Automatisation DevOps, la recherche explore l’état de l’art

L’étude Dynatrace révèle comment les investissements dans l’automatisation DevOps améliorent la qualité des logiciels et réduisent les coûts. Toutefois, cette solution en est encore à ses balbutiements pour plus de la moitié des entreprises. L’enquête a été menée auprès de 450 professionnels de l’informatique responsables de l’automatisation et de la sécurité DevOps dans les grandes organisations. Entre avantages le plus significatif : une amélioration de 61 % de la qualité des logiciels ; -57% d’échec de release et -55% de coûts informatiques.

Cependant, dans la plupart des organisations, les pratiques d’automatisation DevOps en sont encore aux premiers stades de maturité. L’absence d’une stratégie définie pour l’automatisation DevOps, la prévalence de la complexité de la chaîne d’outils et les difficultés d’analyse des données d’observabilité et de sécurité empêchent les entreprises de réaliser le plein impact de leurs investissements.

Les résultats de la recherche

Cette recherche met en évidence la nécessité de pratiques d’automatisation basées sur les données et l’IA qui permettent aux organisations d’être plus réactives aux besoins commerciaux.

• Au cours des 12 prochains mois, les organisations investiront dans l’automatisation DevOps pour plusieurs raisons. Par exemple, prendre en charge la gestion de la sécurité et de la conformité (55 %), le provisionnement et la gestion de l’infrastructure (52 %) et l’optimisation des performances (51 %).
• Cependant, seulement 38 % disposent d’une stratégie d’automatisation DevOps clairement définie pour guider ces investissements.
• Automatisation DevOps
• En moyenne, les organisations ont réussi à automatiser un peu plus de la moitié (56 %) de leur cycle de vie DevOps de bout en bout.
• L’organisation moyenne s’appuie sur plus de sept outils différents pour l’automatisation DevOps.
• Parmi les principaux obstacles pour automatiser de nouveaux cas d’usage DevOps : problèmes de sécurité (54 %), difficulté à opérationnaliser les données (54 %), complexité de la chaîne d’outils (53 %).

Une approche fragmentée

Bernd Greifeneder, directeur de la technologie chez Dynatrace
À mesure que de plus en plus d’organisations adoptent la fourniture de logiciels cloud natifs, l’automatisation DevOps est devenue un impératif stratégique. La prévalence des architectures Kubernetes et des piles technologiques qui ont dépassé les capacités de gestion humaines entraînent le besoin d’une orchestration et d’une protection automatisées des écosystèmes. Les organisations tentent de répondre à ce besoin en créant et en maintenant des scripts d’automatisation à l’aide d’un ensemble croissant d’outils open source combinés à des approches de bricolage et à des efforts manuels.

Cependant, cette approche fragmentée commence à présenter des défis crêpe. Les équipes sont coincées dans des silos de données, des poches isolées d’automatisation, d’opérations réactives et manuelles et d’efforts de sécurité. Ils ont besoin de toute urgence d’une approche unifiée de l’automatisation DevOps soutenue par l’IA, sinon il sera impossible d’accélérer l’innovation tout en préservant la qualité et la sécurité des logiciels.

Automatisation DevOps, une nouvelle recherche explore l’état de l’art

D’autres résultats de recherche mettent en évidence :

• 71 % des organisations utilisent des données et des informations d’observabilité pour prendre des décisions d’automatisation et améliorer les flux de travail DevOps.
• Cependant, 85 % d’entre elles sont confrontées à des difficultés dans l’utilisation des données d’observabilité et de sécurité pour piloter l’automatisation DevOps.
• Les trois principaux défis auxquels les organisations sont confrontées sont les données inaccessibles (51 %), les données cloisonnées (43 %) et la nécessité de transmettre les données à travers de nombreux systèmes pour être analysées (41 %).

Trois avantages principaux

• 54 % des organisations investissent dans des plateformes pour faciliter l’intégration des outils et la collaboration entre les équipes impliquées dans des projets d’automatisation.
• 59 % s’attendent à ce que les grands modèles de langage (LLM), tels que ChatGPT et Bard, aient un impact significatif sur leurs capacités d’automatisation DevOps. Avec comme trois principaux avantages l’augmentation de la productivité et la réduction des efforts manuels (57 %), l’amélioration de la collaboration entre le développement, la sécurité et les opérations (56 %) et la possibilité pour les équipes de générer automatiquement du code (48 %).

Maximisez la valeur de vos données

Bernd Greifeneder, directeur de la technologie chez Dynatrace
L’automatisation basée sur les données est la clé pour libérer l’innovation et répondre aux attentes des clients à l’ère du cloud natif. Cela nécessite une plate-forme capable de gérer l’énorme volume et la variété de données générées par les piles cloud natives et d’utiliser l’IA pour fournir des informations précises et exploitables pour l’automatisation DevOps.

Les techniques traditionnelles d’IA sont limité en termes de portée et d’applicabilité. Tandis que les plates-formes combinant des techniques prédictives, causales et génératives peuvent exceller dans des capacités spécifiques pour répondre à différents cas d’utilisation de l’automatisation DevOps. De cette façon, les équipes maximisent la valeur de leurs données, éliminent les silos de données et peuvent automatiser les processus DevOps en toute confiance.

Méthodologie de recherche

Le rapport est basé sur une enquête mondiale menée auprès de 450 professionnels de l’informatique responsables de l’automatisation et de la sécurité DevOps dans les grandes organisations. Parmi eux, 150 aux États-Unis, 150 dans la zone EMEA et 150 dans la zone Asie-Pacifique. La recherche a été menée par Coleman Parkes et commandée par Dynatrace.