Fondée en 2015, Keen Eye est une startup de la health tech qui conçoit, développe et commercialise des solutions de machine learning pour la recherche et le secteur biomédical. Ses algorithmes aident les professionnels de santé à identifier des signaux visuels dont la valeur est déterminante pour qualifier les effets d’une maladie, d’une thérapie ou valider le design de biomarqueurs. Ils accélèrent ainsi le rendu d’un diagnostic, le dépistage d’une maladie ou l’évaluation de l’efficacité d’un médicament.
Florian Grignon, Head of infrastructure chez Keen Eye, raconte :
« Notre plateforme historique était hébergée sur une technologie vieillissante, nous devions la migrer et compte tenu de notre secteur d’activité, il fallait que l’hébergement soit certifié HDS (Hébergeurs des Données de Santé). En parallèle, nous avions besoin de cartes graphiques performantes pour l’analyse d’image, sans que les coûts n’explosent ».
Problématique :
- Un hébergeur cloud certifié HDS
- Migrer le legacy sans impacter l’activité
- Des cartes graphiques performantes pour le training et l’inférence de l’algorithme
Trouver un hébergeur certifié HDS était un impératif pour Keen Eye. Les données personnelles de santé étant sensibles, leur hébergement doit en effet répondre à des impératifs de sécurité précis. En 2019, l’obtention de cette certification par AWS détermine le choix de la start-up, qui entame son premier chantier et challenge : la migration du legacy. « On ne pouvait pas se permettre de mettre en pause notre activité pendant un ou deux mois. La migration devait donc soit être rapide, soit invisible pour nos clients. Au final, ça a été l’un et l’autre ! En 3 mois, 100 % de nos clients compatibles AWS ont été migrés », lance Florian Grignon.
Autre impératif : la performance des cartes graphiques disponibles. « Le développement d’un algorithme passe par deux phases : l’entraînement de l’algorithme de machine learning sur des jeux de données dont on connaît le résultat puis l’inférence, c’est-à-dire la mise en place de l’algorithme figé sur notre plateforme pour que le client l’utilise. »
Les algorithmes de la start-up tournent majoritairement sur des cartes graphiques GPU, plus rapides que du CPU. AWS propose des GPU différents selon leur utilisation (entraînement ou inférence). Un atout pour Florian : « Optimiser des cartes graphiques pour une tâche précise est intéressant en termes de coût d’infrastructure mais aussi de performance en temps passé à analyser les images. ». En effet, il faut « être très rapide pour analyser en quelques minutes ou heures des centaines d’images envoyées chaque mois par client, pour ne pas leur faire perdre du temps ». Un enjeu auquel répond la startup grâce aux GPU d’AWS, en moyenne 30 fois plus rapide.
Keen Eye a revu l’architecture de ses services afin de partager les ressources matérielles entre plusieurs clients, ce qui contribue à diminuer les coûts. « Notre architecture se pose sur Kubernetes, un service managé, et nous pouvons partager les ressources de cette manière tout en garantissant un cloisonnement total des données de nos clients. Nous n’aurions jamais eu les ressources en interne pour le gérer nous-même, ni en temps, ni en expertise.»
L’app de Keen Eye est stockée à deux endroits : sur une base de données pour toutes les informations utilisateurs et sur Amazon S3 pour les images et rapports d’analyses. « En termes de volumétrie sur S3, c’est gigantesque : une image médicale peut faire 25 Go, puis atteindre 100 Go après traitement. Multipliée par le nombre d’images reçues pour chaque client, nos bucket storages peuvent atteindre plus de 150 To ! », précise Florian. « Avec S3, accessible partout dans le monde, performant, nous n’avons pas de problème de stockage ».
Ces gains leur permettent d’envisager d’investir dans de nouveaux services :
- Cloudfront, un CDN pour réduire le coût réseau ;
- Fargate, pour exécuter les algorithmes et les conteneurs sans l’intervention de Keen Eye
- Image Scanning, inclus dans Amazon ECR, qui analyse les failles de sécurité et les risques potentiels des conteneurs. « Certains partenaires ou clients ont déjà un algorithme qu’ils veulent utiliser sur notre plateforme. Nous avons mis en place des API génériques via lesquelles ils peuvent l’uploader via un conteneur Docker, et Image Scanning renforce la sécurité de notre service »
Florian apprécie les liens avec AWS. « Nous avons bénéficié du programme Activate, ce qui a accéléré notre migration et nous a donné accès à des informations en avance de phase, à savoir l’arrivée des cartes graphiques sur les data centers de Paris, une région importante pour notre métier. » La startup a ainsi construit sa roadmap en étant certaine d’être conforme RGPD et HDS.
Il note la capacité d’adaptation d’AWS face aux contraintes tant financières que technologiques des startups. « La franchise et les conseils de notre account manager sur les services AWS sont très appréciables pour savoir ceux qui nous correspondent le plus, sans chercher à vendre à tout prix ».
Grâce à AWS, Florian estime que Keen Eye a gagné en maturité sur l’infrastructure et l’architecture, ce qui leur permet de travailler sur des problématiques d’optimisation. « Nous avons dégagé du temps pour nous consacrer à d’autres tâches indispensables (qualités, certifications médicales…) ».
Une collaboration qu’il envisage sur du long terme « Nous renforçons nos liens avec AWS : nous allons devenir partenaire Select, nous avons participé au AWS Architecture Challenge Startup… Keen Eye signe actuellement beaucoup de clients et on est impatient de voir comment on va scaler sur AWS et comment ça va se passer avec 100 fois plus de clients en termes de ressources ! »
- Une analyse d’image en moyenne 30 fois plus rapide grâce aux GPU d’AWS
- Un coût d'infrastructure divisé par 2
- Jusqu'à 150 To d'images stockées par client