Qu’est-ce que l’IA générative et ouvre-t-elle la voie à l’AIOps ?

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Peut-être. Ses applications vont certainement bien au-delà de la menace qu’il représente pour les moteurs de recherche traditionnels ou de la rédaction de dissertations de lycée et de textes publicitaires.

Qu’est-ce que l’IA générative ?

L’IA générative est une application de l’apprentissage automatique capable de créer différents types de contenus, tels que du texte, des images ou des fichiers audio, à partir d’instructions formulées en langage naturel. Elle a connu un large succès avec le lancement de ChatGPT — un projet d’OpenAI —, qui a entraîné une multiplication des nouveaux usages dans tous les secteurs.

Si vous n’avez pas encore essayé ChatGPT, je vous encourage à prendre un moment pour lui poser quelques questions. Demandez-lui de vous parler de vous-même, par exemple, ou d’un personnage historique, ou encore de vous expliquer le fonctionnement de quelque chose. Même s’il convient de rester prudent — ChatGPT n’a pas toujours raison —, c’est une expérience révélatrice, car elle est nouvelle en son genre.

ChatGPT a fourni une preuve de concept de l’IA générative. Il nous a donné un aperçu des possibilités qui s’offrent à nous pour travailler différemment et, au sein du bureau du CTO de F5, nous a permis d’explorer des pistes intéressantes quant à son application à la mise à disposition et à la sécurité des applications.

De l’impératif au déclaratif, puis au génératif

L’un des défis liés à l’infrastructure consiste à configurer la multitude d’appareils, de services et de systèmes nécessaires pour fournir et sécuriser ne serait-ce qu’une seule application. Les entreprises utilisent en moyenne 23 services applicatifs différents, sans compter les offres « as a service ».

Bien entendu, la configuration d’un service de protection des applications web et des API diffère de celle d’un simple service d’équilibrage de charge. Cela signifie que les personnes chargées de configurer et d’exploiter les services applicatifs peuvent être amenées à maîtriser une douzaine de « langages » différents.

Le secteur tente de résoudre ce problème depuis des années. Lorsque les API sont devenues le principal moyen de tout configurer, les services de mise à disposition et de sécurité des applications n’ont pas fait exception. Tout le monde a commencé par utiliser des API impératives, qui ont simplement changé la façon dont les commandes étaient transmises. Au lieu de saisir des commandes dans une interface de ligne de commande, vous envoyiez des commandes d’API via HTTP.

Il est rapidement devenu évident que la taxe sur les API liée au recours à des API impératives était trop élevée, et le secteur s’est tourné vers les API déclaratives. Mais malheureusement, la majeure partie du secteur a décidé que « déclaratif » signifiait « configuration au format JSON ». Ainsi, au lieu de respecter l’intention (ce mot est important, souvenez-vous-en) qui sous-tend l’approche déclarative, à savoir « dites-moi ce que vous voulez faire et je le ferai pour vous », nous avons abouti à « voici la configuration que je veux, à vous de faire le plus difficile pour la mettre en œuvre ».

Ce n’est pas tout à fait la même chose, et cela exigeait toujours le même niveau d’expertise concernant le modèle opérationnel propre à une solution donnée. Je ne suis pas certain que le secteur soit jamais parvenu à s’accorder sur la question de savoir si les répartiteurs de charge utilisaient des « pools » ou des « fermes », sans même parler des aspects plus complexes de l’interaction entre les serveurs virtuels, les serveurs physiques et les instances d’application. En définitive, avec l’approche déclarative, le secteur n’a fait que transférer des opérateurs vers le système les tâches liées à l’exécution des commandes.

L’IA générative apporte désormais une forme de développement low-code/no-code. Les résultats ainsi obtenus sont plus fiables que certains autres, car ils reposent sur des spécifications bien structurées qui guident leur génération. Après tout, il n’existe qu’un nombre limité de façons d’écrire « hello world », alors qu’il existe des millions de façons de répondre à une question.

