Comment l'IA améliorera les environnements IoT

Will Cappelli de Moogsoft

Très souvent, un environnement Internet des objets (IoT) se comporte normalement, il fait ce que ses concepteurs voulaient qu'il fasse. Cependant, de temps en temps, les choses tournent mal, déclare Will Cappelli, CTO EMEA et Global VP of Product Strategy chez Moogsoft, des événements peuvent avoir lieu qui indiquent que la plate-forme ne se comporte pas d'une manière qui était prévue ou souhaitée. Par conséquent, une intervention est nécessaire pour réinitialiser le cap et réajuster les choses. Mais comment fonctionne ce processus ?

Les approches traditionnelles des incidents IoT

Généralement, il peut être décrit comme un lien entre un signal et une réponse - l'environnement signale que quelque chose ne va pas et est envoyé à un répondeur. Le répondeur, qui peut être humain ou robot, agit sur le signal et change les choses. Si vous regardez les environnements IoT traditionnels, il y avait deux types de mécanisme de signal/réponse.

Premièrement, il y avait le mécanisme de réponse « rapide mais stupide » utilisé par la plupart des environnements IoT. Vous auriez un signal qui voyagerait le long d'un chemin câblé vers un répondeur spécifique qui ne ferait généralement qu'une seule chose, ou il pourrait sélectionner dans un menu de trois ou quatre choses et chercher à réparer le capteur ou à redémarrer le réseau. Cela fonctionnerait très rapidement.

La deuxième approche est « intelligente mais lente » qui est principalement disponible via les fournisseurs de gestion des journaux. Cette approche est basée sur le fait d'essayer de prendre la bonne décision dans un environnement complexe - vous ne pouvez pas choisir entre plusieurs options. Vous devez répondre à chaque situation de manière unique.

La théorie consiste à accumuler de grandes quantités de données sur l'environnement dans une base de données de gestion des journaux non structurée et à fournir aux décideurs tout un tas d'outils pour donner un sens à l'environnement, leur offrant une large palette de choix quant à ce qui pourrait être le meilleure solution.

Incontestablement, cela peut produire des résultats très précis mais le processus est lent, la latence peut durer des semaines. En particulier dans un environnement IoT, cela n'a aucun sens car vous n'avez pas ce genre de temps pour prendre les bonnes décisions.

Pourquoi utiliser AIOps dans l'IoT

Ces deux scénarios sont antérieurs à l'émergence de l'intelligence artificielle pour les opérations informatiques (AIOps). Ce que les approches AI et AIOps créent, c'est que, via l'automatisation, l'analyse de la tâche peut vous donner un moyen «rapide mais intelligent» de gérer un système IoT. Il prend effectivement le modèle lent mais intelligent mais automatise l'analyse humaine, ce qui entraîne une réduction significative de la latence entre le signal et la réponse - mais surtout sans sacrifier la qualité de la réponse. À un niveau fondamental, c'est ce que AIOps apporte en termes de gestion d'un environnement IoT.

Soyons plus précis. En examinant les tendances comportementales et en prédisant où ces tendances ont un impact sur le réseau, AIOps peut rapidement prévoir les incidents avant qu'ils ne se produisent. AIOps réduit également considérablement le temps nécessaire pour déterminer la cause première d'un problème de performances. Essentiellement, cela peut vous aider à regarder vers l'avenir et vers le passé. De plus, AIOps peut orchestrer plus efficacement la redondance dans l'environnement. Par exemple, si vous avez un groupe de capteurs qui se dégradent, AIOps vous permettra d'apporter différents capteurs, ce qui entraînera une allocation de ressources rentable.

