Quelle place pour l’IA dans les pratiques de monitoring et de l’observabilité ?
Les discussions autour de l'IA dans le monitoring IT et la supervision de l’expérience utilisateur peuvent vite devenir difficiles à suivre. Les termes sont utilisés de manière floue, certaines capacités sont regroupées, et des approches différentes sont parfois présentées comme si elles se valaient.
Au sein des plateformes d’observabilité, le monitoring, ou supervision, couvre un large éventail de fonctions. Si l’objectif global de l’observabilité est d’assurer le bon fonctionnement des applications critiques, le monitoring y contribue en observant l’expérience des utilisateurs, en détectant les dysfonctionnements dans les systèmes qui soutiennent les parcours utilisateurs et en apportant de la visibilité sur les différentes couches techniques.
Il permet aussi d’automatiser certaines tâches et de fournir les données nécessaires à l’analyse et à l’investigation.
L’IA s’inscrit désormais dans ce paysage, mais elle ne recouvre pas une réalité unique. Certaines capacités interviennent lors de la définition et de la configuration de ce qui doit être supervisé. D’autres accompagnent les équipes dans l’interprétation des signaux, la gestion des incidents et l’utilisation de la plateforme au quotidien.
Les considérer comme si elles avaient toutes le même rôle rend plus difficile de comprendre ce qu’elles apportent réellement.
L’IA en amont
L’IA peut intervenir lorsque les équipes déterminent ce qui doit être supervisé et comment. Elle aide à clarifier les besoins, à structurer la supervision et à préparer les environnements critiques.
L’IA dans l’exploitation
Elle joue aussi un rôle lorsque des problèmes doivent être détectés, analysés et résolus. Elle accompagne les équipes dans l’interprétation des signaux, la gestion des incidents et l’utilisation quotidienne de la plateforme.
Définir
Identifier ce qui doit être supervisé.
Configurer
Paramétrer les parcours, les scénarios et les éléments clés.
Analyser
Interpréter les signaux, les données et les anomalies.
Agir
Réagir plus efficacement face aux incidents et aux évolutions.
Elle permet aussi aux équipes d’être plus efficaces dans la protection des services, l’accompagnement des utilisateurs et la gestion des évolutions.
Comprendre le rôle de l’IA dans le monitoring
En règle générale, l’IA générative aide à définir ce qui doit être supervisé et à en faire évoluer le périmètre dans le temps. L’IA agentique, quant à elle, aide à interpréter ce qui se passe et à réagir au fil des situations. Cette distinction simple reflète la manière dont le travail est réellement mené dans un environnement de supervision, même si les technologies d’IA sous-jacentes sont souvent présentées ensemble.
Définir et faire évoluer le périmètre de supervision
Une partie du travail consiste à définir les éléments à superviser et la manière de les mesurer, par exemple en construisant des parcours utilisateurs synthétiques ou des transactions métier suivies dans le temps.
Interpréter, comprendre et réagir
À l’inverse, l’interprétation des signaux et la résolution des problèmes qui surviennent en cours de monitoring relèvent d’un autre type de travail.
Deux dimensions complémentaires du monitoring
Définir et structurer quelque chose qui n’existe pas encore, ou qui doit évoluer.
Comprendre ce qui se passe dans l’environnement supervisé, puis répondre aux situations, aux incidents et aux évolutions observées.
Elle ne répond pas aux mêmes problèmes selon qu’elle aide à structurer le monitoring ou à exploiter les signaux observés.
Il ne s’agit pas simplement de différentes étapes d’un même processus. Ces deux dimensions impliquent des tâches distinctes et des exigences différentes pour les outils comme pour les équipes.
Mettre clairement en évidence cette distinction aide à comprendre pourquoi l’IA peut sembler à la fois puissante et parfois incohérente d’un outil de monitoring à l’autre au sein d’une même plateforme d’observabilité.
Cette distinction permet aussi de mieux comprendre ce que l’on peut attendre de l’IA, comment différentes capacités soutiennent différentes dimensions du travail, et à quel moment l’IA permet de passer de gains d’efficacité à un monitoring plus efficace et mieux adapté aux besoins du métier.
Comment l’IA générative facilite-t-elle la définition et l’évolution du suivi ?
La plupart des utilisateurs connaissent déjà l’IA générative dans leur quotidien. C’est le type d’IA que l’on utilise pour rédiger un e-mail, résumer un document ou obtenir rapidement une explication sur un sujet. Il suffit de décrire ce dont on a besoin pour que le système produise un résultat structuré, que l’on peut ensuite examiner et affiner.
Décrire une intention, obtenir une base structurée
Autrement dit, l’IA générative répond à une demande en générant une réponse à partir des informations fournies.
Dans le contexte du monitoring, le même principe s’applique. L’IA générative intervient lorsqu’il s’agit de définir ou de configurer ce qui doit être supervisé.
Décrire
Les équipes décrivent les transactions métier, les flux applicatifs ou les parcours utilisateurs à superviser.
