Crazy-Train/node-poweredup#noble-fork"
+  }
+}
+```
+
+{{< attachedFigure src="challenges-edge.png" title="Les défis que j'ai pu rencontrer lors de ma mission." >}}
+
+Le **second défi** a été de préparer des images du système d'exploitation (**Red Hat Enterprise Linux 9**), adaptées pour la carte **Nvidia Jetson Orin Nano**.
+Pour cela, j'ai utilisé l'outil [composer-cli](https://docs.redhat.com/en/documentation/red_hat_enterprise_linux/9/html/composing_installing_and_managing_rhel_for_edge_images/composing-a-rhel-for-edge-image-using-image-builder-command-line_composing-installing-managing-rhel-for-edge-images#network_based_deployments_workflow).
+
+Une version a minima 9.4 de RHEL est indispensable pour avoir un support matériel à jour sur la carte Nvidia Jetson Orin Nano.
+Or cette version était encore en *beta* lors de la préparation de cette démo.
+Il a donc fallu créer une image AMI sur AWS à partir des images fournies par Red Hat, l'utiliser pour provisionner une VM EC2 et configurer **composer-cli** pour utiliser cette version de RHEL.
+Le blueprint et les scripts sont dans le dépôt Git [rhde-nvidia-jetson-orin](https://github.com/Demo-AI-Edge-Crazy-Train/rhde-nvidia-jetson-orin).
+
+Lorsque nous avons préparé la démo, les modules noyau Nvidia n'étaient pas Open Source.
+Il a donc fallu récupérer auprès de l'*engineering* RHEL les modules noyau Nvidia, compilés pour la *beta* de RHEL 9.4.
+
+Le **dernier défi** a été de concevoir des **pipelines CI/CD** pour créer des images de conteneur multi-architecture.
+En effet, les puces M1 d'Apple ont une architecture **arm64**, les PC sont en **x86_64**.
+Idem, les tests d'intégration sont souvent exécutés sur des serveurs dans le cloud (**x86_64**) alors que le déploiement se fait sur la carte Nvidia Jetson Orin Nano (**arm64**).
+J'ai détaillé la procédure complète dans l'article intitulé "[Construction d'images de conteneur multi-architecture avec OpenShift, Buildah et Tekton dans le cloud AWS]({{<relref "../../blog/build-multi-architecture-container-images-with-kubernetes-buildah-tekton-aws/" >}})".
+
+## Genius Bar
+
+L'après-midi, nous avons animé un atelier *Genius Bar*, où beaucoup de participants sont venus nous voir, ont posé des questions, essayé d'imaginer une suite possible de la démo ou tout simplement partagé leur expérience personnelle.
+L'afflux était tel que nous n'avons pas trouvé 5 minutes pour démarrer le train.
+C'était intense ! 🥵
+
+{{< attachedFigure src="genius-bar.jpeg" title="Le Genius Bar de la démo Mission Impossible." >}}
+
+## Conclusion
+
+La démonstration, réalisée en direct, a montré la robustesse et l’efficacité des technologies présentées.
+Les invités ont pu voir en temps réel le train Lego s’arrêter en présence des panneaux de signalisation, grâce au modèle d'Intelligence Artificielle.
+Nous avons expliqué en détail les défis techniques et les solutions mises en place pour assurer le succès de la mission.
+
+L'événement a été un franc succès, offrant une parfaite combinaison de divertissement et d'innovation technologique.
+Vous pouvez regarder la démo en replay si le coeur vous en dit.
+
+{{< youtube OLcAxcFlvXU >}}