Sélectionner une page

Le machine learning en renfort de l’automatisation de la gestion du réseau

Le machine learning en renfort de l’automatisation de la gestion du réseau

La complexité du réseau est plus que jamais le grand défi des équipes en charge de son administration. La gestion manuelle devient une mission difficile pour concilier performance et sécurité. C’est pourquoi introduire davantage d’automatisation offre un réel intérêt. L’intelligence artificielle, en particulier en mode machine learning, apporte un renfort de poids à l’automatisation d’un réseau intuitif.

 

La complexité du réseau et du trafic monte en force dans de nombreuses entreprises. Divers facteurs l’expliquent : les migrations d’applications du data center au cloud, les maillages de sites distribués, la segmentation du réseau pour intégrer les produits d’environnements multifournisseurs, les connexions multiples d’objets connectés dont le nombre doit passer à 20 milliards en 2020 selon Gartner… Les équipes en charge de l’administration et de la sécurité du réseau peuvent ainsi manquer de visibilité sur tous les changements et peiner à maintenir la performance et la sécurité de l’ensemble.

 

Le besoin d’automatiser la gestion du réseau

La gestion manuelle finit par surcharger les équipes et ne permet plus d’éviter les lenteurs applicatives, les failles de sécurité, les risques d’erreurs humaines. Les administrateurs réseau se tournent donc vers l’automatisation pour alléger la tâche.

Selon l’étude SoNAR 2019 de Juniper Networks, la sécurité et l’agilité font partie des principaux facteurs qui motivent à automatiser le réseau (respectivement 67 % et 60 % des réponses). De plus, la grande majorité des entreprises (96 %) s’est mise à l’automatisation des opérations réseau, même si pour une garde part (88 %) la démarche est récente – moins de quatre ans.

Dans sa version optimale, l’automatisation rend le réseau intuitif et capable de s’auto-gérer sans intervention humaine, avec une gestion des changements selon des règles de sécurité communes et centralisées. Pour y parvenir, le réseau doit gagner en intelligence logicielle, notamment par machine learning.

 

La valeur ajoutée du machine learning

Le machine learning met en action des systèmes qui collectent les données et les interprètent pour en tirer des apprentissages. Il identifie ainsi des modèles, les applique et fait correspondre les données recueillies à des situations déjà observées. Ce qui induit qu’il sait aussi repérer les anomalies.

L’intérêt du machine learning pour la gestion du réseau réside dans l’ajout de cette intelligence logicielle pour corréler en continu l’état du trafic à des modèles de référence. Le réseau automatisé et auto-apprenant peut ainsi prendre en charge de nombreux scenarios : suivi des demandes de changement, identification rapide des risques et problèmes de sécurité, anticipation des problèmes de capacité et de congestion, meilleure identification de retards, des cycles de maintenance, des comportements de certains utilisateurs….  

Une condition s’impose toutefois pour aboutir à une gestion automatisée la plus exhaustive possible grâce au machine learning : disposer d’une collecte de données complètes. C’est pourquoi il importe de déployer le machine learning dans la gestion du réseau en standardisant les données incomplètes collectées et/ou en créant de nouveaux algorithmes capables de les traiter.

 

Une bouffé d’oxygène pour les équipes

Grâce à une automatisation du réseau enrichie par machine learning, les administrateurs réseau gagnent en visibilité sur l’architecture elle-même, en contrôle, en temps, en efficacité. Ils sont en mesure de passer à un niveau supérieur de compréhension des opérations exécutées sur le réseau. Ils peuvent aussi plus facilement cerner la topologie du réseau et appliquer une configuration optimale.

Toujours selon l’étude SoNAR 2019, l’automatisation du réseau apporte des résultats concrets et très positifs pour les équipes en charge de l’administration : les répondants ayant automatisé au moins 40 % de leur réseau indiquent dépasser leurs objectifs de qualité de services et de produit pour le réseau (83 % des répondants), pour la sécurité (75 %), pour l’efficacité opérationnelle (77 %) et en termes de satisfaction utilisateur (71 %). Aussi, l’automatisation du réseau a toutes les raisons d’avancer à grands pas à l’avenir et l’IA ne manquera pas de la seconder.

A propos de l'auteur

Recevez par mail les articles et actualités de Au coeur des InfrasJe m'inscris à la Newsletter