Ignite 2020 : Microsoft se dote d’une brique d’observabilité intelligente

Microsoft fait rimer computer vision avec prudence

Le produit n’étant qu’en préversion publique (et encore Microsoft ne sélectionne que les clients de longue date ou motivés), le géant du cloud accompagne le service d’une série d’avertissements. Il tient à rappeler que le service apporte une analyse probabiliste et qu’il n’est pas recommandé pour mesurer les performances d’un travailleur ou être utilisé dans des décisions médicales. Concernant la protection de la vie privée, Microsoft déconseille l’usage dans des espaces protégés ou publics et rappelle les réglementations en la matière.

Surtout, la documentation pointe des limites techniques inhérentes aux jeux d’entraînements et à la performance du service. Spatial Analysis n’a pas été conçu pour une utilisation en temps réel, il a été entraîné sur le visage de personnes âgées de 18 à 65 ans, donc les taux d’erreur sont plus élevés pour les images des individus qui n’entrent pas dans cette tranche d’âge. Enfin l’éclairage public ou la météo peut fortement influencer les performances : les usages extérieurs abusifs sont subtilement déconseillés.

Techniquement, Spatial Analysis s’installe dans un container sur site placé dans un runtime Azure IoT Edge embarqué dans une appliance Azure Stack Edge qui ingère les flux vidéo et exécute les modèles de détection de visages, de délimitation de zone ou encore de respect des distances à l’inférence. Cet ensemble communique avec Azure IoT Hub qui permet de mettre en place des crochets vers des applications mobiles, de lancer des FaaS Azure Functions pour analyser les résultats avec Power BI ou des flux logiques pour obtenir ces informations dans Office 365. Cette jonction Edge-Cloud explique principalement pourquoi Microsoft ne propose pas du traitement en temps réel.

Du NLP standard et « Neuronal »

Côté traitement du langage naturel, le géant du cloud étend les capacités du service In Speech, dédié au speech to text et au text to speech et à la traduction vocale. Si la firme de Redmond communique moins sur son assistant virtuel Cortana, elle enrichit ses solutions qu’elle subdivise en catégories.
« La fonction “Neural Text to Speech” a ajouté 18 nouvelles langues et 32 nouvelles voix, soit un total de 49 langues et 68 voix. Sur les versions Standard et Neural Text to Speech, nous proposons désormais 151 voix. De plus, le Speech to Text a ajouté 11 nouvelles langues locales de l’UE, couvrant désormais les 24 langues officielles spécifiées par le Parlement européen », écrit un porte-parole de Microsoft dans un communiqué de presse.

Microsoft fait surtout la différence entre un algorithme de deep learning de speech to text et un algorithme NLP plus standard, avec lequel les données vocales sont transcrites, puis étiquetées manuellement. Dans tous les cas, ces fonctions peuvent être intégrées dans un programme développé en C#, C++, Java, Python, JavaScript, Go ou via le CLI Speech.

Metrics Advisor, le pendant Azure de Dynatrace AI

Plus utiles pour les responsables IT, Metrics Advisor, lui aussi en préversion, est un service d’analytique propulsé au machine learning pour surveiller des métriques et faciliter les diagnostics des services Azure, Office 365 et Bing, mais aussi des applications métiers.
Metrics Advisor est en réalité une version managée du Détecteur d’anomalies (Azure Anomaly Detector en anglais, en disponibilité générale en septembre), une API REST qui se connecte à des données en série chronologique issues de bases de données consacrées à cet effet (InfluxDB, ElasticSearch), mais aussi des bases ou des sources de données plus généralistes comme MongoDB, MySQL, PostgreSQL, Azure SQL, CosmosDB ou Azure Blob Storage. Metrics Advisor apporte une vision multidimensionnelle, c’est-à-dire que le service est capable d’analyser simultanément les données issues de plusieurs de ces bases de données.

Un seul paramètre est obligatoire : une ou plusieurs colonnes doivent contenir des valeurs numériques. Microsoft recommande tout de même d’introduire une colonne pour l’horodatage (DateTime ou String) et de prendre en compte la dimensionnalité (nombre de colonnes et de valeurs différentes) sur un large volume de données.

S’il est possible d’analyser les données en temps réel, la documentation avertit quant à la possibilité de se retrouver avec des données partielles, limitant les capacités de l’outil. Il est plutôt recommandé d’ingérer les données une fois par jour. Cette procédure de connexion bien établie, le SRE ou son équipe choisit les métriques et les caractéristiques de métriques sur lesquelles il veut détecter des anomalies.

Metrics Advisor sélectionne automatiquement un algorithme de détection développé en Python dans sa bibliothèque (transformation de Fourier, détection Z-score, des seuils dynamiques, Spectral Residual CNN – un algorithme de Deep Learning développé en interne –, analyse des saisonnalités par régression locale et Extreme Studentized Deviate). Si un de ces modèles détecte une erreur, il envoie une alerte vers des webhooks Azure DevOps ou des hooks mails. La connexion vers Teams n’est pas encore établie.

Il est possible de régler le seuil d’alerte, puis de bénéficier d’une analyse de la cause profonde et les arborescences de diagnostics. Pour cela, l’outil fournit un tableau de bord et des graphiques. Dans ce dernier, on trouve principalement un onglet Incident qui liste l’ensemble des événements, et Diagnostic qui permet d’analyser leurs causes. L’onglet Incident fournit également des conseils automatisés afin d’identifier les causes probables. Enfin, un graphe de métriques est paramétrable afin d’établir les relations entre elles.

Pour l’instant, et contrairement à ce que propose Dynatrace avec le moteur Davis AI, il n’est pas possible d’obtenir une arborescence complète automatiquement. Metrics Advisor fait partir le nœud de l’incident et affiche ses dépendances. Le graphe de métriques permet de compléter les relations entre les données manuellement. La différence se joue dans le fait qu’il n’y a pas d’agent à installer qui remonte les données clés.

Plus surprenant, Microsoft Azure propose déjà un service de monitoring humblement intitulé Azure Monitor. Pourquoi alors ne pas embarquer Metrics Advisor au sein de ce dernier ? Nous attendons la réponse de Microsoft à ce sujet et nous mettrons à jour cet article en conséquence.

Mise à jour : Microsoft précise que Metrics Avisor a une utilisation plus généraliste qu'Azure Monitor, d'où sa présence dans le catalogue Azure Cognitive Services. 

« Metrics Advisor est un service cognitif d’intelligence artificielle qui permet d’analyser et détecter des anomalies sur un processus d’entreprise sur la base de données métiers collectées par l’entreprise, que ce soit le trafic d’un site de e-commerce au données de vibrations d’une machine industrielle. Azure Monitor est une brique de supervision intelligence des services Azure, Metrics Advisor est un service d’intelligence artificielle pour toutes données de l’entreprise », précise Xavier Perret, Directeur de l’entité Azure Microsoft France.