Centres de données : un cas d'utilisation idéal pour l'IA industrielle

La croissance du centre de données

Un principe souvent répété en management est que « ce qui se mesure s'améliore ». De la finance à la productivité, de nombreux indicateurs clés de performance (KPI) et métriques bien connus, tels que le chiffre d'affaires par employé, pilotent les processus métier et les systèmes de gestion.

La mesure et les indicateurs prennent une importance encore plus grande dans les systèmes opérationnels ; de la qualité à l'efficacité, ces indicateurs définissent souvent les processus eux-mêmes.

Peu d'environnements opérationnels bénéficient autant de l'optimisation des processus que les centres de données. Ces installations nécessitent des investissements massifs (témoignage Facebook lève 750 millions de dollars et Google lève 600 millions de dollars de nouveaux centres de données) et des coûts d'exploitation tout aussi importants (ils consomment 3 % de l'électricité mondiale et leur empreinte carbone équivaut à celle du monde entier) industrie aéro-nautique).

Ces infrastructures constituent l'épine dorsale de notre vie quotidienne, du streaming vidéo au commerce en passant par les services bancaires, et leur importance ne fera que croître avec l'essor du numérique et l'arrivée constante de nouveaux services. Uber en est la parfaite illustration.

Opter pour des alternatives aux centres de données traditionnels pour réduire les coûts et accroître la flexibilité

Pourtant, les centres de données subissent de profondes perturbations. La nécessité croissante de réduire les coûts et les risques, tout en améliorant la flexibilité, a mis ces infrastructures sous les projecteurs. Surtout, les centres de données présentent un atout majeur que peu d'autres secteurs possèdent : la flexibilité. De nombreuses alternatives au centre de données traditionnel existent, allant des logiciels dans le cloud (comme Microsoft 365) à l'installation d'équipements dans un centre de données partagé (notamment le cloud computing). fournisseur de colocation marché, avec de nombreux acteurs majeurs tels que Digital Realty et CyrusOne).

Sans surprise, il existe de nombreuses métriques établies pour mesurer et exploiter les centres de donnéesL'efficacité énergétique, la disponibilité et l'utilisation de l'espace sont des aspects essentiels. Cependant, face aux mutations du marché des centres de données, nous concentrons-nous encore sur les indicateurs les plus pertinents ? Les indicateurs existants permettent-ils de recueillir les données adéquates ? Existe-t-il des indicateurs et des tendances insoupçonnés, susceptibles d'optimiser l'utilisation de ces infrastructures ?

Trouver les bons indicateurs pour optimiser l'utilisation des centres de données

Pour aborder ces points, examinons d'abord les centres de données eux-mêmes. En clair, leur taille, leur complexité et l'optimisation nécessaire de ces infrastructures requièrent une « gestion par l'IA », car leur planification et leur gestion à l'aide de règles et d'heuristiques traditionnelles deviennent de plus en plus difficiles. Plusieurs facteurs expliquent cette tendance :

• Efficacité et impact environnementalComme mentionné en introduction, les centres de données consomment une quantité considérable d'énergie, ce qui a valu à ce secteur un examen minutieux de son empreinte énergétique. À cela s'ajoutent les coûts de consommation, Les opérateurs s'attaquent au problème de l'efficacité de manières toujours plus créatives et complexes.
• consolidation des centres de donnéesLes centres de données bénéficient incontestablement d'économies d'échelle, et que les centres de données d'entreprise soient consolidés ou transférés vers des installations de colocation, il en résulte des installations toujours plus grandes, avec une densité et une consommation d'énergie accrues.
• Croissance des fournisseurs de colocationLes fournisseurs de colocation, tels qu'Equinix et Digital Realty, pour qui la disponibilité, l'efficacité et la réduction des coûts sont primordiales, connaissent une croissance cinq fois supérieure à celle du marché global, comme le souligne un récent rapport du groupe 451. Grâce à leur envergure considérable et à leurs modèles économiques axés sur l'efficacité, ces fournisseurs tireront parti de l'IA pour se forger un avantage concurrentiel indéniable.
• Edge computingL'essor des datacenters Edge, de petits centres de données souvent géographiquement dispersés, permet une répartition optimale des charges de travail. Au lieu d'être des entités isolées, ces nœuds Edge, associés à des datacenters centraux ou au cloud computing, forment une infrastructure informatique collaborative plus vaste. Cette topologie riche offre de nombreux paramètres et mécanismes de contrôle pour l'optimisation et la disponibilité, qui sont, là encore, gérés de manière optimale par l'IA.

Un facteur souvent négligé : la gestion des actifs liés à la charge de travail

Les facteurs mentionnés ci-dessus ont, à juste titre, fait l'objet d'une attention accrue à mesure que le marché des centres de données a évolué, mais il existe un autre élément – ​​peut-être le plus important – qui, jusqu'à récemment, a été négligé.

Pour expliquer ce facteur, prenons une analogie. Pourquoi existe-t-il des maisons ? Non pas pour leur structure, mais pour offrir un abri et du confort à leurs habitants. De même, pourquoi existe-t-il des centres de données ? Non pas pour leurs nombreux serveurs et leurs systèmes d'alimentation et de climatisation massifs, mais pour les applications et les charges de travail qui y sont exécutées.

