À lire aussi : Qu’est-ce que l’AIOps : définition, cas d’usage et tendances futures
L’une des questions que me posent souvent les clients, les prospects et les partenaires est la suivante : « AIOps les rendra-t-il obsolètes ? »
Pour eux, l’AIOps est souvent synonyme de remédiation automatisée ; un système d’AIOps détecte automatiquement un incident et lance un processus de remédiation en réponse à cet incident, en sachant exactement quel processus permettra de résoudre le problème. L’équipe informatique n’intervient pas, les centres de données et les NOC continuent simplement de fonctionner sans surveillance, et les utilisateurs finaux n’y voient que du feu.
Malheureusement, le scénario ci-dessus relève davantage de la science-fiction que de la réalité. Si l’AIOps peut automatiser, et automatise effectivement, les processus informatiques courants, une remédiation entièrement automatisée sans intervention humaine est encore loin d’être possible, si elle le devient un jour.
Les véritables bénéfices de l’AIOps sont un peu plus prosaïques, mais pas moins stratégiques. Un scénario plus courant consisterait à éliminer la quasi-totalité des événements et des alertes en appliquant l’apprentissage automatique aux alertes et en corrélant plusieurs alertes associées aux mêmes événements afin de supprimer les doublons. Et si vous pouviez anticiper les alertes qui se répètent régulièrement et deviennent des incidents ayant un impact sur les performances, identifier les tendances saisonnières d’alertes auxquelles vos clients peuvent se préparer et prévoir les alertes répétitives qui peuvent être ignorées, réduisant ainsi le volume d’incidents ? Ce scénario se rapproche davantage de l’état de l’art actuel.
La valeur de la remédiation automatisée
La remédiation automatisée vient généralement compléter le travail d’un opérateur humain plutôt que le remplacer. Supposons qu’une base de données prenant en charge une application clé tombe en panne avec une alerte signalant que le système de fichiers est plein. Vous pourriez utiliser l’autorémédiation pour provisionner de nouvelles ressources de base de données pour une application, mais vous voudriez également demander à un administrateur de bases de données humain de réparer la base de données qui a cessé de fonctionner, soit en provisionnant davantage d’espace disque, soit en supprimant les fichiers inutiles. Dans un scénario courant, votre système d’AIOps devrait proposer des remédiations, plutôt que d’agir sans intervention humaine.
Un autre exemple courant où l’autorémédiation fonctionne de concert avec la remédiation humaine concerne le système de gestion des incidents qui accorde un accès distant sécurisé, par exemple à une instance cloud, à une équipe humaine de support.
Ainsi, l’AIOps ne rend pas le professionnel de l’ITOps inutile, mais peut lui épargner les tâches répétitives, l’aider à trouver plus rapidement la cause racine d’un problème et le rendre beaucoup plus efficace dans son travail. Des projets pilotes réussis vous permettent d’étendre le nombre de systèmes que vous gérez de cette manière, en améliorant votre fiabilité globale et l’expérience utilisateur.
Les obstacles à la réussite de l’AIOps
L’AIOps ne se déploie pas dans le vide. Vous n’achetez pas une plateforme d’AIOps pour disposer comme par magie de l’AIOps. Tout commence par la découverte de votre infrastructure informatique et la mise en correspondance de vos services métier avec celle-ci. Vous devez réduire le nombre d’outils utilisés pour surveiller cette infrastructure afin de ne pas dupliquer les efforts, les métriques et les alertes. Vous devez être en mesure de donner du sens à toutes les données que vous collectez.
Si des obstacles entravent la réussite de l’AIOps, ils tiennent au fait que les premières étapes ne sont pas correctement mises en œuvre. Les équipes ne savent pas où se trouve leur infrastructure, qui en est responsable ni quels services métier elle prend en charge. Elles disposent d’une gestion informatique en silos, avec de multiples équipes (serveurs, réseau, stockage, applications, bases de données, web, etc.) qui utilisent chacune leurs propres outils, sans aucune corrélation entre ces données. L’AIOps ne les aidera pas : elles continueront de crouler sous les alertes non corrélées.
Un autre obstacle concerne les compétences. La demande de data scientists reste forte dans les organisations informatiques, car la capacité à gérer et à analyser de grands ensembles de données est primordiale pour l’AIOps. Une certaine expérience de la conception et de l’architecture des systèmes, de la sécurité — une cause majeure des incidents informatiques — ainsi qu’un engagement en faveur du travail d’équipe interfonctionnel sont également de bons atouts pour un professionnel de l’AIOps.
L’avenir de l’AIOps
Alors, quelle direction prendre ? En résumé, l’AIOps actuel consiste principalement à corréler les alertes, à réduire le nombre d’incidents informatiques, à résoudre plus rapidement ces incidents et à affecter les ressources adéquates — humaines et systèmes — à la remédiation.
À l’avenir, je m’attends à ce que l’AIOps joue un rôle accru dans le maintien de la disponibilité et de l’optimisation des systèmes, des réseaux et même des plateformes ITOps elles-mêmes. Je pense également qu’il contribuera davantage à trouver l’infrastructure adéquate — cloud ou sur site — pour exécuter une charge de travail. Nous parlons beaucoup de la réduction de la prolifération des outils, mais je pense qu’à terme l’AIOps contribuera à réduire la prolifération des infrastructures.
Que nous réserve encore l’avenir ? Dans les mois et les années à venir, nous entendrons beaucoup parler du rapatriement vers le cloud, tandis que les organisations déplaceront des charges de travail depuis le cloud ou d’un cloud vers un autre. Nous entendrons également davantage parler de la durabilité et du rôle de l’informatique dans ce domaine : mise hors service, par exemple, des ressources de serveurs et de stockage énergivores devenues inutiles, et suivi des métriques de consommation d’énergie parallèlement aux métriques de performances. L’AIOps jouera un rôle dans tous ces domaines.
En définitive, l’AIOps consiste à obtenir les bonnes données et à savoir quoi en faire. Les équipes ITOps devront toujours apporter leur expertise métier et leurs compétences analytiques pour faire fonctionner ces systèmes. En retour, l’AIOps ne remplacera pas ces équipes ITOps, mais les aidera à mieux accomplir leur travail.
À propos de l’auteur :
Sheen Khoury, Chief Revenue Officer, OpsRamp