Depuis le début des années 1990, l'utilisation des agents mobiles dans le cadre de l'administration système et réseau est étudiée. Des plates-formes à agents mobiles répondant à cet usage ont été développées et se sont penchées en général sur les problèmes de l'interrogation des équipements actifs du réseau, de la supervision des noeuds des plates-formes, de la sécurité des noeuds visités, etc. Cependant, une contrainte opérationnelle provenant du fait que la présence d'éléments dans un réseau tend à évoluer dynamiquement n'avait pas été prise en compte. Une telle évolution requiert que les itinéraires de migration associés aux agents mobiles d'administration ne soient pas définis comme cela est fait en général, de manière statique par l'administrateur, mais qu'au contraire de tels itinéraires puissent être construits à la volée de sorte à refléter la topologie courante du réseau à administrer. Nous avons aussi constaté que les facilités de programmation obtenues par l'association d'une fonction d'administration à chacun des éléments d'un itinéraire, et ce, en fonction du type de l'élément, pourraient être bénéfique, en ce sens que cela pourrait grandement simplifier la définition d'agents mettant en oeuvre de nouvelles fonctions d'administration système et réseau.<br />Ce travail de thèse consiste à proposer la définition d'un mécanisme de fabrication puis d'utilisation d'itinéraires dynamiques pour l'administration système et réseau. Nous validons cette définition en fournissant une plate-forme complète ainsi qu'un cadre de programmation d'agents mobiles d'administration système et réseau. Pour ce faire, nous utilisons et étendons la bibliothèque ProActive pour le calcul parallèle, réparti et mobile. En effet, ProActive offre un cadre qui simplifie grandement la programmation et le déploiement d'agents mobiles en<br />environnement hétérogène et réparti. Le mécanisme d'itinéraires proposé suppose la connaissance de la topologie du réseau et des éléments qui y sont connectés. Nous implantons donc un mécanisme de découverte automatique de la topologie d'un réseau au niveau 2 OSI. Nous définissons ensuite un cadre générique de programmation d'agents mobiles bâtie autour de notre mécanisme d'itinéraires pour effectuer des tâches d'administration système et réseau. Pour valider notre approche et son intégration dans le monde de l'administration système et réseau, nous fournissons des exemples concrets de l'utilisation des agents mobiles d'administration et ce pour une large gamme de configurations réseau.

Le système online de l'expérience LHCb repose sur une large infrastructure informatique hétérogène, composée de milliers de serveurs sur lesquels de nombreuses applications différentes sont exécutées. Certaines applications sont critiques (prise de données, contrôle du détecteur), d'autres secondaires (serveurs web). Administrer un tel système et s'assurer de son bon fonctionnement représente une lourde charge de travail pour une petite équipe d'experts. Des recherches ont été menées afin d'automatiser certaines tâches d'administration système. En 2001, IBM définit les « self-objectives » sensés conduire à l' «autonomic computing» (informatique autonome). Dans ce contexte, nous présentons un framework basé sur l'intelligence artificielle et l'apprentissage par renforcement pour surveiller et diagnostiquer de manière non intrusive les systèmes et logiciels basés sur Linux. De plus, notre approche d’expérience partagée ainsi que notre architecture suivant le paradigme Objet permettent d'augmenter considérablement la vitesse d'apprentissage et de corréler les problèmes. / The LHCb online system relies on a large and heterogeneous IT infrastructure made from thousands of servers on which many different applications are running. They run a great variety of tasks : critical ones such as data taking and secondary ones like web servers. The administration of such a system and making sure it is working properly represents a very important workload for the small expert-operator team. Research has been performed to try to automatize (some) system administration tasks, starting in 2001 when IBM defined the so-called “self objectives” supposed to lead to “autonomic computing”. In this context, we present a framework that makes use of artificial intelligence and machine learning to monitor and diagnose at a low level and in a non intrusive way Linux-based systems and their interaction with software. Moreover, the shared experience approach we use, coupled with an "object oriented paradigm" architecture increases a lot our learning speed, and highlight relations between problems.