En France, 82 % des entreprises interrogées par New Relic estiment que le code généré par l’IA accroît leurs besoins en observabilité, mais seules 42 % disposent d’outils pour surveiller leurs applications d’intelligence artificielle. Un décalage préoccupant lorsque les agents IA commencent à intervenir directement dans les systèmes d’information. Mehdi Khellas, Director Sales EMEA chez New Relic, revient sur les difficultés de supervision de ces nouveaux environnements et sur les enjeux de fiabilité, de performance et de maîtrise des coûts pour les DSI.
L’essor des applications intégrant de l’intelligence artificielle transforme les exigences de supervision des systèmes informatiques. Face au coût des interruptions et à la multiplication des agents IA en production, l’observabilité devient un levier essentiel pour préserver la fiabilité des services et mieux maîtriser les ressources IT.
Les interruptions informatiques pèsent directement sur la performance des entreprises. En France, le coût annuel médian des pannes à fort impact atteint 48 millions d’euros pour les entreprises interrogées dans une étude consacrée à l’observabilité. Au-delà des pertes financières, ces incidents mobilisent les équipes techniques, perturbent les services et détournent les ingénieurs de leurs projets. La disponibilité des applications constitue donc un enjeu opérationnel autant qu’économique.
Détecter plus tôt pour mieux exploiter
La maîtrise des coûts s’impose comme le premier moteur des investissements en observabilité parmi les répondants français. Cette priorité reflète une attente concrète des directions IT, qui doivent améliorer la disponibilité des services tout en optimisant l’utilisation de leurs ressources. Comprendre l’origine d’un incident, identifier les dépendances entre applications et accélérer le diagnostic permet de mieux orienter les efforts des équipes.
Les pratiques de détection conservent toutefois une forte dimension réactive. Selon l’étude, 48 % des entreprises interrogées s’appuient encore sur des vérifications manuelles ou sur les réclamations des clients pour repérer les interruptions. En France, les ingénieurs consacrent 26 % de leur temps à la gestion des incidents, contre 31 % l’année précédente. Ces chiffres soulignent l’intérêt d’une détection plus précoce et d’une visibilité accrue sur les environnements informatiques. L’objectif consiste à donner aux équipes les moyens de comprendre rapidement ce qui se passe et d’intervenir avant que les perturbations ne prennent de l’ampleur.
L’IA élargit le périmètre de l’observabilité
Le développement des applications intégrant de l’intelligence artificielle renforce cette exigence. En France, 82 % des répondants estiment que le code généré par l’IA accroît le besoin d’observabilité. Pourtant, seuls 42 % déclarent avoir mis en place des outils pour surveiller leurs applications d’IA. Cet écart met en évidence un défi pour les équipes techniques, qui doivent adapter leurs pratiques de suivi à des applications dont le fonctionnement et les usages évoluent rapidement.
Les agents IA en production ajoutent une nouvelle dimension à cet enjeu. Leur déploiement doit s’accompagner de moyens permettant d’observer leur comportement, de détecter les incidents et de comprendre leurs effets sur les services. À l’échelle mondiale, 42 % des entreprises qui surveillent leurs agents IA en production déclarent un retour sur investissement au moins trois fois supérieur à la mise initiale, contre 21 % de celles qui utilisent ces agents sans dispositif d’observabilité. Ces résultats déclaratifs mettent en évidence une association entre supervision et rendement perçu. Ils renforcent l’intérêt d’intégrer le suivi des agents aux pratiques d’exploitation, sans pour autant garantir un résultat identique dans chaque organisation.
Intégrer l’observabilité dès la conception
La réponse passe par une meilleure articulation entre développement, déploiement et exploitation. Les équipes IT ont intérêt à prévoir les moyens de supervision dès la conception des applications, à automatiser davantage la détection des incidents et à suivre les systèmes après leur mise en production. Cette démarche implique aussi de structurer la collecte des données techniques afin de disposer d’une vision cohérente des environnements. En France, 12 % des répondants déclarent avoir entièrement standardisé leurs pratiques autour d’OpenTelemetry, un cadre ouvert de collecte de télémétrie, tandis que 52 % supplémentaires indiquent migrer activement, évaluer ou tester cette approche.
L’observabilité doit désormais évoluer au rythme des applications et des usages de l’IA. Pour les responsables IT, l’enjeu consiste à associer innovation, fiabilité et maîtrise des ressources dès les premières étapes d’un projet. Une supervision intégrée aux pratiques de développement et d’exploitation aide les équipes à détecter les écarts, à mieux comprendre les incidents et à évaluer les effets des déploiements. À mesure que les agents IA prennent place dans les environnements opérationnels, cette capacité à observer et à piloter les systèmes devient une condition importante de la performance technologique.








