L’adoption de l’intelligence artificielle progresse rapidement dans les entreprises, mais elle s’accompagne de nouvelles interrogations sur la souveraineté, la conformité et la résidence des données. Les fournisseurs cherchent désormais à proposer davantage de flexibilité dans leurs modèles de déploiement.

L’intelligence artificielle est devenue un sujet stratégique pour de nombreuses organisations, y compris dans les secteurs les plus réglementés. Santé, finance, administration publique ou industrie cherchent à tirer parti de l’automatisation et de l’analyse avancée des données, tout en maintenant un niveau élevé de contrôle sur les informations traitées.

Cette tension entre innovation et gouvernance devient l’un des principaux défis des projets IA. Si les modèles hébergés dans le cloud public ont accéléré l’adoption de ces technologies, certaines organisations restent contraintes par des exigences de conformité, de confidentialité ou de résidence des données qui limitent leur capacité à externaliser certains traitements.

C’est dans ce contexte que Zoom introduit Zoom AI On-Prem. L’offre permet aux entreprises d’exécuter certaines fonctions d’intelligence artificielle directement dans des infrastructures qu’elles contrôlent, qu’il s’agisse de centres de données internes ou d’environnements cloud privés.

La solution s’appuie sur Zoom Node et permet notamment de traiter localement des fonctionnalités comme les sous-titres ou les transcriptions de réunions. L’objectif consiste à conserver les données sensibles dans l’environnement du client tout en bénéficiant des capacités d’automatisation associées à l’IA.

Cette annonce s’inscrit dans une tendance plus large observée sur le marché du cloud. Après plusieurs années dominées par une logique de centralisation, les entreprises recherchent désormais davantage de souplesse dans leurs architectures. Les modèles hybrides, multicloud et privés gagnent en importance à mesure que les contraintes réglementaires se renforcent.

L’essor de l’IA accélère encore ce mouvement. Les données utilisées pour entraîner, alimenter ou enrichir les systèmes d’intelligence artificielle deviennent des actifs stratégiques dont la gouvernance doit être maîtrisée. Les questions relatives à l’emplacement du traitement, à l’accès aux données ou à leur conservation occupent désormais une place centrale dans les décisions technologiques.

Pour les fournisseurs, la différenciation ne repose plus uniquement sur la puissance des modèles ou la richesse des fonctionnalités proposées. Elle dépend aussi de leur capacité à offrir plusieurs modes de déploiement afin de répondre aux exigences de sécurité, de conformité et de souveraineté propres à chaque organisation.

Une enquête HBR Analytic Services soutenue par Cribl montre que le déploiement des agents IA augmente les volumes de télémétrie, renchérit les coûts d’infrastructure et pousse les entreprises à moderniser leur socle data.

L’IA agentique ne transforme pas seulement les usages métiers de l’intelligence artificielle. Elle modifie aussi les besoins d’infrastructure des entreprises. En permettant à des agents IA d’exécuter des workflows complexes, d’interagir avec plusieurs systèmes et de prendre des décisions en fonction du contexte, les organisations augmentent mécaniquement leurs besoins en données, en connectivité, en gouvernance et en observabilité.

Les chiffres issus de l’enquête HBR Analytic Services soutenue par Cribl montrent que cette transformation est déjà visible. 80 % des répondants indiquent que leur organisation s’attend à devoir faire évoluer son infrastructure data à cause de l’IA agentique. Cette donnée illustre un basculement important : les projets IA ne peuvent plus être pensés uniquement comme des couches applicatives ajoutées à l’existant. Ils nécessitent un socle capable d’alimenter les agents en données fiables, accessibles et exploitables en continu.

La télémétrie occupe une place centrale dans cette évolution. Les agents IA génèrent et consomment des données liées au comportement des systèmes, aux interactions utilisateurs, aux performances applicatives et aux décisions automatisées. Le rapport indique que 76 % des organisations ayant des agents en production, en pilote ou en expérimentation constatent une hausse du volume de données de télémétrie. Pour près d’un tiers d’entre elles, ce volume a doublé ou davantage.

Cette hausse crée un défi pour les infrastructures existantes. Les outils traditionnels d’observabilité et de supervision, déjà sollicités par la multiplication des architectures cloud, microservices et distribuées, peuvent rapidement atteindre leurs limites lorsque les agents IA viennent s’ajouter à l’équation. Les entreprises doivent alors être capables de traiter plus de données, plus vite, tout en maîtrisant les coûts et en conservant la flexibilité nécessaire pour expérimenter.

