Comment Circle K a ramené le triage des incidents DevOps sous les 15 minutes avec Amazon Bedrock

L'enjeu dépasse le simple gain de temps. Les ingénieurs d'astreinte reçoivent désormais du contexte exploitable plutôt qu'une alerte brute et peuvent agir immédiatement. Le système répond aussi à un problème de cohérence. La profondeur et la rapidité d'un triage dépendaient jusqu'ici de la familiarité de l'ingénieur avec le service concerné, et le passage constant d'un outil à l'autre compliquait l'application homogène des bonnes pratiques de l'équipe. En automatisant les requêtes de logs, les contrôles de santé et la consultation des runbooks, qui se répétaient à l'identique d'un incident à l'autre, Circle K libère du temps pour le jugement opérationnel humain, que l'outil est censé soutenir et non remplacer. Pour une infrastructure qui porte les caisses, les applications de fidélité et les bornes de recharge de véhicules électriques, réduire le délai avant la remédiation a un effet direct sur la continuité du service.

Ce projet est né d'une montée en charge. À mesure que l'entreprise développait ses activités numériques sur plusieurs comptes AWS, le nombre de services, donc d'alertes (redémarrages de conteneurs, hausses du taux d'erreurs, pics de latence, déploiements échoués), a augmenté, et avec lui la charge d'investigation manuelle. L'équipe DevOps a lancé une initiative de recherche et développement pour explorer ce que l'IA pouvait apporter à la surveillance et au triage. Elle avait envisagé des frameworks d'agents open source sur une infrastructure autogérée, mais cette voie impliquait de gérer elle-même l'hébergement des modèles, le versionnage des prompts, l'orchestration des outils et les contrôles de sécurité. Amazon Bedrock a été préféré parce qu'il donne accès à plusieurs modèles de fondation via une API unique et permet d'en changer sans réécrire le code. Les enseignements tirés du passage à l'échelle du système, notamment lors de la migration vers AgentCore, constituent la suite de l'expérience.