L’utilisation de l’IA suscite beaucoup d’enthousiasme dans tous les domaines, du marketing au recrutement, en passant par les opérations et la sécurité. Notre étude annuelle indique que la plupart des organisations envisagent avec beaucoup d’intérêt d’utiliser l’IA dans leurs activités, leurs opérations et leur sécurité.
Rien de tout cela n’est surprenant. De nombreuses enquêtes témoignent d’une forte adoption de l’IA pour accompagner un large éventail de fonctions métier et informatiques.
Ce dont on parle moins souvent, c’est de la manière dont l’IA est intégrée au développement.
La valeur fondamentale de l’IA pour l’entreprise et la sécurité repose sur sa capacité à reconnaître des schémas et des relations afin de produire des informations exploitables. Beaucoup ne s’interrogent pas sur le « moteur » qui sous-tend cette capacité et n’examinent donc jamais vraiment en détail les technologies d’IA utilisées pour faire émerger, comme par magie, de précieuses informations.
L’apprentissage automatique est une branche spécifique de l’IA axée sur l’analyse et la modélisation des données. Son utilisation est pertinente dans le domaine de la sécurité, car, avec suffisamment de temps et de données, il est capable d’identifier en temps réel des schémas révélant des comportements anormaux. De même, il peut mettre au jour, dans les données d’entreprise, des relations difficiles à déceler qui constituent des opportunités de commercialisation de produits et de services.
Mais l’apprentissage automatique excelle également dans la modélisation, c’est-à-dire dans l’exécution de centaines de scénarios hypothétiques afin de mieux comprendre les relations complexes entre plusieurs variables. Dans le domaine du développement et de l’ingénierie, ces variables peuvent être le volume des données, la mémoire allouée, la vitesse des entrées-sorties, la bande passante du réseau et les paramètres des machines virtuelles. L’apprentissage automatique est très flexible : une fois les variables identifiées, vous pouvez l’utiliser pour modéliser différentes combinaisons de ces variables afin de déterminer un ensemble « optimal ».
Par exemple, Laurent Querel, ingénieur émérite chez F5, et Sébastien Soudan, architecte senior chez F5, ont collaboré et ont récemment publié un article expliquant comment ils ont conçu un modèle afin de « créer un moyen efficace de transférer des données de PubSub vers BigQuery ».
Ils expliquent également pourquoi le recours au machine learning est aujourd’hui un meilleur choix pour optimiser les logiciels, et ils le font si bien que je vais simplement les citer :
« Aujourd’hui, l’optimisation logicielle est un processus itératif et essentiellement manuel, dans lequel des profileurs sont utilisés pour repérer les goulots d’étranglement qui nuisent aux performances du code. Ces profileurs mesurent les performances du logiciel et génèrent des rapports que les développeurs peuvent examiner afin d’optimiser davantage le code. L’inconvénient de cette approche manuelle est que l’optimisation dépend de l’expérience du développeur et qu’elle est donc très subjective. Elle est lente, non exhaustive, sujette aux erreurs et aux biais humains. La nature distribuée des applications cloud natives complique encore davantage le processus d’optimisation manuelle. »
Une autre forme d’ingénierie des performances, encore sous-exploitée et plus globale, repose sur des expérimentations de performance et des algorithmes d’optimisation en boîte noire. Plus précisément, notre objectif est d’optimiser le coût d’exploitation d’un système complexe comportant de nombreux paramètres. »
Les facteurs qui motivent l’utilisation de l’IA — et plus particulièrement de l’apprentissage automatique — dans le développement sont sensiblement les mêmes que ceux qui favorisent son adoption dans l’ensemble des opérations informatiques : les processus manuels sont lents, sujets aux erreurs et exposés aux biais humains.
Lorsque nous parlons de la modernisation de l’informatique et de l’évolution constante vers une entreprise entièrement numérique, cela inclut également le développement et l’ingénierie.
Je vous recommande de lire « Optimisez vos applications à l’aide de Google Vertex AI Vizier », ne serait-ce que pour vous faire une idée du processus de conception d’un modèle adapté et des enseignements qu’ils ont tirés de leur expérience.
À propos de l’auteur
Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.
Autres articles de Lori Mac VittieArticles de blog associés
Pourquoi devriez-vous vous intéresser à WebAssembly ?
WebAssembly (Wasm) est un jeu d’instructions binaires portable, rapide et sécurisé, qui permet d’exécuter des applications hautes performances sur n’importe quelle plateforme.
Trois choses à savoir sur les applications d’IA
Les applications d’IA sont des applications modernes, mais elles présentent certaines particularités. Découvrez les points essentiels à connaître sur les applications basées sur l’IA.
État des lieux de la stratégie applicative 2022 : il est temps de moderniser les opérations
Il est devenu évident que, pour maintenir la dynamique de leur transformation numérique, les organisations doivent recentrer leurs efforts sur les fonctions métier. Si les expériences destinées aux clients restent prioritaires, il est également indispensable de permettre la numérisation de fonctions telles que les services juridiques, les ressources humaines et la finance. Les DSI prennent donc les commandes, tandis que la transformation numérique passe de la modernisation des applications à celle des opérations.
Clouds multiples ou multicloud : faciliter la transition
La gestion et la sécurisation des charges de travail deviennent complexes à mesure que les entreprises adoptent une stratégie de cloud connecté. Découvrez comment F5 répond au besoin d’une nouvelle approche de la mise en réseau multicloud.
L’expérience client dépend de la visibilité
Une enquête menée par Dimensional Research auprès de plus de 3 000 utilisateurs d’applications mobiles a confirmé ce que beaucoup d’entre nous pensent des attentes actuelles des clients.
Transformation numérique et explosion du portefeuille d’applications
La transformation numérique stimule la croissance des portefeuilles d’applications et modifie la manière dont celles-ci sont développées, déployées, intégrées et, en définitive, utilisées.