L’AIOps réseau à l’hôpital : de la supervision réactive à l’intelligence opérationnelle

Par Laurent Bouchoucha, Vice-Président Solutions et Développement Commercial chez Alcatel-Lucent.

Ce n’est pas une question de compétence des équipes IT. C’est plutôt le signe d’un décalage structurel entre ce qu’on leur demande de gérer et les moyens dont elles disposent réellement. Dans beaucoup d’établissements, les équipes réseau tiennent avec une dizaine de personnes tout au plus, face à des environnements devenus complexes. Parallèlement, étant soumis à la directive européenne NIS2, les établissements de santé doivent améliorer leur capacité à détecter les anomalies, renforcer la traçabilité des événements et accélérer leur réaction en cas d’incident de sécurité. Sur le terrain, cela se traduit par une équation assez directe : davantage d’exigences, des temps de réponse plus contraints, sans augmentation réelle des moyens disponibles.

Une complexité qui n’est plus “gérable” à l’échelle humaine

Dans un hôpital moderne, le réseau, porte en permanence des flux critiques : imagerie, biologie, prescriptions, dispositifs médicaux connectés, systèmes de localisation, outils de collaboration clinique.

Chaque couche ajoute de l’opacité potentielle. Un ralentissement applicatif peut avoir des dizaines de causes possibles : saturation Wi-Fi locale, microcoupure WAN, configuration erronée sur un switch, montée en charge serveur, ou encore effet de bord d’une mise à jour logicielle.

Quand l’analyse repose encore largement sur l’humain, cette complexité se traduit mécaniquement par un temps de diagnostic élevé. Et dans un hôpital, le temps n’est jamais neutre. Une latence de quelques minutes sur un accès au dossier patient ou une indisponibilité temporaire d’un système d’imagerie peut désorganiser un service entier.

Le problème dépasse la seule technique. Il devient cognitif : les équipes font face à un volume d’informations que l’humain ne peut plus corréler efficacement en temps réel.

Du bruit opérationnel à la perte de signal

Dans les infrastructures hospitalières, les équipes IT sont aujourd’hui confrontées à un paradoxe bien connu des environnements complexes : plus la supervision est avancée, plus elle produit de signaux… et plus il devient difficile d’identifier ceux qui comptent réellement.

Une alerte de latence réseau, une notification de CPU élevé, une fluctuation Wi-Fi ou un incident applicatif isolé peuvent, pris individuellement, sembler mineurs. Mais lorsqu’ils se produisent simultanément, sans corrélation automatique, ils créent un bruit opérationnel considérable.

Dans ce bruit, le risque n’est pas seulement de passer à côté d’un incident. C’est de perdre la capacité à en comprendre la cause racine dans un temps compatible avec les exigences de soins.

C’est précisément ici que se joue la rupture introduite par l’AIOps.

L’AIOps : passer de l’alerte à la compréhension contextuelle

Avec l’AIOps (Artificial Intelligence for IT Operations), on passe d’une logique centrée sur les alertes à une logique de compréhension globale des systèmes.

Dans un hôpital, cela change concrètement la façon d’aborder un incident. Il n’est plus considéré comme un événement isolé, mais comme le signe d’un ensemble de causes possibles, à la fois techniques et liées aux usages métier.

Prenons un cas concret pouvant être observé dans des environnements hospitaliers complexes. Une dégradation des performances sur un système de dossier patient est détectée. Dans une approche classique, plusieurs équipes vont investiguer séparément : réseau, systèmes, applications. Dans une approche AIOps, les événements sont corrélés automatiquement. Le système peut, par exemple, identifier qu’une mise à jour logicielle déployée la veille a généré une augmentation de charge sur une base de données, elle-même amplifiée par une hausse du trafic provenant de terminaux mobiles dans un service spécifique.

Ce type de corrélation transforme profondément le rôle des équipes IT. Elles ne cherchent plus des causes possibles dans des volumes de logs ingérables. Elles valident une hypothèse structurée, déjà contextualisée.

NIS2 : un accélérateur de transformation, pas une option

La directive NIS2 introduit un changement majeur dans les obligations des établissements de santé : ils doivent désormais être capables de détecter plus rapidement les anomalies, mais aussi d’y répondre de manière structurée et traçable.

Ce point est essentiel. Il ne s’agit plus seulement de “gérer des incidents”, mais de démontrer une capacité organisationnelle à les détecter, les analyser et les traiter dans des délais compatibles avec le niveau de criticité.

Or, avec des processus encore largement manuels, cette exigence crée une tension immédiate. Les processus humains seuls ne peuvent pas absorber simultanément le volume d’événements, la vitesse de détection attendue et la nécessité de documentation exhaustive.

L’AIOps devient alors un levier de conformité autant qu’un outil opérationnel. Non pas parce qu’il remplace les équipes, mais parce qu’il leur permet de tenir le rythme imposé par la réglementation.

Le cas du Wi-Fi hospitalier : un révélateur de fragilité systémique

Le Wi-Fi est souvent perçu comme une commodité dans d’autres environnements. À l’hôpital, il est devenu une infrastructure critique.

Il supporte désormais des usages qui vont bien au-delà de la connectivité classique : mobilité des soignants, terminaux de prescription, dispositifs biomédicaux connectés, outils de suivi patient, et parfois même des applications de coordination en situation d’urgence.

Dans ce contexte, une simple dégradation de performance dans une zone peut avoir des effets en cascade. Retard dans la validation d’une prescription, attente prolongée pour une administration de traitement, ou impossibilité temporaire d’accéder à une imagerie urgente.

Sans capacité de corrélation avancée, ces incidents sont souvent analysés a posteriori, de manière fragmentée. Avec une approche AIOps, ils peuvent être reliés à des causes structurelles : densité d’équipements, saturation radio locale, ou mauvaise répartition de charge entre points d’accès.

Ce passage d’une analyse locale à une lecture systémique est l’un des apports les plus concrets de l’intelligence opérationnelle.

Réduire la charge mentale des équipes IT hospitalières

L’enjeu de l’AIOps dépasse la performance technique. Il est aussi humain.

Dans des équipes IT hospitalières souvent réduites, la charge mentale est un facteur critique. La multiplication des alertes, la fragmentation des outils et la pression de disponibilité constante créent un environnement où l’urgence devient la norme.

L’AIOps ne supprime certes pas les incidents mais permet de restructurer cette charge, en réduisant le bruit, en hiérarchisant les priorités et en automatisant une partie de l’analyse initiale.

Cela redonne aux équipes un rôle plus stratégique : celui de superviseurs de systèmes complexes plutôt que d’intervenants en réaction permanente.

Vers un réseau hospitalier intelligible et résilient

L’hôpital numérique ne se définit pas uniquement par le nombre d’applications qu’il déploie ou le niveau de connectivité qu’il atteint ; il se définit aussi par sa capacité à maintenir la continuité de service dans un environnement de plus en plus complexe et contraint.

Dans ce contexte, l’AIOps devient une condition de soutenabilité opérationnelle.

Car la véritable question n’est plus seulement : “le réseau fonctionne-t-il ?”
 Mais : “sommes-nous capables de comprendre rapidement pourquoi il ne fonctionne plus, et quel impact cela a sur le soin ?”

C’est précisément à cette question que répond l’intelligence opérationnelle.