Le rôle méconnu des réseaux dans l’infrastructure de l’IA

Les organisations investissent massivement dans les GPU, les serveurs, les modèles et les capacités de calcul nécessaires pour déployer l’IA en production. Mais l’IA agentique impose d’autres exigences au réseau.

Un chatbot attend généralement qu’on lui pose une question, tandis qu’un agent peut se voir confier une tâche, interagir avec différents systèmes et applications, prendre des décisions et agir. À mesure que les agents prennent en charge davantage de tâches au sein de l’entreprise, une grande partie de cette activité se déroulera sans intervention d’une personne devant un clavier.

Selon le rapport de Google Cloud, État de l’infrastructure à l’ère de l’IA agentique, 83 % des organisations estiment devoir moderniser leur infrastructure pour prendre en charge des systèmes autonomes prêts pour la production. Et si la puissance de calcul entre en ligne de compte, les organisations doivent aussi accorder la priorité à leur réseau, car celui-ci devra gérer une activité qui ne suit pas les schémas habituels du travail humain.

La fin du réseau de 9 h à 17 h

Depuis des décennies, les réseaux d’entreprise sont conçus en grande partie en fonction des habitudes de travail des personnes. Les employés se connectent aux applications, accèdent aux données et utilisent les services infonuagiques tout au long de la journée de travail, ce qui génère des flux de trafic relativement prévisibles qui façonnent l’architecture et l’exploitation du réseau.

L’IA et les systèmes agentiques changent la donne. Les agents peuvent exécuter des tâches et interagir avec des applications, des API, des sources de données et d’autres agents à toute heure, créant ainsi des flux de trafic plus continus et dynamiques sur les réseaux de campus, dans les centres de données, les environnements infonuagiques et les réseaux étendus (WAN). À mesure que les déploiements prennent de l’ampleur, les réseaux doivent gérer des dépendances de plus en plus complexes, ce qui rend les performances, la latence, la résilience et la sécurité essentielles à une exécution fiable.

Ces exigences mettent également en évidence les limites des modèles traditionnels d’exploitation des réseaux (NetOps), qui s’appuient sur des outils de surveillance pour détecter les problèmes et sur des opérateurs humains pour les examiner et les résoudre. La prochaine génération de NetOps devra aller au-delà de la gestion des appareils et des événements pris individuellement et comprendre les dépendances entre applications et agents de bout en bout, grâce à une visibilité approfondie, à la corrélation pilotée par l’IA et à l’analyse des causes profondes, ainsi qu’à une automatisation intelligente permettant d’optimiser et de corriger les problèmes de manière proactive.

L’enjeu consiste à passer de réseaux gérés avec l’aide de l’IA à des réseaux exploités grâce à une intelligence pilotée par l’IA et à une autonomie encadrée. Les équipes réseau peuvent consacrer moins de temps à résoudre des problèmes récurrents et davantage à définir des politiques, à établir des garde-fous et à optimiser les architectures. La fin du réseau de 9 h à 17 h ne signifie pas simplement que les réseaux fonctionnent 24 h sur 24 et 7 jours sur 7 : elle traduit une transformation fondamentale des facteurs qui déterminent la demande sur le réseau et de la manière dont les réseaux doivent être conçus, sécurisés et exploités pour prendre en charge un écosystème permanent de systèmes intelligents et autonomes.

De quelques outils d’IA à des flottes d’agents

La plupart des organisations en sont encore à un stade où l’IA est facile à gérer : des assistants de productivité, des assistants virtuels et des applications d’IA sont déployés dans différentes parties de l’entreprise.

Cependant, IBM a constaté que seuls 11 % des dirigeants interrogés sont pleinement préparés à l’ampleur que devrait prendre le déploiement d’agents d’IA au cours des 12 prochains mois. À mesure que les déploiements se développent, les équipes réseau auront davantage d’activité à comprendre et de problèmes à examiner, souvent sans renfort pour accomplir ce travail.

Il est donc important de réduire le temps que les ingénieurs consacrent à consulter des tableaux de bord, à recueillir des informations et à transmettre les questions courantes à un niveau supérieur. Fournir aux équipes les informations opérationnelles pertinentes et des conseils de dépannage au moment où elles en ont besoin peut aussi faciliter le partage de l’expertise entre les équipes, plutôt que de compter sur un petit nombre de spécialistes expérimentés pour répondre à chaque question. L’expertise des personnes est mieux employée pour les décisions qui nécessitent du discernement, comme définir des politiques, fixer des limites et évaluer les risques.

Le réseau doit prendre part aux décisions stratégiques en matière d’IA

La planification de l’IA commence souvent par les modèles, les applications, les données et les ressources de calcul, mais les réseaux devraient être pris en compte dès le début des discussions. Les agents ont besoin du bon contexte pour formuler des recommandations utiles et, dans le domaine de l’exploitation des réseaux, cela signifie comprendre comment les informations sur les utilisateurs, les appareils et les applications s’articulent, plutôt que de se limiter à une alerte ou à une mesure isolée.

Ce contexte aide les équipes à trouver plus rapidement la source d’un problème et à décider de la suite à donner. La supervision humaine demeure importante, surtout à mesure que les agents gagnent en autonomie : il faut alors définir clairement ce qu’ils peuvent faire de manière autonome et mettre en place des contrôles pour faire respecter ces limites. Les équipes devraient aussi pouvoir comprendre pourquoi une recommandation a été formulée et sur quelles informations elle repose avant de décider de la suivre ou non.

Gartner prévoit que, d’ici 2029, au moins 70 % des organisations qui utilisent des agents d’IA dans leurs opérations informatiques connaîtront de graves problèmes touchant de manière importante les services, la sécurité ou les coûts, et imputables au moins en partie à des contrôles insuffisants. C’est pourquoi la visibilité, l’automatisation, la fiabilité et le contrôle doivent être intégrés dès le départ aux plans d’infrastructure de l’IA.

Bâtir une infrastructure pour une entreprise où l’IA fonctionne en continu

L’IA agentique transforme l’utilisation des réseaux d’entreprise. L’activité dépend moins étroitement des heures de connexion des employés, et les équipes réseau devront gérer cette évolution sans laisser la charge de travail liée à l’exploitation du réseau augmenter au même rythme.

Les entreprises n’ont pas besoin de refondre entièrement leurs réseaux, mais elles devraient repérer les éventuels points faibles de leur infrastructure actuelle à mesure que leur utilisation de l’IA se développe, notamment lorsque les équipes manquent de visibilité pour détecter rapidement les problèmes, que les délais de réponse commencent à s’allonger ou que le dépannage courant nécessite encore beaucoup de travail manuel.

Un réseau conçu pour une journée de travail de 9 h à 17 h devra céder la place à un réseau capable de prendre en charge des personnes, des applications et des agents qui travaillent côte à côte, souvent selon des horaires très différents et à des rythmes très variables. Une infrastructure bien conçue se traduira, à terme, dans les indicateurs auxquels les entreprises accordent déjà de l’importance : moins de perturbations, une résolution plus rapide des problèmes, une meilleure expérience utilisateur et moins de temps consacré à rechercher l’origine des problèmes.