FOCUS : optimisation du Cloud grâce à l’intelligence Artificielle

Dans d’autres secteurs, l’épuisement professionnel et le chaos s’installent. FOCUS, une norme cloud ouverte de la Fondation FinOps, vise à apporter de la transparence aux coûts, et les résultats sont déjà là. Un changement discret mais profond s’opère au sein des équipes d’exploitation de nombreuses entreprises : face au dynamisme croissant des infrastructures cloud modernes, les modèles d’exploitation informatique traditionnels atteignent leurs limites.

L’ajustement d’un déploiement multicloud représente déjà un véritable défi pour ces équipes. Un changement de paradigme fondamental se profile à l’horizon. La pression pour optimiser en permanence les opérations cloud selon des critères tels que le coût et la durabilité est constante. Parallèlement, les professionnels du cloud travaillent déjà à pleine capacité. Des événements imprévus et l’évolution rapide des scénarios multicloud menacent de faire perdre le contrôle aux équipes d’exploitation. Un consensus se dégage: il faut de meilleurs outils.

Opérations cloud : un gaspillage d’argent pour beaucoup

Une part importante des dépenses liées au cloud public est gaspillée. Les surcoûts dans le cloud ne résultent généralement pas d’une seule erreur grave, mais plutôt d’une multitude de petites opportunités manquées qui s’accumulent, se propagent et engendrent des inefficacités. Un léger surdimensionnement ici, un défaut de libération de ressources là : le potentiel d’optimisation existe, mais les compétences nécessaires pour agir rapidement et avec précision font défaut. L’optimisation des opérations cloud ne doit pas compromettre la continuité de service.

L’analyse rétrospective des dépenses cloud est insuffisante pour optimiser les coûts, car elle est par nature tardive. Les contrôles de coûts a posteriori classiques, c’est-à-dire les analyses des dépenses cloud qui examinent les événements passés, interviennent longtemps après que l’argent a déjà été dépensé. Les mesures correctives ne sont pas appliquées rétrospectivement. Les décisions opérationnelles sont prises arbitrairement, et par conséquent, tout écart par rapport à l’état souhaité est considéré comme une erreur de notre part.

FOCUS – Lutter contre la mauvaise utilisation croissante du cloud

Les principaux fournisseurs de cloud computing intègrent depuis longtemps des optimisations basées sur l’IA directement dans leur infrastructure. Aujourd’hui, une évolution similaire s’opère au sein des entreprises utilisatrices de ces services. L’optimisation du cloud par l’intelligence artificielle semble simple. Chaque plateforme cloud utilise sa propre structure, sa terminologie et sa présentation pour les données de facturation et d’utilisation. Il est donc difficile d’imputer les coûts de manière causale aux équipes, aux projets ou aux applications. En l’absence de standardisation, les entreprises utilisatrices, avec leurs outils d’analyse et d’optimisation, sont désavantagées par rapport aux fournisseurs de cloud.

FOCUS, une norme open source de la FinOps Foundation, permet de créer des données normalisées de coûts et d’utilisation à partir de diverses sources, telles que les fournisseurs de cloud public, les plateformes SaaS et les centres de coûts internes, rendant ainsi les différentes options comparables.

FOCUS norme open source de la FinOps Foundation

Pour lutter contre la fragmentation et le manque de transparence des données de facturation du cloud, la FinOps Foundation a développé FOCUS, une norme open source pour les données d’utilisation et de facturation. FOCUS (FinOps Open Cost and Usage Specification) vise à éliminer la complexité liée à l’incohérence des formats de facturation, rendant ainsi les données de facturation du cloud comparables entre différents fournisseurs et facilitant l’analyse et l’optimisation de la répartition des coûts. FOCUS propose un schéma unifié qui standardise la terminologie et la structure. Ceci permet d’utiliser des données normalisées de coûts et d’utilisation provenant de diverses sources, telles que les fournisseurs de cloud public, les plateformes SaaS et les centres de coûts internes, dans des analyses permettant de quantifier et d’optimiser de manière transparente la consommation, le profil de coûts et l’efficacité opérationnelle dans le cloud.

FOCUS propose un schéma unifié qui standardise la terminologie et la structure. Parallèlement à l’AIOps et au MLOps, deux nouvelles taxonomies gagnent en importance, promettant de rendre les environnements cloud plus efficaces, évolutifs et résilients. Ces deux approches se concentrent sur l’intelligence artificielle et l’apprentissage automatique, mais les similitudes s’arrêtent là.

