Au service de l’infrastructure : l’exploitation IT sous contrôle grâce aux systèmes multi-agents
Les infrastructures IT monolithiques appartiennent au passé. Face à la complexité, les modèles d'exploitation classiques atteignent leurs limites.
TribuneOliver Köth, Managing Director Technology and Innovation DACH chez NTT DATA · Frank Beckereit, Senior Director Consulting chez NTT DATA
Les infrastructures IT monolithiques appartiennent au passé : aujourd’hui, les applications connectées, les services cloud et les plateformes façonnent l’exploitation IT. Face à cette complexité croissante, les modèles d’exploitation classiques atteignent toutefois leurs limites. Bonne nouvelle : avec les systèmes multi-agents, il existe déjà des solutions qui automatisent de manière ciblée des chaînes entières de processus IT et aident les équipes à reconnaître plus rapidement les interactions et les causes.
L’essentiel en bref
- Des agents spécialisés au lieu d’une seule instance. Des agents distincts évaluent les logs, les métriques, les états de configuration et les alarmes. Une couche d’orchestration décide qui est sollicité, et quand.
- Le goulot d’étranglement, c’est la corrélation. La classification automatisée des données d’exploitation est établie. Leur mise en relation à travers les systèmes reste l’étape à franchir.
- Une mise en œuvre par étapes. D’abord analyser et prioriser, ensuite exécuter automatiquement des opérations à faible risque. Des règles de gouvernance définissent quand il faut faire appel à des responsables humains.
Le déclencheur réel est souvent banal : une alarme réseau, un temps de réponse anormal d’une application ou un service en panne. Ce qui s’ensuit alors dans de nombreuses équipes IT ressemble pourtant souvent à une recherche fastidieuse de la véritable cause, comme celle d’une aiguille dans une botte de foin. Le problème vient-il du réseau ? D’une API ? Du centre de données ? Ou d’un service cloud ? À chaque application supplémentaire, chaque nouvelle interface et chaque service externalisé, les dépendances entre les composants individuels augmentent. Cause et effet se trouvent donc de moins en moins au même endroit.
Les outils classiques de monitoring et d’exploitation capturent certes de manière fiable l’état de chaque système, mais ils atteignent de plus en plus leurs limites dès qu’il s’agit d’interpréter de telles corrélations et leurs effets sur l’activité opérationnelle. La raison en est moins la complexité des environnements informatiques modernes que la quantité de données de logs et d’exploitation, qui ne cesse de croître depuis des années. Ce n’est qu’une fois ces informations classifiées et corrélées entre les systèmes que les interactions et les causes peuvent être identifiées de manière fiable. Là où la classification automatisée est aujourd’hui largement établie, la corrélation intelligente assistée par l’IA constitue la prochaine étape évolutive. Comment cela fonctionne-t-il ?
Contrairement aux approches classiques, les systèmes multi-agents misent sur plusieurs agents spécialisés qui prennent en charge des tâches différentes et partagent leurs conclusions entre eux. Tandis que certains agents analysent par exemple les logs, évaluent les métriques ou examinent les événements réseau, d’autres rassemblent ces informations et les replacent dans un contexte commun. Se constitue ainsi progressivement une vue d’ensemble qui rend visibles les interactions entre systèmes distribués et aide les équipes IT à reconnaître nettement plus vite les causes et les effets des perturbations.
De nouvelles architectures s’imposent
Les systèmes multi-agents modélisent l’exploitation IT comme un système de traitement distribué. Au lieu de confier l’analyse de toutes les données à une instance centrale, le système répartit les tâches entre des agents spécialisés, chacun étant orienté vers un périmètre fonctionnel clairement délimité. Ces agents travaillent en continu en arrière-plan. Les données d’événements qui surviennent sont systématiquement replacées dans le contexte du système en exploitation.
Ces spécialisations concernent typiquement l’analyse des logs, l’évaluation des états de configuration et de l’état des équipements, la classification des alarmes ou la corrélation d’événements à travers plusieurs systèmes. D’autres agents ont pour mission de repérer des schémas dans les données historiques d’exploitation ou d’identifier des profils d’erreur récurrents. Le grand avantage par rapport aux approches architecturales conventionnelles réside dans la collaboration automatisée et orchestrée des unités fonctionnelles.
Un niveau au-dessus, une couche d’orchestration centrale coordonne l’activation et l’interaction des agents. Elle détermine quels agents sont impliqués dans quelle situation, comment les résultats sont fusionnés et dans quel contexte les décisions sont préparées. Cette structure est complétée par une logique de gouvernance qui définit la marge de manœuvre des agents. Ces règles précisent quel agent peut exécuter quelles actions de manière automatisée et quand une escalade vers des responsables humains devient nécessaire. Il en résulte un système qui répartit efficacement les tâches opérationnelles tout en maintenant le contrôle humain sur les décisions critiques.
Une transformation par étapes

L’introduction de systèmes agentiques dans l’exploitation IT s’effectue généralement par étapes et s’appuie sur les structures existantes d’automatisation et de monitoring. Dans un premier temps, les agents assurent des fonctions de soutien : ils analysent les données, priorisent les alertes et fournissent des informations contextualisées, tandis que la décision finale reste du ressort de l’équipe humaine d’exploitation. La valeur ajoutée naît ici surtout du prétraitement de grands volumes de données et de la forte réduction du bruit informationnel qui, sans cela, ne cesse de gagner en intensité.
