L’entreprise autonome est proche, mais il y a encore des pièces manquantes

Construire et soutenir l’infrastructure d’intelligence artificielle qui guide les entreprises n’est pas une tâche aisée. Les applications, les données et les réseaux qui se trouvent en coulisses doivent fonctionner de manière aussi parfaite que possible et en temps réel. La bonne nouvelle est que l’IA elle-même peut être employée pour soulager les équipes informatiques stressées. L’AIOps – intelligence artificielle pour les opérations informatiques – ouvre la voie à l’exploitation autonome des systèmes critiques des entreprises. Toutefois, l’IA de l’AIOps a un talon d’Achille : pour fonctionner correctement, elle a besoin de données fiables et de qualité.

Il existe une nouvelle approche, l’automatisation robotique des données (RDA), qui promet d’établir la chaîne d’approvisionnement en données intelligentes nécessaire au bon fonctionnement de l’IA. Bien que la RDA ait le potentiel de suralimenter l’IA sous toutes ses formes et à toutes ses fins, les premiers stades sont concentrés dans le domaine de l’optimisation de l’informatique, l’accent étant mis sur des AIOps performants, ce qui constitue le prochain défi sur la voie de l’informatique entièrement automatisée.

L’objectif et le potentiel de la RDA ont été explorés en profondeur lors de la récente Conférence sur la structure d’automatisation des données robotisées et les AIOps, couvrant les problèmes, les opportunités et la technologie nécessaire pour parvenir à une entreprise autonome.

Chaîne d’approvisionnement de données intelligente

Tout le monde veut devenir numérique, et tous dépendent de l’informatique pour concrétiser cette vision.

C’est pourquoi le moment est venu de mettre en place une chaîne d’approvisionnement de données intelligente, qui fait passer les données de l’approvisionnement brut au produit final et raffiné mis entre les mains des consommateurs de données. La RDA ouvre la voie à une chaîne d’approvisionnement de données intelligente, qui consiste essentiellement à automatiser les pipelines de données avec des “databots”. Les tâches liées aux données qui peuvent être automatisées à l’aide de RDA comprennent la collecte des données, l’intégration des données, la validation des données, le nettoyage des données, la normalisation des données, l’enrichissement des métadonnées et l’extraction des données à partir de données structurées ou non structurées.

Tout cela peut être automatisé. L’objectif est de libérer les équipes informatiques pour qu’elles soient plus audacieuses dans leurs initiatives technologiques.

Au cours de la conférence, Shailesh Manjrekar, vice-président de l’IA et du marketing chez CloudFabrix et hôte de l’événement, s’est interrogé sur la signification de l’avènement de l’AIOps – soutenue par le pipeline de données intelligent qu’apporte RDA – pour les DSI et autres chefs d’entreprise. « Ils cherchent à réduire leurs risques – et ce que cela signifie, c’est qu’ils doivent être en mesure de prédire et de prévenir les pannes et les violations de la sécurité. Ils veulent optimiser leurs opérations. Ils veulent améliorer leur productivité grâce à l’automatisation. Ils veulent construire une entreprise composable face à l’incertitude. Ils veulent être en mesure de permettre la gouvernance et la conformité des données. Ils veulent instaurer la confiance dans leurs opérations d’IA. Enfin, ils veulent être en mesure d’approfondir leurs connaissances des clients et l’expérience client » a-t-il expliqué.

Vers l’autonomie

Shailesh Manjrekar a décrit quatre étapes par lesquelles passent les entreprises sur le chemin de l’autonomie numérique :

1. La découverte :  « Le premier niveau est vraiment une phase descriptive où vous faites l’inventaire de tous vos actifs informatiques, applicatifs et commerciaux », indique-t-il. « Il s’agit de faire l’inventaire ».

2. L’autonomie prédictive : C’est « là où vous faites des analyses du type “et si (…)” en observant ces actifs, en regardant les tendances et en prédisant les anomalies. »

3. L’autonomie prescriptive : « Le troisième niveau d’autonomie est prescriptif, où après votre analyse par simulation, vous pouvez décider de l’action que vous allez entreprendre. »

4. L’autonomie cognitive : « Toute cette intelligence devient une partie de vos systèmes d’information », selon Shailesh Manjrekar.

