Les technologies de l'information sont devenues un composant essentiel dans diverses industries, ce qui a accru l'accent mis sur la maintenance et la surveillance des logiciels. Avec les complexités des systèmes logiciels modernes, les approches traditionnelles de maintenance sont devenues insuffisantes. Le concept d'AIOps a émergé pour améliorer la maintenance prédictive en utilisant les capacités du Big Data et de l'apprentissage automatique. Cependant, exploiter l'AIOps nécessite de relever plusieurs défis liés à la complexité des données et à la gestion des incidents. Des solutions commerciales existent, mais elles ne conviennent pas à toutes les entreprises en raison des coûts élevés, des problèmes de gouvernance des données et des limitations dans la couverture des logiciels privés. Ce document étudie la faisabilité de la mise en œuvre de solutions AIOps sur site en exploitant des outils open-source. Nous présentons une infrastructure AIOps complète que nous avons déployée avec succès dans notre entreprise, et nous expliquons la logique derrière les différents choix que nous avons faits pour construire ses différentes composantes. En particulier, nous donnons un aperçu de notre approche et de nos critères de sélection d'un système de gestion des données, et nous expliquons son intégration. Notre expérience peut être bénéfique pour les entreprises cherchant à gérer en interne leurs processus de maintenance logicielle avec une approche AIOps moderne.