Transform 2025 : Pourquoi l'observabilité est essentielle pour les écosystèmes d'agents d'IA

La révolution du logiciel autonome est en marche. Lors de Transform 2025 , Ashan Willy, PDG de New Relic, et Sam Witteveen, PDG et cofondateur de Red Dragon AI, ont expliqué comment ils instrumentent les systèmes agentiques pour un retour sur investissement mesurable et tracent la feuille de route de l'infrastructure pour optimiser l'IA agentique.

New Relic offre à ses clients une observabilité en capturant et en corrélant en temps réel la télémétrie des applications, des journaux et de l'infrastructure. L'observabilité va au-delà de la surveillance : il s'agit de fournir aux équipes le contexte et les informations nécessaires pour comprendre, dépanner et optimiser des systèmes complexes, même en cas de problèmes inattendus. Aujourd'hui, cette tâche est devenue considérablement plus complexe avec l'arrivée de l'IA générative et agentique. Pour l'entreprise, l'observabilité inclut désormais la surveillance de tous les outils, de Nvidia NIM à DeepSeek, en passant par ChatGPT, etc. L'utilisation de sa surveillance par IA a augmenté d'environ 30 % d'un trimestre à l'autre, reflétant l'accélération de l'adoption.

« Nous constatons également une grande diversité de modèles », a déclaré Willy. « Les entreprises ont commencé avec GPT, mais elles commencent à utiliser une multitude de modèles. Nous avons constaté une augmentation d'environ 92 % de la variance des modèles utilisés. Et nous commençons à voir les entreprises adopter davantage de modèles. La question est : comment mesurer l'efficacité ? »

En d'autres termes, comment l'observabilité évolue-t-elle ? C'est une question cruciale. Les cas d'utilisation varient considérablement selon les secteurs, et les fonctionnalités diffèrent fondamentalement d'une entreprise à l'autre, selon sa taille et ses objectifs. Une société financière peut se concentrer sur la maximisation de ses marges d'EBITDA, tandis qu'une entreprise axée sur les produits mesure la rapidité de mise sur le marché parallèlement au contrôle qualité.

Lors de la création de New Relic en 2008, l'observabilité était axée sur la surveillance des applications SaaS, mobiles, puis cloud. L'essor de l'IA et de l'IA agentique ramène l'observabilité aux applications, car les agents, micro-agents et nano-agents exécutent et produisent du code écrit par l'IA.

Avec l'augmentation du nombre de services et de microservices, notamment pour les organisations natives du numérique, la charge cognitive liée à la gestion humaine des tâches d'observabilité devient écrasante. L'IA peut évidemment y contribuer, affirme Willy.

« Le principe est simple : vous disposerez de suffisamment d’informations pour travailler en mode coopératif », a-t-il expliqué. « L’intérêt des agents en observabilité est de prendre en charge certaines de ces tâches automatiques et de les rendre opérationnelles. Cela démocratisera l’utilisation de ces outils pour un plus grand nombre. »

Une plateforme unique d'observabilité exploite le monde agentique. Les agents automatisent les workflows, mais ils s'intègrent parfaitement à l'ensemble de l'écosystème, avec tous les outils d'une organisation, comme Harness, GitHub, ServiceNow, etc. Grâce à l'IA agentique, les développeurs peuvent être alertés des erreurs de code partout dans l'écosystème et les corriger immédiatement, sans quitter leur plateforme de développement.

En d'autres termes, s'il y a un problème avec le code déployé dans GitHub, une plateforme d'observabilité alimentée par des agents peut le détecter, déterminer comment le résoudre, puis alerter l'ingénieur - ou automatiser entièrement le processus.

« Notre agent analyse fondamentalement chaque information présente sur notre plateforme », explique Willy. « Il peut s'agir des performances de l'application, de la structure Azure ou AWS sous-jacente, de tout ce que nous jugeons pertinent pour le déploiement du code. C'est ce que nous appelons les compétences d'agent. Nous ne dépendons pas d'un tiers pour connaître les API, etc. »

Sur GitHub, par exemple, ils indiquent au développeur quand le code fonctionne correctement, où les erreurs sont traitées, voire lorsqu'une restauration logicielle est nécessaire, puis automatisent cette restauration avec l'approbation du développeur. L'étape suivante, annoncée par New Relic le mois dernier, consiste à utiliser l'agent de codage Copilot pour indiquer au développeur précisément les lignes de code qui présentent un problème. Copilot corrige ensuite le problème, puis prépare une version prête à être déployée à nouveau.

À mesure que les organisations adoptent l'IA agentique et commencent à s'y adapter, elles vont découvrir que l'observabilité est un élément essentiel de sa fonctionnalité, explique Willy.

« Lorsque vous commencerez à développer toutes ces intégrations et composants agentiques, vous souhaiterez savoir ce que fait l'agent », explique-t-il. « C'est une sorte de raisonnement pour l'infrastructure. Un raisonnement pour comprendre ce qui se passe dans votre production. C'est ce qu'apportera l'observabilité, et nous sommes à l'avant-garde en la matière. »