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.

Avec Managed Icehouse, de nouvelles capacités Icehouse Ingest et Icehouse LakeOps, ainsi qu’un modèle Bring Your Own Cloud, Starburst veut aider les entreprises à exécuter leurs workloads d’IA et d’analytics dans des environnements hybrides et multicloud, sans perdre le contrôle de leur infrastructure.

Le déploiement de l’IA à grande échelle impose de nouvelles exigences aux architectures data. Les entreprises doivent pouvoir interroger des volumes importants de données, maintenir des performances élevées, garantir la résilience des systèmes critiques et conserver un haut niveau de contrôle sur leur infrastructure. C’est sur ce terrain que Starburst renforce sa proposition avec l’Enterprise Intelligence Platform, annoncée lors de son événement AI+Datanova.

La plateforme vise à permettre aux organisations d’exécuter l’IA directement sur des données distribuées, sans les déplacer ni changer de plateforme. Ce positionnement répond à la réalité des environnements d’entreprise, où les données sont rarement centralisées dans un seul système. Elles sont souvent réparties entre clouds publics, environnements hybrides, data lakes, applications SaaS, catalogues et systèmes métiers.

Selon une étude Mavvrik de 2025 citée par Starburst, 84 % des entreprises estiment que les coûts de l’IA réduisent leurs marges de plus de 6 %. Pour l’éditeur, la fragmentation des données joue un rôle majeur dans cette pression financière, car elle augmente les coûts de déplacement, de duplication, d’intégration et de gouvernance. Starburst défend donc une approche consistant à faire venir l’IA aux données, plutôt que l’inverse. Pour soutenir cette ambition, l’entreprise met en avant les performances de son moteur, présenté comme offrant jusqu’à deux fois les performances de Trino open source. Ce gain vise à permettre aux entreprises d’exécuter des workloads d’analytics et d’IA à grande échelle, tout en continuant à exploiter des environnements ouverts et distribués. Starburst insiste aussi sur les nouvelles capacités de résilience de sa Starburst Enterprise Platform, conçues pour garantir la continuité des systèmes critiques, y compris dans des architectures d’IA agentique.

L’une des annonces structurantes concerne Managed Icehouse, une capacité construite sur l’architecture ouverte d’Apache Iceberg et de Trino. Starburst rappelle que cette approche open lakehouse est déjà utilisée par des entreprises comme Netflix, Apple, Shopify ou Stripe. Avec Managed Icehouse, l’objectif est d’automatiser l’ensemble du cycle de vie des tables Apache Iceberg dans des environnements hybrides et multicloud. Deux briques principales sont mises en avant. Icehouse Ingest permet l’ingestion de fichiers en streaming et par batch. Icehouse LakeOps apporte de son côté l’optimisation intelligente des tables, l’ajustement des requêtes et une observabilité complète de la santé des tables. Ensemble, ces capacités doivent réduire la complexité opérationnelle liée aux architectures open lakehouse et rendre leur exploitation plus accessible dans les usages d’IA d’entreprise.

Starburst complète ce socle technique avec un modèle de déploiement Bring Your Own Cloud, désormais en preview. Cette approche étend Starburst Galaxy aux environnements cloud des clients tout en leur permettant de conserver le calcul, le réseau et les données dans leurs propres comptes cloud. L’objectif est de proposer l’expérience d’un service managé, sans imposer aux organisations de renoncer à la maîtrise de leur infrastructure, de leur sécurité ou de leur conformité. Ce modèle répond à une demande croissante des entreprises confrontées à des exigences de souveraineté, de sécurité et de contrôle opérationnel. Les clients peuvent ainsi bénéficier des capacités managées de Starburst tout en gardant la main sur les environnements dans lesquels leurs données sont stockées et traitées.

Ces briques d’infrastructure viennent soutenir AIDA, désormais disponible de manière générale, et les AI-Ready Data Products. AIDA permet aux utilisateurs métiers d’interagir avec les données distribuées de l’entreprise, de générer des visualisations, de déclencher des workflows ou de mettre à jour des enregistrements. Les AI-Ready Data Products apportent quant à eux le contexte métier, les métadonnées et les définitions nécessaires pour rendre ces usages plus fiables.

Avec cette annonce, Starburst ne se limite pas à présenter une nouvelle couche d’intelligence artificielle. L’entreprise cherche aussi à renforcer les fondations techniques nécessaires à une IA d’entreprise performante, résiliente et gouvernée, dans des environnements où les données restent distribuées par nature.