À cette étape de notre parcours vers le Self-Driving Network, nous avons parlé des données — le fondement même d’un réseau IA natif — et de la manière dont elles sont traitées dans le cloud, puis traduites en insights et en recommandations via des classificateurs et des niveaux de services garantis (SLE). Passons à présent à l’assistance par IA, un stade où l’intelligence artificielle intervient plus activement dans les opérations réseau au travers de recommandations fondées sur des données. L’IA peut ainsi faciliter la résolution des problèmes, voire les régler elle-même si elle y est autorisée.
Ce changement reflète une tendance plus large, à savoir la confiance accrue dans la capacité de l’IA à gérer des environnements toujours plus complexes. Selon IDC Research, près de la moitié des organisations interrogées ont une préférence pour les plateformes de gestion réseau pilotées par l’IA qui sont capables de définir et d’exécuter des actions d’optimisation du réseau et de résolution des problèmes.
Valeur stratégique de l’assistance par IA
Les actions assistées par l’IA simplifient les opérations réseau, réduisent les tâches manuelles des équipes IT et accélèrent la résolution des problèmes. Elles garantissent ainsi des performances réseau exceptionnelles pour les utilisateurs, tout en recentrant les équipes IT sur des initiatives plus stratégiques et innovantes.
À mesure que les réseaux se complexifient, les événements se multiplient, allant des erreurs de configuration mineures aux interruptions de service majeures. Résultat : les équipes IT peinent à identifier et à traiter les événements critiques. C’est là qu’une assistance AIOps basée sur le cloud leur offre une assistance par IA pour aller droit au cœur du problème. L’AIOps peut faire apparaître les problèmes hautement prioritaires et les résoudre automatiquement (avec l’autorisation du service informatique), ce qui permet aux équipes IT de gérer les problèmes de manière rapide et proactive. Elles consacrent alors beaucoup moins de temps aux dépannages et peuvent être réaffectées à des initiatives stratégiques à plus forte valeur ajoutée, comme l’innovation et la planification à long terme.
Transformer les données en actions : la mécanique de l’assistance par IA
Des algorithmes mathématiques et des modèles d’IA/ML avancés sont utilisés pour filtrer les données de centaines d’événements et d’expériences utilisateur en temps réel, afin de générer des recommandations efficaces, actionnables et clairement justifiées.
Une équipe IT confiante dans les résultats produits peut autoriser la solution AIOps à résoudre automatiquement un problème donné. Au fur et à mesure que la confiance s’instaure, ces recommandations peuvent être ajoutées à une liste d’actions fiables. À terme, cela permettra à l’IA de résoudre des problèmes similaires de manière autonome, sans alerter l’équipe IT. C’est ainsi que l’AIOps deviendra partie intégrante de l’équipe IT et basculera en mode autonome.
Les actions assistées par l’IA sont réparties en trois catégories :
- Actions d’optimisation : les algorithmes d’IA/ML tels que la gestion des ressources radio (Radio Resource Management, RRM) et la gestion des ressources réseau (Network Resource Management, NRM) optimisent en permanence l’expérience utilisateur.
- Actions recommandées : l’IA met en évidence les problèmes cruciaux et propose des leviers d’action, preuves à l’appui.
- Actions automatisées : des recommandations fiables sont ajoutées par l’équipe IT à la liste des actions que l’IA est autorisée à mener sans intervention humaine.
Découvrez Marvis, l’assistant IA leader du marché
Chez Juniper, nous donnons vie à ces concepts grâce à l’assistant IA Marvis®, un composant essentiel de Mist™, notre plateforme réseau IA native. Marvis s’appuie sur des algorithmes d’IA/ML (RRM, NRM, etc.) pour optimiser les expériences utilisateur de façon continue et proactive. Grâce à Marvis Actions, l’assistant Marvis fournit des actions recommandées et automatisées, que nous appelons respectivement les modes conduite assistée et autonome.
En conduite assistée, Marvis met en évidence les événements impactant les performances, fournit les preuves associées et propose des mesures efficaces pour résoudre divers problèmes : firmware non conforme, ports mal configurés, câbles défectueux, VLAN manquants, circuits WAN saturés, etc.
Le mode autonome est enclenché lorsque l’équipe IT a ajouté une recommandation donnée à une liste d’actions fiables. L’activation de ce mode permet à Marvis de résoudre des problèmes de manière autonome (ports mal configurés, blocage de ports, etc.), dans le cadre des politiques définies par l’IT. Chaque action, assistée ou autonome, est enregistrée et validée dans le tableau de bord de Marvis Actions pour fournir aux équipes un récapitulatif en temps réel des principaux problèmes, des correctifs recommandés, et leur permettre de surveiller les actions manuelles et autonomes pour un maximum de transparence et de contrôle.
Marvis en action : des résultats concrets
Des entreprises du monde entier témoignent des avantages de Marvis Actions. Par exemple, un grand spécialiste de l’IoTM rencontrait depuis plus d’un an des problèmes intermittents affectant ses utilisateurs Zoom sur l’un de ses sites en Inde. En s’appuyant sur les recommandations du grand modèle d’expérience (LEM) de Marvis, l’entreprise a pu rapidement détecter l’origine du problème : une passerelle VPN mal configurée envoyait des paquets vers un site en Australie, provoquant ainsi une hausse de la latence et de la gigue.
Un autre cas est celui d’une grande enseigne dont le réseau affichait de piètres performances dans certaines zones de ses magasins. Marvis a pu déterminer que le problème était dû à des interférences provenant de produits de démo sans fil, et ajuster automatiquement les bandes passantes des canaux de 40 MHz à 20 MHz, optimisant ainsi les performances réseau pour les collaborateurs et les clients en magasin.
Prochaine étape vers l’autonomie
Avec Marvis, les équipes IT obtiennent bien plus que des insights : elles bénéficient d’une nouvelle recrue pour leur équipe, capable de prioriser les problèmes majeurs, de recommander et d’appliquer des correctifs, et de confirmer leur bonne installation. Ces capacités d’assistance fournissent une base essentielle à une autonomie complète, permettant aux équipes IT de déléguer progressivement les tâches de routine à l’IA pour gagner en performance et en efficacité. Mais aussi et surtout, plutôt que de toujours résoudre les mêmes problèmes, ces équipes récupéreront un temps précieux qu’elles pourront consacrer à des initiatives à plus fort impact, à commencer par l’innovation.
L’étape 4 marque un tournant décisif : l’IA n’émet plus seulement des recommandations, elle passe désormais à l’action. Notre prochain et dernier article nous conduira à la dernière étape du parcours vers le Self-Driving Network, une étape où l’IA sort de son seul rôle d’assistance pour prendre la tête des opérations. Nous verrons aussi comment Juniper ouvre la voie à l’autonomie totale avec l’aide des Marvis Minis, des LEM et de l’IA agentique.
Peu importe où vous en êtes dans votre parcours vers le réseau IA, Juniper vous accompagne dans votre progression.