Le rapport fait également ressortir un enjeu financier. Parmi les organisations ayant des agents en production, en pilote ou en expérimentation, 47 % indiquent que les coûts d’infrastructure data liés à l’IA agentique sont supérieurs aux attentes. Cette situation montre que le coût réel de l’IA ne se limite pas aux modèles ou aux applications visibles. Il inclut aussi les investissements nécessaires dans les plateformes data, les outils d’observabilité, les capacités de stockage, les réseaux et les architectures à faible latence.

Pour Cribl, cette évolution impose de repenser la manière dont les entreprises collectent, traitent et orientent leurs données de télémétrie. L’enjeu n’est pas seulement d’accumuler davantage de données, mais de donner aux équipes la capacité de choisir où les envoyer, comment les transformer, combien les conserver et comment les exploiter en fonction des usages. Cette approche devient essentielle pour éviter que les volumes générés par l’IA agentique ne créent une nouvelle pression économique et opérationnelle.

L’infrastructure data devient ainsi un facteur de passage à l’échelle. Sans données de qualité, intégrées et gouvernées, les agents IA risquent de produire des résultats limités, difficiles à expliquer ou impossibles à industrialiser. Le rapport souligne d’ailleurs que les principaux axes d’amélioration concernent la qualité des données, l’intégration entre systèmes et la gouvernance de la donnée.

Avec ce rapport, Cribl positionne la télémétrie comme un maillon essentiel du développement de l’IA agentique. Les entreprises qui veulent déployer des agents IA à grande échelle devront moderniser leur socle data, maîtriser leurs flux et construire une infrastructure suffisamment ouverte, flexible et efficace pour accompagner l’augmentation des usages sans subir l’explosion des coûts.

NXO  fait évoluer sa pratique NetDevOps pour concilier des approches sur mesure et industrielles qui intègrent l’IA afin de répondre aux spécificités des clients et à leurs différents niveaux de maturité.

Des innovations fortes 

Ces derniers mois, le framework NetDevOps a fortement évolué afin de répondre aux enjeux croissants d’automatisation, de standardisation et d’exploitation intelligente des infrastructures réseau. Parmi les apports majeurs, NXO a développé un agent IA conversationnel capable d’interroger l’ensemble des infrastructures connectées afin d’aider les équipes à mieux naviguer dans des environnements complexes et hétérogènes. Cet assistant intelligent constitue une véritable aide opérationnelle pour accélérer les diagnostics, faciliter l’accès à l’information et améliorer l’expérience des exploitants.

Un front-end ergonomique offrant une couche d’abstraction complète vis-à-vis du code a aussi été créé. Cette interface centralise les opérations de build et de run au sein d’un point de gestion unique, permettant ainsi aux utilisateurs de piloter leurs automatisations de manière intuitive et industrialisée, sans expertise en développement.

Afin de répondre aux différents niveaux de maturité de ses clients, l’offre NXO s’articule autour de trois niveaux d’accompagnement :

Structuration et montée en maturité

Une approche basée sur des scripts, des méthodologies, des bonnes pratiques et des formations permet de redonner un cadre cohérent aux organisations ayant des initiatives d’automatisation décentralisées.

Framework prêt à l’emploi

Une solution « sur étagère » intégrant un front-end unifié ainsi qu’un ensemble de connecteurs déjà développés, permettant une mise en œuvre rapide et industrialisée.

Approche sur mesure

Une offre dédiée aux grands comptes nécessitant des développements spécifiques, des intégrations avancées ou des architectures adaptées à des environnements critiques et complexes.

Une équipe d’experts reconnue pour mener à bien les projets 

La pratique NetDevOps NXO s’appuie aujourd’hui sur une équipe composée de 12 architectes logiciels et développeurs, 2 Scrum Masters et 1 responsable de pratique NetDevOps. Le groupe accompagne plus de 20 clients en production. Son approche repose sur l’utilisation des outils communautaires. 

L’ensemble des développements sont réalisés selon des standards stricts en mode DevSecOps, garantissant sécurité, qualité et maintenabilité. NXO accompagne également ses clients dans la mise en conformité de leurs pipelines CI/CD avec les meilleures pratiques du marché. Enfin, l’ESN investit fortement dans la construction d’agents IA locaux, permettant de bénéficier des capacités de l’intelligence artificielle sans aucune fuite de données sensibles.