Structurer
À partir de cette description, l’IA peut produire des éléments structurés qui servent de point de départ au monitoring synthétique.
Affiner
Les équipes valident, affinent et adaptent ce qui est produit pour l’aligner avec leurs besoins réels.
Le suivi ne reste pas statique
Les applications évoluent, le comportement des utilisateurs change et de nouveaux flux doivent être pris en compte. Définir et faire évoluer la supervision manuellement peut rapidement devenir fastidieux, surtout à mesure que les environnements gagnent en complexité.
Pour les équipes qui doivent maintenir le monitoring en phase avec des applications en constante évolution, la capacité de l’IA à générer et à affiner les définitions de suivi est particulièrement précieuse.
L’IA générative réduit l’effort nécessaire à la création et à la mise à jour des parcours, et facilite le maintien d’une couverture cohérente dans le temps. Au lieu de tout construire à partir de zéro, les équipes s’appuient sur une première version structurée, qui reflète leur intention.
Comment l’IA agentique facilite-t-elle l’exploitation du monitoring ?
L’IA agentique est moins connue, mais son rôle apparaît clairement dès que l’on regarde ce qui se passe lorsque la supervision est en cours. Plutôt que d’attendre une requête, elle intervient en temps réel, en s’appuyant sur les signaux au fil de leur apparition et de leur évolution.
Des situations qui évoluent en continu
Dans un environnement de monitoring, l’IA agentique opère dans un contexte où les données sont continues et où les situations peuvent évoluer d’un instant à l’autre. Alertes, événements, journaux et autres signaux fournissent des éléments d’information, sans toujours offrir une vision d’ensemble.
Signaux exploités en temps réel
Détection des événements qui nécessitent de l’attention.
Lecture des traces techniques pour comprendre ce qui se passe.
Mise en relation des informations pour construire une vision claire.
Relier les informations
L’IA agentique aide les équipes à accéder au contexte et à relier les informations sans avoir à les reconstituer manuellement.
Réduire le bruit
Lorsque les alertes sont nombreuses, elle peut regrouper les événements connexes, mettre en évidence ce qui est susceptible d’être important et réduire le temps consacré au tri.
Clarifier les incidents
Lors de l’analyse des incidents, elle peut rapprocher différentes sources d’information comme les modifications récentes, les dépendances et l’impact utilisateur.
Elle aide à clarifier ce qui se passe, sans remplacer les outils ou les processus sous-jacents.
L’interaction avec l’outil de monitoring lui-même constitue un autre aspect clé. L’IA agentique peut non seulement faire émerger des informations qui nécessiteraient autrement plusieurs étapes d’accès, mais aussi aider les équipes à naviguer plus facilement dans l’environnement de supervision.
Grâce à un accompagnement en langage naturel et adapté au contexte, la nature de l’exploitation évolue : moins de temps consacré à reconstituer le contexte, davantage à agir.
L’enjeu est plutôt de réduire l’effort et d’améliorer la clarté dans des situations où le temps et le contexte sont déterminants.
IA générative et IA agentique : vers un monitoring plus efficace au service de l’observabilité
Comme nous l'avons vu du point de vue du monitoring, l'IA générative aide à définir ce qui doit être supervisé et à en faire évoluer la définition au rythme des systèmes. L'IA agentique agit sur ce qui est en cours de supervision, aidant les équipes à interpréter les signaux, à les replacer dans leur contexte et à traiter les situations au fil de l’eau.
Préparer et faire évoluer le monitoring
Elle aide à définir ce qui doit être supervisé, à structurer les parcours et à adapter le périmètre de suivi au rythme des systèmes.
Interpréter et agir en production
Elle aide les équipes à interpréter les signaux, à les replacer dans leur contexte et à traiter les situations au fil de l’eau.
La valeur de l’IA dépend de son adéquation avec le travail à accomplir
En abordant le monitoring depuis la préparation jusqu'à l'exploitation en production, il devient plus facile de comprendre la manière dont les différentes formes d’IA y contribuent. Cela permet aussi de préciser ce que l’on peut attendre de chaque type de capacité et dans quels contextes elles apportent le plus de valeur.
Moins de temps
Réduire les délais nécessaires pour passer de la visibilité à la compréhension.
Moins d’efforts
Limiter les tâches manuelles de structuration, d’analyse et de reconstitution du contexte.
Moins de coûts
Optimiser l’exploitation du monitoring en concentrant les équipes sur les actions à forte valeur.
Plus d’impact
Détecter plus tôt, agir avec plus de contexte et limiter l’impact des incidents.
Elle aide les équipes à gagner en pertinence opérationnelle et à mieux protéger les services et les expériences dont dépendent les utilisateurs.
Elle réduit l’écart entre ce dont disposent les équipes, tableaux de bord, alertes, signaux et journaux, et ce qu’elles cherchent réellement : une compréhension plus rapide, un contexte plus clair et la capacité d’agir de manière à protéger les services numériques et à apporter une valeur différenciante pour les utilisateurs et les clients.