Au‑delà de l’automatisation : ce que l’IA change dans les opérations informatiques

Réduire le bruit dans la surveillance

L’un des domaines où nous avons constaté une amélioration significative est la surveillance.

Les grands environnements technologiques génèrent un nombre considérable d’alertes, et toutes ne nécessitent pas le même niveau d’attention. Les alertes en double, les anomalies temporaires et les événements de faible priorité peuvent créer du bruit inutile, rendant plus difficile pour les équipes d’identifier les problèmes susceptibles d’avoir un impact opérationnel réel.

En incorporant détection d’anomalies pilotée par l’IA et suppression du bruit dans notre environnement de surveillance, nous avons réalisé une réduction de 75 % du bruit de surveillance.

Pour l’équipe, cela signifie moins de temps passé à traiter des alertes inutiles et plus de temps consacré à enquêter sur les problèmes qui nécessitent de l’attention. Cela nous aide également à identifier les schémas inhabituels plus tôt et fournit aux ingénieurs de meilleures informations lorsqu’ils commencent à examiner un incident.

C’est un domaine où l’IA est particulièrement utile car elle peut traiter rapidement de grands volumes d’informations. Mais une fois qu’une anomalie a été identifiée, comprendre la cause et l’impact potentiel nécessite souvent encore l’intervention de quelqu’un qui connaît l’environnement.

Améliorer les opérations informatiques de routine

Nous utilisons également l’automatisation pour gérer les activités de point de terminaison de routine via une plateforme de surveillance et de gestion à distance (RMM) dotée d’IA.

Cela comprend des domaines tels que l’orchestration des correctifs, les contrôles de santé, la remédiation scriptée et le dépannage à distance.

Auparavant, la conformité des correctifs tombait régulièrement en dessous de 50 %, en grande partie à cause de la charge de travail manuelle et de l’ampleur de l’environnement. Avec le cadre RMM soutenu par l’IA en place, la conformité atteint désormais le 95ᵉ percentile.

Cette amélioration nous a aidés à renforcer la stabilité des points de terminaison et réduire l’exposition aux vulnérabilités connues, tout en diminuant la quantité de travail répétitif que les ingénieurs doivent gérer manuellement.

C’est un bon exemple où l’automatisation a du sens. Le processus est prévisible ; il doit se dérouler de manière constante et fonctionner sur des milliers de points de terminaison.

La technologie peut gérer une grande partie de cette activité en arrière‑plan, tandis que l’équipe se concentre sur les exceptions, les escalades et les problèmes nécessitant une enquête plus approfondie.

Où les humains font encore la différence

Tous les problèmes informatiques ne suivent pas un schéma prévisible.

Nos équipes travaillent à travers différents environnements d’infrastructure, réseaux, systèmes et exigences des clients. Un problème qui semble simple au premier abord peut parfois impliquer plusieurs dépendances ou nécessiter une coordination entre différentes équipes.

L’IA peut aider à identifier les anomalies, analyser les informations et mettre en évidence les causes possibles, mais l’équipe doit toujours comprendre ce qui se passe dans un environnement plus large.

Cela devient particulièrement important lorsqu’un problème affecte plusieurs systèmes, ou lorsque la solution techniquement évidente peut avoir des conséquences ailleurs.

C’est là que l’expérience compte.

Un ingénieur qui comprend l’environnement peut aller au‑delà d’une alerte individuelle et considérer ce qui a changé, quels systèmes sont connectés, si des problèmes similaires se sont déjà produits, et quel impact une action particulière pourrait avoir sur l’opération globale.

Pour nous, l’IA fonctionne le mieux lorsqu’elle fournit à cet ingénieur de meilleures informations avec lesquelles travailler, plutôt que d’essayer de les retirer complètement du processus.

Soutenir un environnement à forte demande

L’ampleur de l’environnement implique que nous devons trouver des moyens d’accroître la capacité sans simplement augmenter la charge de travail manuelle.

L’automatisation a aidé à cela.

