Juniper Networks – Privilégiez l’automatisation pour la gestion des charges de travail complexes !

D’une manière générale, l’automatisation est envisagée comme un ensemble de scripts conçus pour faciliter la réalisation de tâches quotidiennes standard qui semblent toujours prendre trop de temps.

Or, limiter l’automatisation au fait de se libérer de tâches courantes est bien trop restrictif ; les attentes doivent être plus ambitieuses !

Supprimer les erreurs

Dans le domaine des réseaux, l’automatisation est dominée par les scripts shell et Perl, dont les tâches principales concernent un ensemble assez restreint de workflows souvent répétés et nécessitant peu de réglages.

Dans la plupart des cas, ces tâches ont pour objectif de réduire le nombre d’instructions nécessaires, pour gagner du temps tout en limitant la probabilité d’erreur humaine.

Gagner du temps et limiter les fautes de frappe sont certes deux objectifs louables. Mais si ces seuls objectifs gouvernent la recherche d’un environnement plus automatisé, il existe des moyens bien plus simples de parvenir à ses fins…

Vous êtes chef d’entreprise et votre objectif est de rendre vos collaborateurs plus efficaces avec un clavier ? Vous pouvez envoyer toute votre équipe d’exploitation suivre une formation de dactylo.

Certes, ils taperont plus vite et feront moins d’erreurs. Ridicule ? Il est vrai que l’automatisation devrait bel et bien permettre de faire les choses plus rapidement. Pourtant, ce n’est pas la saisie de commandes de configuration ou d’exploitation qui prend le plus de temps pour obtenir la réponse à une requête…

Cibler les tâches les plus chronophages

Pour profiter au mieux de l’automatisation, il est impératif de déterminer les tâches les plus chronophages.

Réduire le temps qu’il faut pour taper des commandes revient à gagner quelques secondes sur un vol transatlantique. Gagner du temps est-il intéressant ? Oui. Est-ce suffisant ? Sans équivoque, non.

Pour cibler les tâches les plus chronophages, il faut comprendre où le temps s’accumule.

D’un point de vue très générique, le temps écoulé s’accumule à la jonction entre deux éléments. Par exemple, lorsque deux outils doivent être utilisés pour réaliser une tâche, une étape manuelle est requise pour prendre les informations données par un outil et les utiliser pour donner un contexte à l’autre outil.

Une intervention humaine est généralement nécessaire pour lire l’information produite, déterminer l’étape suivante, puis l’exécuter ailleurs dans le workflow.

C’est pourquoi aujourd’hui, lors de la sélection d’un nouvel outil participant à un workflow, une grande attention est portée sur ses API (Application Programming Interface), ensemble normalisé de classes, méthodes ou de fonctions qui sert de façade par laquelle cet outil peut offrir ses services à d’autres outils.

Quelle place pour l’intelligence artificielle ?

Dans la plupart des workflows, le rôle de l’humain consiste à examiner les données et à déterminer les étapes suivantes. La méthode, pour les réseaux en tout cas, consiste à rechercher des schémas répétitifs. Pour la majorité des opérateurs, la mise en réseau est moins théorique que pratique.

Ce fonctionnement est assez semblable à celui que suivent la plupart des médecins. Dès qu’ils rencontrent un symptôme connu, ils prescrivent un traitement. Si plusieurs traitements correspondent au symptôme, ils cherchent des symptômes associés. Aucune magie : il s’agit simplement de rechercher des schémas répétitifs.

Le problème est que les humains sont uniquement capables de rechercher des schémas déjà connus. Ainsi, la capacité d’un opérateur à diagnostiquer correctement une situation et à proposer une solution dépend du fait qu’il ait déjà rencontré une situation similaire.

Ceci explique pourquoi chaque problème majeur est vraiment un problème majeur. Si la situation problématique est une première, remonter jusqu’à sa cause principale peut se révéler excessivement ardu (les échecs étant souvent dus à des causes des plus improbables).

Un des avantages du machine learning est lié au fait que les modèles peuvent être enseignés et, plus important encore, partagés. Dans les faits, l’apprentissage automatique permet de rassembler et partager les expériences, pour rechercher des schémas répétitifs avec une efficacité et une exhaustivité inaccessibles au commun des mortels.

En résumé, l’automatisation est un objectif respectable. Mais en se contentant d’espérer gagner quelques minutes sur le temps écoulé par rapport à la saisie manuelle, la barre est placée si bas qu’il n’y aura aucune difficulté à la franchir.

L’automatisation avec les moyens techniques dont nous disposons aujourd’hui doit être consacrée à la collaboration entre les outils, entre les personnes et même entre les organisations dans un souci de recherche de plus d’autonomie, d’intelligence et d’anticipation dans la prise de décision.

L’automatisation vise certes à rendre l’exécution d’une ou plusieurs taches de manière automatique mais cela se doit d’être la conséquence d’un traitement lui aussi automatisé de données qui aura abouti en amont à cette décision. Ceux qui ne voient dans l’automatisation qu’un avantage apporté au workflow d’un seul appareil ou d’un ensemble d’appareils se doivent de regarder bien plus loin !

Crédit photo : Merrill College of Journalism Press Releases via Visualhunt / CC BY-NC