Kibana : guide complet pour créer vos premiers dashboards

Kibana, c'est quoi exactement ?

Kibana est une application frontend open source développée par Elastic. Elle fait partie de la suite Elastic (composée d'Elasticsearch, Logstash, Kibana et Beats) et sert d'interface utilisateur pour interroger, analyser et visualiser les données stockées dans Elasticsearch.

Créée en 2013 au sein de la communauté Elasticsearch, Kibana a évolué bien au-delà d'un simple outil de graphiques. Elle est aujourd'hui un véritable portail centralisé qui permet de gérer, monitorer et sécuriser l'ensemble d'un déploiement Elastic Stack.

En termes simples : Elasticsearch stocke et indexe les données, et Kibana les rend compréhensibles visuellement. Sans Kibana, vous devriez interroger Elasticsearch en ligne de commande avec des requêtes JSON. Avec Kibana, un simple glisser-déposer suffit.

Kibana et Elasticsearch : comment ça fonctionne ensemble

Pour comprendre Kibana, il faut d'abord comprendre son lien avec Elasticsearch. Le fonctionnement repose sur une architecture simple en trois couches :

Kibana ne stocke aucune donnée. Elle se connecte à un cluster Elasticsearch (local ou distant) et exécute des requêtes pour récupérer les résultats affichés dans les graphiques. Toute la puissance d'agrégation d'Elasticsearch (comptages, moyennes, percentiles, histogrammes) est accessible directement depuis l'interface Kibana sans écrire une seule requête.

Pour installer la suite ELK complète, consultez notre tutoriel : installer ELK sur Ubuntu étape par étape.

Les fonctionnalités clés de Kibana

Kibana ne se limite pas à afficher des graphiques. Voici les principales fonctionnalités qui en font un outil complet pour l'analyse de données :

Les types de visualisations disponibles

Kibana propose un large éventail de représentations graphiques. Le choix du bon type de visualisation dépend de la nature des données et de l'objectif de l'analyse :

Créer votre premier dashboard pas à pas

La création d'un dashboard Kibana suit un processus en 5 étapes. Voici la marche à suivre une fois Kibana installé et connecté à votre cluster Elasticsearch :

1. Créer une Data View (anciennement Index Pattern)

   Dans le menu Stack Management > Data Views, créez un pattern correspondant à vos index Elasticsearch (par exemple filebeat-* pour les logs collectés par Filebeat). Sélectionnez le champ timestamp comme référence temporelle.

2. Explorer les données avec Discover

   Allez dans Discover, sélectionnez votre Data View et vérifiez que les données apparaissent. Utilisez la barre de recherche pour filtrer (par exemple : response:500 pour les erreurs serveur).

3. Créer des visualisations avec Lens

   Allez dans Dashboard > Create dashboard > Create visualization. Glissez vos champs dans l'éditeur Lens. Kibana suggère automatiquement le meilleur graphique. Personnalisez les couleurs, les labels et les filtres.

4. Assembler le dashboard

   Ajoutez plusieurs visualisations sur le même dashboard. Redimensionnez et réorganisez les panneaux pour raconter une histoire cohérente avec vos données. Ajoutez des filtres de contrôle (listes déroulantes, sliders de temps).

5. Sauvegarder et partager

   Cliquez sur Save, donnez un nom au dashboard. Partagez-le via un lien direct, intégrez-le dans un iframe ou exportez-le en PDF/PNG.

Discover : explorer vos données brutes

Avant de construire un dashboard, la première étape consiste à explorer les données disponibles. C'est le rôle de la section Discover de Kibana.

Discover affiche les documents indexés dans Elasticsearch sous forme de tableau avec un histogramme temporel. Vous pouvez rechercher, filtrer, trier et examiner chaque document individuellement. Les fonctionnalités principales de Discover sont les suivantes :

• Recherche plein texte : tapez un terme et Kibana le recherche dans tous les champs indexés
• KQL (Kibana Query Language) : syntaxe de filtrage avancée, par exemple response.status_code >= 400 and host.name: "web-01"
• Filtres de champs : cliquez sur une valeur de champ pour la filtrer instantanément (inclure ou exclure)
• Statistiques de champs : visualisez la répartition des valeurs d'un champ (top values, min, max, distribution)
• Sauvegarde de recherches : enregistrez une recherche avec ses filtres et ajoutez-la directement dans un dashboard

Discover est particulièrement utile pour le troubleshooting : lorsqu'un incident survient, c'est ici que vous commencez votre investigation en filtrant par timestamp, par service et par niveau de log (error, warn, info).

