Enquête : réussir l’IA dans les réseaux reste un défi de taille pour les responsables informatiques

Une nouvelle enquête de Foundry montre que les responsables informatiques sont d’accord sur l’idée que l’intelligence artificielle (IA) peut les aider à résoudre un problème de longue date avec les réseaux d’entreprise : faciliter la gestion quotidienne des réseaux. Cela promet à son tour de libérer le service informatique pour qu’il puisse consacrer plus de temps aux initiatives stratégiques tout en conservant une expérience supérieure pour les utilisateurs finaux.

L’IA peut apporter un changement transformationnel dans les réseaux d’aujourd’hui avec de nombreux avantages, affirment les personnes interrogées. Mais l’enquête a également révélé des variations dans la manière dont les responsables informatiques mettent en œuvre l’IA dans leurs réseaux, certains tirant parti d’une approche « ciblée » qui pourrait ne pas produire les résultats escomptés.

Objectifs de l’IA dans les réseaux

Les 110 hauts responsables informatiques ont identifié ces objectifs pour poursuivre l’IA dans les réseaux, chacun choisi par 30 % ou plus des personnes interrogées :

• Prise de décision basée sur les données
• Conformité et gestion des risques
• Améliorer la qualité de service (QoS) et l’expérience utilisateur
• Améliorer la fiabilité et la disponibilité du réseau

Lorsqu’on leur a demandé de choisir leur objectif le plus important, « l’amélioration de la fiabilité et de la disponibilité du réseau » est arrivé en tête, choisi par 17 % des personnes interrogées.

Cela est logique pour Sharon Mandell, CIO de Juniper Networks, qui affirme que « vous ne pouvez pas faire les choses intéressantes en informatique tant que les fonctions de base ne fonctionnent pas suffisamment bien pour ne pas être une distraction ».

Ces « choses intéressantes » incluent la concentration sur les efforts de transformation numérique, qui était le principal projet sur lequel les personnes interrogées ont déclaré qu’elles consacreraient plus de temps. Juste derrière : les projets d’analyse de données et de business intelligence ainsi que la cybersécurité.

Mais ces gains de temps ne se matérialiseront, poursuit Mandell, que si les entreprises réussissent à déployer l’IA dans leurs réseaux, une tâche qui n’est pas sans défis, notamment les quatre principaux identifiés par les personnes interrogées :

• Protéger le réseau contre les menaces spécifiques à l’IA
• Assurer la durabilité à long terme des initiatives d’IA
• Répartir efficacement les ressources entre l’IA et d’autres initiatives
• Suivre le rythme rapide de l’évolution de la technologie des réseaux d’IA

Évaluation des options de déploiement

L’enquête a également révélé de fortes différences dans l’approche adoptée par les entreprises pour mettre en œuvre l’IA dans leurs réseaux.

Vingt pour cent des personnes interrogées sont favorables à une approche ciblée, dans laquelle ils ajoutent des solutions d’IA aux réseaux existants sans modifications significatives de l’infrastructure. Plus d’un tiers (35 %) déclarent adopter une approche « intégrée », qui implique une refonte de l’infrastructure réseau pour intégrer pleinement les capacités de l’IA. Un peu plus (37 %) privilégient une approche hybride qui utilise un mélange de solutions d’IA complémentaires et intégrées.

Ceux qui utilisent une approche ciblée auront intrinsèquement du mal à intégrer l’IA dans leur infrastructure informatique et, par conséquent, à tirer pleinement parti des avantages transformationnels de l’IA.

Juniper Networks adopte une approche différente. Selon Mandell, sa plateforme de réseautage AI-Native a été conçue et développée avec l’intégration de l’IA comme composant principal. Contrairement à d’autres plates-formes, la plate-forme Mist AI basée sur le cloud de Juniper Networks utilise des données réelles pour reconnaître les problèmes de réseau au fur et à mesure de leur développement et les résoudre avant qu’ils n’entraînent des problèmes de performances ou des temps d’arrêt, sans l’aide d’un administrateur réseau.

Il est difficile d’exploiter cette capacité à fournir des données au moteur d’IA et à en recevoir des instructions, explique Mandell. « C’est pourquoi l’aspect cloud natif est important », dit-elle. « C’est une combinaison d’IA-Native et de cloud-native qui fait que cela fonctionne. »

Pour plus d’informations ou pour lire le rapport complet, Cliquez ici.