L’automatisation aide les équipes à améliorer la qualité des logiciels et à réduire les coûts, pourtant les organisations n’automatisent que 56% de leur cycle de vie DevOps.
Dynatrace, le leader de l’observabilité et de la sécurité unifiées, a annoncé aujourd’hui les résultats d’une étude mondiale indépendante, menée auprès de 450 informaticiens en charge de l’automatisation de la sécurité et DevOps au sein de grandes organisations dans le monde. Cette étude révèle que les investissements des organisations en matière d’automatisation DevOps fournissent des bénéfices significatifs, dont une amélioration de 61% de la qualité des logiciels, une réduction de 57% des erreurs de déploiement, et une baisse de 55% des coûts IT. Cependant, dans la plupart des organisations, les pratiques d’automatisation DevOps n’en sont encore qu’aux premiers stades de maturité. L’absence d’une stratégie clairement définie en matière d’automatisation DevOps, la prévalence de chaînes d’outils complexes, et les défis liés à l’analyse des données d’observabilité et de sécurité, les empêchent en effet d’optimiser leur retour sur investissements. Cette étude souligne ainsi l’importance de déployer des pratiques d’automatisation à la fois axées sur les données et alimentées par IA, qui permettent aux organisations de mieux répondre aux besoins business.
Le rapport 2023 DevOps Automation Pulse de Dynatrace est disponible gratuitement en téléchargement. Les organisations sont par ailleurs invitées à remplir le questionnaire DevOps automation assessment pour évaluer la maturité de leurs pratiques.
Ce qu’il faut retenir de cette étude
- Au cours des 12 prochains mois, les organisations vont investir dans l’automatisation DevOps pour soutenir, la gestion de la sécurité et de la conformité (55%), la gestion et le provisionnement des infrastructures (52%) et l’optimisation des performances (51%).
- Cependant, seules 38% des organisations disposent d’une stratégie clairement définie en matière d’automatisation DevOps pour guider ces investissements.
- Les organisations ont réussi à automatiser, en moyenne, à peine plus de la moitié (56%) de l’intégralité de leur cycle de vie DevOps.
- Une organisation s’appuie, en moyenne, sur plus de sept outils différents pour l’automatisation DevOps.
- Les principaux obstacles empêchant les organisations d’automatiser les nouveaux use cases DevOps sont les préoccupations en termes de sécurité (54%), la difficulté à rendre les données opérationnelles (54%), et la complexité de la chaîne d’outils (53%).
« À mesure que les organisations adoptent le cloud natif pour livrer leurs logiciels, l’automatisation DevOps a évolué pour devenir un impératif stratégique, explique Bernd Greifeneder, CTO chez Dynatrace. La prévalence des architectures Kubernetes et des stacks technologiques qui ont dépassé les capacités humaines de gestion, entraîne la nécessité d’automatiser l’orchestration et la protection des écosystèmes. Les organisations essaient de répondre à ce besoin en créant et en gérant des scripts d’automatisation qui utilisent un éventail toujours plus large d’outils open source, assemblés à coups d’approches DIY et d’efforts manuels. Mais cette approche fragmentée commence à montrer ses failles. Les équipes sont retranchées dans des silos de données et des poches isolées d’automatisation, et redoublent d’efforts pour accomplir des tâches manuelles, trop intenses et trop réactives, pour gérer les opérations et la sécurité. À défaut d’une approche unifiée et soutenue par une IA pour automatiser les processus DevOps, il leur sera impossible d’accélérer leur rythme d’innovation tout en continuant à assurer la qualité et la sécurité des logiciels. »
Parmi les autres conclusions de l’étude
- 71% des organisations utilisent les données et les informations d’observabilité pour piloter les décisions d’automatisation et améliorer les workflows DevOps.
- Cependant, 85% des organisations rencontrent des difficultés dans l’utilisation des données d’observabilité et de sécurité à des fins d’automatisation DevOps.
- Les trois principaux défis auxquels font face les organisations concernent l’inaccessibilité des données (51%), les silos de données (43%) et la nécessité d’analyser des flux de données à travers une multitude de systèmes (41%).
- 54% des organisations investissent dans des plateformes pour faciliter l’intégration des outils et la collaboration entre les équipes impliquées dans les projets d’automatisation.
- 59% des organisations s’attendent à ce que les grands modèles de langage (large language models – LLM), comme ChatGPT et Bard, aient un impact significatif sur leurs capacités d’automatisation DevOps, en permettant en particulier d’augmenter la productivité et de réduire les efforts manuels (57%), d’améliorer la collaboration entre le développement, la sécurité et les opérations (56%), et de générer du code automatiquement (48%).
« À l’ère du cloud natif, l’automatisation axée sur les données est la clé pour déverrouiller l’innovation et répondre aux attentes des clients, poursuit Bernd Greifeneder. Cela demande de passer par une plateforme qui puisse gérer l’énorme volume et la variété de données générées par les stacks cloud, et qui utilise des techniques d’IA pour fournir des informations précises et concrètes pour automatiser le DevOps. Contrairement aux techniques d’IA traditionnelles, dont le périmètre et l’applicabilité sont limités, les plateformes qui combinent des techniques prédictives, causales et génératives montrent d’excellentes capacités pour répondre à différents cas d’usage d’automatisation DevOps spécifiques. Les équipes peuvent alors maximiser la valeur de leurs données, éliminer les silos de données, et automatiser les processus DevOps en toute confiance. »