Booster la performance IT : Tirer parti de l'AIOps et l'observabilité pour réduire les temps d'arrêt et améliorer la satisfaction utilisateur

L'observabilité AIOps aide l'IT à réduire les temps d'arrêt, améliorer la performance des applications, et garder les clients satisfaits.

En 2016, Gartner a inventé l'acronyme AIOps (Intelligence Artificielle pour les Opérations IT), mais des années avant cela, les professionnels de l'IT entendaient déjà parler et expérimentaient des éléments de calcul autonome. Une telle technologie d'automatisation permettait aux mainframes et serveurs de prendre des décisions et ajustements automatiques et adaptatifs pour qu'ils puissent répondre à ce que les capteurs intégrés dans leurs opérations leur informaient sur la performance.

Introduction à l'observabilité AIOps

Que ce soit AIOps ou calcul autonome, le but était toujours d'assister l'IT dans la surveillance et le tuning de performance pour qu'il puisse tirer le maximum des actifs informatisés et délivrer la technologie optimisée au business. L'IT est optimiste sur l'AIOps, comme en témoigne le taux de croissance annuel composé de 21,05 % prévu pour les solutions AIOps entre maintenant et 2026.

Alors, qu'est-ce qui rend l'AIOps une proposition de valeur si convaincante ?

Pour les programmeurs systèmes surchargés, administrateurs réseau et développeurs logiciels, l'AIOps peut faire émerger les problèmes les plus urgents d'une botte de foin d'alertes quotidiennes et problèmes de performance potentiels qui peuvent ou non requérir une attention et résolution immédiates. Ces alertes viennent de partout, grâce au nombre de systèmes en silos que les départements IT d'entreprise doivent gérer. Il y a des moments où ces alertes créent plus de bruit distrayant que d'aide.

Là où l'AIOps aide c'est dans comment il réduit ce vacarme d'alertes aux conditions critiques qui sont véritablement pertinentes pour un incident ou une panne. Il fait cela car il utilise l'intelligence artificielle et l'apprentissage machine alors qu'il suit les éléments et dynamiques de l'infrastructure IT d'une organisation, et apprend ce qui est normal et ce qui présente un problème. Équipé de cette connaissance, l'AIOps identifie et émet des alertes comme les approches système antérieures le faisaient. Cependant, ce qui rend l'AIOps d'aujourd'hui unique est que l'IA incluse avec la surveillance opérationnelle emmène maintenant l'AIOps dans le domaine de l'observabilité d'infrastructure.

L'observabilité est un game-changer pour l'IT car elle est capable de combiner l'information contextuelle rassemblée de l'infrastructure IT avec l'intelligence artificielle et l'automatisation au lieu de juste émettre des alertes autonomes depuis des composants système individuels que l'IT doit séparément évaluer et dépanner. Avec une approche plus holistique de l'évaluation de l'infrastructure IT qui inclut la connaissance de l'infra-structure aussi bien que la détection de problème, l'observabilité AIOps utilise les métriques IT, logs et traces et émet des recommandations diagnostiques pour des correctifs que l'IT peut utiliser pour accélérer le temps de résolution de problème.

Comprendre l'observabilité

En pratique, une plateforme d'observabilité AIOps peut intégrer les divers systèmes, données et réseaux qu'une application traverse. Dans un environnement de calcul hybride, cela pourrait signifier traverser des workflows d'application qui passent par un cloud aussi bien que des ressources sur site. N'importe lequel — ou tous — de ces ressources pourrait émettre une alerte si la performance dégrade. Sans l'observabilité AIOps, l'IT peut se retrouver à évaluer de nombreuses alertes entrantes de nombreux modules système et éléments, sans moyen efficace de séparer le « bruit » d'alerte de la cause racine d'un problème. Cette chasse à l'oie allonge les temps d'arrêt système et problèmes de performance. Cela crée des utilisateurs et clients mécontents et peut coûter à une entreprise une moyenne de 5 600 $ par minute.

Comment l'observabilité AIOps remédie aux temps d'arrêt et problèmes de performance

Par exemple, si le logiciel AIOps comprend la dynamique et le contexte opérationnel de votre infrastructure IT, il peut rapidement ramasser une activité anomale d'une branche de service terrain sur la côte Est qui est typiquement fermée les week-ends, mais enregistre soudain un pic d'activité un samedi.

L'AIOps peut détecter si un serveur ou routeur sur votre réseau est à ou près de sa capacité, et si cette utilisation de capacité excédentaire est normale pour une situation particulière, comme le moment de traitement le plus chargé de la journée ou un pic d'activité dû à une promotion e-commerce.

Dans le domaine des tests d'application, où de multiples systèmes virtuels sont lancés pour test mais peuvent être oubliés après la fin du travail, l'observabilité peut identifier ces actifs inactifs pour qu'ils puissent être désalloués.

Dans un environnement hybride sur site-cloud, l'observabilité AIOps peut informer un développeur d'application en temps réel s'il y a un goulot quelque part dans le workflow d'application bout-en-bout qui ralentit la performance.

Le résultat est l'IT tourne mieux, les applications sont délivrées au business plus tôt, et les temps d'arrêt sont réduits.

L'état de l'observabilité

Cela dit, l'observabilité AIOps est encore aux premiers stades de déploiement dans de nombreuses organisations.

Un défi est que tous les départements IT ne comprennent pas exactement ce que l'observabilité — un mot quelque peu nébuleux — signifie. Si, au lieu de cela, l'observabilité était comprise comme « observation informée » qui est facilitée par l'IA et l'apprentissage machine, l'adoption de la technologie pourrait avancer plus vite, et sa valeur débloquée.

Ayant servi comme DSI pendant plus de 20 ans, je sais deux choses :

Premièrement, les DSI et l'IT détestent les temps d'arrêt, partir en chasse à l'oie sauvage et devoir calmer les émotions des utilisateurs, clients, et management pendant que l'IT comprend ce qui a mal tourné dans une application complexe qui touche de nombreux systèmes.

Deuxièmement, si nous pouvons mettre fin à ces réunions « salle de guerre » marathon qui continuent à se produire en 2021 tout comme elles le faisaient en 1981, le doigt pointé serait moins et le moral du personnel serait plus haut. L'observabilité AIOps équiperait mieux tous les impliqués, du DBA au développeur d'application au programmeur système, avec une version unique, actionnable, de la vérité.