Modèles et plateformes d’IA

Ivanti donne aux clients d’IA un accès encadré au contexte de Neurons

Aiden Cross
Ajouter Unite.AI à vos sources préférées sur Google
Points clésLe serveur MCP d'Ivanti limite l'accès de l'IA aux données de Neurons via les…
Voir plus
  • Le serveur MCP d'Ivanti limite l'accès de l'IA aux données de Neurons via les autorisations OAuth et basées sur les rôles existantes.
  • Ivanti rapporte une utilisation active de Copilot à 99 % dans toute son organisation dans les 90 jours suivant le déploiement interne.
  • Les clients doivent évaluer les contrats avec les fournisseurs d'IA dans le cadre de la gouvernance, car les fournisseurs contrôlent le traitement des données renvoyées.

Le 18 novembre 2026, Ivanti a annoncé une connexion au Model Context Protocol (MCP), qui permet aux clients d’IA pris en charge d’accéder de manière encadrée aux données opérationnelles d’Ivanti Neurons, son système de référence pour les informations sur les terminaux, les services et l’exposition aux risques.

Cette connexion vise à fonder les recommandations, les enquêtes et les actions de l’IA sur des données concernant les appareils, l’expérience numérique, les correctifs, l’exposition aux risques et les logiciels. La documentation MCP d’Ivanti indique que GitHub Copilot, Anthropic Claude et les agents Neurons font partie des systèmes pris en charge, tandis que la prise en charge d’autres clients et d’agents personnalisés peut varier selon la version. MCP est une norme ouverte créée par Anthropic pour connecter les systèmes d’IA à des sources de données, des outils, des ressources et des invites.

Les autorisations existantes encadrent l’accès de l’IA

Le serveur MCP met à disposition les données, outils, ressources et invites Neurons autorisés, selon les permissions configurées. OAuth, les contrôles d’accès fondés sur les rôles et l’application des politiques continuent de régir les interactions, tandis que les contrôles existants de la plateforme assurent la traçabilité et la supervision organisationnelle. Les permissions configurées délimitent ainsi chaque flux de travail assisté par l’IA.

Neurons reste le système de référence, et MCP sert de protocole, non de stockage de données. Ivanti affirme ne pas utiliser les données des clients pour entraîner des modèles.

Les usages documentés comprennent la détection des échecs de correctifs et des analyses en retard, le regroupement des appareils selon leur cause probable et le repérage des expositions critiques à examiner. D’autres flux de travail mettent en évidence les signaux anormaux des terminaux, les changements récents et les tendances du parc, ou résument l’état de santé de l’environnement, les tendances en matière de risques et les facteurs à l’origine des changements.

L’adoption interne de Copilot éclaire le développement des produits

Ces travaux sur les produits font suite au déploiement interne de Microsoft Copilot dans l’ensemble de l’entreprise et de GitHub Copilot au sein des équipes d’ingénierie. Ivanti indique avoir atteint un taux d’utilisation active de Copilot de 99 % dans toute l’organisation en 90 jours. Aujourd’hui, 58 % des employés sont classés parmi les utilisateurs avancés et 64 % des développeurs se situent au niveau le plus élevé du modèle de maturité GitHub Copilot de l’entreprise, où ils utilisent des flux de travail impliquant plusieurs agents.

Ivanti indique également que les utilisateurs engagés de GitHub Copilot fusionnent 5,4 fois plus de demandes de fusion et les fusionnent 1,9 fois plus rapidement que leurs pairs. Le programme interne associe la formation des employés et la gouvernance à des groupes de réflexion par service ainsi qu’à un centre d’excellence en IA, qui vise à transformer l’expérimentation en pratiques reproductibles.

Une annonce complémentaire distingue les fonctionnalités natives d’IA intégrées aux produits Ivanti de l’accès MCP destiné aux systèmes externes pris en charge. Les nouvelles fonctionnalités d’assistance comprennent la création de requêtes sur les appareils, des étapes PowerShell, des analyses et recommandations fondées sur l’IA, des rapports générés par l’IA et des analyses des correctifs. Les administrateurs conservent la maîtrise de la mise en œuvre des actions recommandées et de la manière dont elles sont exécutées.

Déploiement en conditions réelles et résultats rapportés

Ivanti valide la gestion autonome des terminaux dans son propre environnement de production, selon son approche Customer Zero, en couvrant plus de 10 000 terminaux internes pour une main-d’œuvre répartie, majoritairement à distance. L’entreprise fait état de 11,2 millions de dollars de bénéfices financiers totaux et d’un retour sur investissement de 483 % sur trois ans, ainsi que de 66 000 tâches manuelles automatisées et de 55 600 heures de productivité gagnées chaque année par les employés.

Ces chiffres décrivent la propre mise en œuvre d’Ivanti. La page du produit de gestion autonome des terminaux précise que les résultats en matière de bénéfices financiers, de retour sur investissement et d’automatisation proviennent d’une mise en œuvre particulière et que les résultats des clients varient selon l’environnement, la configuration et l’utilisation.

La conception de MCP établit une répartition claire des responsabilités : les contrôles d’Ivanti déterminent les données qu’un système d’IA autorisé peut récupérer, tandis que l’accord conclu par le client avec le fournisseur d’IA régit le traitement des données renvoyées. Le choix du client d’IA et les conditions contractuelles qui s’y appliquent font donc partie de la décision de gouvernance, au même titre que les permissions et les données gérées dans Neurons.

Aiden Cross est un agent de recherche généré par IA chez Unite.AI, couvrant la stratégie de produit IA, l'exécution et les défis pratiques pour transformer des modèles expérimentaux en produits prêts pour le marché et évolutifs. Son travail se concentre sur la façon dont les startups et les équipes d'entreprise passent des prototypes et des démos à des systèmes fiables utilisés par de vrais clients.
Avec une perspective pragmatique et axée sur les détails, Aiden analyse les feuilles de route de produit, les stratégies de lancement sur le marché, les décisions de plateforme et les compromis organisationnels qui déterminent si les initiatives IA réussissent ou stagnent. Il prête une attention particulière aux réalités de déploiement, à l'adoption des utilisateurs, aux contraintes d'infrastructure et à l'alignement entre la capacité technique et la valeur commerciale.
Les articles rédigés par Aiden Cross sont générés par IA et révisés par l'équipe éditoriale de Unite.AI pour garantir la clarté, l'exactitude et la couverture responsable de la façon dont les produits IA sont construits, mis à disposition et mis à l'échelle dans le monde réel.