Qu'est-ce que l'AIOps ?

Qu'est-ce que l'AIOps ?

AIOps, ou intelligence artificielle appliquée aux opérations IT, est un terme inventé par Gartner. Il décrit des plateformes et processus technologiques permettant aux équipes informatiques d'optimiser leurs processus décisionnels et de réagir plus rapidement aux incidents liés au réseau et aux systèmes.

L'AIOps contextualise, en temps réel ou quasi temps réel, de gros volumes de données (télémétrie et journaux) d’une infrastructure informatique, qu'elle combine par la suite à des données historiques pertinentes pour générer des informations exploitables. L'AIOps incarne en quelque sorte un assistant qui maitrise l'environnement informatique et réseau, et utilise ces connaissances pour fournir des analyses en temps réel et exécuter ou recommander des étapes à suivre.

Pourquoi l'AIOps est-elle importante ?

L'AIOps augmente l'efficacité et les performances des applications et des services. Des réponses aux incidents d'exploitation et de sécurité, aux achats liés à l'infrastructure, les organisations qui utilisent l'AIOps dans le cadre de leurs workflows automatisés et opérationnels sont gagnantes à tous les niveaux. Ceux qui débutent avec l'AIOps y voient un investissement pour l'analyse des performances, la détection des anomalies et la corrélation d'événements qui leur donne la possibilité de prédire les futurs événements ayant un impact sur le réseau.

Cas d'usage, avantages et résultats

Dans l'idéal, l'AIOps doit être totalement transparent pour l’utilisateur et intégré aux outils de gestion quotidiens de l’administrateur. L'AIOps rassemble de nombreux produits et services exploités régulièrement par Juniper et ses clients.

Mise en œuvre de l'AIOps

La mise en œuvre de l'AIOps ne diffère pas vraiment du déploiement d'un package d'analyse d'infrastructure. Une fois la plateforme AIOps connectée à l'infrastructure qu'elle sera chargée de surveiller, la recherche et l'apprentissage peuvent commencer. Les premières informations préliminaires deviennent disponibles lorsque suffisamment de données ont été ingérées au cours du processus d'apprentissage par IA.

La plateforme AIOps analyse l'environnement informatique, puis propose d'examiner les causes racines des problèmes au fur et à mesure qu'ils surviennent. L'automatisation est la dernière étape d'incorporation de l'AIOps au workflow d'une organisation. Une fois qu'elle en sait suffisamment, la plateforme AIOps peut commencer à résoudre automatiquement des problèmes simples.

Étapes de déploiement d'une solution AIOps

L'intégration de l'AIOps à des workflows IT est un processus relativement simple qui se traduit rapidement par une automatisation et une correction de base. Plus la plateforme ingère des données et continue d'apprendre, plus ces fonctions gagnent en sophistication.

Valeur du réseau dans le monde réel

Les plateformes AIOps de pointe garantissent des services de bout en bout via des fonctionnalités s’étendant sur les environnements filaires, sans fil, WAN et de sécurité. Elles optimisent les algorithmes et exploitent des sources de données contextualisées pour augmenter l'efficacité et stimuler la réussite des clients.

L'AIOps ne consiste pas uniquement à pouvoir mieux faire ce que vous faites aujourd'hui. Sa véritable valeur réside dans sa capacité à gérer la complexité des infrastructures informatiques, chose que les humains ne peuvent accomplir à eux seuls, même avec les meilleurs outils non IA à leur disposition.

 

L'AIOps offre un certain nombre d'avantages aux opérateurs de réseaux commerciaux et d'entreprise.

  • Réduction du temps de résolution des incidents
  • Consolidation et analyse des données provenant de multiples sources
  • Examen détaillé de chaque environnement opérationnel
  • Évaluations basées sur une qualité d'expérience (QoE) calculée
  • Interface conversationnelle utilisant le traitement du langage naturel (NLP)

Implémentation interne par Juniper

Pour gérer les tickets de support reçus par son équipe de support client, Juniper exploite une architecture cloud de microservices et Marvis, son moteur d'IA et assistant de réseau virtuel. Ce modèle de support client inversé nous permet d'informer les clients des problèmes avant qu'ils ne surviennent (nécessité de renvoyer un matériel, par exemple).

