Services
Les défis du multi-Cloud
Share this post:
Le Cloud est un passage obligé, prédit IDC : pour rester compétitive, toute entreprise se doit d’avoir une stratégie Cloud mêlant des infrastructures sur site et publiques, en provenance de différents fournisseurs. Une transformation qui s’accompagne de l’adoption de nouvelles méthodes de développement agile.
Le multi-Cloud devient la règle
Fin 2020, 85 % des entreprises auront adopté une stratégie multi-Cloud estime IDC, avec une projection de 90 % en 2024. La tendance est claire… et lourde !
Mais si la majorité des entreprises choisit plusieurs types de fournisseurs et de clouds (public, privé, SaaS…), on observe sur le marché que les approches sont diverses, dépendantes des existants et des besoins spécifiques de chacune : innovation, optimisation des coûts, sécurité, capacité de passage à l’échelle, étendue de l’offre métier, accès à de nouvelles technologies… et elles comportent très souvent une part d’intégration à l’IT traditionnelle.
Le multi-Cloud est un aboutissement pour les infrastructures Cloud des entreprises, qui se veulent par essence hybrides, avec un mélange de Cloud privé et de Cloud public. Mais c’est aussi de plus en plus souvent un choix stratégique, qui permet de ne pas mettre tous ses œufs dans le même panier. C’est également un état de fait imposé par le marché lui-même. Beaucoup d’entreprises ont tout d’abord opté pour le Cloud public d’Amazon, AWS, avant d’adopter plus tard des solutions présentes sur Microsoft Azure et la Google Cloud Platform, se créant ainsi de fait un Cloud hétérogène. En partie pour des raisons de calendrier (Amazon est arrivé le premier sur le marché), mais aussi pour des raisons d’écosystème (le support des logiciels Microsoft sur Azure) ou encore pour des raisons technologiques (les offres de Google et IBM sont ainsi plébiscitées pour leurs solutions d’intelligence artificielle avancées) ou pour des raisons stratégiques (cf. la politique affirmée d’IBM et Microsoft de ne pas concurrencer leurs clients sur leurs propres marchés).
Les défis du multi-Cloud
Aujourd’hui le Cloud est donc hétérogène par essence. Les entreprises répartissent souvent les données entre public et privé suivant leur criticité, et optent pour tel ou tel opérateur de Cloud public en fonction des technologies proposées ou de leur capacité à faciliter les migrations… Avec une pincée de stratégie multi-opérateurs.
Mais tout cela n’est pas sans défis :
• Gouvernance : comment garder le contrôle de mon infrastructure informatique ?
• Utilisation : comment exploiter au mieux mon infrastructure Cloud ?
• Transformation : comment les fournisseurs de Cloud peuvent-ils m’aider dans ma transformation métier ? Le passage au Cloud lui-même s’accompagne de problématiques essentielles. Prenons l’exemple d’American Airlines, que IBM a aidé dans sa transition vers le Cloud.
Trois objectifs majeurs étaient visés lors de son passage au Cloud :
1. Optimiser l’existant : l’objectif était ici de réduire l’empreinte de leur infrastructure VMware grâce au Cloud, qui permet également de basculer vers un modèle de paiement à l’usage.
2. Moderniser les applications : l’idée était de flécher les applications vers une approche Cloud-first. Une rénovation passant souvent par l’adoption de microservices.
3. Innover : le passage au Cloud était l’occasion d’adopter de nouvelles technologies, comme le Machine Learning et le Deep Learning. Avec à la clé la création de nouvelles solutions et plates-formes.
La transition a d’ailleurs pu s’effectuer en 4 mois et demi. Que ce soit pour une rénovation d’applications existantes ou pour la création de nouvelles solutions Cloud-natives, de nouvelles pratiques de développement sont requises. Une acculturation est donc également nécessaire.
L’épineuse problématique de la gouvernance du muti-Cloud
Lorsqu’il est question de gouvernance des données, certaines entreprises tranchent encore en faveur de l’élimination de toute solution de Cloud public. Un choix risqué.
Une autre option consiste à faire la part des choses entre les données que l’on souhaite garder sur site, et les autres, qui peuvent être hébergées sur une infrastructure publique. Il est par ailleurs de plus en plus souvent possible de stocker des données critiques en mode public, via les offres de certains opérateurs spécialisés proposant parfois un bien meilleur niveau de sécurité que l’entreprise elle-même.
