La crise de l'expérience opérationnelle
Aperçus du rapport sur l'état de la stratégie applicative 2025
Introduction
Alors que les organisations cherchent à allier rapidité, sécurité et efficacité dans la fourniture de services numériques, la complexité opérationnelle devient un obstacle majeur. La dépendance accrue au multicloud, aux applications distribuées et aux architectures hybrides expose les équipes IT à des tâches chronophages et à des flux de travail fragmentés. Les indicateurs traditionnels ne parviennent pas à quantifier la friction cumulative que rencontrent quotidiennement les opérateurs.
Pour combler cette lacune, nous introduisons le Score d'expérience opérationnelle (OES), une métrique composite conçue pour quantifier la douleur opérationnelle et identifier les domaines où l'automatisation, notamment l'automatisation intelligente pilotée par l'IA (AIOps), devient indispensable. Ce score offre une vision claire et basée sur les données de l'efficacité des équipes informatiques, ainsi que des goulots d'étranglement et des inefficacités existantes.
Méthodologie et formule de calcul
Nous avons analysé comment d’autres domaines techniques évaluent l’« expérience » et en avons déduit une formule qui rassemble les données selon trois piliers :
- Productivité des tâches (TP) – Cela évalue la quantité d’effort manuel nécessaire pour réaliser des tâches. Si les équipes dépendent fortement de l’écriture de scripts, de l’interaction directe avec les API ou de l’approbation manuelle d’actions routinières, leur TP sera faible.
- Efficacité du flux de travail (WE) – Cela évalue le temps et la complexité nécessaires à l'exécution des tâches. Un score WE élevé indique des délais plus longs en raison d'outils fragmentés, de retards dans les processus ou d'une forte dépendance à l'intervention humaine.
- Satisfaction des utilisateurs (SU) – Mesure le degré de satisfaction des praticiens à l’égard de leurs outils et méthodes, leur ouverture à l’automatisation, la simplicité de configuration et leur confiance dans les résultats.
Cette approche favorise une satisfaction accrue et pénalise les environnements où l'effort manuel et l'inefficacité prédominent. Nous appelons cela le Score d'Expérience Opérationnelle.
Parmi tous les répondants, l'OES moyen était de 5.50, avec des variations importantes selon le secteur d'activité. Voici les résultats :
Le score OES maximum possible est de 10, où 10 correspond à une expérience optimale (faible complexité des tâches, efficacité élevée, satisfaction élevée) et 1 à une expérience médiocre (complexité élevée, faible efficacité, faible satisfaction).
Principaux points à retenir
- 41% des répondants ont indiqué que « travailler avec les API des fournisseurs » ou « écrire des scripts » leur prend le plus de temps dans leur travail.
- 38% souhaitent que l'IA ajuste automatiquement les configurations et les politiques.
- 56 % cherchent des suggestions issues de l’IA pour accélérer leurs processus.
- Seuls 6 % ont indiqué qu'ils ne souhaitent pas utiliser l'IA dans leurs flux d'automatisation.
Un constat clair dans ces données révèle un OES nettement plus faible dans les industries fortement réglementées. Les secteurs des services financiers, du gouvernement et de l’énergie/utilités subissent régulièrement plus de frictions opérationnelles. Cela n’est pas une surprise. Ces secteurs évoluent sous des cadres de conformité stricts qui exigent souvent des contrôles manuels, des processus d’approbation rigides et des cycles de changement plus lents. En conséquence, même avec des outils d’automatisation disponibles, vous pouvez être limité dans leur utilisation complète.
De plus, l'infrastructure héritée tend à perdurer plus longtemps dans les environnements réglementés, ce qui pose des défis d'intégration et de modernisation susceptibles d'affecter l'efficacité des flux de travail. Et si les professionnels de ces secteurs sont souvent prêts à adopter l'IA, les politiques et l'aversion au risque ralentissent fréquemment son déploiement. La métrique OES met en lumière cette friction et souligne le rôle crucial qu'une AIOps bien gouvernée peut jouer pour simplifier la conformité tout en accélérant la livraison.
