Formation AIOps Foundation

Formation AIOps Foundation

[Jour 1 – Matin]

Introduction, Fondations et Écosystème de l’AIOps

• Histoire de l’AIOps, prédécesseurs et facteurs d’adoption sur le marché
• Qu’est-ce que l’AIOps ? Définition, philosophie et distinction par rapport à l’ITOA
• Les étapes de maturité et d’évolution d’un système AIOps
• Synergie avec les autres pratiques : AIOps et DevOps, AIOps et SRE, AIOps et la Sécurité
• Atelier pratique : Analyse et cartographie de la maturité opérationnelle actuelle d’une infrastructure type et identification des goulots d’étranglement éligibles à l’AIOps.

[Jour 1 – Après-midi]

Technologies au Cœur de l’AIOps : La Donnée (Big Data)

• Qu’est-ce que le Big Data dans le contexte des opérations ? Les 5 V de la donnée opérationnelle
• Typologies et sources des données AIOps : Métriques, Logs, Traces (Observabilité) et événements
• Cycle de vie de la donnée : De la collecte brute (ingestion) au traitement par la plateforme AIOps
• Atelier pratique : Simulation de flux de données d’observabilité massives, classification des types de données et identification des mécanismes de réduction du bruit (noise reduction).

Technologies au Cœur de l’AIOps : L’Intelligence Artificielle et le Machine Learning

• Concepts de base de l’IA et positionnement du Machine Learning (ML)
• Comment les modèles de ML apprennent : Différence entre apprentissage supervisé et non supervisé appliqué aux anomalies
• L’essor des grands modèles de langage (LLMs) et de l’IA Générative dans l’analyse des causes racines (Root-Cause Analysis)
• Évolution future de l’IA dans la remédiation automatique des incidents
• Atelier pratique : Manipulation d’un outil visuel d’analyse prédictive pour détecter des comportements anormaux (anomalies) sur un historique de métriques système.

[Jour 2 – Matin]

Cas d’usage et Posture Organisationnelle de l’AIOps

• Remplacement des processus manuels par l’automatisation intelligente
• Le changement de posture d’équipe : Passer d’une approche réactive à un modèle proactif
• Changer de logique : Du raisonnement déterministe (règles et seuils fixes) au raisonnement probabiliste
• Revue approfondie des cas d’usage clés (corrélation d’alertes, détection précoce d’anomalies, automatisation des réponses)
• Atelier pratique : Scénarisation de la transition d’un centre de supervision (Alert fatigue) vers un flux de travail guidé par l’AIOps (probabilités de pannes et suggestions de résolution).

[Jour 2 – Après-midi]

Évaluation de l’Impact : Métriques et Performance

• Utilisation des standards de l’industrie pour quantifier les résultats de l’AIOps
• Corrélation directe avec les métriques DORA (Fréquence de déploiement, MTTR, taux d’échec)
• Intégration de l’AIOps dans la gestion des niveaux de service : SLA, SLO et SLI
• Amélioration continue de la précision des modèles d’IA et visibilité globale du système
• Atelier pratique : Construction d’un tableau de bord de pilotage de la valeur de l’AIOps et calcul du ROI basé sur la réduction du MTTR (Mean Time To Resolution).

Stratégies d’Implémentation, Défis et Éthique

• Élaboration d’une stratégie AIOps claire, documentée et acceptée par les parties prenantes
• Gestion du changement culturel et accompagnement à la montée en compétences des équipes informatiques
• Gouvernance des données et biais algorithmiques
• Pièges fréquents expliquant l’échec d’une initiative AIOps et critères de choix des outils
• Atelier pratique : Étude de cas finale de déploiement d’une initiative AIOps en entreprise (stratégie, gouvernance, risques) suivie d’un quiz de préparation au passage de la certification officielle.