INTRODUCTION
Gestion intelligente des identités et de la sécurité pour les entreprises
Dans un monde idéal, nos appareils nous reconnaîtraient instantanément et donneraient accès à nos applications et à nos documents — tout en protégeant nos informations de toute autre personne. Lorsque les réseaux étaient privés et que le personnel travaillait au bureau, la sécurité était relativement facile à gérer pour les organisations. Mais aujourd'hui, avec le passage au cloud et l'essor du travail à distance, la sécurité et la gestion des identités sont beaucoup plus complexes.
En tant que leader mondial de la sécurité des identités, Okta aspire à permettre à chacun d’utiliser en toute sécurité n’importe quelle technologie sur n’importe quel appareil, le tout propulsé par son identité. Avec plus de 18 000 clients dans le monde, Okta a développé des intégrations pour plus de 7 000 applications.
Afin de faire progresser ses efforts en matière de gouvernance et d’administration des identités, Okta a acquis la plateforme d’opérations du lieu de travail atSpoke en 2021. Rebaptisée Okta Inbox, elle facilite les demandes d’accès aux applications. Par exemple, l’intelligence artificielle intégrée d’Okta Inbox permet aux utilisateurs de saisir des requêtes en langage naturel pour trouver rapidement et facilement ce dont ils ont besoin.
« Nous accordons une importance capitale à nos clients. C’est dans notre ADN, de la direction générale à l’équipe de développement. Tout ce que nous faisons est conçu pour aider nos clients à travailler plus rapidement et à rester en sécurité », déclare Suchit Agarwal, directeur de l’ingénierie chez Okta.
LE DÉFI
Trouver une solution évolutive pour alimenter les requêtes en langage naturel
Pour créer Okta Inbox, Okta a écrit du code et a construit manuellement des modèles de machine learning pour alimenter les requêtes en langage naturel. Ces modèles génèrent des vector embeddings, une série de valeurs pondérées qui détectent les aspects qualitatifs et quantitatifs d’un ensemble de données.
Bien que cette approche fût efficace, elle nécessitait une plus grande évolutivité à mesure que l'entreprise se développait et limitait la capacité de l'équipe à expérimenter. Par exemple, lors de la recherche dans une collection vectorisée d'applications en langage naturel, le modèle d'apprentissage automatique reconnaîtrait que des termes tels que « visioconférence », « passer un appel vidéo » ou « conférence téléphonique » se rapportent à l'application de communication privilégiée de cette entreprise.
Les modèles d’apprentissage automatique et les embeddings d’Okta étaient gérés et maintenus sur un cluster Kubernetes dédié. Cependant, les vecteurs doivent soit être stockés dans une base de données vectorielle dédiée — ce qui représente un coût et une solution supplémentaires à maintenir —, soit un moteur de recherche complémentaire doté d’une fonctionnalité de recherche vectorielle doit être installé. L’adaptation de l’environnement pour augmenter les performances entraînerait des frais supplémentaires et détournerait les développeurs de leurs activités.
LA SOLUTION
Automatisation des embeddings et optimisation des algorithmes
Lorsqu’Okta a découvert pour la première fois MongoDB Vector Search on Atlas, l’entreprise a compris que l’automatisation du travail manuel sous-jacent aux requêtes en langage naturel grâce à cette solution permettrait aux développeurs de se concentrer sur l’innovation.
« MongoDB Vector Search sur Atlas a été la réponse à nos problèmes. Il simplifie une grande partie du travail nécessaire pour rendre Okta Inbox très convivial pour les clients », a déclaré M. Agarwal. « C'était incroyable de trouver une solution qui s'intègre si facilement avec MongoDB Atlas. Nous n'avons pas eu à faire de compromis sur le fait d'avoir une plateforme de données unique. »
Au lieu de créer une solution personnalisée pour le stockage des embeddings, ceux-ci peuvent désormais être stockés dans des collections MongoDB Atlas. Lorsqu'il est sollicité, MongoDB Vector Search sur Atlas interroge les embeddings pour trouver rapidement et facilement la bonne application. Avec l'approche précédente, Okta s'appuyait sur des algorithmes de recherche développés en interne pour ce type de requêtes. MongoDB Atlas a fourni une couche de données efficace qui a simplifié ces opérations.
« Okta Inbox sait à quelle application l'utilisateur demande l'accès et crée automatiquement un ticket pour traiter la requête », a expliqué M. Agarwal. « Il reçoit des milliers de requêtes via nos chatbots, et nous n'avons plus besoin de traiter manuellement des milliers de représentations vectorielles de texte pour résoudre ces requêtes ».
.svg)