Elément clé d’un projet de migration dans le cloud, la question de la taille des capacités à allouer est cruciale, aussi bien sur le plan technique que sur le volet budgétaire. Une étude menée par la start-up Cast AI montre que cet exercice de dimensionnement n’est pas si facile et que les entreprises gardent encore le réflexe de surdimensionner. Avec comme résultat final, une facture qui s’alourdit.

Pour son analyse, la jeune pousse a remonté des données de 400 sociétés clientes de sa plateforme de FinOps basée sur l’IA. Elle a constaté qu’en moyenne les sociétés dépensaient trois fois plus qu’elles ne le devraient. Près des deux tiers de ces dépenses sont imputables à des VM provisionnées mais non utilisées, souvent car les instances sélectionnées ne correspondent pas aux besoins des workloads. Reste que l’exercice est difficile, concède Cast AI.

Un catalogue de 600 références d’instances

Les principaux fournisseurs de cloud computing proposent un choix pléthorique de types d'instances (pas moins de 600 références), ce qui rend la tâche difficile et fastidieuse pour choisir celle qui est adaptée à chaque charge de travail. Face à cette abondance, les DSI et DevOps les plus expérimentés ne peuvent pas sélectionner les bons types et la bonne quantité de VM tout en veillant à ce que l'infrastructure soit continuellement redimensionnée.

Pour y remédier, l’automatisation en s’appuyant sur de l’IA peut se révéler être une aide précieuse et une alliée pour optimiser les budgets cloud. Sans surprise, Cast AI souligne que 98% des entreprises peuvent réaliser des économies avec ce type de solution. Reste que la concurrence est forte dans ce domaine avec les opérateurs de cloud eux-mêmes (CloudWatch pour AWS, Azure Cost Management pour Microsoft), des fournisseurs (NetApp avec Cloudcheckr, Nutanix avec Beam ou VMware avec CloudHealth), ainsi que des start-ups (Apptio, Densify...).