Même si le concept n’est pas nouveau, l’observabilité en tant que pratique fait de plus en plus d’adeptes ces derniers temps. La pandémie a en effet accéléré la présence numérique de nombreuses entreprises et l'adoption des approches DevOps. Mais aussi la migration vers le cloud, qui n’a fait que mettre en avant les besoins de visibilité de ces nouveaux environnements dynamiques constitués de microservices, conteneurs et autres fonctions.. L’observabilité est donc cette volonté de collecter toutes ces nouvelles données (les fameux "unknown unknowns") pour garantir la performance, la disponibilité mais également la sécurité des applications modernes.
Aujourd’hui, Splunk publie le rapport État de l’observabilité en 2022, une étude réalisée avec l’Enterprise Strategy Group (ESG). Cette étude est menée auprès de 1 250 praticiens, responsables et experts de l’observabilité du monde entier, y compris en France. Elle définit les critères de leadership en matière d’observabilité et explique ses résultats concrets, en révélant notamment que les leaders disposent, entre autres, d’un meilleur MTTR (délai moyen de résolution), ont des coûts de temps d’arrêt inférieurs et publient davantage de produits.
Pour définir les critères de leadership de l’observabilité, nous avons étudié quatre facteurs clés : l’expérience, la capacité à corréler les données sur l’ensemble des outils d’observabilité, les progrès en termes de rationalisation des fournisseurs et l’adoption des technologies IA/ML. Les leaders satisfaisaient les quatre critères de maturité, tandis que les organisations au stade intermédiaire possédaient trois facteurs sur quatre et les débutants deux ou moins.
La maturité en matière d’observabilité apporte des avantages tels qu’une meilleure visibilité, un MTTD (délai moyen de détection) plus court et bien d’autres bénéfices pour les équipes DevOps/IT. Mais nous constatons maintenant que l’avantage concurrentiel obtenu grâce à une pratique d’observabilité robuste va plus loin : lancer davantage de produits, réussir sa transformation numérique, attirer les meilleurs talents, etc.
Défis de complexité autour de l’observabilité
Le plus grand moteur d’adoption de l’observabilité est la complexité du cloud. La migration vers le cloud n’a plus vraiment de secrets. Mais ajoutez à cela des architectures hybrides, des opérations multicloud et des applications basées sur les microservices très distribués et reposant sur une infrastructure éphémère (conteneurs par exemple) dont les incidents disparaissent avant même que les outils traditionnels ne puissent les détecter, et vous faites alors face à une grande complexité, une faible visibilité et à une vague de burn-out dans les équipes opérationnelles. 92 % des leaders de l’observabilité et 68 % des débutants exploitent couramment des applications cloud-native exécutées dans plusieurs environnements cloud et sur site. Dans le même temps, la pénurie de talents est évidente, avec 95 % des participants affirmant avoir du mal à recruter des experts ITOps, qu’il s’agisse de trouver suffisamment de candidats, de dénicher les bonnes compétences ou les deux.
Cependant, les résultats de l’étude suggèrent que l’observabilité est un remède efficace face à certains de ces défis et qu’elle entraîne d’autres effets positifs : un raccourcissement des temps de développement et de déploiement par un meilleur feedback, une réduction des temps d’arrêt grâce à une visibilité accrue et consolidée, une technologie moderne attirant de nouveaux talents, etc. L’observabilité aide également à relever les défis de visibilité, car deux tiers des leaders disposent d’une visibilité exceptionnelle sur les performances de leurs applications et infrastructures, contre seulement 44 % des débutants.
Observabilité : la France à la traîne
Les entreprises françaises sont en retard dans leur parcours d’observabilité : 74 % sont débutantes en la matière (contre 58 % en moyenne dans les autres pays) et seulement 5 % sont des leaders (contre 10 % dans le reste du monde).
Les organisations françaises affirment plus souvent que leurs investissements dans les technologies AIOps les ont aidées à réduire leur MTTR (58 % contre 43 % en moyenne dans les autres pays).
Elles sont cependant moins optimistes quant à l’avenir des applications cloud-native : 46 % annoncent avoir l’intention de développer une plus grande part de leurs applications sur un mode cloud-native, contre une moyenne de 69 % dans les autres pays.
Les outils d’observabilité tendent à être plus cloisonnés dans les entreprises françaises ; 20 % des participants de France rapportent une corrélation étendue des données entre leurs différentes solutions, loin derrière la moyenne de 38 % des autres pays. Le “silotage” des outils d'observabilité et monitoring ne semblent plus être un problème technique, mais organisationnel et culturel.
Seules 19 % des organisations françaises déclarent utiliser largement l’IA/ML dans leur ensemble d’outils d’observabilité (contre 28 % dans les autres pays).
Il est à noter que non loin de nous, en Allemagne, c’est tout l’inverse. Les organisations allemandes sont plus avancées sur la voie de l’observabilité : 19 % se classent comme leaders, contre 8 % des organisations, en moyenne, dans les autres pays et 5% en France, donc.
Stratégie d’observabilité
Pourtant, l’étude révèle que les organisations avec des pratiques d’observabilité matures ont tendance à utiliser davantage d’outils, mais moins de fournisseurs. Après avoir trouvé les fournisseurs et les outils correspondant le mieux à leurs besoins, les organisations qui réduisent leur nombre de fournisseurs profitent de coûts de formation réduits, d’une meilleure interopérabilité et de processus d’achat et d’intégration plus simples.
D’autres pratiques très répandues chez les leaders de l’observabilité sont, entre autres, l’utilisation d’un pipeline CI/CD pour automatiser la livraison de nouveau code (96 %) et de l’AIOps pour faciliter la corrélation et l’analyse des événements (71 %). Les organisations se tournent notamment vers l’AIOps pour prendre en charge les incidents en disposant de plus d’informations et une meilleure automatisation, et pour détecter les anomalies plus rapidement.
La logique est simple, plus les systèmes sont observables, plus vous détectez d'incidents, plus l'usage du machine learning est requis pour absorber, filtrer, corréler cette masse de données. Et cette stratégie paie : meilleurs MTTD et MTTR, accélération du diagnostic des causes profondes et une plus grande capacité à recueillir des données pour avoir une visibilité complète sur son infrastructure.
Le plus grand défi lié à l’observabilité est le volume astronomique de données. C’est là que les solutions d’IA/ML entrent en jeu. L’IA/ML peut permettre de faire face à la pénurie de talents, réduisant ainsi les retards de projets, le nombre de burn-out, de démissions, etc. tout en facilitant le travail des équipes en place.
À mesure que les organisations prennent conscience des avantages de l’observabilité, il devient également évident qu’une pratique d’observabilité n’est pas une commodité, mais une nécessité. Nous nous attendons à ce que les équipes et les outils d’observabilité continuent de se répandre au sein des équipes IT et de développement, mais aussi dans d’autres fonctions IT au fil de la prolifération du cloud et à mesure que les organisations apprennent à collaborer, innover et prospérer dans une réalité multicloud.
Pour en savoir plus sur les stratégies d’observabilité dans le monde multicloud hybride actuel, lisez le rapport État de l’observabilité en 2022 dans son intégralité.
