Les environnements IoT modernes reposent sur de vastes réseaux hétérogènes d’objets connectés générant en continu des données qui doivent être traitées en temps réel, transmises de manière fiable et adaptées rapidement au contexte local. Si les architectures IoT centrées sur le Cloud offrent des capacités de stockage et de calcul importantes, elles ne répondent pas aux contraintes strictes de latence, d’adaptabilité et de qualité de service (QoS) de nombreuses applications émergentes. Ces limites ont conduit à l’essor du modèle Edge-to-Cloud IoT Continuum, qui répartit les ressources de calcul, de communication et de stockage depuis le Cloud jusqu’à la périphérie du réseau, au plus près des objets.
Ma thèse s’inscrit dans cette perspective et vise à améliorer les performances, la fiabilité et la capacité de passage à l’échelle de ce Continuum. Les solutions actuelles d’orchestration et de gestion d’infrastructures restent limitées pour supporter de multiples réseaux IoT et Edge, et tiennent rarement compte des données contextuelles locales ou des contraintes dynamiques de QoS. Mon objectif est d’analyser en profondeur ces approches, d’identifier leurs verrous, puis de proposer de nouvelles architectures, mécanismes et améliorations protocolaires permettant des décisions d’orchestration plus fines, plus réactives et davantage contextualisées.
En repensant les flux de communication, en optimisant l’intégration des protocoles IoT et en exploitant l’intelligence locale au niveau de l’Edge, ces travaux visent à réduire les latences, renforcer la fiabilité et assurer la prise en charge de déploiements IoT hétérogènes à grande échelle. Cette recherche ambitionne ainsi de contribuer à une nouvelle génération de solutions pour le Continuum Edge-to-Cloud, conciliant les atouts du Cloud et les exigences opérationnelles des applications IoT modernes.