5 tendances de l’observabilité en 2024

• Observabilité : mesure indiquant dans quelle mesure on peut inférer l’état interne d’un système à partir des résultats de ses sorties externes
  • Collecte, visualisation et analyse des métriques, événements, logs et traces
  • Fournit un riche contexte sur le fonctionnement interne et permet une résolution approfondie des problèmes système
• Récapitulatif de 5 tendances de l’observabilité pour 2024, citées au moins 3 fois parmi les tendances avancées par des entreprises de l’observabilité comme Grafana Labs, Splunk, Dynatrace et Chronosphere, ainsi que par des instituts d’études de marché comme Dimensional Research

1. Influence croissante de l’IA comme « outil » d’observabilité
   • L’IA est utilisée pour la corrélation des signaux, la détection d’anomalies, l’analyse des causes racines et l’optimisation des performances afin d’aider à comprendre plus rapidement « ce qui se passe dans le système »
   • Lorsque l’IA détecte une anomalie, elle passe par l’investigation et la réponse automatisée pour résoudre automatiquement le problème
   • La demande d’outils qui automatisent les processus quotidiens et réduisent les tâches longues favorise l’usage de l’IA dans l’observabilité
   • Pour suivre le rythme de livraison du cloud native, les organisations ont besoin d’analyses précises et prévisibles fondées sur l’IA, avec une automatisation à grande échelle des infrastructures multi-cloud et des pratiques de développement agile
   • En utilisant des outils d’observabilité combinant IA causale, prédictive et générative, il devient possible d’obtenir de riches insights à partir des données d’observabilité, de sécurité et métier, et d’analyser les systèmes en profondeur
   • Bien sûr, il faudra du temps avant de pouvoir considérer que « l’IA a atteint le niveau de fiabilité souhaité par les clients »
2. Importance croissante de l’observation de l’IA comme « objet » d’observabilité
   • L’IA générative produit, à une vitesse explosive, d’énormes volumes de données complexes grâce à l’automatisation et aux gains de productivité
   • Les utilisateurs créent du contenu avec l’IA et développent eux-mêmes leur « propre IA », ce qui génère et fait traiter de grandes quantités de données
   • L’IA exerce une large influence sur de nombreux secteurs de la société, comme la santé, le droit, la finance ou le voyage, et doit donc être bien comprise
   • Le bon fonctionnement de l’IA ou ses biais font partie des objets d’observation importants
   • Les organisations doivent être prêtes à observer l’IA avec précision et de manière concrète
   • Elles doivent savoir comment extraire les métriques, logs et traces de l’IA
3. Efforts de réduction des coûts de l’observabilité
   • De nombreuses entreprises sont préoccupées par les contraintes budgétaires, cherchent des moyens de gérer les coûts sur les plans technique et métier, et pilotent les dépenses IT dans leur ensemble
   • À mesure que les entreprises passent à des environnements multi-cloud ou cloud native, le volume de données générées augmente, tout comme les coûts associés
   • ESG Research : « 69 % des organisations s’inquiètent du fait que l’augmentation des données d’observabilité entraîne, avec le temps, des coûts élevés de collecte et de stockage »
   • Dynatrace : « Les équipes doivent souvent décider quels logs conserver pour l’analyse en temps réel, quels logs supprimer et quels logs stocker dans un stockage low-cost à faible accessibilité »
   • Moyens de réduire les coûts de l’observabilité :
     • Limiter la croissance des données et utiliser des outils qui aident l’organisation à tirer davantage de valeur des données collectées
     • Filtrer les événements redondants et non pertinents qui n’apportent pas de valeur aux résultats d’observabilité
     • Supprimer les valeurs vides, retirer les labels inutiles, convertir les formats de données inefficaces en « formats adaptés aux objets d’observabilité », élaguer et transformer les événements
4. Hausse de la demande pour l’open source et OpenTelemetry
   • De nombreuses entreprises investissent dans les technologies open source pour répondre à leurs craintes de dépendance vis-à-vis des fournisseurs et les intègrent comme une partie de leur stack d’observabilité
   • Selon une enquête de Dimensional Research, 87 % des répondants en charge de l’observabilité estiment que « OpenTelemetry deviendra le standard des données d’observabilité dans les 5 prochaines années »
   • OpenTelemetry est conçu pour générer et gérer des données comme les traces, les métriques et les logs, sans dépendance à un fournisseur spécifique
   • Il peut donc être utilisé avec tous les outils d’observabilité compatibles avec OpenTelemetry
   • Mais l’adoption d’OpenTelemetry en est encore à ses débuts
   • Son adoption soulève encore des questions comme le support technique, la nécessité d’attendre une adoption plus large du marché, ou encore une mauvaise compréhension de sa valeur par la direction
5. Accélération de la consolidation des outils d’observabilité
   • Au lieu d’utiliser plusieurs outils d’observabilité, le mouvement visant à consolider vers les outils d’un ou deux fournisseurs se renforce
   • Selon une enquête de Dimensional Research, les entreprises utilisent en moyenne plus de 7 outils d’observabilité et de monitoring
   • Raisons de cette consolidation : identification plus rapide des problèmes, réduction des coûts, amélioration de la collaboration entre équipes, minimisation des temps d’arrêt, renforcement de la sécurité, simplification de la complexité opérationnelle, réduction des besoins en formation et prévention des silos de données
   • Chronosphere : « Les développeurs et les équipes techniques ne veulent pas passer du temps à naviguer entre différentes interfaces utilisateur ou différents logiciels pour trouver des réponses, ni payer pour plusieurs logiciels »
   • Dimensional Research : « Lorsqu’il y a trop d’outils, il devient plus difficile de montrer les corrélations entre les données, ce qui entraîne un “silo des outils” limitant la visibilité sur l’ensemble de l’environnement »
   • Consolider les outils d’observabilité vers ceux d’un ou deux fournisseurs facilite la réunion de données fragmentées et la standardisation des méthodes de collecte et de consommation des données