Tous les actifs du centre de données, des systèmes logiciels à l'infrastructure elle-même, ainsi que les processus de gestion de ces actifs, existent uniquement pour supporter les charges de travail qui s'exécutent sur ces actifs. Cela engendre la discipline de Gestion des actifs de charge de travail, qui est définie comme « permettre l’optimisation de la charge de travail grâce à une analyse intelligente et à une gestion complète des actifs sous-jacents ».

L'importance de la gestion des actifs de charge de travail

Comment la gestion des actifs de charge de travail élargit-elle le concept de gestion par l'IA ? De plusieurs manières :

• Optimisation de la disponibilité En intégrant les prévisions de virtualisation, d'état des infrastructures ou des équipements informatiques dans la gestion des charges de travail, il est possible de déplacer préventivement ces dernières entre environnements virtuels, au sein d'un même centre de données ou entre différents centres, ou de les coordonner avec des solutions cloud, afin d'optimiser la disponibilité des applications.
• Gestion holistique des charges de travail en intégrant de nouveaux facteurs tels que le « coût par charge de travail », actuel et prévisionnel, dans les considérations relatives au placement et à la gestion.
• Optimiser la consommation d'énergie En gérant les installations en fonction de la charge de travail, on peut optimiser le refroidissement et les systèmes informatiques. Pourquoi maintenir une maison climatisée à son maximum lorsqu'elle est inoccupée ? Inutile. Les centres de données ne devraient-ils pas fonctionner de la même manière ? Grâce à une visibilité sur les charges de travail, il est possible d'ajuster la puissance des systèmes de refroidissement et informatiques en fonction de l'activité actuelle et prévue.
• Amélioration de la maintenance prédictive et des scénarios de défaillance en utilisant l'analyse multivariée, intégrant toutes les données disponibles, y compris celles relatives aux charges de travail, afin d'améliorer les résultats.
• Gestion intelligente des alarmes et des alertes En normalisant et en rationalisant les événements significatifs à l'échelle d'un écosystème complet, des infrastructures à la charge de travail, l'IA permet de résoudre un problème courant dans les centres de données : la gestion des alertes en chaîne. Ce problème rend difficile l'identification de la cause première des dysfonctionnements. Le développement des datacenters Edge, souvent distants et automatisés, aggrave considérablement ce problème. L'IA, associée à des algorithmes de détection de variations de fréquence, d'écart ou similaires, offre une solution idéale pour identifier les alertes critiques et y réagir.

Plusieurs tendances importantes et communes se dégagent dans ce segment du marché de l'IA industrielle :

• Utiliser toutes les données d'entrée pour optimiser les résultatsLes opérations des centres de données génèrent une quantité considérable d'informations de gestion utiles, concernant l'infrastructure critique (alimentation électrique, gestion thermique), la sécurité (intrusions, anomalies) et l'informatique (serveurs, virtualisation). Généralement, seule une petite partie de ces informations est exploitée ou adaptée à un indicateur de performance clé (KPI) spécifique. Or, un véritable système cognitif permet de prendre en compte l'ensemble des données, car il peut révéler des tendances jusque-là insoupçonnées mais pourtant riches, susceptibles d'améliorer considérablement les résultats.
• Passer d'une approche réactive à une approche proactiveLes centres de données fonctionnent principalement de manière réactive : le déplacement des applications intervient après une panne ; les systèmes thermiques s’adaptent aux variations de température ; les vulnérabilités sont corrigées après une faille de sécurité. Un système d’IA performant, doté de données riches, d’analyses cognitives et de systèmes de commande et de contrôle adaptés, transforme radicalement un centre de données d’un mode réactif à un mode proactif. Imaginez si les charges de travail étaient optimisées en fonction de la demande future et de l’état de l’infrastructure ? Imaginez si les équipements étaient réparés préventivement grâce à des prédictions de pannes extrêmement précises ? Imaginez si les points d’entrée étaient fermés préventivement en fonction des anomalies de sécurité anticipées ? Ce passage d’une approche réactive à une approche proactive représente l’état de l’art sur le marché des centres de données.
• Analyse des alternativesLes scénarios hypothétiques sont un élément essentiel des systèmes de gestion, mais ils sont généralement manuels et « hors ligne ». À l'inverse, les véritables systèmes d'IA utilisent une analyse en temps réel de toutes les options envisageables, en exploitant des données d'entrée riches pour déterminer les résultats. Dans un environnement aussi complexe qu'un centre de données, les scénarios hypothétiques ne peuvent tout simplement pas fournir les informations en temps réel et la compréhension approfondie des alternatives opérationnelles nécessaires.

Le cas d'utilisation idéal de l'IA industrielle

Les centres de données constituent un cas d'usage idéal pour l'IA industrielle : complexes, énergivores et critiques, ils comportent un très grand nombre d'entrées et de points de contrôle qui ne peuvent être gérés efficacement que par un système automatisé. Face aux innovations constantes dans les centres de données, de la gestion des performances applicatives liée à l'infrastructure physique à la virtualisation étroitement interconnectée et aux topologies multi-centres de données, le besoin et les avantages de l'IA ne feront que croître.

Enzo Gréco est président de Logiciel Nlyte Le principal fournisseur de solutions de gestion d'infrastructure de centres de données (DCIM) aidant les organisations à automatiser et à optimiser la gestion de leur infrastructure informatique.