Reste la problématique de la gouvernance multi-Cloud. Nous passons ici d’un modèle classique type ITIL à un mode agile mettant l’accent sur le DevOps. Si l’usage de telles méthodes va de soi pour les applications Cloud-natives, elle reste un enjeu pour les autres applications. Il convient donc de mêler des gouvernances traditionnelles et agiles, d’évaluer l’impact sur les processus, les outils, ainsi que sur la culture et l’organisation même de l’entreprise.
Tout ceci s’accompagne d’un nouvel outillage, comprenant en majorité des solutions Open Source dont IBM est contributeur majeur depuis plusieurs années et encore plus dans les années à venir avec l’acquisition en cours de RedHat. Ces dernières couvrent tous les pans d’un environnement multi-Cloud : provisionnement et déploiement ; management et orchestration ; intégration et gestion continue ; gestion du système ; gestion des services ; pilotage de la sécurité.
L’enjeu est de savoir intégrer et gérer ces différents outils aux cycles de vie très courts. Mais également d’adopter de nouvelles méthodologies : DevOps, GitOps, ChatOps, FinOps, SecOps, etc. IBM lance d’ailleurs une plate-forme de multi-Cloud management et les services associés dont l’objectif est de gérer la phase amont (brokering, déploiement…) et la phase aval (pilotage opérationnel, financier…).
L’approche Go to Cloud d’IBM
Prenons un cas classique : la refonte d’un site en ligne monolithique tirant ses données du SI sur site de l’entreprise. Comment IBM va aider à le transformer en solution Cloud-native ?
Voici l’approche proposée dans cet exemple :
• Phase 1 – La conception. Il s’agit ici de penser et d’écrire la nouvelle infrastructure, en relation avec les équipes métiers de l’entreprise.
• Phase 2 – MVP (Minimum Viable Product). Une première release minimale est développée. Elle sert de démonstrateur, permet de valider techniquement la solution et met le pied à l’étrier aux équipes métiers.
• Phase 3 – MVOM (Minimum Viable Operating Model). Un embryon de gouvernance est mis en place afin de gérer le passage à l’échelle.
• Phase 4 – Modernisation. L’application est découpée en de multiples parties, modernisées une à une. Les microservices seront alors d’un précieux secours.
• Phase 5 – Réalisation. IBM aide ici à redévelopper l’application. Voire à l’administrer au travers de services d’infogérance.
Quelle que soit l’approche privilégiée, IBM propose tout l’outillage et les services nécessaires sous la forme d’offres intégrées et supportées. Mais aussi des services de gestion, du conseil sur la transformation, un savoir-faire unique sur l’Open Source, le mouvement DevOps et les migrations, de la formation et de l’aide à la transformation des compétences… Un accompagnement de bout en bout.
CTO Hybrid Cloud IBM Services
Intelligence artificielle : une génération de valeur sous conditions
La valeur potentielle à capturer est telle que les projets d’IA sont légion; l’avènement de l’IA générative les démultiplie. Mais ces projets sont cependant trop souvent des échecs. D’autant qu’un succès technique ne garantie pas la libération de la valeur identifiée en amont. La ruée vers l’offre d’intelligence artificielle trouve sans doute son élan dans […]
IBM et AWS intensifient leur partenariat pour proposer à grande échelle une IA générative responsable
Lors de la conférence annuelle « AWS Re:Invent », IBM et AWS annonceront conjointement une étape majeure dans leur collaboration visant à aider les entreprises à adopter une IA responsable. Ensemble, les deux compagnies unissent leurs forces pour permettre à nos clients de tirer parti de la puissance de l’IA générative tout en mettant l’accent sur la […]
L’intelligence artificielle et l’analytique avancée dans le système de santé français (Partie 3)
Ce troisième article de notre série explore l’impact de l’intelligence artificielle (IA) et de l’analyse avancée (AA) sur le système de santé français. L’article précédent explorait plusieurs défis urgents : pénuries de ressources, déserts médicaux, inégalités dans l’accès aux soins de santé, augmentation des coûts et évolution des attentes des patients. Ces problèmes sont dus, […]