Définition de l’AIOps
L’AIOps, pour artificial intelligence for IT operations, désigne l’application de méthodes statistiques et d’apprentissage automatique aux données que produit l’exploitation informatique : métriques, journaux, traces, alertes, tickets d’incident, journal des changements. Le but affiché est d’aider les équipes à trier ces signaux et à comprendre un incident.
Le terme relève de l’usage. Son périmètre varie d’un éditeur à l’autre.
Trop de signaux pour être lus un à un
Dans un système distribué, une défaillance peut se manifester à plusieurs endroits à la fois. Un composant ralentit, ceux qui en dépendent se dégradent, et chacun déclenche ses propres alertes. La personne d’astreinte reçoit alors une série de notifications pour un seul incident, sans indication de celle qui désigne l’origine.
L’AIOps vise ce tri : réduire le nombre d’alertes à examiner, signaler des écarts qu’un seuil fixe ne voit pas, rapprocher un incident de ce qui l’a précédé.
Trois usages possibles, chacun avec ses conditions de données
| Usage | Ce qu’il peut apporter | Ce qu’il suppose |
|---|---|---|
| Corrélation d’alertes | Regrouper en un incident les alertes qui semblent partager une cause | Des horodatages cohérents, des étiquettes communes (service, environnement, version), une description des dépendances entre services |
| Détection d’anomalies | Signaler qu’une mesure s’écarte de son comportement habituel, sans seuil fixé à la main | Un historique qui couvre les cycles d’activité (journée, semaine, clôture), et la prise en compte des changements de régime après une mise en production |
| Aide au diagnostic | Rapprocher l’incident d’un changement récent ou d’incidents passés semblables, et proposer des pistes | Un journal des changements relié aux services, des incidents passés documentés avec leur cause |
Ces usages restent des possibilités, soumises à ces conditions. Un regroupement repose sur des coïncidences et des dépendances déclarées : il suggère une origine, il ne l’établit pas. Une détection d’anomalies peut signaler un écart sans conséquence ou taire une dégradation lente. Un modèle appris sur un historique d’alertes mal réglées peut en reproduire les défauts.
L’exécution automatique d’une action corrective est parfois rangée sous le même mot. Elle suppose une situation reconnue avec assez de sûreté et une action dont l’effet est borné.
AIOps, observabilité, SRE, MLOps : ne pas confondre
La supervision et l’observabilité produisent les signaux, et notre article observabilité vs supervision les distingue. L’AIOps les consomme. Un standard tel qu’OpenTelemetry intervient en amont : il donne aux signaux des noms et des attributs communs, dont dépend leur rapprochement.
Le SRE fixe ce qui compte : des objectifs de niveau de service définis du point de vue de l’utilisateur. Un traitement d’AIOps ne dit pas quelle dégradation mérite de réveiller une astreinte.
Le MLOps va en sens inverse. Il applique des pratiques d’exploitation aux modèles d’apprentissage automatique, quand l’AIOps applique l’apprentissage automatique à l’exploitation. Un modèle d’AIOps reste d’ailleurs un modèle : il se suit et se réévalue comme un autre.
Exemple : une base de données ralentit, les alertes se multiplient
Prenons une plateforme de vente en ligne dont la base de données des commandes ralentit. Des alertes se déclenchent sur le temps de réponse de l’interface de programmation, sur la longueur d’une file de messages, sur les erreurs du service de paiement et sur la base elle-même.
Un traitement de corrélation les regroupe en un seul incident, d’après leurs horodatages et les dépendances déclarées entre services. Il place la base à l’origine probable et signale une modification de schéma déployée peu avant. La personne d’astreinte vérifie cette hypothèse avant d’agir.
Sans description des dépendances, le regroupement n’aurait reposé que sur la proximité dans le temps. Une alerte étrangère à l’incident, survenue au même moment, aurait pu s’y trouver rattachée.
Des signaux homogènes, des alertes reliées à une action et des objectifs de niveau de service sont l’objet de notre page SRE et observabilité.