AIOps : de l’IA pour faire des IA ?

Récemment, le concept d’utilisation de l’intelligence artificielle pour les opérations informatiques (AIOps), que Gartner définit comme la combinaison de l’IA, du big data et du machine learning pour gérer les principales fonctions des opérations informatiques, « y compris la surveillance de la disponibilité et des performances, la corrélation et l’analyse des événements, ainsi que la gestion et l’automatisation des services informatiques », s’est imposé. L’institut Gartner a prédit que l’utilisation exclusive par les grandes entreprises des AIOps et des outils de contrôle de l’expérience numérique pour surveiller les applications et les infrastructures passera de 5 % en 2018 à 30 % en 2023.

Au cours des derniers mois, la dispersion des équipes de l’entreprise avec la généralisation du télétravail a sans doute accéléré la prise de conscience du fait que l’informatique doit fonctionner autant que possible « dans le noir » (automatisation). Mais les implications des AIOps vont bien au-delà de la récente crise sanitaire. Une grande partie de l’activité informatique a été consacrée au développement, à la mise à l’échelle et au soutien de l’IA dans les entreprises, et nous sommes arrivés à un point où l’IA nous aidera à construire, déployer et gérer notre prochaine génération d’IA.

Comment l’AIOps peut-il aider à résoudre des problèmes informatiques ? Jessica Rockwood, vice-présidente de l’ingénierie chez IBM Watson, a fait le tour des principaux atouts de l’AIOps dans un post, alors qu’IBM a récemment annoncé le lancement de son outil Watson AIOps. Tour d’horizon des principaux atouts :

• « Collecter des données provenant d’un ensemble hétérogène de sources dans l’infrastructure informatique, des alertes de performance aux tickets d’incident. Ces données peuvent être utilisées pour réduire les coûts et contribuer à améliorer la productivité en reconnaissant un moment précis de la journée où la demande en ressources informatiques est faible, et en déplaçant automatiquement les ressources informatiques ».
• « Si des ajustements automatiques ne sont pas souhaités, les données peuvent être affichées dans un format visuel qui fournit aux responsables des opérations informatiques ou aux ingénieurs de fiabilité des sites les lignes de conduite recommandées, et explique le raisonnement qui sous-tend ces recommandations ».
• « Automatiser des tâches telles que le déplacement du trafic d’un routeur à un autre, la libération de l’espace sur un disque ou le redémarrage d’une application ».
• « Les systèmes d’intelligence artificielle peuvent également être formés à l’autocorrection afin que les responsables informatiques et leurs équipes puissent consacrer leur temps à des tâches à plus forte valeur ajoutée, tout en bénéficiant d’une visibilité totale sur les opérations de l’entreprise ».

Que contient une plateforme AIOps ? Sameer Padhye, Bishnu Nayak et Enzo Signore explorent les éléments de base essentiels dans leur ebook AIOps for Dummies [“AIOps pour les Nuls”, NDT] :

• Ingestion de données ouvertes : une plateforme AIOps collecte des données qui peuvent inclure « des informations opérationnelles telles que les pannes, les mesures de performance, les tickets, et plus encore. La capacité d’ingérer des données provenant des sources les plus diverses est essentielle car elle permet d’obtenir une vue précise et en temps réel de toutes les pièces mobiles dans les environnements informatiques hybrides ».
• Auto-découverte : les entreprises ont besoin d’un processus d’autodécouverte qui collecte automatiquement les données dans tous les domaines d’infrastructure et d’application, y compris les déploiements sur site, virtualisés et dans le cloud. L’autodécouverte identifie également tous les dispositifs d’infrastructure, les applications en cours d’exécution et les transactions commerciales qui en résultent.
• Corrélation : « la plateforme AIOps met en corrélation ces données sous une forme contextuelle. Elle doit déterminer les relations entre les éléments d’infrastructure, entre une application et son infrastructure, et entre les transactions commerciales et les applications ».
• Visualisation : la visualisation permet aux opérations informatiques de « repérer rapidement les problèmes et de prendre des mesures correctives »./li>
• Apprentissage automatique : « les solutions AIOps utilisent l’apprentissage automatique supervisé et non supervisé pour déterminer les schémas d’événements dans une série chronologique. Elles détectent également les anomalies par rapport aux comportements attendus et aux seuils et prédisent les pannes et les problèmes de performance ».
• Automatisation : l’automatisation permet un retour sur investissement « en automatisant les tâches humaines d’exploitation informatique, en réduisant les dépenses d’exploitation importantes et en accélérant l’innovation. Elle réduit également le MTTR [temps moyen pour réparer, NDLR] et peut améliorer la satisfaction des clients ».

La crise sanitaire a mis la pression sur les responsables informatiques pour qu’ils réduisent leurs dépenses et trouvent des moyens de faire beaucoup plus avec beaucoup moins. En même temps, il existe une demande insatiable pour des approches basées sur l’intelligence artificielle qui vont inévitablement taxer les infrastructures informatiques.

Par exemple, l’année dernière, les analystes de Gartner ont constaté que les projets généraux d’IA se multipliaient. Le nombre moyen de projets d’IA en place était de quatre, mais les répondants s’attendaient à ajouter six autres projets au cours des 12 prochains mois, et 15 autres au cours des trois prochaines années. Ironiquement, l’IA elle-même fournit un moyen de soutenir une infrastructure viable pour soutenir le volume croissant d’initiatives d’IA.

Source : ZDNet.com