AIOps pour le CloudOps

L’AIOps (Intelligence Artificielle pour les Opérations Informatiques) désigne l’utilisation de l’intelligence artificielle pour automatiser et optimiser la gestion des services informatiques et des flux de travail opérationnels. Une plateforme AIOps analyse en continu toutes les données opérationnelles, des journaux et indicateurs aux traces, afin de surveiller l’état du déploiement cloud. Le MLOps, quant à lui, désigne la création d’un pipeline automatisé pour déployer les modèles d’apprentissage automatique en production et connecter les équipes de science des données, d’opérations de données et d’infrastructure.

L’AIOps offre aux équipes d’exploitation informatique une visibilité complète et un contexte exhaustif, leur permettant de réagir plus rapidement et de manière proactive aux problèmes de performance et aux interruptions de service. Une plateforme AIOps utilise l’apprentissage automatique interne pour identifier les tendances et les anomalies, analyser les causes profondes et effectuer des prédictions. Cela permet également des interventions proactives pour optimiser les opérations cloud.

Dans son rapport, Tendances technologiques 2025, Forrester prévoit une forte croissance de l’utilisation des plateformes AIOps: les entreprises devraient tripler leur adoption cette année. L’objectif principal est de réduire la dette technique et d’accroître l’efficacité opérationnelle. Les analystes confirment que les solutions AIOps modernes sont capables d’affiner le jugement des équipes informatiques grâce aux données contextuelles, d’automatiser la résolution des incidents et, en fin de compte, d’améliorer les résultats commerciaux. Le marché de l’AIOps devrait connaître une croissance exponentielle dans les années à venir. D’ici 2029, il devrait passer de 12,17 milliards de dollars US en 2026 à 33,57 milliards de dollars US. Cette croissance est principalement due aux progrès réalisés dans la conteneurisation et la gestion des microservices, à l’augmentation continue des alertes cloud et à l’adoption croissante des pratiques agiles et DevOps. On observe également une convergence accélérée entre l’AIOps et le MLOps.

Selon le rapport, les entreprises s’appuient de plus en plus sur l’automatisation intelligente et l’orchestration par intelligence artificielle pour optimiser intelligemment leurs environnements multicloud. Parallèlement, les solutions de sécurité et de conformité basées sur l’IA gagnent rapidement en importance. Les modèles avancés de détection des menaces, soutenus par l’apprentissage automatique, permettent une identification plus précise des schémas d’attaque et renforcent de manière proactive les architectures de sécurité. Ceci est complété par des cadres de gouvernance qui intègrent en continu les exigences réglementaires dans les processus opérationnels.

Un autre facteur à l’origine de cette évolution est la prévalence croissante de composants matériels spécialisés, tels que les unités de traitement tensorie et les GPU hautes performances. Ces plateformes accélérées par l’IA transforment les fondements économiques du cloud computing, permettant ainsi d’exécuter des processus de calcul complexes plus rapidement et à moindre coût, notamment pour les charges de travail d’IA gourmandes en ressources. Face à cette convergence technologique, les équipes cloud des entreprises doivent repenser leurs stratégies. Celles qui reconnaissent rapidement le potentiel de la transformation pilotée par l’IA et l’intègrent de manière stratégique acquièrent un avantage considérable.

Les entreprises optent de plus en plus pour des plateformes complètes et unifiées afin de simplifier et d’optimiser leur infrastructure informatique et de réduire leur dette technique, une tendance qui accélère encore la convergence des processus opérationnels et de sécurité. Les analystes considèrent la fusion de diverses plateformes axées sur les données, afin d’intégrer étroitement l’AIOps, le DevOps, le DevSecOps et l’ingénierie de la fiabilité des sites (SRE), comme une suite logique de ces évolutions. L’intégration étroite entre les opérations de sécurité et l’AIOps renforcerait la résilience, la détection des menaces et la conformité. L’adaptation des processus opérationnels basés sur l’IA aux exigences strictes en matière de protection des données et de conformité est une condition préalable à l’acceptation et à l’utilisation durable de l’AIOps, malgré les préoccupations croissantes en matière de sécurité.

Le recours accru aux processus décisionnels automatisés et fondés sur les données favorisera l’intégration de l’IA dans la résolution de problèmes liés au cloud computing.