Diagnostic et investigation par IA

Analyse des tickets par l'IA

On ne peut améliorer ce qu'on n'a pas mesuré. Vos tickets ITSM résolus contiennent des années de logique de dépannage éprouvée : chaque incident clos témoigne de la manière dont votre équipe a diagnostiqué et résolu un problème réel. L'analyse des tickets par l'IA transforme ce savoir-faire institutionnel en une ressource réutilisable par l'agent.

Importer et classer les données brutes des tickets, les transformant en connaissances exploitables par les agents

Importez un fichier CSV exporté depuis votre système ITSM, et le LLM analyse les champs des tickets, classe les incidents par type et génère deux résultats par catégorie : un résumé des procédures de dépannage utilisées par votre équipe pour résoudre ce type de problème et une invite d’IA que l’agent peut invoquer automatiquement lorsqu’il rencontre le même schéma.

Réviser, peaufiner, publier

Avant toute mise en ligne, vous effectuez une vérification. Les types de tickets sont visibles avec leurs tickets sources, ce qui permet de confirmer les classifications. Régénérez les invites si la première version nécessite des ajustements. Une fois prêtes, publiez les invites.

Un diagnostic basé sur vos antécédents médicaux

À partir de ce moment, lorsqu'AI Insight rencontre un type d'incident connu, son raisonnement s'appuie sur l'historique de résolution validé de votre équipe, et non sur des données d'entraînement génériques. Plus vous intégrez d'historique de tickets, plus l'agent comprendra précisément les problèmes réels de votre réseau et les solutions qui ont déjà fait leurs preuves dans votre environnement.

Cadre d'automatisation déclenché (TAF)

Vos meilleurs ingénieurs ne devraient pas passer leur matinée à trier des tickets qu'une machine peut déjà résoudre. TAF est la couche événementielle de votre flux de travail de dépannage qui génère un diagnostic sans intervention humaine, préremplissant les tickets avec une analyse pertinente avant même qu'ils ne soient pris en charge.

TAF reçoit les incidents de deux manières : les signaux automatisés provenant de systèmes externes et les demandes en libre-service des ingénieurs qui n’ont jamais besoin d’ouvrir le système. NetBrain.

Déclencheurs automatisés

ServiceNow, Splunk, BMC Remedy ou tout autre système informatique capable d'effectuer un appel API. Lorsqu'un ticket est ouvert ou qu'une alerte est déclenchée, TAF reçoit les données, les associe à la configuration de diagnostic appropriée et les exécute. Aucune intervention humaine n'est requise.

Déclencheurs en libre-service

Bot Microsoft Teams, e-mail, application ServiceNow ou le Incident PortalUn ingénieur décrit le problème dans le canal où il se trouve déjà. TAF prend en charge la demande et effectue un diagnostic. La réponse est renvoyée sans que l'ingénieur ait à quitter son flux de travail pour l'obtenir.

Dans les deux cas, TAF compare l'incident entrant à des critères prédéfinis et sélectionne l'option appropriée. Network Intent ou ADT, et lance le diagnostic. Les résultats s'affichent dans le volet Incident, l'application d'origine (ServiceNow, Teams, e-mail) et le tableau de bord.

Les ingénieurs voient le résultat, pas l'expédition.

Chemin de l'IA

Chemin de l'IA

Validez les chemins à la demande et expliquez leur fonctionnement étape par étape en langage clair. Deux fonctionnalités complémentaires : l’une détecte les erreurs du moteur de chemin, l’autre explique les erreurs détectées.

Docteur du chemin IA

La précision des chemins a toujours été le point faible silencieux des opérations réseau. Lorsqu'un chemin s'écarte de son historique (un saut, une conception non standard, une table de routage), tous les diagnostics et automatisations qui en découlent héritent de cette erreur. AI Path Doctor améliore ces fondements.

Il calcule un chemin complet de bout en bout de manière indépendante à l'aide de données réseau en temps réel, puis le superpose au chemin NB sur la carte afin que vous puissiez valider les périphériques manquants, les sauts incorrects et les lacunes logiques de transfert au fur et à mesure qu'ils apparaissent sur la carte, et non lors d'un examen après incident.

Le calcul est transparent par conception. Le panneau « Détails du chemin IA » affiche l'intégralité du raisonnement : la requête soumise au moteur d'IA, la logique suivie à chaque étape et un résumé structuré (passerelle source utilisée, politique de sélection du prochain saut, application ou non de la résolution de segment L2 et justification). Pour chaque saut : interface d'entrée, interface de sortie, adresse IP du prochain saut actif, adresse MAC d'adjacence L2, consultation de la table de routage, décision CEF et vérifications de politique. Un système transparent, sans intermédiaires. Un historique complet.

Quand quelque chose ne va pas et que vous avez besoin NetBrain Ingénierie requise, contactez-nous NetBrain Collecte en une seule étape toutes les données : données NB-Path, données AI-Path, topologie de la carte, résultats des commandes CLI utilisées lors du calcul et journal complet du raisonnement IA. Aucun assemblage manuel. Un clic suffit pour obtenir le package complet.

L'intérêt du diagnostic approfondi réside dans le fait que les agents s'appuient sur des itinéraires. Des itinéraires inexacts entraînent des diagnostics erronés. AI Path Doctor valide les données réelles avant l'exécution des processus automatisés.

Résumé de chemin par IA

Les ingénieurs expérimentés lisent un résultat de routage et en comprennent immédiatement le sens : quelle décision de routage a été déterminante, où la politique a été appliquée et que leur indique l’entrée CEF. Tous les autres, face au même résultat, passent 20 minutes à essayer de comprendre ce qui s’est passé.

La fonction de résumé de chemin par IA comble cette lacune. Elle analyse le résultat complet du calcul du chemin et génère une explication structurée, en langage clair, organisée étape par étape. Ce résumé se trouve dans un nouvel onglet « Résumé du chemin » du volet « Détails du chemin ». Sélectionnez un périphérique sur le chemin pour afficher le résumé généré par l'IA pour cette étape.

Chaque section de résumé présente les informations de la même manière : la logique de raisonnement utilisée par le moteur de chemin, les sources de données extraites, les observations effectuées à chaque étape et la conclusion à laquelle il est parvenu. Les erreurs détectées lors du calcul du chemin y figurent également. Rien n'est occulté : le résumé inclut des liens directs vers les données sous-jacentes (détails de configuration, tables NCT, sorties CLI), permettant ainsi aux ingénieurs de vérifier en un clic au lieu de devoir parcourir des journaux bruts.

La synthèse s'effectue progressivement. Les résultats s'affichent au fur et à mesure de leur calcul, appareil par appareil ; vous pouvez donc lire le résumé pendant que le reste est encore généré. Les résumés sont automatiquement enregistrés avec l'instance du chemin : rouvrez le chemin ultérieurement et le résumé sera déjà disponible, sans avoir à le relancer. Si un nouveau calcul de chemin démarre en cours de synthèse, celui-ci s'arrête proprement et est enregistré.

Pour les environnements complexes avec plusieurs types de chemins (L2, L3) et des dépendances entre périphériques, le résumé traite chaque type comme une section repliable, lisible à la profondeur souhaitée par l'ingénieur.

Résultat : chaque requête de chemin renvoie l'interprétation des données par un ingénieur senior, indépendamment de la personne qui l'a exécutée.