Dépanner les problèmes réseau avec l'analyse prédictive : réalité ou fiction ? (1e partie)
L'analyse prédictive peut révéler des problèmes de réseau avant qu'ils n'affectent la fiabilité ou la performance. Considérée à l'origine comme une technologie futuriste, l'analyse prédictive est en passe de devenir un outil courant de diagnostic et de gestion des réseaux.
Grâce à l'analyse prédictive, tout gestionnaire de réseau peut désormais anticiper divers problèmes réseau et les résoudre avant qu'ils ne produisent des effets préjudiciables. Les outils d'analyse prédictive exploitent différentes technologies et méthodologies comme l'analyse big data, l'exploration de données et la modélisation statistique. On peut, par exemple, entraîner un outil d'analyse prédictive à reconnaître les formes - la reconnaissance automatisée des formes et de la régularité des données - afin d'identifier les problèmes avant qu'ils ne provoquent des dommages ou des pannes partielles ou totales du réseau.
« L'accès à de multiples sources de données épurées et à des redondances intégrées permet de disposer d'informations fiables et précises sur le réseau. Grâce à cette visibilité, il est possible de prévenir les problèmes plus en amont et non plus à y réagir quand ils se produisent », a déclaré Richard Piasentin, directeur de la stratégie chez Accedian, un spécialiste de la performance réseau. Celui-ci précise qu'il est même possible d'intégrer l'analyse dans des systèmes d'orchestration en boucle fermée pour permettre au réseau de corriger lui-même de nombreux problèmes courants. « En fin de compte, avec l'analyse prédictive, les entreprises peuvent faire des économies sur les coûts opérationnels et éviter de passer à côté de problèmes qui peuvent, la plupart du temps, provoquer des pannes complètes », a-t-il ajouté.
Comportement du réseau et seuils de vulnérabilité
Quand elle est correctement conçue et déployée, l'analyse prédictive peut fournir des informations très pertinentes sur tous les problèmes réseau courants et exceptionnels. Elle permet aux opérateurs de gérer toutes les situations, depuis l'élaboration des politiques et le contrôle du réseau jusqu'à la sécurité », a expliqué Rahim Rasool, data scientist associé au Data Science Dojo, un organisme de formation en sciences des données. Par exemple, pour résoudre les problèmes de sécurité, l'analyse prédictive peut utiliser des algorithmes de détection d'anomalies pour repérer les activités suspectes et identifier les failles de sécurité potentielles. « Ces algorithmes analysent le comportement des réseaux impliqués dans le transfert de données et distinguent les activités légitimes des autres », a ajouté M. Rasool. « Les systèmes d'analyse prédictive permettent de détecter les vulnérabilités sur un réseau avant les pirates informatiques et donc de mettre en place un mécanisme de défense avant leur exploitation ».
L'analyse prédictive peut également servir à évaluer les capacités d'une infrastructure par rapport aux seuils d'alerte. « Presque tous les signaux ont une limite supérieure et une limite inférieure dont le degré dépend des capacités de l'infrastructure », a expliqué Gadi Oren, vice-président de l'évangélisation technologique chez LogicMonitor, une entreprise qui exploite une plate-forme de surveillance des performances basée sur le cloud. « Par exemple, l'interface d'un appareil ne peut transférer qu'une certaine capacité par unité de temps avant d'être saturée », a-t-il ajouté. Et certains signaux sont conditionnés par les seuils d'alerte. « En comparant la tendance et la variance d'une capacité, on peut prédire à quel moment un système physique sera au maximum de sa capacité ou à quel moment il est susceptible d'atteindre un seuil et provoquer une alerte ».
L'analyse prédictive en action
Presque tous les types de réseaux d'entreprise pourraient utiliser l'analyse prédictive, mais les réseaux transportant des données cruciales dans des secteurs comme la santé, les services d'interventions d'urgence et le trafic aérien peuvent tirer le meilleur parti de cette technologie. Les services publics d'électricité sont aussi particulièrement concernés par la fiabilité du réseau, car une panne, même mineure, peut entraîner des préjudices humains et financiers importants. « Nous utilisons des modèles d'apprentissage machine pour prédire les pannes futures qui peuvent avoir un impact sur le réseau d'un client en fonction d'un événement météorologique à venir et nous contribuons à améliorer l'intégrité des données en détectant et en corrigeant les erreurs dans le modèle de réseau du client », a expliqué Farnaz Amin, directrice principale des produits numériques pour l'analyse des réseaux chez GE Power.
Présent dans plus de 180 pays, GE Power affirme qu'il produit un tiers de l'électricité mondiale, équipe 90 % des services publics de transport d'électricité dans le monde et développe des logiciels qui gèrent plus de 40 % de l'énergie mondiale. Mais, à mesure que les réseaux de transport d'électricité se complexifient, en grande partie à cause de l'implication plus importante des technologies d'énergie renouvelable, la production est davantage soumise à des fluctuations liées à la diminution imprévue du vent ou de la lumière du soleil. D'où l'importance de bien gérer le réseau de transport pour éviter des pannes d'électricité, d'importantes pénalités financières, et une altération de l'image des services publics. Pour répondre à cette préoccupation, GE Power s'est tourné vers l'IA afin de faciliter la mesure et la prévision de la résilience de la production et rendre le réseau électrique plus stable.
Pour lire la seconde partie de ce sujet, cliquez sur ce lien.