L’AIOps est importante car « la majorité des programmes de transformation vers le cloud n’atteignent pas les résultats escomptés », relate Meenakshi Srinivasan, partenaire du Global DevSecOps Practice chez IBM Consulting. « Les raisons sont qu’ils perdent le contrôle sur la façon dont ils répondent aux incidents, ainsi que leur incapacité à minimiser les temps d’arrêt non planifiés, ce qui leur coûte beaucoup d’argent. » Au cours des 20 dernières années, pour entrer dans le SaaS, le Pass, l’IoT, le paysage de l’infrastructure s’est compliqué. « La complexité a augmenté, les engagements de fiabilité ont augmenté, mais la facilité de gestion a pris un coup. Le défi est d’augmenter la facilité de gestion. »

« C’est un voyage », a commenté Meenakshi Srinivasan. « Cela ne va pas se faire du jour au lendemain juste parce que vous avez mis quelques outils en place. Une fois que nous aurons bien mis en place les fondations et la couche d’automatisation, et que nous commencerons à collecter les données. Définir les bons ensembles de données, ainsi que la qualité des données – cela joue un rôle majeur dans l’AIOps. Si vous n’avez pas le bon ensemble de données, ce voyage va prendre plus de temps. L’observation et l’apprentissage sont importants pour ce voyage », a-t-elle ajouté.

Déployer l’AIOps

Le défi auquel sont confrontés de nombreuses entreprises et responsables informatiques est que « les opérations informatiques n’ont jamais augmenté proportionnellement à la quantité de complexité qui s’y est ajoutée », a déclaré Sean McDermott, PDG de Windward Consulting Group. « Nous avons donc continuellement besoin d’être plus efficaces. L’autre objectif est d’utiliser les données pour commencer à prendre de meilleures décisions, notamment en ce qui concerne l’affectation des ressources, l’allocation du temps, de l’argent et des investissements, l’optimisation des processus d’entreprise, l’alignement sur l’entreprise et la détection des goulets d’étranglement. Cela devient de plus en plus difficile parce que nous avons tellement de données maintenant. »

Sean McDermott a recommandé de développer une vision autour de l’AIOps qui la reconnaît comme une stratégie importante affectant toutes les fonctions liées à l’informatique. « Il s’agit d’une stratégie », a-t-il déclaré. « Ce n’est pas un produit, ce n’est pas un algorithme. C’est une stratégie et elle va avoir un impact considérable sur les outils, les processus, les personnes et le comportement des organisations. L’un des pièges dans lesquels nous voyons nos clients se fourvoyer, c’est qu’ils ont une vision très étroite de leur cas d’utilisation et lorsqu’ils essaient d’aller vers l’automatisation, ils n’ont pas fait le travail en amont avec d’autres organisations homologues pour intégrer leurs données, et ils rencontrent beaucoup de résistance. Développer une vision de la manière de déployer l’AIOps – rassembler les gens, démontrer que l’intégration de nos données améliore notre travail et rend l’organisation plus efficace. »

Dans une perspective plus large, le marché répond au besoin de chaînes d’approvisionnement de données intelligentes qui peuvent aider soit à apporter de la valeur à l’organisation, soit à monétiser les données. « Les entreprises ont dépensé des millions et des milliards de dollars pour collecter des données. Mais une fois que vous avez ingéré les données, que faites-vous ensuite ? » se demande Satya Bajpai, directeur général de tech M&A pour JMP Bank. « Les grands fournisseurs de technologie  » ne voient pas l’AIOps comme un simple problème de données. Ils constatent que les clients ont besoin non seulement d’intelligence, non seulement de gestion des données, mais aussi de données exploitables et d’actions. Nous voyons plus d’acquisitions et de financements allant vers des entreprises ou des cas d’utilisation où ce n’est pas seulement l’IA qui détecte un problème. Si vous résolvez le problème. L’IA est intelligente. Nous savons tous que le machine learning est utile, mais comment le convertir en un avantage tangible pour une organisation ? Quel est l’argent que vous économisez ? Quelle est la valeur que vous créez pour vos clients ? »

L’AIOps – stimulée par la chaîne d’approvisionnement intelligente que permet RDA – aidera les entreprises à voir la valeur des connaissances fournies par l’IA, ainsi qu’à aider l’informatique à faire avancer leurs entreprises sur le chemin des entreprises autonomes.

Source : ZDNet.com