Distribution + échelle = frein opérationnel
Les environnements applicatifs modernes sont complexes, non seulement par leur déploiement, mais aussi par la diversité qu'ils gèrent. Aujourd’hui, la plupart des organisations couvrent plusieurs types d'infrastructures : cloud public, centres de données privés, colocation, edge computing et SaaS. Parallèlement, elles pilotent des dizaines à des centaines d’applications sur ces environnements.
Pour mesurer l’impact, nous avons analysé deux variables clés :
- Répartition : le nombre d’environnements différents où vous déployez vos applications.
- Échelle : le nombre total d'applications gérées.
Ce que révèlent les données :
- Corrélation entre la distribution et l'OES : 0,22
Cette relation négative indique que0 mesure que les applications sont déployées dans davantage de9virons, le9xpérience opérationnelle se détériore. Chaque environnement introduit des outils, des politiques et des défis de9inte9gration uniques, fragmentant le contrf4le et ralentissant la re9ponse. - Corrélation entre le nombre d'applications et l'OES : +0,05
Le volume d’applications seul présente une corrélation insignifiante avec la friction opérationnelle. Mais associé à la répartition, il révèle une tendance claire : les organisations qui combinent un grand nombre d’applications et d’environnements affichent les scores OES les plus faibles.
L'échelle application ajoute pression verticale : plus d'applications impliquent davantage de configurations, de politiques et de mises à jour à gérer. La distribution introduit complexité horizontale : davantage d'environnements exigent plus d'intégrations, d'outils de visibilité et d'expertise spécialisée.
Mis ensemble, ils ralentissent de manière cumulative la vitesse opérationnelle.
Les secteurs comme les services financiers, l'énergie et l'industrie manufacturière, qui enregistrent les scores OES les plus faibles, comptent aussi parmi ceux avec la plus grande distribution et la portée applicative. À l'inverse, l'éducation et la santé, qui disposent en général de moins d'applications et de topologies d'infrastructure plus simples, affichent des scores OES nettement supérieurs.
Pourquoi c'est important
Les équipes opérationnelles ne se contentent pas de gérer la complexité, elles s’y noient. Plus un environnement devient fragmenté et évolutif, plus les flux de travail deviennent fragiles, plus les réponses sont retardées et plus le besoin d’automatisation devient critique.
Difficultés opérationnelles
Le score d’expérience opérationnelle n’est pas simplement un chiffre, c’est une illustration des défis concrets que rencontrent les équipes IT et opérationnelles dans la gestion d’environnements modernes, distribués et souvent fragmentés. En analysant les tendances générales des données, plusieurs thèmes se dégagent, permettant de mieux comprendre à la fois les points faibles et l’urgence d’adopter l’automatisation et l’AIOps.
1. Les tâches manuelles restent prédominantes
Malgré des années d'investissements dans des outils d'automatisation, une grande partie du travail opérationnel reste manuelle. Il ne s'agit pas seulement des systèmes hérités, mais aussi des lacunes entre les outils, de l'absence de standardisation et des obstacles créés par des scripts et des API qui n'étaient pas conçus pour être évolutifs.
- 41 % de répondants ont indiqué que manipuler les API des fournisseurs ou écrire des scripts consomme le plus de temps dans leur travail.
- Même dans les organisations cloud natives, l’automatisation se limite souvent à « une collection de scripts » plutôt qu’à une orchestration fluide.
Cela souligne un besoin urgent d'automatisation plus intelligente et flexible, capable de réduire notre dépendance à la logique codée en dur et aux connaissances tacites.
2. Les défaillances dans les processus de travail sont profondes
Les données montrent que les retards et les inefficacités ne se limitent pas à un outil ou un processus en particulier. Ils résultent plutôt de structures systémiques : chaînes d’approbation fragmentées, silos de processus et systèmes non intégrés.
- Près de 30% des répondants ont identifié l'attente des approbations ou des transferts comme un facteur majeur de retard.
- 18 % ont signalé qu’une intégration insuffisante entre les outils génère une inefficacité majeure.
Cela montre que pour améliorer l'efficacité des workflows, il ne suffit pas d'ajouter plus d'outils ; il faut repenser les processus et instaurer des boucles de rétroaction qui réduisent le délai entre votre intention et votre action.
