Cette comparaison commence par un fait qui en change la nature: Google Cloud IoT Core a été retiré le 16 août 2023, et Google n’a proposé aucun remplaçant maison. Google Cloud reste une option sérieuse pour les charges de travail IoT, mais aujourd’hui cela signifie construire sur des briques génériques plutôt que d’adopter un produit IoT. La comparaison porte donc moins sur “plateforme contre plateforme” que sur “construire ou adopter”.
Les recommandations IoT actuelles de Google Cloud, documentées dans son Architecture Center, décrivent trois approches: faire tourner un broker MQTT autonome (EMQX, HiveMQ ou Mosquitto) sur Compute Engine ou GKE et le relier à Pub/Sub, utiliser une plateforme IoT partenaire, ClearBlade IoT Core étant disponible sur le Google Cloud Marketplace comme successeur compatible avec l’API du service retiré, ou connecter les appareils directement à Pub/Sub via HTTPS/gRPC pour une ingestion simple. En aval, la pile de données est un vrai atout: Pub/Sub vers Dataflow, BigQuery et Vertex AI forme l’un des pipelines analytiques les plus solides du marché.
TagoIO est une plateforme IoT full-stack: connectivité des appareils via MQTT et HTTPS avec plus de 500 connecteurs prêts à l’emploi, LoRaWAN via des intégrations aux serveurs de réseau, stockage de séries temporelles, dashboards, scripts Analysis serverless en Node.js, Deno ou Python, Actions pour les règles et les notifications, et TagoRUN pour des portails utilisateur en marque blanche. C’est un produit que l’on adopte, pas une architecture que l’on assemble.
La couche appareils
Sur Google Cloud, la couche côté appareils est désormais à vous de choisir et d’exploiter. Pub/Sub n’a pas de point d’entrée MQTT, si bien que les appareils MQTT ont besoin d’un broker que vous exploitez ou d’une plateforme partenaire sous licence. L’identité des appareils, le registre, le provisioning, les mises à jour OTA et la gestion d’état proviennent tous de cette couche partenaire ou de votre propre développement. Les équipes qui exploitent déjà Kubernetes et veulent maîtriser le broker s’en sortent très bien, celles qui attendaient une porte d’entrée gérée façon IoT Core doivent maintenant en assembler une.
La couche appareils de TagoIO fait partie du produit: points d’entrée MQTT et HTTPS, tokens d’appareils, parsers de payload, un émulateur d’appareils, le provisioning par QR code et le Live Inspector pour observer le trafic des appareils en temps réel. Les appareils LoRaWAN, Sigfox et satellite se connectent via des intégrations maintenues avec les opérateurs de réseau, l’usage réseau étant gratuit sur toutes les offres.
Dashboards, applications et utilisateurs
La réponse de Google Cloud à la visualisation, c’est Looker, Looker Studio ou Grafana au-dessus de BigQuery, ce qui convient bien à l’analytique interne. Les applications destinées aux clients, la gestion des utilisateurs et tout portail multi-tenant sont des projets de développement sur mesure.
TagoIO inclut des dashboards en glisser-déposer, des dashboards Blueprint qui déploient une même mise en page sur des flottes entières, et TagoRUN, qui transforme un projet en portail à votre image, avec votre domaine, l’inscription des utilisateurs, des politiques d’accès et une application mobile optionnelle à votre nom. Pour les intégrateurs qui livrent des applications à leurs clients, c’est toute la différence entre configurer et recruter une équipe front-end.
Analytique et logique métier
Si le centre de gravité de votre projet est l’analyse de données à grande échelle ou le machine learning, la pile Dataflow, BigQuery et Vertex AI de Google Cloud est difficile à contester, et c’est une raison fréquente pour laquelle les équipes choisissent GCP, quelle que soit la manière dont les appareils se connectent.
TagoIO couvre l’analytique dont la plupart des applications IoT ont besoin, agrégation, logique d’alertes, rapports programmés, intégrations et prévisions et prédictions à partir de la télémétrie, via les scripts Analysis et les Actions au sein de la plateforme, et son API permet d’exporter les données plus loin lorsqu’un pipeline plus lourd se justifie. Les deux ne s’excluent pas: TagoIO peut servir de couche appareils et applications qui alimente BigQuery en données préparées.
Modèle de tarification
Google Cloud facture chaque brique à l’usage: Pub/Sub au volume de données, Dataflow au calcul, BigQuery au stockage et aux requêtes, plus le coût distinct de l’infrastructure du broker MQTT ou de la licence de la plateforme partenaire. Le coût suit l’architecture, et pour l’estimer il faut d’abord concevoir cette architecture.
TagoIO facture par offre plus l’usage des services: un niveau gratuit avec 5 appareils, Starter à 49 $/mois, Scale à 199 $/mois et des instances TagoDeploy dédiées à partir de 850 $/mois, l’usage étant mesuré en transactions de données, stockage, minutes d’Analysis, notifications et utilisateurs finaux.
En résumé
Google Cloud a du sens quand l’organisation est centrée sur GCP, que la connectivité des appareils est simple ou déjà résolue, et que la valeur du projet réside dans l’analytique et le ML en aval sur BigQuery et Vertex AI.
TagoIO convient quand vous voulez une couche appareils maintenue et une couche applicative finie sans exploiter de brokers ni construire de portails, ce qui est précisément le manque que les recommandations d’architecture de Google comblent désormais avec des partenaires. Certaines équipes utilisent les deux: TagoIO pour les appareils, les dashboards et les utilisateurs finaux, Google Cloud pour l’analytique à l’échelle de l’entrepôt en arrière-plan.