Débloquer la valeur de l'entreprise : étendre les cas d'usage de l'AIOps

Les organisations voient l'AIOps comme un moyen de gérer la complexité accrue à laquelle elles font face dans la gestion des opérations et de la sécurité.

Après un regain d'élan l'an dernier, l'AIOps continue d'attirer l'attention des organisations. Elle est adoptée rapidement pour aider les équipes IT à améliorer leur surveillance et gestion traditionnelles du réseau et de la sécurité.

L'an dernier, Gartner a constaté que l'AIOps sur le seul marché de la gestion des opérations IT croîtrait à un taux de croissance annuel composé de 15 % par an jusqu'en 2025, à partir de plus d'un milliard de dollars en 2020.

Certaines organisations voient l'AIOps comme un moyen d'économiser sur le personnel IT, mais il devient clair que le facteur clé est la complexité. Plusieurs cas d'usage distincts vont stimuler cette croissance.

Un domaine où l'AIOps devient de plus en plus critique est la gestion des exigences de la main-d'œuvre distante et hybride d'aujourd'hui.

Les fermetures de bureaux induites par la pandémie et les politiques de travail à domicile ont augmenté le trafic numérique et compliqué la collecte de données pour les équipes IT. Les entreprises soutenant le travail à distance ont envoyé les employés chez eux avec du nouveau matériel et logiciel, résultant en plus de trafic de données. Et les équipes IT, déjà confrontées à une production de données accrue, ont aussi dû surveiller des flux de données aux propriétés différentes causés par l'information arrivant de divers bureaux distants.

L'AIOps peut aider les équipes IT à gérer des données accrues et de plus en plus dissemblables causées par le passage aux modèles de travail à distance et hybrides. L'AIOps utilise des algorithmes intelligents qui ingèrent de gros volumes de données aux propriétés variées et de sources disparates et automatisent leur analyse.

De plus, une solution AIOps peut examiner les données agrégées pour détecter des motifs et prédire les problèmes avant qu'ils ne surviennent et ne perturbent la productivité des employés. Et, s'il y a un incident impactant le service, l'AIOps aide les équipes IT à identifier rapidement la cause racine et déterminer un correctif pour réduire le temps moyen de remédiation (MTTR).

Un autre domaine général où l'AIOps trouve de la valeur est l'automatisation de la sécurité. Pourquoi ? Des facteurs comme le passage au cloud et l'adoption d'applications hybrides et composables introduisent de nouveaux problèmes. Par exemple, l'an dernier, la découverte de vulnérabilités dans la bibliothèque logicielle Apache Log4j a envoyé des ondes de choc dans le monde des affaires. Elle a été décrite par certains comme « la violation de sécurité la plus grave jamais vue. » La raison : le logiciel open source était largement utilisé et embarqué dans de nombreuses applications communes fréquemment réutilisées dans les entreprises.

Dans ce cas et d'autres, les outils de sécurité traditionnels ont offert peu d'aide pour la détecter à la racine. En revanche, l'AIOps utilise des algorithmes intelligents pour modéliser le comportement normal des systèmes. Elle détecte ensuite proactivement une cyberattaque en identifiant les écarts en temps réel et en déterminant si un problème (par exemple, un problème de performance) est dû à une cyberattaque plutôt qu'à un problème IT. En cas d'attaque, le système peut déclencher une série de tactiques défensives automatisées comme la priorisation des alarmes et alertes pour assister les opérateurs humains, ou elle pourrait être utilisée pour agir seule comme fermer l'accès à un système ou bloquer une adresse IP.