Chers ITOps, ce qu’on attend de vous de plus difficile à votre poste, c’est que vous prédisiez l’avenir. Pour bien des organisations, l’AIOps (Intelligence Artificielle pour les opérations IT) apporte plus de questions que de réponses. Quand et comment adopter l’AIOps, et par où commencer ? Vous pouvez vous préparer dès maintenant et vous occuper de ce qui limite votre capacité à superviser et à évaluer les performances informatiques, comme la décentralisation et la complexité des technologies de l’information, la surcharge de données ou les contraintes de personnel.
Cet article décrit l’AIOps, donne des exemples tirés de cas réels et vous propose quelques stratégies de préparation, le tout sous forme de questions-réponses. C’est un article sans prétention. Notre objectif est de vous aider à vous engager dès que possible sur la voie de l’AIOps, en ayant en tête que votre plateforme de supervision IT peut constituer la base d’une stratégie AIOps interdomaine incrémentale plus large.
Qu’est-ce que l’AIOps, l’Intelligence Artificielle pour les opérations informatiques ?
L’AIOps fait référence à une série d’analyses basées sur le big data, telles que le Machine Learning et d’autres technologies d’Intelligence Artificielle (IA) qui sont utilisées pour automatiser le diagnostic et la résolution des incidents ou des problèmes des systèmes informatiques. Ces technologies se basent sur les performances ou les données de journal des systèmes, services et applications informatiques d’une organisation.
Avons-nous déjà manqué le train de l’AIOps ?
Mettez toute crainte de côté. Depuis 2017, l’AIOps est considéré comme une tendance majeure impactant les infrastructures et opérations (I&O). L’utilisation du big data, le Machine Learning et d’autres analyses avancées en IT sont adoptées à plus long terme, à mesure que les technologies se développent et que des problèmes concrets liés à la complexité des technologies informatiques commencent à apparaître.
Il y a deux possibilités pour votre organisation :
- Vous devrez tôt ou tard renforcer les capacités de vos équipes avec un peu d’Intelligence Artificielle ou de Machine Learning.
- L’adoption de l’AIOps se fera sur le long terme, mais vous pouvez dès aujourd’hui prendre des mesures pour assurer une transition en douceur. Autrement dit, c’est un voyage progressif.
« L’AIOps est utilisé pour analyser et corréler un grand volume de données hétérogènes et fluides. Une telle analyse avancée augmente les capacités humaines de gestion et d’automatisation des services informatiques. »
Quelles sont les prévisions au sujet de l’adoption de l’AIOps ?
Gartner prévoit que d’ici 2023, 40 % des équipes DevOps ajouteront aux outils de supervision des applications et des infrastructures les capacités de plateformes d’Intelligence Artificielle pour les opérations informatiques (AIOps). (Market Guide for AIOps Platforms, 7 novembre 2019, Analystes : Charley Rich, Pankaj Prasad, Sanjit Ganguli)
Quel calendrier envisager de manière réaliste ?
Vous pouvez vous attendre à ce que dans les cinq prochaines années, la complexité de votre infrastructure informatique soit devenue ingérable par les seuls humains. Vous pouvez donc planifier sur une période de 5 ans l’adoption par vos équipes ITOps d’outils d’Intelligence Artificielle et de Machine Learning pour maintenir vos SLA.
Quels sont les moteurs de l’adoption de l’AIOps ?
Il y a deux moteurs essentiels :
- La complexité informatique et la décentralisation : ces deux tendances vont de pair et rendent pratiquement impossible la visualisation, le suivi et l’analyse de toutes ces données sans une forme d’assistance technologique. En d’autres termes, l’homme ne peut plus le faire seul.
- Pas d’IT, pas de business : le temps moyen de résolution (MTTR) doit être plus fin que du papier à cigarette, et la seule façon d’y parvenir est d’adopter une gestion intuitive et automatisée des problèmes.
Quels sont les cas d’utilisation de l’AIOps pour notre organisation ?
- Augmenter les fonctions informatiques telles que la corrélation et l’analyse des événements, la détection des anomalies, l’analyse des causes profondes et le traitement du langage naturel.
- Mettre en corrélation les données à travers une variété d’outils de supervision, qui vont de la supervision des performances des applications (APM) jusqu’à la supervision de l’expérience numérique (DEM), en passant par la supervision de l’infrastructure informatique (ITIM) et la supervision des performances du réseau et des outils de diagnostic.
