Il n'y a pas si longtemps, nous avions des ingénieurs en infrastructure qui géraient divers composants comme le stockage, la sauvegarde, le réseau, la sécurité, les systèmes d'exploitation et les machines virtuelles (VM), et nous avions des experts pour chaque domaine technologique. Plusieurs de ces technologies ont été automatisées avec l'apparition de l'IaaS et du PaaS. Cela a conduit à l'évolution des compétences vers les ingénieurs de plateforme et les SRE, qui n'avaient plus à se soucier de l'infrastructure sous-jacente puisqu'elle était virtualisée et automatisée. Toutefois, ce modèle n'a connu de succès que dans des environnements hautement automatisés; la majorité des clients continuent de posséder des environnements traditionnels importants où l'automatisation de l'infrastructure et de la plateforme reste limitée. Ces environnements sont encore gérés et exploités par des équipes d'ingénieurs traditionnelles.
La plupart du temps, ces environnements exécutent des applications back-office traditionnelles et les clients ne souhaitent pas investir dans la modernisation des applications et/ou de l'infrastructure sous-jacente. Ils voient un retour sur investissement limité dans cette modernisation et n'ont d'autre choix que de faire fonctionner ces environnements tels quels, sur site ou dans le nuage.
L’IA agentique ouvre deux perspectives très distinctes pour que les clients d'entreprise ciblent ces environnements hérités. La première consiste à optimiser le support nécessaire pour maintenir ces applications existantes, et la seconde à accélérer la modernisation des applications à partir de ces environnements hérités.
Avec l’IA agentique, nous pouvons désormais avoir des agents intelligents capables de comprendre le contexte de l’environnement hérité et de profiter des procédures opérationnelles normalisées (SOP) de dépannage pour offrir une capacité en libre-service aux utilisateurs finaux afin d’automatiser la résolution de leurs demandes de maintenance applicative. Ces solutions d’IA agentique collaborent avec de multiples agents et chaque agent est responsable de ses tâches unitaires à l’aide d’un playbook bien défini, des outils associés et des sources de données d’entreprise. Chez HCLTech, nous avons développé une solution native pour Google qui exploite Vertex AI Agent Framework, Dialog Flow et Agentspace pour automatiser la résolution des billets de support de maintenance d’applications héritées en utilisant la puissance de l’IA agentique.
Pour les clients qui souhaitent moderniser des applications héritées, nous avons introduit les capacités de Google IA agentique, qui les aident à containeriser leurs applications existantes à un coût raisonnablement inférieur et avec un taux de réussite plus élevé. HCLTech a conçu une solution agentique de modernisation des applications composée d’un agent d’évaluation, d’un agent de conversion et d’un agent de test, tous travaillant à accélérer les parcours de containerisation d’applications et à réduire la dette technique.
- L’agent d’évaluation passe à travers la base de code pour identifier les obstacles au code qui empêchent les applications d’être containerisées et fournit des recommandations sur la façon de traiter ces obstacles
- L’agent de conversion, en utilisant les recommandations, corrige automatiquement le code pour lever les obstacles
- L’agent de test identifie les bogues dans le code et fournit les correctifs nécessaires
Une réduction plus rapide de la dette technique favorisera également la migration vers l’IaaS et le PaaS, alors qu’un plus grand nombre d’applications pourront être exécutées dans des environnements conteneurisés hautement automatisés. Selon les estimations, les organisations peuvent économiser jusqu’à 40 % sur les coûts d’infrastructure et 30 % sur les coûts de licences logicielles en migrant vers des environnements conteneurisés.
Cette transition ouvre la porte à un deuxième cas d’utilisation pour l’IA agentique. Des agents d’IA peuvent être introduits pour gérer les environnements réseau, stockage, sauvegarde et sécurité, aidant ainsi les entreprises à tendre vers le modèle NoOps. Dans ce scénario, en cas de problème de performance ou de disponibilité, les agents se parlent et contribuent à résoudre le problème, tout comme l’auraient fait les experts en la matière dans un environnement traditionnel. Cela peut se traduire par des économies de 25 à 30 % sur les coûts de gestion de l’infrastructure pour les clients d’entreprise.
Ces agents peuvent également être déployés dans des environnements traditionnels, mais leur efficacité et leur retour sur investissement restent incertains.
HCLTech, en collaboration avec Google Cloud, a lancé une gamme d’agents qui contribuent à l’automatisation des opérations d’infrastructure et de nuage, permettant d’optimiser les coûts jusqu’à 25 %.
Ces agents peuvent être déployés clés en main à partir du catalogue prédéfini d’agents disponible chez HCLTech, avec un modèle standard de support aux agents pour l’ajustement, la sécurité et une IA responsable. De plus, des équipes GenAI spécialisées par HCLTech peuvent être mobilisées pour toute personnalisation.
