Une étude menée par Dynatrace montre que les investissements dans l’automatisation de DevOps confèrent des avantages significatifs aux organisations, dont une amélioration de 61 % de la qualité des logiciels, une diminution de 57 % des erreurs d’implémentation et une réduction de 55 % des coûts d’IT. 
Pourtant, l’automatisation de DevOps peine souvent à dépasser la phase initiale, indique une étude menée auprès de 450 professionnels de l’IT responsables de l’automatisation de DevOps et de la sécurité au sein de grandes organisations.
 
L’absence de stratégie en matière d’automatisation de DevOps, la complexité des outils utilisés et les défis inhérents à l’analyse des données d’observabilité et de sécurité empêchent les organisations de tirer le meilleur parti de leurs investissements. 
L’étude souligne en outre la nécessité d’une automatisation axée sur les données et l’IA qui permettrait aux organisations de mieux répondre aux besoins opérationnels.

En moyenne, les organisations ont automatisé un peu plus de la moitié (56 %) de leur cycle de vie de bout en bout de DevOps.
Une organisation moyenne utilise 7 outils différents pour l’automatisation de DevOps.
Au cours des 12 prochains mois, les organisations prévoient d’investir dans l’automatisation de DevOps pour la gestion de la sécurité et de la conformité (55 %), la configuration et la gestion de l’infrastructure (52 %) et l’optimisation des performances (51 %).

Selon l’étude, les principaux obstacles pour les organisations à l’automatisation des nouveaux cas pratiques de DevOps sont les préoccupations en matière de sécurité (54 %), les problèmes liés au déploiement opérationnel des données (54 %) et la complexité des outils utilisés (53 %).
 
« Alors que de plus en plus d’organisations souhaitent déployer des logiciels "cloud-native", l’automatisation de DevOps est devenue une nécessité stratégique », déclare Bernd Greifeneder, Chief Technology Officer chez Dynatrace. 

L’émergence des architectures Kubernetes et des piles technologiques difficiles à gérer crée un plus grand besoin d’orchestration automatisée de l’écosystème. Les organisations tentent de répondre à ce besoin en développant des scripts d’automatisation et en assurant la gestion avec un nombre croissant d’outils open source, complétés par des solutions maisons et des opérations manuelles. Toutefois, les problèmes associés à cette façon de travailler deviennent de plus en plus visibles. Les équipes sont coincées dans des silos de données, des composants d’automatisation isolés les uns des autres et des opérations manuelles réactives et souvent intensives. Elles ont besoin de toute urgence d’une approche uniforme et soutenue par l’IA pour l’automatisation de DevOps. Sans une telle approche, il sera impossible d’accélérer l’innovation tout en maintenant une qualité et une sécurité élevées des logiciels. »
 
 « L’automatisation axée sur les données est la clé de l’innovation et est essentielle pour répondre aux attentes des clients à l’ère du "cloud-native" », conclut Bernd Greifeneder. 
« Cela nécessite une plate-forme capable de gérer l’énorme volume et les différents types de données générés par des piles "cloud-native" et qui utilise l’IA pour fournir des informations précises et exploitables pour l’automatisation de DevOps. Contrairement aux techniques d’IA traditionnelles qui sont limitées dans leurs possibilités d’application, les plates-formes qui combinent des techniques prédictives, causales et génératives peuvent remplir des cas d’utilisation d’automatisation de DevOps plus diversifiés. En conséquence, les équipes maximisent la valeur de leurs données, les silos de données disparaissent et elles peuvent automatiser les processus DevOps en toute confiance. »