Votre équipe NetOps croule sous une avalanche d’alertes ? Elle semble constamment agir en mode pompier ? Pas étonnant ! D’après une étude menée par Enterprise Strategy Group (ESG), 73 % des entreprises constatent que leur environnement réseau est quelque peu, voire beaucoup plus complexe qu’il y a deux ans.
ESG revient en détail sur ces chiffres dans un récent livre blanc consacré aux exigences des IA natives pour la nouvelle génération de réseaux. Selon les auteurs, la solution à cette complexité croissante passe par l’intelligence contextuelle et une meilleure visibilité de bout en bout, deux conditions sine qua non à une approche plus proactive et à une meilleure efficacité opérationnelle.
D’accord, me direz-vous, mais comment y parvenir ? D’après l’étude, le triptyque intelligence artificielle (IA), machine learning (ML) et automatisation aidera les équipes NetOps à améliorer leur efficacité opérationnelle, à offrir de meilleures expériences et à passer d’une gestion réactive à un pilotage proactif, parfois même prédictif.
Cela dit, dans le domaine des réseaux, adopter l’IA est plus facile à dire qu’à faire. En cause : la grande difficulté à fournir aux modèles IA/ML la quantité et la qualité de données qu’ils exigent. Ces défis s’avèrent à la fois techniques et culturels :
Défis techniques — Tout d’abord, les données NetOps tendent à être cloisonnées dans les systèmes de gestion sur site des clients, ce qui rend leur partage impossible. Ces solutions n’étant généralement pas unifiées, elles finissent par créer d’innombrables ilots de données non partagées. Pour corser un peu plus l’équation, ces modèles ne conviennent pas à des données sensibles et propriétaires qui ne doivent être en aucun cas exposées.
Défis culturels — Après avoir passé des années à résoudre eux-mêmes les problèmes réseaux, nombre de professionnels des NetOps se méfient de ces modèles. Sans IA explicable (XAI), les réticences risquent donc d’être fortes. De même, sans système en boucle fermée, les opérateurs réseau expérimentés ne peuvent pas donner de feedback rapidement.
Comment lever ces freins
D’après le livre blanc, pour opérationnaliser l’AIOps avec un maximum d’efficacité, les plateformes réseau IA natives doivent satisfaire ces cinq critères :
- Architecture cloud – Cet élément essentiel élimine les silos en regroupant des données complètes issues de différents domaines, avec à la clé une vue unifiée sur les performances et l’intégrité du réseau.
- Contexte et visibilité de bout en bout – La plateforme doit dresser un tableau complet et contextualisé de l’environnement réseau et de l’expérience utilisateur. Cette vue holistique s’impose pour comprendre les dépendances et relations complexes au sein du réseau.
- Interface conversationnelle – La simplification des opérations passe par une interface intuitive, comme par exemple un assistant virtuel qui traite les requêtes et y répond en langage naturel. La gestion de réseaux complexes devient ainsi plus accessible à un plus grand nombre d’opérateurs réseaux, tous niveaux de compétences confondus.
- Données précises et fiables – La plateforme doit exploiter la télémétrie et les métadonnées pour chaque session afin d’obtenir des éclairages pointus sur les opérations réseau. Seul un tel niveau de détail garantira des analyses précises et des décisions fiables.
- Écosystème API bidirectionnel – L’intégration à d’autres systèmes et outils requiert un écosystème API ouvert et extensible. Sans boucle de rétroaction propre à un tel système, améliorer le réseau en continu et l’adapter aux conditions changeantes se révèle particulièrement difficile.
La solution de Juniper
Comme le souligne le livre blanc, le concept d’Experience-First Networking occupe une place fondamentale chez Juniper, qui se reflète dans l’importance accordée à l’IA et à l’automatisation pour garantir des expériences irréprochables d’un bout à l’autre du réseau.
La solution AI-Native Networking Platform de Juniper a été spécialement conçue pour l’AIOps dans le but de surmonter les freins à l’adoption de l’IA. En libérant la puissance de l’intelligence artificielle, elle ouvre la voie à la résolution proactive des problèmes, aux analyses prédictives et à l’optimisation automatique, un trio essentiel pour concrétiser toutes les promesses de l’IA dans le domaine des réseaux. Sans oublier qu’elle permet de tirer un trait définitif sur l’accoutumance aux alertes.
Pour découvrir les problématiques liées à l’implémentation de l’IA dans les environnements réseau et les critères à prendre en compte dans le choix d’une solution, demandez votre exemplaire du livre blanc ESG consacré aux exigences des IA natives pour la nouvelle génération de réseaux.
Surtout, ne manquez pas AI-Native NOW, notre grand événement virtuel qui rassemble une affiche prestigieuse : experts IA de Juniper, clients de renom et Emmett Shear, grand spécialiste de l’IA et ancien PDG par interim d’OpenAI, pour une keynote exceptionnelle. L’événement est gratuit ! N’attendez pas pour vous inscrire.