Les activités de point de terminaison de routine peuvent se dérouler de manière constante en arrière‑plan. Les outils de surveillance peuvent filtrer et consolider les signaux avant qu’ils n’atteignent les ingénieurs. Les capacités prédictives peuvent aider à identifier les problèmes potentiels plus tôt, tandis que la remédiation automatisée peut résoudre les problèmes connus sans attendre qu’une personne intervienne manuellement.

Cela donne à l’équipe davantage de capacité pour se concentrer sur la continuité du service, les escalades et les problèmes techniques plus complexes.

Cela change également notre façon de concevoir la productivité dans les opérations informatiques. Le bénéfice n’est pas simplement qu’une tâche soit terminée plus rapidement. C’est que les ingénieurs disposent de plus de temps pour les travaux où leur expérience peut avoir un impact plus important.

La gouvernance reste importante

À mesure que l’IA et l’automatisation deviennent plus performantes, la gouvernance devient de plus en plus importante.

Il doit y avoir une clarté quant aux activités qui peuvent être automatisées, au moment où un ingénieur doit intervenir et à qui incombe la responsabilité lorsqu’un processus automatisé ne se comporte pas comme prévu.

C’est particulièrement important dans les grands environnements technologiques. Une action automatisée appliquée à des milliers de points de terminaison peut avoir un impact bien plus large qu’une action effectuée sur une machine individuelle.

Pour cette raison, nous avons encore besoin de voies d’escalade claires, de niveaux d’accès définis, et des contrôles appropriés autour de l’activité automatisée.

Cette approche est conforme au Cadre de gestion des risques de l’IA du National Institute of Standards and Technology, qui met l’accent sur le suivi continu des systèmes d’IA, des responsabilités clairement définies et des processus de supervision et d’intervention humaines.

Pour nous, la gouvernance ne consiste pas à ralentir l’utilisation de l’IA. Il s’agit de s’assurer que nous pouvons l’utiliser en toute confiance et de manière responsable dans un environnement opérationnel en direct.

Le rôle de l’ingénieur informatique évolue

À mesure que davantage d’activités routinières sont automatisées, le rôle de l’ingénieur évolue également.

Les connaissances techniques restent essentielles, mais la capacité à interpréter l’information, à comprendre les dépendances et à enquêter sur des problèmes qui n’ont pas de réponse évidente prend de plus en plus de valeur.

Les ingénieurs doivent également comprendre les outils qu’ils utilisent. Si un système doté d’IA recommande une action, la personne responsable doit posséder suffisamment de connaissances de l’environnement pour savoir si cette recommandation est pertinente.

Cela fait de la formation une composante importante de l’adoption de l’IA.

Nos équipes doivent comprendre ce que la technologie peut faire, où se situent ses limites et quand il faut escalader ou enquêter différemment.

Le NIST recommande de même de définir clairement les responsabilités des personnes qui exploitent et supervisent les systèmes d’IA, ainsi que des formations appropriées et des normes de compétence.

Ce que nous avons appris jusqu’à présent

Notre expérience jusqu’à présent nous a montré que certaines des applications les plus utiles de l’IA dans les opérations informatiques sont relativement pratiques.

La réduction de 75 % du bruit de surveillance signifie que les ingénieurs passent moins de temps à traiter des alertes inutiles. Faire passer la conformité des correctifs de moins de 50 % au 95e percentile a renforcé la cohérence de la gestion des points de terminaison. L’automatisation sur plus de 10 000 points de terminaison nous aide à gérer un environnement qui, autrement, nécessiterait une quantité importante d’activités manuelles répétitives.

Parallèlement, les parties les plus complexes des opérations informatiques dépendent encore fortement des personnes.

La technologie peut identifier un schéma inhabituel ou automatiser une correction connue. Un ingénieur expérimenté comprend l’environnement plus large, les dépendances impliquées et l’impact potentiel de la décision prise.

Cet équilibre devient de plus en plus important à mesure que l’IA s’intègre aux opérations informatiques quotidiennes.

Pour moi, la valeur de l’IA est très pratique. Elle nous aide à gérer l’échelle, offre à nos équipes une meilleure visibilité et élimine une partie du travail répétitif qui peut détourner du temps des problèmes plus importants.

La technologie devient plus performante, mais l’expérience des personnes qui gèrent l’environnement reste tout aussi importante.