Alertes et monitoring en temps réel

Kibana ne se limite pas à afficher des données passées. Le système d'alertes permet de déclencher automatiquement des actions lorsqu'une condition est remplie. Cela transforme Kibana en véritable outil de monitoring actif.

Exemples de règles d'alerte que vous pouvez configurer :

• Notification Slack ou email si le nombre d'erreurs HTTP 500 dépasse un seuil sur 5 minutes
• Alerte PagerDuty si l'utilisation CPU d'un serveur reste au-dessus de 90% pendant 10 minutes
• Création automatique d'un ticket Jira si un nouveau type d'erreur apparaît dans les logs
• Notification si aucun log n'est reçu d'un service pendant plus de 15 minutes (détection d'indisponibilité)

Les alertes sont configurables sans code, directement depuis l'interface Kibana via le menu Stack Management > Rules.

Kibana vs Grafana : quelle solution choisir ?

La comparaison entre Kibana et Grafana revient souvent. Les deux outils sont populaires, gratuits et puissants. Voici un comparatif objectif pour vous aider à choisir :

Bonnes pratiques pour des dashboards efficaces

Un dashboard surchargé est un dashboard inutile. Voici les principes à respecter pour créer des tableaux de bord que votre équipe utilisera réellement :

• Un dashboard = un objectif. Créez des dashboards distincts pour le monitoring infrastructure, l'analyse de trafic web et le suivi des erreurs applicatives. Évitez de tout mélanger.
• Limitez le nombre de panneaux. Entre 5 et 10 visualisations par dashboard. Au-delà, la lecture devient difficile et le temps de chargement augmente.
• Placez les métriques clés en haut. Les chiffres importants (nombre de requêtes, taux d'erreurs, latence moyenne) doivent être visibles sans scroller.
• Utilisez des filtres de contrôle. Ajoutez des listes déroulantes pour permettre aux utilisateurs de filtrer par service, par environnement (dev/staging/prod) ou par période.
• Choisissez le bon type de graphique. Évitez les camemberts pour plus de 5 catégories. Préférez les graphiques en lignes pour les séries temporelles. Utilisez des tables pour les données précises.
• Nommez clairement vos visualisations. Un titre comme « Erreurs 5xx par service (dernières 24h) » est bien plus utile que « Chart 1 ».

Cas d'usage concrets en entreprise

Kibana est utilisé par des organisations de toutes tailles. Voici les cas d'usage les plus courants :

• Monitoring de logs applicatifs : centraliser les logs de plusieurs microservices et détecter les erreurs en temps réel (stack ELK classique)
• Observabilité infrastructure : surveiller CPU, RAM, disque et réseau de serveurs via Metricbeat + Kibana
• Analyse de trafic web : visualiser les accès Nginx/Apache (pages vues, codes HTTP, géolocalisation des visiteurs)
• Sécurité et SIEM : détecter des tentatives d'intrusion, analyser des connexions suspectes, corréler des événements de sécurité
• Business Intelligence : suivre des KPI métier (transactions, inscriptions, ventes) en temps réel
• DevOps et CI/CD : monitorer les pipelines de déploiement, les temps de build et les résultats de tests

Pour approfondir l'architecture technique et les concepts avancés (shards, réplicas, ILM), consultez notre article sur l'architecture Elasticsearch : shards, réplicas et ILM.

Pour aller plus loin

Ce guide couvre les fondamentaux de Kibana. Pour approfondir vos compétences, les sujets suivants méritent votre attention :

• Kibana Spaces : organiser les dashboards par équipe ou par projet
• Kibana Reporting : automatiser la génération de rapports PDF/PNG
• ES|QL : le nouveau langage de requête natif d'Elasticsearch, directement utilisable dans Kibana
• Canvas : créer des présentations dynamiques pixel-perfect à partir de données en direct
• Elastic Agent : collecter logs et métriques avec un agent unifié pour alimenter vos dashboards