Oracle obtient un brevet pour un système de diagnostic des pannes dans les centres de données utilisant le machine learning

Le géant technologique Oracle a obtenu un brevet pour un système de machine learning capable de détecter les pannes dans les centres de données et de générer des alertes. Ce système basé sur l’IA pourrait révolutionner la gestion des temps d’arrêt dans les centres de données, permettant aux entreprises d’économiser des millions en coûts opérationnels et d’améliorer la fiabilité des services. 

Selon le rapport annuel 2023 de l’Uptime Institute sur les pannes, plus des deux tiers des pannes dans les centres de données coûtent aux entreprises plus de 90 000 € (78 120 £) par incident, et 25 % d’entre elles dépassent les 900 000 € (781 200 £). Ces chiffres, en hausse continue, montrent l’importance pour les entreprises d’investir dans la résilience et la gestion des temps d’arrêt. 

Le brevet d’Oracle décrit une solution basée sur le machine learning qui analyse en temps réel des données issues de diverses sources au sein d’un centre de données pour identifier les causes potentielles de pannes. Ce système intègre des données provenant de serveurs, de matériels réseau, de dispositifs d’alimentation et de capteurs environnementaux, en appliquant un modèle sophistiqué pour interpréter les informations et générer des alertes sur la cause probable des perturbations détectées. 

« Avec l’augmentation du nombre d’appareils et d’applications dans les centres de données, il devient de plus en plus complexe d’identifier efficacement la source d’une panne », précise le brevet. 

La solution d’Oracle aborde cette complexité en exploitant des modèles de machine learning pour analyser les volumes massifs de données générées dans les centres de données modernes, garantissant ainsi une identification rapide et précise des causes des pannes. 

Un brevet de centre de données signé Oracle 

Le brevet d’Oracle décrit le fonctionnement du système à l’aide d’un exemple : la défaillance d’une source d’alimentation dans un rack. Le modèle de machine learning détecterait une chute du niveau de puissance du rack sous un seuil prédéfini, déclenchant ainsi une alerte. Cela permettrait aux opérateurs de centres de données d’intervenir rapidement pour résoudre le problème de manière efficace. 

Cette capacité à identifier les problèmes en quasi-temps réel est cruciale pour minimiser les temps d’arrêt. À mesure que les centres de données s’agrandissent et gagnent en complexité, les points de défaillance potentiels se multiplient, rendant les méthodes traditionnelles de surveillance et de dépannage manuelles de moins en moins efficaces. Le système de machine learning d’Oracle automatise une grande partie de ce processus, offrant une solution plus fiable et plus efficace pour assurer la continuité des opérations dans les centres de données. 

Oracle utilise déjà des techniques de machine learning dans plusieurs de ses services, notamment en ajoutant des fonctionnalités d’IA à ses produits principaux, comme les bases de données SQL. Le mois dernier, l’entreprise a annoncé de nouveaux algorithmes spatiaux de ML pour Python, conçus pour « améliorer la qualité des modèles et la précision des prédictions en tenant compte des effets de localisation ».