Cela signifie que je devrais pouvoir dire à un modèle entraîné : « Hé, je veux configurer mon répartiteur de charge pour adapter la capacité de l’application A », et le système devrait être capable de me fournir une configuration. Mais au-delà de ça, je devrais pouvoir lui dire : « Donne-moi un script pour effectuer X sur le système Y à l’aide de Z », et BAM ! Il devrait non seulement générer la configuration, mais aussi l’automatisation nécessaire pour la déployer sur le bon système.

Oh, regardez. Il le fait déjà.

Bien sûr, ce code n’est pas prêt pour la production — ni l’adresse IP ni les identifiants ne sont valides, et l’outil a choisi Python (qui n’est ni mon premier, ni mon deuxième, ni mon troisième choix) — mais il est déjà abouti à 90 %, uniquement à partir de documentation accessible au public et d’une invite remarquablement simple. Plus l’invite est détaillée, meilleurs sont les résultats. Le script généré ci-dessous étant assez long, je n’en ai inclus que le début.

Là encore, ce n’est pas prêt à être déployé, mais c’est bien plus proche d’être fonctionnel, et il m’a fallu littéralement moins de quinze secondes pour le générer, sans aucun entraînement de ma part.

Au-delà de la génération : l’automatisation

Mais ça, c’est la partie facile. Je devrais aussi pouvoir lui dire : « Ah, au fait, déploie-le. » Et le système devrait s’en charger pendant que je savoure mon café du matin. Et peut-être même me chanter une petite chanson.

Mais ce n’est pas tout ! Et si je pouvais aussi dire plus tard à un système d’IA générative : « Hé, les utilisateurs de Green Bay se connectent beaucoup et les performances se dégradent. Clone l’application A et déplace-la vers notre site de Milwaukee. »

Et c’est exactement ce qu’il fait. Car, en coulisses, tout cela n’est qu’un réseau d’API, de configurations et de commandes qui peuvent être automatisées par des scripts, comme c’est d’ailleurs souvent le cas aujourd’hui. Ces scripts sont souvent paramétrés, ce qui correspond plus ou moins aux paramètres de mon prompt d’IA : Green Bay, Milwaukee, l’application A. Ce qui change, c’est donc le générateur et la vitesse à laquelle le résultat peut être généré.

Je dis souvent que l’IA et l’automatisation sont des multiplicateurs de force. Car la technologie ne sait pas ce qu’elle doit faire, contrairement à nous. Mais l’IA et l’automatisation peuvent le faire beaucoup plus rapidement et efficacement, ce qui permet d’accroître la productivité, d’accélérer la création de valeur et de libérer du temps pour que les experts puissent se concentrer sur les décisions et les projets stratégiques. Et au fil du temps, l’IA peut apprendre de nous, démultipliant encore davantage nos capacités et ouvrant de nouvelles possibilités.

Ce n’est plus de la science-fiction, mais une réalité informatique.

L’IA générative rendra possible l’AIOps dont nous avons besoin

De nombreuses solutions AIOps actuelles se concentrent uniquement sur la fourniture des informations qui font défaut à 98 % des organisations.

Elles répondent aux problèmes d’hier, pas aux besoins de demain.

Même les plateformes AIOps capables d’agir de manière plus autonome, comme les services de sécurité, restent fortement tributaires de configurations préexistantes et de réponses bien structurées. En règle générale, elles n’utilisent pas l’IA pour permettre aux opérations de s’exécuter de façon plus autonome dans les différentes couches hétérogènes de livraison des applications et de sécurité. Elles exploitent l’IA pour analyser les données et mettre au jour des informations que nous, humains, n’avons ni la capacité ni le temps de découvrir. Mais cela s’arrête souvent là, du moins pour les couches situées au-dessus du réseau et les problèmes de sécurité bien connus.

C’est là que l’IA générative peut prendre le relais, et c’est pourquoi je suis déterminé à explorer jusqu’où nous pouvons pousser cette technologie afin de rendre la mise à disposition et la sécurité des applications « ridiculement simples ».

Bienvenue à la pointe de l’iceberg de l’IA.

À propos de l’auteur

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

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 Vittie