Trois heures du matin, une alerte de latence, et un ingénieur d’astreinte qui ne se souvient plus de la syntaxe de makeTimeseries. Davis CoPilot promet de traduire la question « quelles erreurs sur le service paiement depuis une heure ? » en requête DQL exécutable. La promesse est réelle, mais elle a des limites qu’il vaut mieux connaître avant de s’y fier en incident.
Pour un SRE, l’intérêt est double : réduire le temps de diagnostic (MTTR) et ouvrir les données à des équipes qui n’écrivent pas de DQL. Le risque est symétrique : une requête plausible mais fausse donne une réponse fausse avec beaucoup d’assurance.
Objectif : activer l’assistant, l’interroger proprement, contrôler la requête générée, et poser les garde-fous de confidentialité et de coût. Le contenu vaut pour Dynatrace SaaS, sur la plateforme Grail. Dynatrace Managed n’est pas concerné : l’assistant s’appuie sur les apps et les données de la plateforme SaaS.
Davis CoPilot aujourd’hui : ce qui a changé de nom
Davis CoPilot est le nom historique de l’IA générative de Dynatrace. La documentation actuelle parle désormais d’« IA générative et agentique Dynatrace Intelligence », et l’assistant conversationnel s’appelle Dynatrace Assist. Les identifiants techniques gardent l’ancien nom : le schéma de réglages est service:davis.copilot.datamining-blocklist et la CLI expose dtctl exec copilot nl2dql. Dans cet article, « Davis CoPilot » désigne l’ensemble.
Ce que fait l’assistant :
- traduire une question en langage naturel en DQL, et éventuellement l’exécuter ;
- résumer et expliquer une requête DQL existante ;
- résumer un problème Davis, sa cause racine et des pistes de remédiation ;
- répondre à des questions d’usage du produit et suggérer des guides de dépannage.
Prérequis
- Un environnement Dynatrace SaaS sur la plateforme (Grail, Notebooks, Dashboards).
- Un contrat DPS : selon la documentation, à partir de la version 1.347, les modèles de licence non-DPS ne peuvent plus utiliser le serveur MCP, les actions d’IA dans les workflows ni les appels API directs à l’IA générative ou agentique. Voir la licence DPS et sa consommation.
- Un administrateur pour activer la fonction et attribuer les permissions aux groupes d’utilisateurs.
Étape 1 : activer l’IA et restreindre les données
Dans Settings, cherchez les réglages de l’IA générative (le libellé suit le renommage en cours). Le schéma correspondant expose notamment :
enableCopilot: active l’IA générative ;enableAgenticAi: active l’IA agentique ;enableTenantAwareDataMining: requêtes qui tiennent compte de votre environnement (la prise en compte peut demander jusqu’à 24 heures) ;blocklistEntries: tables ou buckets exclus de l’index sémantique ;piiBlockingEnabledetpiiBlockingTypes: blocage des adresses e-mail, numéros de téléphone, IBAN, cartes bancaires, adresses IP, paramètres d’URL, etc.
Pour relire la configuration par l’API (token avec settings.read) :
curl -s -H "Authorization: Api-Token $DT_TOKEN" \
"$DT_ENV/api/v2/settings/objects?schemaIds=service:davis.copilot.datamining-blocklist&scopes=environment" \
| jq '.items[].value | {enableCopilot, enableAgenticAi, piiBlockingEnabled, blocklistEntries}'
Ligne critique : activer l’option ne suffit pas, il faut aussi attribuer les permissions aux groupes concernés. Sans elles, l’utilisateur ne voit pas l’assistant.
Étape 2 : poser une bonne question
La qualité de la requête dépend de la précision de la question. Comparez :
- Flou : « montre les erreurs ».
- Précis : « logs de niveau ERROR du namespace checkout sur la dernière heure, regroupés par nom de pod ».
Nommez la source (logs, spans, événements, métriques), le filtre, la période et le regroupement. Utilisez les noms réels de vos services et namespaces.
