Cloud : automatisation par IA pour une infrastructure stable
L’AIOps détecte les anomalies et regroupe les événements. La qualité des données, les interventions contrôlées et les résultats mesurables sont essentiels.
L’AIOps aide les équipes d’exploitation à détecter les anomalies dans les environnements cloud et à interpréter les événements associés. Les modèles peuvent tenir compte des schémas récurrents dans les métriques et mettre en évidence les écarts. Une anomalie détectée ne prouve toutefois ni sa cause ni l’imminence d’une panne. Pour une utilisation en production, la qualité des données, une répartition claire des responsabilités et des mesures correctives contrôlées sont essentielles.
L’essentiel en bref
- La détection des anomalies complète les alertes existantes. Elle peut tenir compte des schémas liés au temps et signaler les écarts inhabituels.
- La corrélation des événements facilite le triage. Les messages associés peuvent être regroupés, mais leur cause commune doit encore être vérifiée.
- La fin du support d’Amazon DevOps Guru approche. Le service est fermé aux nouveaux clients depuis le 29 octobre 2026. Les utilisateurs existants devraient préparer leur migration.
Détecter les anomalies dans leur contexte
AIOps signifie Artificial Intelligence for IT Operations. Ces techniques analysent les données d’exploitation afin d’aider les équipes à détecter et à examiner les problèmes. Ces données comprennent les métriques et les événements ainsi que, selon le produit, les données de journalisation. Le signalement d’un écart constitue un point de départ pour le diagnostic.
Le moniteur d’anomalies de Datadog tient compte, par exemple, des tendances et des schémas quotidiens ou hebdomadaires récurrents. Une baisse du trafic peut ainsi être détectée à un moment de la journée où la même valeur serait habituellement normale. La sensibilité du moniteur et l’historique de données dont il a besoin dépendent de sa configuration.
Les seuils fixes restent utiles lorsqu’il s’agit de surveiller une limite technique ou métier connue. La détection des anomalies complète ces règles en repérant les écarts par rapport au comportement observé jusqu’alors.
Regrouper les événements et examiner les causes
Lors d’un incident, plusieurs composants surveillés peuvent générer des messages. La corrélation des événements regroupe les événements selon leurs relations ou des règles définies. Cela peut réduire le nombre de messages à examiner individuellement.
Un regroupement ne prouve pas à lui seul l’existence d’une cause commune. Les équipes d’exploitation devraient pouvoir vérifier quels signaux ont été regroupés et quels indices étayent le diagnostic. Pour DevOps Guru, AWS distingue les informations réactives sur les problèmes en cours des informations proactives sur les problèmes prévus. Une prévision reste elle aussi une estimation : elle ne garantit ni une panne ni sa prévention.
Introduire l’automatisation avec des limites claires
Pour un projet pilote, un service au périmètre défini et aux responsabilités connues constitue un choix adapté. L’équipe peut d’abord recenser les alertes existantes et les délais de traitement, puis examiner les informations supplémentaires fournies par l’outil. Les incidents passés inaperçus et les messages qui se révèlent a posteriori sans gravité doivent également être pris en compte.
Les mesures automatiques devraient être adaptées au risque propre à chaque service. Une équipe peut d’abord examiner les recommandations, puis autoriser des interventions clairement définies. Pour chaque mesure automatisée, le dispositif d’exploitation doit prévoir un journal traçable et une procédure de retour arrière éprouvée. L’évaluation des coûts devrait inclure, outre le prix du produit, l’ingestion et la conservation des données ainsi que l’intégration et la maintenance courante.
Anticiper la fin du support d’Amazon DevOps Guru
Lors de l’évaluation d’outils cloud natifs, il faut aussi tenir compte de leur cycle de vie. Selon la documentation produit d’AWS, Amazon DevOps Guru n’accepte plus de nouveaux clients depuis le 29 octobre 2026. Selon cette documentation, les clients existants peuvent continuer à utiliser le service jusqu’au 30 septembre 2027. AWS recommande Amazon CloudWatch pour les alertes et la détection des anomalies et cite Amazon DevOps Agent comme solution possible pour les investigations assistées par IA.
La page générale d’AWS indique une autre date pour la fin du support. Les clients existants devraient donc confirmer la date auprès d’AWS et prendre en compte, lors de la migration, les appels d’API, l’Infrastructure as Code et les automatisations en aval.
Questions fréquentes
L’AIOps remplace-t-elle la supervision existante ?
L’AIOps analyse les données d’exploitation et complète la supervision existante. L’interprétation des résultats nécessite toujours des données de mesure adaptées, une répartition des responsabilités et des procédures de traitement des incidents.
De quel historique de données un modèle a-t-il besoin ?
Cela dépend du produit et de la méthode choisie. Pour son moniteur d’anomalies, Datadog indique qu’un historique d’au moins trois semaines est nécessaire en cas de saisonnalité hebdomadaire. Ce délai ne s’applique pas nécessairement aux autres produits.
Comment évaluer les bénéfices d’un projet pilote ?
Avant et pendant le projet pilote, les équipes peuvent notamment comparer le nombre de messages traités, le délai avant leur prise en charge et le délai de résolution. Les fausses alertes et les incidents passés inaperçus doivent également entrer dans l’évaluation.
Sélection de la rédaction
cloudmagazinFinOps : comment les entreprises maîtrisent enfin leurs coûts cloudcloudmagazinTendances cloud 2026 : ce que les décideurs IT doivent surveiller dès maintenantcloudmagazinAWS fait appel à un agent IA pour rechercher les causes des incidentsPlus du réseau MBF Media
MyBusinessFutureIA made in Germany : 935 start-up et un écosystème qui gagne en maturitéDigital Chiefs149 000 postes IT vacants : comment les DSI utilisent les copilotes IASecurityTodayTendances cybersécurité 2026 : les 7 évolutionsSource de l’image : générée par IA (novembre 2026)
Traduit de l’original allemand par intelligence artificielle. La version allemande fait foi.
