La gestion d’un centre de données ne se limite plus uniquement à sa conception ou à sa capacité installée. Avec des charges de travail de plus en plus exigeantes — notamment celles liées à l’Intelligence Artificielle —, la marge d’erreur se réduit, et la maintenance cesse d’être une routine calendrier pour devenir un exercice continu de surveillance et de priorisation. Dans ce contexte, Vertiv a annoncé Vertiv™ Next Predict, un service géré doté d’IA visant à « industrialiser » la maintenance des infrastructures critiques, en passant d’un modèle réactif ou préventif traditionnel à une approche basée sur l’état et la prévision.

Cette solution repose sur une idée simple : si l’on peut observer l’infrastructure avec une résolution suffisante (télémétrie, capteurs, métriques opérationnelles) et si l’on dispose d’analyses capables de détecter des écarts, il est possible d’anticiper les défaillances ou dégradations avant qu’elles ne deviennent réellement problématiques. L’objectif déclaré est de réduire le risque de coupures imprévues, d’améliorer la fiabilité et d’optimiser la performance dans les environnements à haute densité, où l’énergie et la refroidissement deviennent aussi cruciaux que le matériel informatique lui-même.

Du maintien « calendrier » au maintien « comportemental »

Depuis des années, de nombreuses installations fonctionnent avec un équilibre entre contrôles programmés, remplacements préventifs et interventions réactives en cas de panne. Le problème est que ce modèle devient inefficace à mesure que la complexité augmente : davantage de capteurs, d’équipements, de sites, de dépendances, avec une tolérance à l’interruption de moins en moins grande.

Next Predict se présente comme un « service numérique géré » combinant capteurs, télémétrie haute résolution et analyse IA/ML pour générer des insights exploitables. Selon Vertiv, il s’agit d’une couche qui surveille l’état des actifs, détecte les anomalies et applique une logique automatisée de maintenance conditionnelle et prédictive, afin d’aider les équipes opérationnelles à s’éloigner des simples maintenances calendrier.

Concrètement, le processus s’appuie sur une chaîne en cinq étapes : collecte de la télémétrie des équipements, transmission sécurisée des données vers le cloud, analyse pour contextualiser et identifier les signaux précoces, définition d’actions prescriptives, puis réponse opérationnelle ciblée « où et quand cela est nécessaire ».

Ce dernier point est essentiel : l’IA, ici, ne se limite pas à un tableau de bord de statistiques « esthétiques », mais devient un mécanisme de décision opérationnelle. La promesse est de réduire l’incertitude : moins de suppositions, plus d’actions basées sur des preuves, avec une priorisation selon la gravité et le risque.

Ce que cela change pour les opérateurs : visibilité, priorisation et moins d’interventions « à l’aveugle »

Un des coûts cachés de l’exploitation d’une infrastructure critique n’est pas seulement la panne elle-même, mais aussi tout ce qui est fait « en cas de doute » : visites sans détection, interventions prématurées, remplacements inutiles ou diagnostics tardifs. Vertiv met en avant des bénéfices tels que la maximisation du temps de disponibilité grâce à une surveillance continue, la réduction des coupures imprévues en anticipant les défaillances via des algorithmes, et l’amélioration de l’efficience grâce à des recommandations en temps réel basées sur des métriques opérationnelles.

Au quotidien, ce service inclut des outils conçus pour les équipes gérant plusieurs sites : un tableau de bord centralisé (surveillance de l’état, alertes, recommandations et planification du cycle de vie), ainsi qu’un « benchmarking » de flotte, comparant la performance entre équipements et sites pour tirer parti des meilleures pratiques.

Une composante critique dans un environnement à haute densité IA est aussi la capacité à réduire le temps nécessaire au diagnostic et à la réparation. La fiche technique mentionne des améliorations du MTTR (temps moyen de réparation), le diagnostic à distance et l’optimisation du temps « sur site », signifiant que l’intervention physique sera de plus en plus guidée par des signaux clairs plutôt que par des rondeurs routinières.

Un service dédié à l’énergie et au refroidissement, incluant batteries et solutions liquides

Un consensus croissant dans le secteur est que l’augmentation de la puissance par rack et l’adoption de refroidements avancés ont transformé l’infrastructure « non-IT » en un facteur différenciateur. Vertiv positionne Next Predict dans son portefeuille pour les centres de données axés sur l’IA, soulignant sa compatibilité avec des plateformes énergétiques et de refroidissement, y compris le stockage d’énergie en batteries (BESS) et les composants de refroidissement liquide, avec une architecture conçue pour évoluer « du réseau au microprocesseur ».

La fiche technique recense des exemples concrets d’éléments et de familles compatibles : gestion thermique (notamment solutions de refroidissement liquide comme CoolChip CDU), batteries (EnergyCore), UPS (séries Liebert, PowerUPS, Trinergy Cube), et distribution électrique (STS, PPC), entre autres.

Ce dispositif encourage une évolution culturelle : lorsque la densité et le coût de refroidissement augmentent, la maintenance prédictive devient une étape incontournable pour maintenir l’efficacité et la disponibilité, sans faire exploser les coûts opérationnels.

L’aspect humain : moins d’improvisation dans un environnement où chaque erreur coûte

Vertiv situe cette annonce dans une réalité connue de nombreuses équipes : à mesure que la puissance de calcul augmente, la pression pour assurer la continuité opérationnelle et la performance devient aussi plus grande. La communication insiste sur le fait que l’analyse avancée permet d’anticiper les risques, permettant de passer d’une stratégie calendaire à une prise de décision basée sur une surveillance continue.

En langage opérationnel : moins de surprises, une meilleure capacité à hiérarchiser, et une gestion qui ne dépend plus uniquement du « flair » ou de règles standardisées. Dans un environnement où les « usines à IA » font croître le coût d’une panne, cette transition devient presque incontournable.

Questions fréquentes

Quelle différence y a-t-il entre maintenance préventive et maintenance prédictive basée sur l’IA dans un centre de données ?
La maintenance préventive intervient selon un calendrier (contrôles et remplacements programmés). La maintenance prédictive, quant à elle, vise à agir en fonction de l’état réel des équipements, en détectant anomalies et signaux précoces, pour intervenir avant qu’un incident ne survienne, en hiérarchisant selon le risque.

Quels types d’infrastructures sont couverts par Vertiv Next Predict ?
Ils concernent principalement les actifs liés à l’énergie et au refroidissement, tels que les UPS, batteries, distribution électrique et solutions de gestion thermique, y compris la refroidissement liquide.

Comment un service géré comme celui-ci contribue-t-il à réduire les coupures imprévues ?
En combinant télémétrie, transmission sécurisée vers le cloud, analyses pour détecter les signaux faibles, et actions prescriptives interprétées par des équipes de service, il permet une réponse ciblée pour éviter des impacts opérationnels majeurs.

Pourquoi cet approche prend-elle de l’importance dans les centres de données dédiés à l’Intelligence Artificielle ?
Parce que la densité et la complexité accrues (énergie, refroidissement, dépendances) réduisent la tolérance à la panne. La maintenance basée sur les données offre une visibilité continue et un contrôle renforcé pour garantir performance et disponibilité.

via : vertiv