Depuis un terminal, la CLI donne la même traduction sans exécution :
dtctl exec copilot nl2dql "error logs from the last hour"
Résultat typique :
fetch logs
| filter loglevel == "ERROR"
| filter timestamp > now() - 1h
Étape 3 : relire la requête avant de croire le résultat
C’est l’étape qui sépare un usage sûr d’un usage dangereux. Avant d’agir sur une réponse :
- La source : la requête interroge-t-elle la bonne table (
logs,spans,bizevents,dt.davis.events) ? - Les champs : les noms existent-ils vraiment ? Un champ inventé ne provoque pas toujours d’erreur ; il peut simplement filtrer tout.
- La période : la fenêtre correspond-elle à l’incident ?
- Les agrégations : une moyenne là où il fallait un percentile change la conclusion.
Demandez ensuite à l’assistant d’expliquer la requête : si l’explication ne correspond pas à votre question, reformulez. Pour vous constituer une base de requêtes fiables, partez de nos requêtes DQL d’exploitation.
Étape 4 : maîtriser le coût
Selon la documentation, toutes les requêtes exécutées par l’IA générative consomment comme des requêtes ordinaires, et l’usage hors interface (workflows, API, MCP) est facturé selon la grille tarifaire. Deux réflexes :
- dans Notebooks et Dashboards, choisissez de générer la requête sans l’exécuter automatiquement, puis lancez-la après relecture ;
- limitez la période et ajoutez un
limitpour les explorations.
Les limites de Davis CoPilot à connaître
- Erreurs plausibles : la requête est syntaxiquement valide mais répond à une autre question.
- Contexte partiel : l’assistant ne connaît pas vos conventions de nommage internes ni l’historique de vos incidents.
- Pas de décision : il propose, il ne valide pas. Un rollback ou un redémarrage reste une décision humaine.
- Données sensibles : sans liste de blocage ni blocage des PII, des données personnelles peuvent apparaître dans les réponses.
- Disponibilité : SaaS uniquement, et soumise au modèle de licence.
Comment vérifier que ça fonctionne
- Ouvrez un Notebook, posez une question simple dont vous connaissez la réponse : « nombre de problèmes Davis actifs ».
- Comparez avec une requête écrite à la main :
fetch dt.davis.events
| filter event.status == "ACTIVE"
| summarize count()
- Les deux chiffres doivent concorder. Si l’assistant n’apparaît pas, vérifiez l’activation et les permissions du groupe ; si la réponse diffère, comparez les deux requêtes ligne à ligne.
Bonnes pratiques
- Former, pas remplacer : utilisez l’assistant pour apprendre DQL ; enregistrez les requêtes validées dans un Notebook partagé.
- Garde-fous d’abord : liste de blocage et PII avant l’ouverture à toute l’entreprise.
- Traçabilité en incident : collez la requête exacte dans le ticket, pas seulement le résultat.
- Dans d’autres outils : la même IA est accessible par MCP, par exemple depuis Microsoft Teams ou Cursor, avec les mêmes règles de relecture.
- Référence : documentation de l’IA générative et agentique.
Questions fréquentes
Davis CoPilot est-il disponible en Dynatrace Managed ?
Non. Il s’appuie sur la plateforme SaaS (Grail, apps). En Managed, l’analyse reste manuelle ou passe par vos propres outils.
Mes données servent-elles à entraîner le modèle ?
Consultez la page « data privacy and security » de la documentation officielle pour votre contrat. Configurez dans tous les cas la liste de blocage et le blocage des PII.
Peut-on l’utiliser sans exécuter les requêtes ?
Oui. Dans Notebooks et Dashboards, on peut générer le DQL sans l’exécuter, ce qui permet de relire et d’éviter une consommation inutile.
Conclusion
Davis CoPilot accélère l’écriture de DQL et ouvre les données à plus de monde. Il ne dispense ni de relire la requête, ni de configurer la confidentialité, ni de surveiller la consommation. Traitez-le comme un collègue rapide mais nouveau : utile, à condition de vérifier son travail.
span.observer est un blog indépendant de la communauté, non affilié à Dynatrace LLC. Dynatrace est une marque de son propriétaire. Les noms de fonctions et de réglages de l’IA évoluent rapidement : vérifiez-les dans la documentation officielle.