Marvis utilise une boucle de rétroaction et se forme à nouveau avec les bonnes données pour continuer à augmenter son efficacité. Dans une solution AIOps bien conçue, le fournisseur doit disposer des mêmes informations que le client afin qu'il sache lorsque ce dernier rencontre un problème.

Modèle de support client basé sur l'IA de Juniper

L'assistant de réseau virtuel Marvis s'appuie sur un support piloté par IA pour gagner en efficacité.

 

En termes simples, l'IA et le cloud computing modifient le modèle de support entre le client et le fournisseur. Sur la figure 3, le nombre total de tickets agrégés entrants est illustré par la ligne en pointillés. La croissance du client est indiquée en termes d'appareils, de sites et d'organisations deployés, tandis que les tickets d'incident restent relativement inchangés. La figure illustre l'impact de l'AIOps sur les tickets d'assistance client, ce qui entraîne moins d'escalades, moins de tickets entrants et un dépannage et une résolution plus rapides.

Enrayer la spirale des tickets d'assistance

Impact de l'AIOps Juniper : Plus le nombre de clients et la complexité du réseau augmente, plus le nombre de tickets de dépannage baisse ou stagne.

FAQ AIOps

À quelles problématiques l'AIOps répond-elle ?

L'AIOps consolide et analyse les données de plusieurs sources. Il observe et apprend les détails de l'environnement et fournit des évaluations basées sur la qualité globale de l'expérience (QoE). L'AIOps peut ainsi corréler les activités du réseau pour déterminer et résoudre les problèmes avant qu'ils ne soient constatés par les utilisateurs ou les équipes IT.

L'AIOps fournit des analyses des causes racines des problèmes au fur et à mesure qu'ils surviennent, sur la base d'algorithmes de machine learning (ML) et de données contextualisées. Mais aussi et surtout, l'AIOps démocratise la capacité de dépannage au sein des équipes IT rassemblant divers niveaux d'compétence, augmentant l'efficacité globale des opérations au sein de l'équipe.

Quels sont les composants de l'AIOps ?

Une plateforme AIOps utilise des algorithmes de ML et des données contextualisées pour fournir des analyses des causes racines et résoudre automatiquement les problèmes simples du réseau. L'AIOps nécessite un moteur d'IA capable de corréler des événements et des algorithmes de ML qui extraient des connaissances ou des modèles à partir d'un ensemble d'observations. Un assistant de réseau virtuel utilisant le traitement du langage naturel (NLP) amélioré par la compréhension du langage naturel (NLU) et la génération de langage (LG) se combinent pour offrir une interface conversationnelle puissante qui peut contextualiser les demandes, accélérer le dépannage et prendre des décisions intelligentes ou des recommandations pour rationaliser les opérations.

Quelles sont les principales fonctionnalités de l'AIOps ?

  • Isolation des problèmes / analyse des causes profondes : Avec la quantité de données parcourant les réseaux actuels, il est difficile d'identifier précisément la source des problèmes soulevés dans les tickets d'incident, et encore moins lorsque les problèmes n'ont pas été signalés. L'AIOps corrèle les événements en temps réel en traitant des données contextualisées, permettant aux équipes opérationnelles d'identifier et de corriger rapidement les problèmes.
  • Prise de décision basée sur les données : des algorithmes de ML pilotent l'analyse basée sur les données, ce qui permet de faire des recommandations opérationnelles ou d'appliquer des mesures correctrices plutôt que d'appliquer des réponses prédéterminées aux pannes ou aux anomalies sur le réseau. Cette approche centrée sur les données améliore l’efficacité du dépannage des équipes d’exploitation.
  • Signalements prédictifs : l'AIOps prédit le comportement du réseau et offre des recommandations ou des mesures correctrices pour remédier aux dégradations de performance et aux autres anomalies au sein du réseau. Ce changement fondamental profite aux équipes opérationnelles en leur permettant d'être proactives dans la gestion des opérations réseau, plutôt que de traquer les problèmes qui ont déjà eu un impact sur les utilisateurs et l'entreprise. En conséquence, l'informatique libère du temps une fois passé en mode de lutte contre les incendies pour s'attaquer aux futurs objectifs commerciaux.

Ressources