KiteVision
Projet

IA et NetDevOps pour l'exploitation d'un réseau d'opérateur

IA générative, agents et automatisation au service du NOC et du support technique : base de contexte (RAG), MCP, n8n, pipelines NetDevOps — et la gouvernance qui va avec.

Les opérateurs passent de l'expérimentation à l'industrialisation de l'IA générative dans leurs équipes d'exploitation. Cette formation en préparation en donne les clés : ce qu'un LLM sait faire (et ne sait pas faire), comment le brancher sur le patrimoine de l'opérateur, comment l'intégrer aux pratiques NetDevOps — et avec quels garde-fous.

Public visé — Ingénieurs et managers d'exploitation réseau (NOC, support technique, ingénierie), étudiants de Master réseaux et cybersécurité.

Programme envisagé

  1. 1

    Contexte et références

    Pourquoi maintenant : maturité des modèles, modèles ouverts, et résultats publiés en production par des opérateurs (Deutsche Telekom, Bouygues Telecom, Orange).

  2. 2

    Comprendre les LLM

    Ce qu'un modèle rédige et ce qu'il ne sait pas : hallucinations, fenêtre de contexte, et pourquoi sa fiabilité dépend des données qu'on lui branche.

  3. 3

    La base de contexte

    RAG sur le patrimoine de l'opérateur (tickets, runbooks, RFO, contrats), stack open source auto-hébergeable, et ce que le RAG ne sait pas faire : les données structurées.

  4. 4

    Agents IA et déploiement

    Quatre niveaux d'autonomie et leurs garde-fous ; SaaS, API cloud, cloud souverain ou on-premise : l'arbitrage confidentialité / coût / effort.

  5. 5

    Cas d'usage NOC et support

    Triage et enrichissement d'alarmes, aide au diagnostic, communication d'incident, prise de quart, rédaction des RFO — avec validation humaine.

  6. 6

    NetDevOps augmenté

    Configurations versionnées, CI/CD et infrastructure as code (Ansible, Nornir, Terraform) ; génération de playbooks, revue de changement assistée, tests (pyATS, Batfish), intent-based networking.

  7. 7

    Intégration au SI

    MCP pour brancher les agents sur Grafana, Prometheus, NetBox ou GitLab ; n8n pour orchestrer les workflows ; l'agent exposé et consommateur d'API.

  8. 8

    Gouvernance

    Hallucinations, RGPD, AI Act, sécurité des agents (injection de prompt, droits), continuité en mode dégradé, conduite du changement et mesure du ROI.

Travaux pratiques envisagés : stack RAG auto-hébergée, configurations MCP, workflows n8n et pipeline NetDevOps sur un lab réseau virtualisé.

Le support est en cours de rédaction. Il s'appuie sur le panorama ia.kitevision.fr : cas d'usage, socle technique, outillage et gouvernance de l'IA pour l'exploitation d'un réseau.