WAN Insights

Un réseau prédictif est un réseau qui tire parti d’un processus d’analyse prédictive en utilisant l’historique des données pour prévoir les futurs comportements, et déterminer la probabilité qu’un problème se produise ou se reproduise sur ce réseau. Cette prévision permet ensuite de générer des recommandations qui, si elles sont appliquées manuellement ou via l’automatisation, réduisent la probabilité de survenance du problème et donc les répercussions sur l’expérience numérique de l’utilisateur.

L’analyse prédictive consiste à appliquer des algorithmes à un modèle en vue d’identifier la probabilité de résultats futurs sur la base de l’historique des données.

La création d’un modèle d’analyse prédictive implique d’exécuter différents algorithmes pour identifier des schémas récurrents dans des jeux de données transactionnelles volumineux.

Bien que l’apprentissage automatique ne soit pas techniquement une forme d’analyse prédictive, il peut être utilisé pour améliorer la capacité d’un modèle d’analyse prédictive à détecter des tendances, prévoir des résultats et recommander des actions au fil du temps.

L’analyse prédictive est un modèle d’analyse de données qui identifie à l’avance la probabilité de résultats en fonction de l’historique des données. Le diagnostic est réactif et permet de déterminer les changements qui se produisent sur une période spécifiée. Il est généralement utilisé de façon rétrospective pour comprendre pourquoi une tendance ou un événement s’est produit.

Les entreprises déploient de plus en plus de services basés dans le nuage, comme les applications SaaS, qui les rendent plus dépendantes d’Internet pour acheminer le trafic WAN. Les services MPLS (Multi-Protocol Label Switching) classiques ne permettent pas d’utiliser de manière optimale l’onéreuse bande passante WAN de liaison, étant donné que les applications et les services critiques ne résident plus en interne dans les centres de données. Par conséquent, les entreprises migrent vers des architectures WAN hybrides et vers la technologie SD-WAN qui combine un accès Internet direct (DIA), des tunnels VPN IP et des circuits MPLS classiques.

Au cours des dernières années, un vaste écosystème de fournisseurs de SD-WAN et de services SD-WAN gérés s’est développé pour répondre à ce besoin. L’architecture SD-WAN permet d’assurer une certaine résilience en tirant parti de l’automatisation. Plusieurs des fonctions automatisées suivent les caractéristiques du réseau et du chemin des tunnels de plan de données entre les équipements SD-WAN. Elles utilisent les informations recueillies pour calculer des chemins optimaux pour le trafic des données, le redirigeant automatiquement vers le meilleur chemin disponible si un problème survient. Cette fonctionnalité, bien qu’automatique, reste réactive. Elle ne peut opérer un changement que lorsque les conditions se détériorent au point d’altérer le rendement au niveau de l’utilisateur.

L’analyse prédictive s’appuie sur cette fonctionnalité réactive. Elle utilise les caractéristiques telles que la perte de paquets, la latence et la gigue, et applique un grand nombre de méthodes chronologiques statistiques en vue de prévoir la probabilité de perturbation du trafic pour différentes applications. À partir de ces prévisions, elle recommande des sélections de chemins réseau afin d’éviter les problèmes potentiels et leur répercussion sur l’expérience utilisateur.

Pour tous les sites au sein du réseau SD-WAN, l’objectif de l’équipe ITOps est d’assurer le rendement optimal des applications, tout en réduisant le coût du circuit. Cependant, le volume des points de données sur des milliers de sites, de réseaux, de chemins, d’applications et d’utilisateurs est impossible à évaluer manuellement et à analyser. Par conséquent, la plupart des entreprises adoptent une approche réactive pour l’expérience utilisateur, se concentrant uniquement sur les problèmes à mesure qu’ils se produisent. Elles sont incapables d’adopter un mode de fonctionnement autre que la résolution d’un problème après l’autre.

La réduction du nombre d’incidents et, par conséquent, du nombre d’interventions de l’équipe ITOps pour résoudre un problème permet de passer d’une approche réactive, basée sur les plaintes des utilisateurs, à un processus de prise de décision axé sur les données. Il devient alors plus facile de mettre en place un modèle d’engagement proactif pour prendre en charge les conditions du réseau qui jusque-là seraient passées inaperçues avant qu’elles n’aient des répercussions notables sur l’utilisateur.

Ce modèle peut être appliqué à différents niveaux de l’équipe ITOps. Ainsi, les compétences sont développées dans toute l’entreprise : les ingénieurs les moins expérimentés disposent de suffisamment d’informations pour prendre des décisions plus abouties, et les ingénieurs les plus expérimentés ont plus de temps pour travailler sur des mesures stratégiques.

En observant en continu le comportement des applications sélectionnées sur chaque chemin réseau pendant une période glissante, le système d’analyse prédictive examine l’historique de rendement sur l’ensemble des sites du réseau SD-WAN et identifie les problèmes de qualité pour chaque catégorie d’application (par exemple, Office 365 ou Voice).

Lorsqu’il détermine qu’un problème de qualité pourrait être évité en changeant la configuration actuelle du réseau, il génère une recommandation (généralement un autre chemin pour le trafic sortant de ce site) pour une catégorie d’application donnée.