Deeptimize propose une solution d’analyse du sport en vidéo par l’IA. Les algorithmes de Deeptimize extraient de la donnée de tout type de vidéo : des données liées au mouvement, à la posture, ou des données sémantiques (ce qui se passe dans la vidéo, à quel moment, quelle position). Afin de rendre la donnée largement accessible au monde sportif, Deeptimize a choisi de fournir son service à travers une API, accessible à ses clients B to B pour intégrer la solution dans leurs outils et applications existantes, ou créer de nouveaux services.

Afin de faciliter le passage à l’échelle de sa solution, Deeptimize a choisi de migrer son API sur le Cloud AWS. Devoteam Revolve a accompagné la start-up dans la construction de la Landing Zone et la migration de l’API vers une infrastructure serverless basée sur Amazon S3, Lambda, API Gateway, Amazon Sagemaker, et AWS Batch.

Guillaume Vaudaux Ruth, CTO de Deeptimize, répond à nos questions sur ce projet.

Dans quel contexte avez-vous migré vers le Cloud AWS ? Quelles étaient vos attentes ?

Tout d’abord, nous avions besoin de scaler, et nous ne pouvions pas le faire de manière aisée sur notre ancienne infrastructure. Ensuite, nous cherchions une solution qui soit plus flexible. Enfin, nous n’avions pas les compétences en interne pour reconstruire complètement une nouvelle architecture chez notre provider.

Le passage sur le Cloud AWS nous a permis de répondre à nos besoins d’évolution sans augmenter la charge en interne pour créer et administrer la nouvelle architecture.

Comment avez-vous choisi le Cloud AWS ?

Nous avons regardé ce que proposaient les autres providers Cloud, mais ce sont les équipes AWS qui ont été le plus réceptives à notre projet. C’est le genre de défi qu’ils aiment relever. Nous avons été très bien accompagnés, et cela a fait pencher la balance.

Quel périmètre avez-vous confié à Devoteam Revolve ? 

Nous avons demandé à Devoteam Revolve de migrer l’architecture de notre API vers le Cloud AWS pour la rendre scalable, et de construire la landing zone pour ce projet.

Devoteam Revolve a également travaillé sur un cas d’usage de traitement vidéo que nous ne pouvions pas mettre en œuvre nous-mêmes, le traitement de vidéos courtes en 1 pour 1 (10 secondes de vidéo, 10 secondes de traitement). Notre précédente architecture ne permettait pas de faire ce type de traitement, et l’équipe de Devoteam Revolve a mis un endpoint en production sur ce projet.

Pourquoi avoir choisi une infrastructure full serverless ?

Nous avons bien été conseillés ! Notre premier besoin était d’avoir une infrastructure scalable à la demande, pour pouvoir répondre aux pics de demande et s’adapter à la baisse durant les moments de creux.

Par ailleurs, en tant que start-up, cela nous permet de maîtriser les coûts. Devoteam Revolve nous a conseillés dans ce sens, et c’est la solution qui nous a semblé la plus adaptée à notre besoin.

Quels services AWS utilisez-vous ? 

La chaîne de traitement algorithmique des images et courtes vidéos est principalement sur Amazon Sagemaker, et nous utilisons AWS Batch pour les vidéos les plus volumineuses. Nous avons également AWS Cognito pour la gestion des utilisateurs, API Gateway pour l’API, Amazon S3 pour les fichiers volumineux, et AWS Lambda pour les traitements serverless.

En amont de tout cela, nous avons la landing zone AWS. Devoteam Revolve a construit cette plateforme respectant l’ensemble des bonnes pratiques AWS en matière de gestion comptes, scalabilité, sécurité (SSO), maintenabilité… le tout en moins de deux semaines.

Cela nous a permis de démarrer sur AWS de la meilleure façon possible, avec toutes les bonnes pratiques dès le départ.

Quel a été le bénéfice de la migration vers AWS ?

Migrer sur AWS nous a ouvert de nombreuses possibilités que nous n’avions pas sur notre ancienne infrastructure. Cela nous a permis de mettre en place une application mobile, assez simplement, et nous sommes capables d’utiliser nous mêmes notre API pour nos propres besoins, chose qu’on ne pouvait pas faire avant.

On voit aussi tout le potentiel d’évolution et d’amélioration, et comme nous avons de nombreux traitements de machine learning, à l’avenir nous allons certainement inclure des pipelines ML, pour une intégration de bout en bout de notre chaîne de valeur.

Quelle a été la valeur ajoutée de l’accompagnement apporté par Devoteam Revolve ?

Tout d’abord, nous avons bénéficié des conseils de consultants expérimentés, qui connaissaient très bien leur sujet. Nous avons senti une vraie maîtrise des services AWS, avec un domaine de compétences bien identifié pour chaque consultant qui nous accompagnait. Cela nous a permis de trouver le bon interlocuteur dès que nous avions des questions.

Il y avait aussi un junior dans l’équipe, et là aussi nous avons été rassurés : dans une mission de prestation, on “redoute” toujours un peu de faire appel à un junior, mais dans le dispositif d’accompagnement de Devoteam Revolve nous étions en confiance. Plus généralement, il y a chez Devoteam Revolve une excellente connaissance de l’écosystème AWS, et s’il y a des sujets sur lesquels ils ne sont pas spécialistes, ils savent creuser et aller chercher les bonnes informations pour livrer le meilleur service possible.

Devoteam Revolve a aussi dépassé le cadre de sa mission et nous a accompagnés sur des sujets de Machine Learning sur lesquels nous ne sommes pas spécialistes : nous venons du monde de la recherche, nous codons, mais pour autant nous ne sommes pas des développeurs.

Quelles sont les prochaines étapes ?

Maintenant que nous sommes capables de supporter une montée en charge, notre objectif est d’aller chercher de nouveaux clients, et de poursuivre l’amélioration de notre système, en apportant une intégration continue de nos process de Machine Learning.