D’ici 2032, le marché de l’IoT (Internet des Objets) est devrait croître par un TCAC de 24,3 %, atteignant 4 062,34 milliards de dollars d’ici 2032. Les principaux moteurs de croissance sont le déplacement d’un plus grand nombre d’opérations commerciales vers des sites distants, la capacité des appareils IoT plus puissants à faire plus d’informatique par eux-mêmes et la capacité de l’IoT à trouver une place dans presque tous les cas d’utilisation commerciale développés par les entreprises.
Dans le même temps, de nouveaux protocoles réseau comme Wi-Fi 6 augmentent considérablement le nombre d’appareils que les réseaux peuvent transporter.
Les deux tendances jettent les bases de l’expansion des réseaux d’entreprise, mais la complexité de devoir surveiller tous ces nœuds et périphériques réseau augmente également de façon exponentielle pour le personnel du réseau. Même avec les outils actuels de surveillance et de remédiation du réseau, comment les professionnels des réseaux pourront-ils détecter tout problème de performance ou de sécurité émergent ?
La réponse de l’industrie consiste à adopter l’intelligence artificielle (IA) pour surveillance du réseau, la maintenance et la remédiation. L’IA a le potentiel d’automatiser une grande partie du travail dans ces domaines que le personnel doit aujourd’hui effectuer manuellement, avec l’avantage supplémentaire de pouvoir traiter et évaluer rapidement les données entrantes en temps réel afin que l’IA puisse agir rapidement. C’est ce qui fait de l’IA un élément clé de AIOps (IA pour les opérations informatiques).
Voici ce que les outils d’IA en réseau peuvent faire
Dans une startup de base, l’IA réseau a besoin d’un ensemble de règles avec lesquelles fonctionner. C’est au personnel du réseau de définir et de saisir un ensemble complet de règles qui couvrent performances du réseau paramètres et surveillance, détection des menaces de sécurité, gouvernance, etc. Ce sont les règles que le moteur d’IA utilisera pour sa surveillance quotidienne. De plus, les données entrant dans le référentiel de données d’IA à partir de sources réseau doivent être propres (par exemple, sans gigue ni métadonnées inutiles) et de haute qualité. Il appartient au personnel du réseau de s’assurer que les données entrantes répondent à ces normes.
Un « modèle » d’IA est construit à partir des règles de surveillance, etc., fournies par le personnel du réseau informatique. Une fois ces règles en place et les données réseau entrantes propres, la surveillance du réseau par l’IA peut commencer.
À partir de maintenant, l’IA devrait être en mesure de fournir les fonctionnalités suivantes que le personnel des réseaux informatiques ne possède pas :
Apprentissage automatique intégré et automatisé qui détecte les nouveaux modèles et anomalies dans les données réseau et évalue leur impact sur les ensembles de règles réseau.
La capacité de détecter les problèmes et tendances potentiels à partir de données en temps réel
Le potentiel de automatiser les opérations réseau de routinecomme l’utilisation d’une fonction AI RPA (automatisation des processus robotiques) pour automatiser le provisionnement des appareils physiques et virtuels dans le réseau.
De tels avantages donnent au personnel du réseau la possibilité d’automatiser le travail quotidien de routine qui, autrement, empièterait sur les horaires. La capacité de l’IA à prédire les tendances et les problèmes du réseau donne également au personnel du réseau les moyens d’anticiper et d’intercepter ces problèmes avant qu’ils ne se manifestent par une dégradation ou une panne du service réseau.
Les défis de l’adoption de l’IA
Le « hic » de l’adoption totale de l’IA en réseau est qu’elle en est encore à ses débuts en tant qu’outil. L’IA a ses défauts, et sa relative nouveauté rend très improbable qu’un membre du personnel du réseau envisage d’abandonner de sitôt le contrôle humain ultime sur le réseau.
Voici les défis :
L’IA doit tout savoir – et ce n’est peut-être pas le cas
Si un utilisateur ajoute un réseau ou un périphérique réseau à l’insu du service informatique, l’IA (comme les autres outils de surveillance du réseau) pourrait ne pas le savoir si le nouveau réseau n’est pas lié à l’IA. Une façon d’éviter cela consiste à adopter une politique d’entreprise (c’est-à-dire que personne en dehors du service informatique ne peut installer un nouveau réseau à l’insu du service informatique) ou à utiliser des réseaux de confiance zéro, qui peuvent détecter un ajout, une soustraction ou une modification à n’importe quel réseau ou périphérique réseau.
Les données entrantes utilisées par l’IA doivent être parfaites
Si les données ne sont pas parfaites, l’IA tirera des conclusions sur des informations erronées. Par conséquent, au début de chaque projet d’IA, un nettoyage et une vérification des données doivent être effectués afin d’obtenir une qualité maximale des données. Les données (et les normes de qualité des données) changeront au fil du temps, le service informatique doit donc évaluer périodiquement la qualité des données pour voir si elles maintiennent leurs normes de qualité. En cas de dégradation de la qualité des données, des ajustements devront être effectués.
L’IA doit être liée à tout
Les outils, réseaux et appareils de surveillance réseau existants doivent avoir Apis (interfaces de programmation d’applications) qui peuvent facilement s’intégrer à l’IA. Si l’IA ne parvient pas à se connecter ne serait-ce qu’à un seul périphérique réseau ou outil de surveillance, ses évaluations pourraient être erronées.
Le modèle d’IA nécessite des révisions périodiques
Si l’IA commence à fournir des résultats qui sont loin d’être précis et qui diffèrent de ce que conclurait un expert en réseau, il est temps d’enquêter et éventuellement de peaufiner le modèle ou l’ensemble de règles de l’IA. Au fil du temps, il y aura forcément des dérives (et des conséquences) par rapport aux résultats initiaux.
Utilisez également vos propres pouvoirs prédictifs
L’un des points forts de l’IA est qu’elle peut traiter une grande quantité de données et détecter de nouvelles tendances réseau (telles qu’une menace de sécurité émergente) à partir de modèles de données. Les pirates de la sécurité le savent aussi. C’est pourquoi ils essaient toujours de créer un nouvel élément de surprise qui n’est pas aussi détectable par l’IA.
Pour cette raison, il est judicieux que le personnel du réseau étudie lui-même les tendances émergentes en matière de réseaux et de sécurité. L’IA risque de manquer certaines de ces informations.
Qu’est-ce qu’une bonne approche intermédiaire ?
Une approche intermédiaire judicieuse pour le réseau consiste à continuer à utiliser les outils de surveillance que vous utilisez, mais également à rechercher des moyens d’introduire l’IA. Dans de nombreux cas, vos fournisseurs le feront pour vous lorsqu’ils déplaceront davantage de leurs outils vers un environnement AIOps.
Lorsque cela se produit, il est important de garder à l’esprit que les outils réseau (y compris l’IA) ne sont pas parfaits.
Un minimum de contrôle humain sur l’ensemble des opérations du réseau sera toujours nécessaire, y compris la capacité d’outrepasser ce que l’automatisation pourrait vouloir faire dans une situation particulière.