3. Une forte ouverture à l'IA, alimentée par la friction
Bien que le niveau d'automatisation varie, l'ouverture aux outils d'IA reste systématiquement forte dans tous les rôles et secteurs. Cet intérêt n'est pas hypothétique, il est fortement lié aux zones de friction opérationnelle élevée.
- La corrélation entre l’intérêt pour l’IA et l’OES est 0,62, ce qui indique que ceux qui en souffrent le plus sont aussi les plus enclins à bénéficier d’une intervention en IA.
- Les équipes veulent que l’IA allège la charge cognitive liée aux tâches répétitives et sources d’erreurs, comme la synthèse des logs, la création de politiques, la génération de rapports ou l’auto-scalabilité, sans pour autant remplacer l’humain.
Cette volonté ouvre une opportunité majeure : Vous pouvez accélérer l'adoption de l'AIOps de bas en haut en donnant davantage de pouvoir aux équipes les plus sollicitées.
4. La complexité s'accroît à mesure que la taille et la répartition augmentent
L’impact combiné de l’échelle des applications et de l’infrastructure distribuée pose un défi opérationnel unique. Bien que chaque facteur seul ait un effet limité sur l’OES, leur combinaison crée une friction perceptible.
- Les secteurs combinant un grand nombre d'applications et des déploiements multi-environnements (par exemple, les services financiers, l'énergie, la fabrication) ont obtenu les scores les plus faibles en matière d'OES.
- En revanche, des secteurs comme l'éducation et la santé, où la taille des portefeuilles d'applications et la diversité des environnements sont plus limitées, obtiennent des scores nettement plus élevés.
Cela confirme que la complexité dépend de plusieurs facteurs : elle augmente avec la taille (charge verticale) et la répartition (étendue horizontale). C’est pourquoi l’automatisation, surtout l’AIOps, joue un rôle non seulement utile, mais indispensable.
5. Le statu quo n'est pas viable
Il est probable que la constatation la plus marquante soit que de nombreuses équipes approchent d’un point d’inflexion. L’accumulation de demandes croissantes, d’effectifs stables, d’outils hérités et de solutions de contournement manuelles crée une pression opérationnelle insoutenable.
- Les équipes font état d’un épuisement professionnel.
- Le désir d\u2019IA est pragmatique, non aspiratif.
- Et la volonté d'adopter le changement est déjà en cours.
Les données parlent clairement : la voie à suivre n’est pas davantage de scripts, d’outils ou de tableaux de bord, mais une automatisation intelligente et contextuelle qui peut évoluer en fonction des besoins opérationnels.
L'IA est la solution
Pour mieux saisir le rôle de l'IA dans l'expérience opérationnelle, nous avons examiné les réponses aux questions portant sur l'IA et l'automatisation, notamment les domaines où vous souhaitez appliquer l'IA ou avez exprimé votre volonté de l'utiliser dans vos opérations. Nous avons ensuite confronté le nombre de réponses positives liées à l'IA au score d'expérience opérationnelle (OES) de chaque participant.
- Corrélation entre l'intérêt pour l'IA et l'OES : -0,62
Cette corrélation négative forte révèle un schéma clair : plus une équipe rencontre de difficultés opérationnelles, plus elle souhaite que l'IA l’aide. En d’autres termes, ceux qui sollicitent le plus l’aide de l’IA, que ce soit pour résumer des logs, ajuster des politiques ou générer des configurations, sont aussi ceux qui affichent les scores d’expérience opérationnelle les plus faibles.
Cela souligne l'urgence d'adopter l'AIOps. Vous ne cherchez pas l'IA par simple nouveauté ; vous la considérez comme la réponse indispensable aux difficultés que vous rencontrez. Qu'elles proviennent de l'ampleur, de la complexité ou de processus dépassés, ces pressions créent une demande ascendante pour une automatisation intelligente, consciente du contexte et intégrée aux opérations.