À l’étape suivante, les agents peuvent exécuter de manière automatisée des opérations clairement définies et à faible risque. Il s’agit par exemple de réactions standardisées à des scénarios d’erreur connus ou à des problèmes de configuration récurrents. Ces interventions s’effectuent dans des limites définies et sont systématiquement journalisées, si bien que leurs effets restent traçables et peuvent alimenter les décisions futures. Les systèmes s’orientent ainsi déjà vers un soutien actif de l’exploitation, tout en restant toujours sous contrôle total.
À l’étape suivante, cette base peut donner naissance à un modèle d’exploitation dans lequel les systèmes d’agents vont au-delà de cas d’usage limités. Ils mettent alors aussi activement en évidence, à grande échelle, des liens entre les événements et en déduisent automatiquement des mesures concrètes. Plusieurs agents sont mobilisés pour analyser les causes, évaluer des hypothèses et prioriser les options d’action. La prise de décision continue de s’effectuer dans le cadre de règles de gouvernance définies, qui garantissent que les interventions critiques restent traçables et peuvent, si nécessaire, être soumises à des responsables humains.
Des effets structurels sur l’exploitation IT
Avec l’introduction d’architectures fondées sur des agents, la réalité opérationnelle de l’exploitation IT change en profondeur. De grands volumes d’événements sont déjà filtrés, corrélés et évalués dans les premières phases du traitement, si bien que seule une proportion nettement réduite de ces événements est prise en charge dans le cadre de l’exploitation, sous forme d’incidents réellement pertinents. Le centre de gravité du travail se déplace ainsi du traitement de messages individuels vers l’interprétation des corrélations systémiques.
Une évolution qui se répercute aussi sur la répartition des rôles au sein des organisations IT. Tandis que les agents reprennent les tâches opérationnelles répétitives et facilement automatisables, des missions comme la définition des règles d’automatisation, la supervision des systèmes d’agents, l’évaluation des événements pertinents et le perfectionnement continu des logiques d’exploitation passent davantage au premier plan. L’exploitation IT devient ainsi un peu plus une fonction de pilotage de systèmes distribués. L’accent porte alors sur la stabilité et l’efficience du système global plutôt que sur le ticket individuel.
Ces évolutions allègent la charge des équipes IT tout en améliorant la qualité du pilotage de l’exploitation. Grâce à la corrélation continue des événements entre les différents systèmes, il devient possible de détecter plus vite, voire pour la première fois, des schémas qui restent souvent cachés dans les architectures de monitoring classiques. Cela concerne en particulier les chaînes d’erreurs complexes qui se déploient à travers plusieurs systèmes et ne s’expliquent que dans leur globalité. Avec cette évolution, les frontières entre monitoring, analyse et exécution opérationnelle s’estompent elles aussi. Les infrastructures IT évoluent vers des systèmes fonctionnant en continu, qui observent des états, les interprètent activement et les influencent dans un cadre défini. L’accent se déplace ainsi de la simple réaction aux événements vers le pilotage structuré des états complexes des systèmes.
Oliver Köth est Managing Director Technology and Innovation DACH chez NTT DATA.
Frank Beckereit est Senior Director Consulting chez NTT DATA.
Questions fréquentes
En quoi les systèmes multi-agents diffèrent-ils du monitoring classique ?
Les outils classiques capturent de manière fiable l’état de chaque système. Les systèmes multi-agents répartissent l’analyse sur des agents spécialisés qui consolident leurs conclusions et les replacent dans un contexte commun.
Où se situe le vrai goulot d’étranglement dans l’exploitation IT ?
La classification automatisée des données d’exploitation est aujourd’hui largement établie. La corrélation entre les systèmes reste un défi à relever : elle permet de mettre en évidence les liens entre les systèmes distribués.
Comment les entreprises introduisent-elles de tels systèmes ?
Par étapes. D’abord, les agents analysent les données et priorisent les alertes, la décision restant du ressort de l’équipe d’exploitation. Ensuite, ils exécutent de manière automatisée des opérations clairement définies et à faible risque.
Qui garde le contrôle des interventions critiques ?
Une logique de gouvernance définit quel agent peut exécuter quelle action et quand une escalade vers des responsables humains intervient. Les interventions sont journalisées et restent traçables.
Sélection de la rédaction
cloudmagazinL’observability dévore discrètement le budget cloudcloudmagazinQuand les agents d’IA voyagent : la data residency comme problème opérationnelcloudmagazinObservability : plus que du monitoring avec logs et métriquesPlus du réseau MBF Media
MyBusinessFutureLa région DACH code avec l’IA, mais l’intègre à peineDigital ChiefsLes dépenses en IA augmentent, mais seule une entreprise sur cinq a réussi à passer à l’échelleSecurityTodayBlack October : des attaques lancées depuis des moisSource de l’image : générée par IA (août 2026), image intérieure GettyImages/NTT DATA
Traduit de l’original allemand par intelligence artificielle. La version allemande fait foi.

