La gestion des infrastructures IT, une porte d’entrée pour la Gen AI dans les DSI

Gagner en maturité par l’expérience

Pour ne pas différer ce qui sera sans le moindre doute une révolution majeure, les entreprises doivent s’extraire de la confusion ambiante et se demander tout simplement, avec pragmatisme, ce que cet outil peut faire pour elles dans la mesure de ses capacités actuelles. Elles doivent débuter par des expérimentations, certes de portée limitée mais qui leur permettront d’acquérir une expérience concrète, de première main, de l’IA générative. C’est cette maturité qui leur permettra ensuite d’élargir peu à peu leurs réflexions et leurs usages.

Aujourd’hui, la capacité de la Gen AI qui nous semble la plus indiquée pour ces premiers pas est l’extraction de connaissance, s’appuyant sur la technologie du RAG (Retrieved Augmented Generation). Associant modèle de langage (LLM) et base vectorielle de connaissances, le RAG permet à l’utilisateur d’interagir de manière naturelle, conversationnelle, avec une masse d’informations constituée de toutes sortes de sources de données et de documents, et d’obtenir rapidement une réponse digeste, intelligible et formatée.

D’une efficacité et d’une fiabilité avérées, le RAG est l’un des domaines les plus matures de la Gen AI. En particulier, en se restreignant à un champ de connaissances maîtrisé et délimité, il réduit considérablement le risque d’hallucinations et facilite le contrôle humain en étant capable de fournir ses sources.

Des cas d’usages simples, bénéfiques et instructifs pour l’IT

Parmi les nombreux domaines métiers que le RAG peut intéresser, la gestion des infrastructures IT apparaît comme un excellent candidat pour une première expérimentation. On peut identifier quatre cas d’usage qui sont à la fois relativement simples à mettre en œuvre, rapidement créateurs de valeur et riches d’enseignements pour les projets futurs :

• Compléter, harmoniser et vérifier la documentation des systèmes, souvent très hétérogènes et de générations différentes ;
• Produire des documentations spécifiques pour certains rôles ou certaines tâches de support et d’administration ;
• Faciliter la recherche documentaire pour les supports de niveau 1 et 2, et leur fournir très rapidement des réponses – ou des ébauches de réponse – précises et sourcées ;
• Contrôler la conformité des composants avec l’ensemble des politiques applicables.

Ces cas d’usage apportent immédiatement des bénéfices visibles en termes de qualité et de productivité des équipes d’infrastructure, et facilitent considérablement tous les projets de modernisation. Ils permettent aussi de toucher une première fois du doigt les questions qui se poseront avec davantage d’acuité sur des cas d’usages plus ambitieux ou destinés à d’autres types d’utilisateurs, peut-être moins réceptifs : conduite du changement, impacts sur les métiers, mesure fine du ROI, analyse des risques, implications stratégiques…

Par exemple, le RAG éliminant pratiquement la tâche de recherche documentaire pour le support de premier niveau, le contenu du travail des agents s’en trouve considérablement modifié. L’expérience montre que ces gains ne se traduisent pas par des réductions d’effectifs, mais plutôt par une redéfinition des missions et un redéploiement des ressources qu’il est préférable d’avoir anticipés.

La courbe d’apprentissage sera longue

Parce qu’elle touche au langage, la Gen AI présente un champ d’application pratiquement sans limite. Cependant, pour mettre en œuvre des solutions avancées, où l’on verra, par exemple, des IA s’alimenter les unes les autres et s’intégrer à des robots pour automatiser des processus complexes, les organisations devront impérativement s’être déjà confrontées aux enjeux techniques, pratiques, éthiques, humains, financiers… de cette technologie.

Seule l’expérimentation sur des cas d’usage plus accessibles permettra de sortir des considérations abstraites, souvent contre-productives, pour acquérir, par la pratique, le savoir et le savoir-faire nécessaires. La courbe d’apprentissage de la GenAI sera longue et le RAG appliqué à la gestion des infrastructures permet de s’y engager dès aujourd’hui.

 Dans les perspectives, une architecture à base d’agents est prévue pour outiller nos opérations. Le principe des agents IA consiste à créer des entités autonomes ou semi-autonomes capables de réaliser des tâches spécifiques en suivant des instructions prédéfinies et pouvant faire appel à des services extérieurs à leur seul environnement. Ces agents peuvent être configurés avec des personas, des objectifs, et des outils pour accomplir diverses missions, allant de l’automatisation de processus à l’analyse de données.

Ils peuvent collaborer entre eux pour exécuter des workflows complexes, ce qui permet de gagner en efficacité et en précision. Par exemple, un agent pourrait à l’avenir générer un playbook d’automatisation, effectuer une analyse de cause racine, ou encore déclencher des actions en chaîne pour résoudre des problèmes. Cette flexibilité et cette capacité à opérer de manière autonome rendraient les agents IA particulièrement utiles pour optimiser des opérations plus précises et améliorer la productivité de systèmes plus complexes.