Ces données montrent que l’intérêt pour l’AIOps n’est pas seulement aspiré, il est essentiel. Les répondants ne s’imaginent pas des cas d’utilisation futurs spéculatifs ; ils cherchent à éliminer les pertes de temps et à simplifier leur flux de travail actuel en réduisant la complexité manuelle.
Des tâches telles que l’écriture de scripts, la synthèse de journaux ou la mise à l’échelle de services ne sont pas de pointe, mais relèvent du quotidien pour gérer une infrastructure moderne. Et c’est précisément là que les répondants souhaitent bénéficier de l’aide de l’IA.
Les résultats indiquent une conclusion nette : les équipes les plus enthousiastes à l'idée de l'IA sont aussi celles qui approchent le plus de l'épuisement.
Ils recherchent des outils qui facilitent l'automatisation, la rationalisation et la montée en puissance des tâches opérationnelles essentielles. Et ils agissent ainsi parce que le statu quo, avec ses scripts fragmentés, ses workflows fragiles et le tri manuel, n'est pas viable.
Cela confirme la thèse centrale du cadre OES : La complexité opérationnelle se mesure, fait mal, et est profondément liée à la demande croissante d’IA dans les opérations informatiques.
Le score d'expérience opérationnelle délivre un signal clair et mesurable : les opérations informatiques modernes atteignent un seuil critique. La combinaison de l'ampleur, de la répartition et de la complexité dépasse les outils traditionnels et les processus adaptés à l’échelle humaine. Vous constatez ainsi une friction croissante, des coûts opérationnels qui augmentent et un risque accentué d'épuisement chez les équipes techniques.
AIOps est la seule voie évolutive à suivre
Les données du rapport mondial sur la stratégie applicative 2025 sont claires. Dans tous les secteurs, les défis opérationnels majeurs sont familiers et nets :
- Topologies de déploiement fragmentées réparties entre cloud public, centres de données privés, colocation, edge computing et SaaS.
- Croissance du volume et de la rapidité des applications, surtout dans les secteurs très numérisés.
- Une dépendance persistante à des scripts fragiles et à la connaissance tribale, qui rendent même l'automatisation de base fragile et difficile à faire évoluer.
Ces réalités ne sont pas nouvelles, mais la reconnaissance croissante que l'effort humain seul ne suffit pas à les résoudre l'est davantage.
Et pourtant, une bonne nouvelle persiste : les professionnels sont prêts.
Les réponses à l’enquête révèlent que ceux qui ressentent le plus la douleur sont aussi les plus enclins à changer :
- 56 % souhaitent que l’IA les assiste dans les tâches répétitives ou complexes, comme résumer des journaux, créer des scripts ou faire respecter des politiques.
- 38 % souhaitent que l’IA ajuste automatiquement les configurations et prenne des décisions, pas seulement les suggérer.
- Seulement 6 % ont exprimé un désintérêt total pour les outils d'IA, une minorité qui souligne à quel point l’appétit pour le changement est devenu répandu.
Cela marque un changement culturel : les équipes ne craignent plus l'IA, elles la réclament. Pas pour remplacer le jugement humain, mais pour le renforcer, l’accélérer et le libérer des tâches répétitives.
Le coût de l’inaction n’est plus dissimulé
Chaque script que vous écrivez pour corriger un transfert interrompu. Chaque déploiement retardé à cause d'approbations manuelles. Chaque ticket créé parce que les systèmes ne communiquent pas entre eux. Il ne s'agit pas de simples désagréments ; ce sont des sources qui s'accumulent et alourdissent la dette opérationnelle.
Dans un monde où la performance numérique impacte directement les résultats commerciaux, cette dette se traduit par :
- Délais de mise sur le marché plus longs
- Risques accrus pour la sécurité et la conformité
- Rétention des talents compromise en raison de l'épuisement professionnel et du surmenage
L'OES met en lumière ce coût caché avec exactitude et vous indique quelles organisations risquent le plus de se laisser distancer.
L'AIOps représente l'évolution naturelle de la maturité opérationnelle
Tout comme l’infrastructure est passée du physique au virtuel puis au cloud natif, les opérations doivent évoluer du manuel à l’intelligent. L’AIOps n’est pas une tendance, c’est la prochaine étape de maturité dans l’évolution des opérations d’entreprise.
