Bien avant que Gartner n’invente le terme ” AIOps ” en 2017, les organisations chassaient les anomalies dans leurs données à l’aide d’algorithmes faisant appel à des techniques de Machine Learning et d’IA.
L’augmentation croissante des volumes de données n’a fait qu’accélérer cette pratique, les entreprises cherchant à améliorer l’efficacité et l’efficience de leurs opérations informatiques.

Pourtant, l’AIOps a souvent sous-performé les promesses gonflées faites par certains et la déception qui en résulte a même conduit certains à aller jusqu’à déclarer la mort de l’AIOps.

Mort prématuré ! C’est le moins que l’on puisse dire. Bien que les équipes informatiques puissent se perdre dans le volume écrasant d’alertes et de KPI, il n’en reste pas moins que lorsqu’il s’agit de la surveillance corrélée des applications, de l’infrastructure et de la gestion des incidents, l’AIOps reste extrêmement précieux pour la découverte et le dépannage informatiques.

Il est également sur le point de devenir beaucoup plus efficace grâce à l’émergence de l’intelligence artificielle générative (GenAI).

Réduire le délai d’action

AIOps a fait un bon travail en réduisant la taille de ces données tout en réduisant le bruit et la duplication.
Mais même si elles sont plus faciles à gérer, vous devez encore déterminer ce qu’il faut faire ensuite, c’est à dire rendre les données de diagnostic exploitables.
En matière de surveillance, il existe une règle d’or : comment réduire le délai moyen de résolution ? Mais plus les données affluent, plus il y a d’informations à analyser et plus la chasse est chronophage.

Les grandes entreprises dotées d’environnements informatiques complexes et critiques ont besoin de visibilité pour comprendre les problèmes avant qu’ils ne fassent un effet boule de neige.
Elles ne peuvent pas se permettre de surprises, elles doivent être en mesure de localiser la source d’un problème et son impact; qu’il s’agisse de remplacer un disque dur ou de revenir à la dernière version de l’API ; quoi qu’il en soit, elles doivent être précises et agir rapidement.

Cependant, l’ampleur du défi n’a fait qu’empirer au cours des deux dernières décennies.
Aujourd’hui, une grande entreprise peut avoir des milliers d’applications à observer.
Cela signifie qu’elle doit passer au crible une tonne de données dans différents domaines, des alertes matérielles aux systèmes d’exploitation de base, en passant par les couches de virtualisation et les conteneurs.
Pendant ce temps, les budgets informatiques continuent de diminuer.

Mais le passé n’est pas nécessairement un prologue ; des temps meilleurs s’annoncent pour les praticiens de l’AIOps !
Nous sommes à l’aube d’une nouvelle ère où, au lieu de compter sur la mobilisation d’un groupe d’experts pour trouver une solution en cas de problème, qu’il s’agisse d’un problème de stockage, d’un problème de code ou d’une fuite de mémoire; les systèmes tirant parti de l’IA seront capable de conseiller sur les prochaines étapes à suivre et de réussir du premier coup.

L’IA traditionnelle peut aider à accomplir des tâches spécifiques basées sur des règles et des modèles prédéfinis pour analyser les données et faire des prédictions.
La génération AI fait passer les choses au niveau supérieur, de la reconnaissance de formes à la création de formes .
Avec GenAI, vous pourrez poser une question dans son contexte et obtenir une réponse compréhensible.
Ce sera la première fois que les ordinateurs seront impliqués dans leur propre réparation.
Pensez à l’impact sur votre base de données d’assistance.

Au lieu de décrocher le téléphone, les équipes d’assistance peuvent interroger le système pour évaluer puis résoudre le problème par elles-mêmes.

De plus, GenAI réduira le temps nécessaire à la résolution des tickets en aidant les équipes informatiques à comprendre rapidement sur quoi concentrer leur attention.
Au lieu de perdre du temps à naviguer dans un véritable océan d’alertes, GenAI sera en mesure d’accélérer le processus, en analysant et en résumant les plans d’action efficaces.

L’avenir approche à grands pas

C’est là que des entreprises comme Broadcom investissent pour améliorer la technologie.
Broadcom travaille intelligemment pour trouver les meilleurs moyens d’exploiter GenAI en partenariat avec ses clients afin de garantir de réels résultats commerciaux.

Bien que l’IA elle-même puisse fournir des conseils d’experts, les taux d’erreur sur l’IA générative sont encore trop élevés pour simplement la laisser utiliser “Terminator” sur vos systèmes informatiques, en exécutant des commandes sans surveillance.
Mais il peut toujours s’avérer être un conseiller compétent, qui vous propose un plan d’action judicieux lorsque vous devez réagir à un ensemble d’alertes.

Vous n’aurez pas besoin d’attendre qu’un expert soit libre d’examiner les données. Cette approche est une question d’efficacité pure.
Les spécialistes des applications et les architectes peuvent à nouveau se concentrer sur leur travail ou tâches désignées, car un tout nouveau processus de tri libère des ressources et des capacités.

Désormais, vous pouvez anticiper tous les problèmes car votre propre « expert » sera disponible pour examiner les données à tout moment.

Alors, quand est-ce que tout cela va arriver ? Les prévisions technologiques sont toujours lourdes de conséquences, mais nous pensons que tout cela va se produire beaucoup plus rapidement que prévu … .

Par exemple, lorsque vous regardez où se trouvait ChatGPT au début de l’année dernière par rapport au début de cette année; l’amélioration et le taux d’adoption continuent de s’améliorer en temps réel.
De plus, nous assistons désormais à la prolifération de l’IA au-delà d’un petit nombre de fournisseurs.

Nous voyons également de grandes entreprises s’efforcer de l’intégrer dans leurs opérations, tout comme elles l’ont fait à des époques précédentes, lorsque Linux et l’Open Source étaient des technologies relativement nouvelles mais incroyablement prometteuses.
De plus, le rythme du changement s’accélère, les modèles sont bien meilleurs que ceux disponibles l’année dernière; dans certains cas, cent fois meilleurs.

Et vous n’avez pas besoin de faire de gros investissements pour embaucher des spécialistes coûteux pour en récolter les bénéfices.
C’est désormais quelque chose que les entreprises peuvent faire en utilisant des GPU grand public dans leur centre de données ou sur le cloud.

Pour faire court, dans 12 mois, nous pensons qu’il sera difficile de trouver des fournisseurs qui n’intègrent pas GenAI pour améliorer l’efficacité de leurs processus AIOps.
L’auto-réparation ou traitement des problèmes et la remédiation complète sont probablement un peu plus lointaines, mais elles se profilent à l’horizon.

Néanmoins, il serait surprenant si la plupart des outils AIOps dans cinq ans ne pouvaient pas effectuer un certain niveau de correction automatique basé sur les améliorations de l’IA.

La technologie de l’IA change les anciennes hypothèses.
Nous sommes désormais à l’aube d’une nouvelle ère dans laquelle les entreprises identifient régulièrement ​​et rapidement ​​les causes profondes des alertes et y remédient. C’est une très grosse affaire !

Source : Broadcom

Pour en savoir plus concernant la solution.