Quel type d’outils AIOps adopter ? Plutôt des outils centrés domaine ou des outils indépendants ? D’ailleurs, comment les comparer ?
Voyons d’abord les avantages et les inconvénients de chacun :
- Les plates-formes agnostiques ne sont pas limitées à des domaines spécifiques, elles couvrent l’ensemble des opérations informatiques et peuvent recevoir des données prétraitées et des alertes provenant d’autres types de systèmes de supervision à l’origine des données brutes des opérations informatiques, mais elles n’ont pas l’avantage d’être hautement spécialisées, ce qui limite leur analyse des causes profondes.
- Les plateformes AIOps centrées sur un domaine permettent de couvrir un domaine spécifique en profondeur, de penser l’analyse des performances, la supervision de l’infrastructure informatique ou la supervision des performances des applications (APM), mais elles ne peuvent pas obtenir l’image complète qui est nécessaire pour corréler les événements ou détecter les anomalies.
La bonne nouvelle, c’est que nous nous attendons à ce que coexistent l’approche centrée sur le domaine et l’approche indépendante du domaine. Il y a au moins deux façons de mettre en place cette cohabitation :
- Adopter une plateforme AIOps centrée sur l’ITIM, capable de s’intégrer à d’autres solutions AIOps agnostiques.
- Appliquer l’Intelligence Artificielle à travers l’ITIM, l’APM, la NPMD et le DEM, mais aussi à travers l’automatisation informatique et l’ITSM. Cela nécessite la création d’une plateforme agnostique qui peut collecter des données de toutes les autres plateformes et effectuer une corrélation entre domaines. Cette approche plus ambitieuse complète la précédente sans la remplacer. Cela fonctionne bien si vous avez une équipe dédiée qui peut construire et maintenir une plateforme AIOps d’une telle envergure.
Pouvons-nous favoriser dès maintenant cette transition sans investir tout de suite massivement dans l’AIOps ?
Voici quelques mesures que vous pouvez prendre pour préparer vos opérations.
- Briser les silos entre vos équipes informatiques et vos domaines, c’est la première étape de la préparation d’une future plateforme AIOps interdomaines. Par exemple, Centreon se connecte à des plateformes de gestion d’événements intégrant des paradigmes AIOps, tels que BMC TrueSight ou ServiceNow Event Manager, à des agrégateurs d’événements tels que Splunk ou ElasticSearch, à des time-series databases (bases de données de séries chronologiques) telles que InfluxDB ou Graphite, à des solutions spécialisées telles que BigPanda ou Moogsoft, et bien d’autres encore.
- Sélectionner des platesformes évolutives, prêtes pour l’avenir, y compris pour la supervision des infrastructures informatiques, qui sont agnostiques, toujours mises à jour et entretenues, idéalement basées sur l’open-source, car vous ne pouvez pas savoir qui sera le champion d’AIOps quand l’effet de mode aura disparu.
- Commencer progressivement : investissez dans des outils basés sur l’IA lors du remplacement de plateformes vieillissantes, quel que soit le domaine d’analyse des performances : supervision de l’infrastructure informatique (ITIM), supervision des performances des applications (APM), supervision et diagnostic des performances du réseau (NPMD) ou supervision de l’expérience numérique (DEM).
- Adopter l’automatisation dès maintenant : adopter une plateforme de supervision informatique complète et qui peut découvrir et superviser automatiquement les équipements, du Cloud jusqu’à l’Edge. Réduire le MTTR grâce à la possibilité de résoudre automatiquement les problèmes. Assurez-vous que votre plateforme de supervision informatique aura une puissance de calcul suffisante pour permettre l’application native d’algorithmes d’apprentissage machine à toute métrique et tout événement de supervision, en développant des algorithmes d’apprentissage machine au fil du temps pour des applications d’analyse prédictive ou de corrélation d’événements toujours optimisées.
Découvrez comment Centreon peut garantir que la supervision de votre infrastructure informatique sera prête pour l’AIOps.
Vous souhaitez discuter avec nous de votre vision de l’avenir de l’AIOps dans votre entreprise ? Contactez-nous dès aujourd’hui.
Partager
