1 – Créer des systèmes immunitaires numériques
Selon Gartner, 76 % des équipes chargées des produits numériques sont désormais également responsables de la génération de revenus.
Les approches traditionnelles du développement logiciel rendent difficile la création de systèmes évolutifs, sécurisés et stables, ce qui entrave la possibilité de générer des revenus.
C’est là qu’intervient le concept d’immunité numérique du cabinet d’études, car il rassemble de multiples pratiques modernes autour du cycle de vie du développement des applications, comme l’observabilité, pour améliorer ce que les organisations peuvent voir, et l’ingénierie de la fiabilité des sites et l’ingénierie du chaos, pour améliorer la résilience des applications, a déclaré Byrne. « Elle réunit l’analyse et l’IA pour améliorer les tests de ces outils et englobe également la sécurité de bout en bout de votre chaîne d’approvisionnement. Et ce que cela donne alors, ce sont des applications qui sont plus résilientes et qui vous aideront à éviter les pannes », a-t-il déclaré.
Selon Gartner, les entreprises ont la possibilité de réduire les temps d’arrêt jusqu’à 80 % en adoptant certaines de ces technologies – ce qui se traduirait par des revenus.
Ces dernières années, l’attention portée aux risques, tant dans le monde physique que numérique, n’a jamais été aussi grande. Les préoccupations en matière de cybersécurité sont de plus en plus aiguës, car les violations de données et autres problèmes de cybersécurité sont de plus en plus sophistiqués.
Heureusement, les méthodes de protection contre les criminels en ligne, les spammeurs et autres parasites indésirables en ligne gagnent elles aussi en sophistication. Grâce à l’observation, à l’automatisation et aux derniers développements en matière de conception, un système immunitaire numérique robuste peut atténuer considérablement les risques opérationnels et de sécurité.
À mesure que l’utilité de ces outils s’affirme, attendez-vous à entendre beaucoup plus de questions sur la santé du système immunitaire numérique de votre organisation dans l’année à venir, et sur ce que vous faites pour le renforcer et le protéger.
2 – L’observabilité appliquée pour de meilleures opérations
Le concept d’observabilité appliquée n’est pas nouveau, mais il a des implications dans le contexte de l’optimisation, et va de pair avec les pratiques liées à l’immunité numérique. Byrne l’a expliqué comme étant la collecte de données à partir des décisions prises, puis la collecte de données sur le contexte dans lequel les décisions ont été prises et l’application de l’analytique au contexte afin de créer une boucle de rétroaction pour prendre des décisions plus axées sur la valeur commerciale.
Les années 2010 ont vu une abondance d’outils et de méthodes permettant de capturer plus de données que l’on ne savait quoi en faire. Ainsi, avec des quantités apparemment infinies de données clients désormais disponibles, il est probable que la prochaine étape consistera à créer de nouvelles utilisations des données collectées.
Applied Observability utilise l’intelligence artificielle pour analyser et formuler des recommandations pour une plus grande efficacité et une plus grande précision sur la base des données compilées d’une organisation. Elle optimise la mise en œuvre des données en accordant plus de valeur à l’utilisation des bonnes données au bon moment pour une réponse rapide basée sur les actions confirmées des parties prenantes, plutôt que sur leurs intentions. Cela peut conduire à une amélioration opérationnelle en temps réel, et à un avantage concurrentiel tangible pour votre entreprise.
3 – Gestion de la confiance, des risques et de la sécurité pour l’IA
AI TRiSM (AI Trust, Risk & Security Management – Gestion de la Confiance, du Risque et de la Sécurité) consiste, en termes simples, à rendre l’IA digne de confiance. Même parmi les entreprises les plus expérimentées, Gartner a constaté que seuls 50 % des modèles d’IA entrent en production et que les raisons en sont le manque de confiance dans les données et les problèmes de sécurité et de confidentialité.
Premièrement, pour améliorer l’adoption de l’IA, les organisations doivent être en mesure d’expliquer la raison pour laquelle un ordinateur est parvenu à une décision. Cela s’accompagne de modelops, qui est un terme de Gartner pour la gouvernance et la gestion du cycle de vie d’un large éventail de modèles d’IA et de décision opérationnalisés, y compris l’apprentissage automatique, les graphes de connaissances, les règles, l’optimisation et les modèles linguistiques et basés sur des agents. Selon Gartner, l’utilisation de modelops a pour effet de mettre les modèles en production plus rapidement et avec moins de friction.
Vient ensuite l’utilisation de techniques avancées telles que l’IA contradictoire, utilisée pour générer un modèle afin d’en entraîner un autre, « et nous voyons que cela est déjà utilisé dans des domaines tels que la génération d’images ainsi que dans des jeux comme les échecs », a déclaré M. Byrne. Et enfin, des directives éthiques et une forte protection des données sont nécessaires.
« Tout cela signifie que ces modèles bénéficieront d’une confiance accrue et que, par conséquent, vous aurez de fortes chances, au stade du développement, de les faire passer dans un environnement de production », a déclaré M. Byrne.
Avec l’accent mis sur le risque dans tous les secteurs après la pandémie, il n’est pas surprenant que la gestion de la confiance, du risque et de la sécurité de l’IA (AI TRiSM) soit un point focal majeur dans l’espace technologique l’année prochaine. L’AI TRiSM combine des méthodes pour expliquer les résultats de l’IA, de nouveaux modèles pour la gestion active de la sécurité de l’IA et des contrôles pour les questions de confidentialité et d’éthique, le tout pour soutenir la gouvernance, la fiabilité, la sécurité et la santé globale d’une organisation.