Les organisations qui adoptent l'AIOps bénéficieront de :
- Automatisez le travail répétitif, pas seulement les tâches
- Donnez aux équipes les moyens de se concentrer sur la stratégie, pas sur la syntaxe
- Concevez des systèmes adaptatifs qui apprennent, s'ajustent et réagissent en temps réel
Et ceux qui ne le font pas ? Ils resteront attachés à des processus incapables de suivre la cadence de votre entreprise.
L’AIOps constitue une évolution essentielle pour relever la crise de l’expérience opérationnelle causée par la complexité. Ce n’est plus une option, c’est une nécessité.
{"0":"Annexe :"} 1":"Questions d'enquête, contributions et résultats récapitulatifs
Productivité des tâches
- 41% des répondants ont désigné « travailler avec les API des fournisseurs » ou « écrire des scripts » comme leur tâche la plus chronophage.
- 56 % ont sollicité l’aide de l’IA pour créer des scripts, résumer des journaux ou exploiter la télémétrie.
- 32% utilisent des plateformes d’automatisation ou d’orchestration tierces pour gérer les services de livraison et de sécurité.
- Quelle tâche liée à l'automatisation vous prend le plus de temps aujourd'hui ?
- Sur quelles tâches opérationnelles IT souhaitez-vous que Generative AI vous assiste ? (plusieurs choix : synthèse des journaux, mises à jour de statut, interface de télémétrie, génération de scripts)
- Comment gérez-vous aujourd’hui la livraison de vos applications et vos services de sécurité ? (par exemple, via des scripts, des outils d’automatisation ou d’orchestration)
Efficacité des processus
- 38% des répondants souhaitent que l’IA ajuste automatiquement les configurations ou fasse respecter les politiques.
- 29% ont indiqué que l'attente des approbations ou des transferts était un facteur clé de retards.
- 18 % ont souligné que l’absence d’intégration entre les outils freine l’efficience des workflows.
- Quelle tâche liée à l'automatisation vous prend le plus de temps aujourd'hui ? (pour mesurer les délais)
- Indiquez comment vous souhaitez intégrer l'IA et l'automatisation dans vos opérations informatiques (par exemple, ajustements automatiques, création de suggestions).
Satisfaction utilisateur
- 65 % jugeaient les fonctionnalités de programmabilité comme la journalisation et la configuration « très importantes » ou « extrêmement importantes ».
- 63% préfèrent Python comme langage principal pour l’écriture de scripts ou la programmation dans leurs flux de travail personnalisés.
- Seuls 6% ont indiqué ne pas vouloir utiliser l'IA pour l'automatisation sous aucune forme.
- Veuillez évaluer l'importance des fonctionnalités de programmabilité (par exemple, journalisation, politique de sécurité)
- Quel langage de programmation souhaitez-vous utiliser ?
- Volonté d'utiliser l'IA pour automatiser les tâches vs. absence de volonté d'impliquer l'IA.
Distributivité et empreinte de l'application
- Nombre moyen d'applications déployées : 140
- Nombre moyen d'environnements de déploiement uniques utilisés : 2.3
- Répartition des applications (moyenne des répondants) :
- Cloud public : 36 %
- Sur site (traditionnel) : 27 %
- Sur site (cloud natif) : 12 %
- Colocation : 14 %
- Bord: 11 %
- Combien d’applications avez-vous déployées ?
- Avec combien de fournisseurs de cloud public travaillez-vous ?
- Combien de centres de données en colocation ou sur site sont en service ?