Avenirs AIOps et IoT

Si nous regardons l'avenir, il y a beaucoup de recherches menées autour des véhicules autonomes mais n'allons pas trop loin. Plus pertinent pour l'instant est le concept de véhicules connectés. À certains égards, les véhicules connectés sont à mi-chemin entre la technologie automobile traditionnelle et les véhicules autonomes. Ce que je veux dire par là, c'est que plusieurs capteurs sont alimentés dans un service commun fourni à un lot de voitures. Cela pourrait être aussi simple que des embouteillages. Sur la base des informations que les véhicules connectés envoient au vaisseau-mère, il peut être déterminé où se produit la congestion, ce qui modifiera finalement l'itinéraire suggéré vers un véhicule donné sur ce système particulier.

À l'avenir, nous allons voir l'intelligence automatisée, non seulement comme un accompagnement de l'IoT, mais elle deviendra essentiellement une couche de ce que signifie tout automatiser. Considérez-le comme un tissu d'intelligence qui couvre tous les appareils. Ainsi, à l'avenir, tous les appareils compatibles IP, des réfrigérateurs aux interrupteurs en passant par les machines à laver, traiteront des opérations intelligentes.

Pourquoi l'IoT a besoin de l'IA

L'IoT apporte des défis qui nécessitent le déploiement d'AIOps pour fournir une solution complète. Qu'est-ce que ça veut dire? L'IoT introduit des complexités dans l'environnement qui nécessitent le support des technologies d'IA pour gérer les défis. Ceci est réalisé principalement en utilisant une automatisation intelligente pour sélectionner des données importantes parmi le barrage de données générées par votre environnement IoT.

Cependant, il existe un certain nombre d'autres problèmes que l'IA résout… la capacité de découvrir des modèles dans ce qui est un ensemble de données important, la capacité de faire des inférences basées sur ces modèles, la capacité de communiquer ces résultats et finalement la capacité d'automatiser une réponse corrective c'est-à-dire si l'environnement IoT nécessite une intervention quelconque pour s'assurer qu'il continue de fonctionner efficacement.

Essentiellement, les tâches que l'IA effectue pour une infrastructure informatique ou un portefeuille d'applications sont les mêmes que celles qu'elle effectue pour un environnement IoT. Les facteurs qui ont fait de l'IA une nécessité pour les opérations informatiques sont les mêmes pour l'IoT, mais intensifiés parce que l'environnement est hautement modulaire et qu'un certain nombre d'éléments agissent en quasi-autonomie.

De plus, l'environnement IoT est hautement distribué et les relations dynamiques entre les composants changent tout le temps. Enfin, le fait que les composants d'un environnement IoT soient éphémères et entrent et sortent de l'existence avec des durées de vie très courtes. Ce sont des raisons impérieuses pour lesquelles l'IoT a besoin des capacités de l'IA et des AIOps en particulier.

Comment l'IoT va-t-il aider les AIOps à évoluer ?

Il ne fait aucun doute que l'IoT aura un impact sur l'évolution des AIOps. Actuellement, la plupart des systèmes AIOps sont hautement centralisés – les données arrivent à un emplacement central où l'IA est appliquée. Désormais, lorsqu'il est appliqué à un paramètre IoT, il existe des exigences pour effectuer des analyses localement, ce qui introduit un élément de distribution dans le système AIOps. Cela nécessite que l'IA travaille à la périphérie.

En général, l'IoT forcera les AIOps à devenir davantage un système d'agents distribués et à se déplacer vers le réseau, plutôt que d'être un service centralisé qui ne fait qu'ingérer des données. C'est ce que je prévois comme étant le plus grand changement que l'IoT imposera à ce que nous considérons actuellement comme AIOps.

Ce n'est pas une chose facile à faire, il y a des défis. Pas seulement dans le développement de logiciels et de matériel appropriés, mais aussi dans le défi conceptuel. Nous aurons besoin d'un tout nouveau stock de métaphores de conception que les développeurs de logiciels n'auront pas l'habitude d'utiliser. Mais je suis sûr qu'ils ne mettront pas trop de temps à s'adapter.

L'auteur de ce blog est Will Cappelli, CTO EMEA et Global VP of Product Strategy, Moogsoft