Présentation du modèle SRE‑1
Resolve AI a introduit SRE‑1, un modèle d’intelligence artificielle dédié à l’analyse des alertes en production. L’entreprise souligne que, si l’IA a largement transformé la phase de codage, elle reste peu exploitée pour la phase d’exploitation, où les incidents restent confidentiels et ne bénéficient d’aucun corpus d’entraînement public.
Architecture et entraînement
SRE‑1 compte 27 milliards de paramètres et repose sur des poids ouverts. Le modèle a été entraîné par une équipe de 16 chercheurs pendant 7,4 jours, en mobilisant jusqu’à 512 GPU via le service serverless Cortex Training de Snowflake. L’entraînement s’est limité à l’apprentissage par renforcement, sans supervision supplémentaire, ce qui a permis d’ajuster le modèle directement sur des incidents réels.
Performances et validation
Sur un jeu de 49 incidents de production jugés difficiles, chaque scénario a été exécuté cinq fois ; un ensemble de cinq investigations SRE‑1 a atteint les performances du meilleur modèle de pointe tout en réduisant les coûts. Le taux de réussite d’une investigation unique est passé de 6,9 % à 38,8 % après l’entraînement. Un benchmark sur 178 alertes a montré que SRE‑1 résout approximativement deux fois plus d’incidents que les agents de codage généralistes, avec une précision de cause racine atteignant 95 % et un gain de facteur dix sur le temps moyen de résolution.
Service Primary On‑call
Primary On‑call intègre SRE‑1 dans le flux d’escalade : chaque alerte est analysée à travers la télémétrie, l’infrastructure, le code et la connaissance opérationnelle. L’agent peut clôturer l’alerte, appliquer une mitigation autorisée ou escalader vers un ingénieur. Selon Resolve AI, jusqu’à 80 % des alertes paginées sont traitées sans escalade, et les clients constatent une amélioration de dix fois du MTTR. Salesforce rapporte que, lors d’un test en production, l’agent a résolu plus de 70 % des alertes de l’équipe CRM Analytics sans réveiller d’ingénieur.
Implications et limites
Le modèle repose sur des données d’incidents internes, ce qui limite sa généricité ; l’accès à SRE‑1 reste confiné à la plateforme Resolve AI. Cette fermeture protège la confidentialité des incidents mais empêche une évaluation indépendante du biais potentiel du jeu de données. De plus, l’automatisation du diagnostic impose une surveillance continue pour éviter les actions non conformes aux politiques de sécurité, notamment lorsqu’une mitigation est appliquée sans validation humaine.