Contexte et objectifs
OllyGarden a annoncé, après une levée de fonds supplémentaire de 4 millions de dollars, l’ajout d’une capacité dite Minimum Viable Instrumentation (MVI) à son agent d’observabilité Rose. L’objectif affiché est de réduire la quantité de données de télémétrie collectées par les équipes DevOps, en identifiant les logs, métriques et traces superflus ainsi que les zones où aucune instrumentation n’existe. La société indique que son approche a permis de diminuer le volume de logs jusqu’à 85 % dans les environnements testés, ce qui se traduit par une baisse des coûts d’ingestion et de stockage.
Fonctionnement du MVI et de l’agent Rose
Le MVI repose sur l’analyse continue du code source et des points d’instrumentation déjà présents. L’agent Rose interroge les bibliothèques OpenTelemetry, cadre open‑source soutenu par la CNCF, pour déterminer quels points de collecte de données sont manquants. Lorsqu’une lacune est détectée, l’agent génère automatiquement un correctif au niveau du code, indiquant le type de métrique ou de trace à ajouter. Cette génération de correctifs s’appuie sur des modèles d’apprentissage supervisé entraînés sur des bases de données de configurations observées, ce qui permet de proposer des sources de données pertinentes sans intervention manuelle.
Analyse des impacts sur la collecte de télémétrie
En filtrant les éléments jugés non pertinents avant qu’ils n’atteignent la plateforme d’observabilité, le système limite le bruit qui peut masquer les signaux utiles. La réduction annoncée de 85 % des logs implique une diminution proportionnelle du trafic réseau et du volume de stockage, deux facteurs majeurs de coût dans les solutions cloud. De plus, en comblant les lacunes d’instrumentation, l’agent fournit aux modèles d’IA un jeu de données plus complet, ce qui améliore la fiabilité des diagnostics automatisés. Toutefois, la société précise que la validation humaine reste indispensable, notamment pour vérifier que les correctifs générés ne modifient pas le comportement fonctionnel du logiciel.
Limites et perspectives
Le modèle actuel dépend de la qualité des métadonnées OpenTelemetry disponibles dans le projet ; des environnements qui n’utilisent pas ce standard nécessitent une adaptation préalable. De plus, la capacité à identifier des lacunes repose sur des heuristiques qui peuvent ne pas couvrir des cas d’instrumentation très spécifiques ou propriétaires. Enfin, la réduction du volume de données ne garantit pas automatiquement une amélioration des performances des agents d’IA, car la pertinence des données dépend également de la configuration des algorithmes de traitement. OllyGarden prévoit d’étendre le MVI à d’autres langages et frameworks, ce qui pourrait élargir son champ d’application au-delà des services cloud classiques.
