L’observabilité est devenue un problème multi-outils
Selon une étude d’Enterprise Management Associates (EMA), les grandes entreprises exploitent généralement six à huit outils d’observabilité. Réalisée auprès de 356 professionnels de l’informatique, l’enquête montre que cette fragmentation mobilise les ingénieurs et complique les investigations.
Pour la plupart des répondants, l’unification reste en cours :
51 % avaient déjà engagé une démarche d’unification des outils.
32 % étaient encore en phase de planification ou d’évaluation.
17 % déclaraient avoir achevé cette unification.
Les organisations les plus importantes ont généralement indiqué utiliser davantage d’outils. Une consolidation ne conduit toutefois pas nécessairement à une interface universelle.
« L’une des premières choses que je peux affirmer, c’est que personne n’obtient un écran unique », a expliqué Shamus McGillicuddy, vice-président de la recherche chez EMA.
L’objectif opérationnel ne consiste donc pas simplement à faire converger tous les signaux vers un seul produit. Il s’agit surtout de rendre les données, le contexte et les workflows suffisamment cohérents pour éviter aux équipes de passer constamment d’un outil à l’autre et de reconstituer manuellement le déroulement d’un incident.
Le coût opérationnel de la fragmentation
Les répondants à l’enquête d’EMA ont identifié plusieurs conséquences directes de la prolifération des outils :
45 % ont mentionné la charge en compétences et en effectifs nécessaire pour exploiter plusieurs outils.
44 % ont déclaré que la complexité des intégrations et des API mobilisait du temps d’ingénierie.
41 % ont indiqué que les changements constants de contexte ralentissaient les investigations et les interventions.
40 % ont constaté une augmentation des tâches manuelles.
34 % ont associé le bruit des alertes à une surcharge de travail et à une fatigue cognitive.
Les autres effets comprennent une hausse du coût total de possession, une qualité de données inégale, des lacunes de couverture ainsi qu’un ralentissement de la détection et de la résolution des incidents.
La situation devient particulièrement complexe lorsque chaque domaine technique semble fonctionner normalement de son côté. Les outils du réseau, du cloud et des applications peuvent tous indiquer un état sain alors que les utilisateurs rencontrent toujours un problème. Sans contexte partagé, les équipes peinent à rapprocher les signaux qui permettraient d’identifier l’anomalie réelle.
L’IA rapproche les signaux, mais ne répare pas les mauvaises pratiques
L’IA prend déjà en charge une partie des activités d’observabilité. EMA a constaté que 32 % des répondants l’utilisaient largement dans leurs outils, tandis que 51 % l’employaient dans certains domaines et que 13 % menaient encore des projets pilotes.
Les cas d’usage cités comprenaient notamment :
La synthèse et l’explication des incidents
La corrélation des alertes et la réduction du bruit
La détection des anomalies
La prévision des capacités
L’analyse prédictive
L’analyse des causes racines
Les organisations utilisant largement l’IA se déclaraient également plus confiantes dans leur stratégie d’unification de l’observabilité. Néanmoins, des données fragmentées ou incohérentes peuvent limiter l’efficacité de l’IA. Les répondants ont aussi exprimé des préoccupations concernant l’inexactitude des résultats ainsi que les risques de sécurité et de conformité.
« L’IA peut surmonter la fragmentation des données entre les outils, mais elle ne compensera pas de mauvaises données ni de mauvaises pratiques opérationnelles en général », a déclaré McGillicuddy.
L’IA doit donc être considérée comme un accélérateur opérationnel, et non comme un substitut à la qualité des données, à la rigueur des processus et à une attribution claire des responsabilités.
Gouverner avant de simplifier
Parker Hathcock, directeur de recherche chez EMA, a souligné que les difficultés provoquées par la prolifération des outils peuvent se renforcer mutuellement. Une gouvernance solide constitue donc une étape préalable essentielle.
Une démarche pragmatique peut suivre plusieurs étapes :
Inventorier les outils et leurs responsables. Déterminer ce que chaque outil supervise, qui l’exploite et quelles équipes utilisent ses données.
Cartographier les fonctions qui se chevauchent. Repérer les doublons dans la collecte, les alertes, le reporting et la conservation des données.
Évaluer la qualité des données. Vérifier que les noms des actifs, les horodatages, les identifiants et le contexte topologique sont suffisamment cohérents pour être rapprochés.
Prioriser les intégrations selon leur valeur opérationnelle. Traiter d’abord celles qui réduisent la durée des investigations ou les transferts manuels entre équipes.
Définir un cadre pour l’IA. Préciser comment les résultats générés sont validés et comment les exigences de sécurité ou de conformité s’appliquent.
Mesurer les résultats. Suivre les délais de détection et de résolution, le volume d’alertes, les tâches manuelles et les changements de contexte.
Cette approche guidée par la gouvernance est plus réaliste que la recherche d’un hypothétique « écran unique ». Elle vise à réduire les frictions opérationnelles tout en conservant les outils spécialisés qui restent utiles dans leur domaine.
Comment ConnectMyAssets peut aider
ConnectMyAssets contribue à réduire la fragmentation autour du cycle de vie de l’infrastructure réseau, sans imposer le remplacement de toutes les fonctions d’observabilité. Les modules Dynamic CMDB et Topology offrent un inventaire partagé et une vue des relations entre les équipements multiconstructeurs, fournissant ainsi un contexte plus cohérent aux équipes chargées des investigations.
Le module Backup & History apporte l’historique des configurations, leur gestion de versions et la restauration en un clic. Les équipes peuvent ainsi vérifier si une modification récente est susceptible d’être liée à un incident. Le Compliance Engine facilite des contrôles cohérents selon des référentiels tels que NIS2, ISO 27001, PCI, CISA et NIST. Le suivi des CVE par actif et le suivi de fin de vie complètent ce contexte avec des informations de sécurité et de cycle de vie.
Pour les opérations répétitives, le module Automation & ZTP peut diminuer la part des interventions manuelles dans les processus réseau pris en charge. Le module local AI Insights fournit une analyse sur site, permettant d’exploiter des informations assistées par l’IA tout en conservant la plateforme et son contexte opérationnel dans l’environnement de l’organisation.
L’objectif n’est pas de promettre un écran capable de remplacer chaque outil spécialisé. Il est de mettre à disposition des données fiables sur les actifs, les configurations, la conformité, les vulnérabilités et le cycle de vie, afin que les ingénieurs consacrent moins de temps à reconstituer le contexte et davantage à résoudre les problèmes.
Source : Network World