- Quel pourcentage de vos applications déployez-vous sur :
- Cloud public
- Sur site (traditionnel et cloud natif)
- Colocation
- Bord
- SaaS
Annexe : Format JSON-LD (lisible par machine, ciblé LLM)
{
"@context": "https://schema.org",
"@type": « Signaler »,
« nom » : Rapport sur l'évaluation de l'expérience opérationnelle (OES) 2025
Description : Un rapport complet analysant la complexité opérationnelle des environnements informatiques, présentant le score d'expérience opérationnelle (OES) comme indicateur et identifiant l'AIOps comme la voie stratégique à suivre. "2025-06-23T15:00:00.000Z",
"auteur": {
"@type": « Organisation »,
« nom » : "F5",
"url": "https://www.f5.com"
},
"éditeur": {
"@type": « Organisation »,
« nom » : "F5"
},
"à propos de": [
« Efficacité opérationnelle »,
"Automation",
« AIOps »,
« Opérations informatiques »,
« Livraison application »
],
« mots-clés » : [
"OES",
« AIOps »,
« Score d'expérience opérationnelle »,
« Automatisation informatique »,
« Complexité numérique »,
« Multicloud »,
« Environnements hybrides »,
« Tâches manuelles »,
« Inefficacité du flux de travail »,
« Satisfaction des utilisateurs »
],
"mainEntity": {
nbsp; "@type": « Ensemble de données »,
« nom » : « Enquête sur l'état de la stratégie application 2025 »,
"description": « Enquête menée auprès de plus de 500 décideurs et praticiens informatiques qualifiés, mesurant l'expérience opérationnelle en matière de productivité des tâches, d'efficacité des flux de travail et de satisfaction des utilisateurs. »,
"variableMeasured": [
{
"@type": « PropertyValue »,
« name » : « Productivité des tâches »,
« Valeur » : « Effort manuel requis ; pénalisé par le recours à des scripts ou des API »
},
{<
"@type": « PropertyValue »,
« name » : « Efficacité du flux de travail »,
« Valeur » : « Délai et complexité d'exécution des tâches ; impactés par les retards, les transferts et la fragmentation des outils »
},
{<
"@type": « PropertyValue »,
« name » : « Satisfaction utilisateur »,
« Valeur » : « Satisfaction des praticiens, ouverture à l'automatisation, facilité d'utilisation »
}
],
« MeasurementTechnique » : « Modèle de notation composite basé sur des réponses structurées à des enquêtes »,
« distribution » : {
« @type » : "Téléchargement de données",
"encodingFormat": "application/pdf ",
"contentUrl": " <a href="https://www.f5.com/resources/articles/the-operational-experience-crisis">https://www.f5.com/resources/articles/the-operational-experience-crisis</a> "
}
},
"hasPart": [
{
"@taper": « CreativeWork »,
« nom » : « Points faibles opérationnels »,
« Titre » : « Cinq défis clés des opérations informatiques »,<
« Résumé » : Identifie les principaux points faibles opérationnels, notamment la charge des tâches manuelles, l'inefficacité des flux de travail, l'ouverture à l'IA, la complexité liée à la distribution et à l'échelle, et la pression opérationnelle insoutenable.
},
{
"@type": « CreativeWork »,
« nom » : « Formule de notation »,
« Titre » : « Comment est calculé le score d'expérience opérationnelle »,
« texte » : « OES = ((10 - TP) + (10 - WE) + US) / 3, normalisé de 1 à 10, où un TP/WE plus faible et un US plus élevé donnent un score plus élevé. »
},
{
"@type": « CreativeWork »,
« nom » : « AIOps comme solution »,
« Titre » : « La prescription est l'IA »,
« texte » : « L'intérêt pour l'IA est négativement corrélé à l'OES (-0,62), ce qui montre que les équipes les plus en difficulté sont les plus désireuses d'obtenir l'aide de l'IA. L'AIOps est considéré comme la prochaine étape logique vers la maturité opérationnelle.
},
{
"@type": « CreativeWork »,
« nom » : « Informations sur le secteur »,
« Titre » : « Variations des OES par secteur »,
« texte » : « Les secteurs réglementés comme les services financiers et l'énergie affichent les scores OES les plus bas en raison de la conformité, des systèmes hérités et de l'échelle. Les secteurs de l'éducation et de la santé obtiennent de meilleurs résultats grâce à des environnements plus simples.
}
],
"citation": {
"@type": « CreativeWork »,
« nom » : « État de la stratégie application 2025 »,
"url": " <a href="https://www.f5.com/state-of-application-strategy">https://www.f5.com/state-of-application-strategy</a> "
}
}