Le plan de la NASA : intégrer technologie, culture et données pour réussir l'AIOps

Des organisations comme la NASA partagent leur expérience de l'IA et de l'AIOps avec celles qui débutent tout juste.

Les organisations intéressées par la mise en œuvre de l'AIOps bénéficient des conseils d'autres acteurs ayant déjà franchi le pas vers l'utilisation de l'intelligence artificielle dans leurs opérations et leurs équipes DevOps.

La NASA fait partie de ces innovateurs qui partagent leurs recommandations. L'agence spatiale a récemment souligné l'importance d'une approche holistique pour déployer l'IA dans ses applications métier telles que la finance et les achats, notamment dans un environnement AIOps.

Lors d'une présentation au groupe d'opérations IA ATARC, les responsables du groupe de science des données de la NASA ont identifié trois éléments clés dont une initiative AIOps a besoin. La technologie est le plus évident, mais les organisations doivent également préparer leurs données pour qu'elles soient prêtes pour l'IA, et tout aussi important est un changement de culture d'entreprise, avec des personnes acceptant de laisser les données guider les décisions.

Pourquoi écouter la NASA ? Peut-être parce qu'ils peuvent honnêtement dire : « Oui, nous sommes des ingénieurs de fusées. »

« La partie où l'algorithme s'exécute est très petite. Les données sont rarement sous une forme directement exploitable. Les gens ont leurs habitudes de travail ; il y a ce problème d'apprendre un nouvel outil ou un ensemble d'outils et de comprendre comment cela fonctionne vraiment. Les gens ont des conceptions différentes de ce que l'IA peut faire pour eux », a déclaré Nikunj Oza, responsable du groupe des sciences des données de la NASA, selon un rapport de Government CIO Media.

Il a ajouté : « Les données ne sont pas [automatiquement] prêtes pour l'IA, donc vous pouvez lancer un projet AIOps et il s'arrête net parce que les autres parties de votre système ne sont pas prêtes pour cela. »

Conseils pour l'AIOps

Shenandoah Speers, directrice adjointe du CIO pour les applications à la NASA, a indiqué à l'audience de l'ATARC que la transformation numérique de l'agence est en cours, mais encore en maturation. « Nous voyons un afflux massif de données, et comment digérer ces données pour prendre des décisions métier et des décisions de mission basées sur ces données. »

Oza a également évoqué certaines idées fausses entourant l'IA et l'apprentissage automatique, notamment la crainte interne que l'IA ne vole les emplois des humains.

Un intervenant du Joint Artificial Intelligence Center (JAIC) du Département de la Défense américain a également abordé le défi de la qualité des données. « Il y a des problèmes de qualité des étiquettes, de qualité des données », a déclaré Yevgeniya Pinelis, chef des tests et de l'évaluation de l'IA/apprentissage automatique au JAIC. « Il y a des problèmes d'infrastructure, bien sûr. […] Pour construire des systèmes d'IA dignes de confiance, nous avons besoin de cet écosystème et de toute la plomberie en place. »

Elle a ajouté que la culture est un facteur en raison de la nécessité d'amener les équipes à adopter l'Agile et le DevSecOps. « Si vos utilisateurs et testeurs sont impliqués très tôt, c'est ainsi que vous obtenez ce processus Agile et évitez les désastres à la fin. C'est un grand changement culturel que nous traversons. Nous avons eu beaucoup de chance dans la logistique conjointe — ce sont généralement des problèmes d'IA bien délimités, bien que la préparation des données reste toujours un problème. »

À mesure que davantage d'entreprises acquièrent de l'expérience avec l'AIOps et l'observabilité, les opportunités se multiplient pour celles qui débutent de recueillir des conseils auprès des pionniers.