Les entreprises approfondissent leur exploration du potentiel de l’intelligence artificielle , tout en évaluant les défis structurants liés à la conception d’infrastructures informatiques et réseaux optimisées, capables de supporter efficacement cette montée en puissance technologique. Les charges de travail liées à l’IA, qu’il s’agisse de phases d’entraînement des modèles ou d’inférence, sont désormais réparties sur une diversité de plateformes de calcul et de sites d’hébergement.

À mesure que ces charges de travail montent en échelle, les organisations se heurtent à des problématiques critiques telles que la latence, les performances applicatives ou la sécurisation des flux de données. Cela implique souvent le recours à des architectures réseau personnalisées (connectivité fibre dédiée, topologies intersites optimisées), à la disponibilité d’accélérateurs matériels de type GPU et à des environnements de calcul haute densité. Compte tenu de la sophistication des besoins, aucune approche standardisée ne permet à elle seule de répondre à toutes les exigences. Les entreprises s’orientent ainsi vers une combinaison d’options : hyperscalers cloud, datacenters, ou infrastructures de colocation tierces, en fonction de leurs contraintes métiers, techniques et géographiques. Les stratégies d’implantation varient sensiblement selon les secteurs industriels et les régions du monde.

Quatre points clés à retenir pour les responsables informatiques

• L’IA est orientée cloud, mais multiplateforme : le cloud public hyperscale est la destination principale pour les workloads IA, mais les stratégies multiplateformes continueront d’exister.

• Les disparités sont évidentes dans les déploiements de l’IA : il existe des différences significatives dans le déploiement de l’IA selon les géographies et les secteurs. Les entreprises en Amérique du Nord et en Asie-Pacifique consacrent généralement une plus grande part de leurs workloads à l’IA par rapport à leurs homologues européennes. Les entreprises des secteurs de la technologie et de la santé/biotechnologies investissent davantage dans l’IA que celles d’autres secteurs. Les grandes entreprises (plus de 5 000 employés) investissent davantage dans l’IA.

• La portée géographique s’élargit : l’IA incite les entreprises à reconsidérer l’endroit où elles peuvent placer leurs workloads. La plupart des entreprises reconnaissent le potentiel de déployer ces charges plus loin de leurs opérations physiques, en particulier pour l’entraînement des modèles d’IA.

• Les services liés à l’IA sont essentiels : les points d’accès au cloud sont considérés comme une nécessité pour les charges de travail IA, car les problèmes de connectivité ont affecté les déploiements d’IA. Les services de connectivité et de mise en réseau sont de plus en plus des critères essentiels pour la sélection des lieux de déploiement des charges de travail IA. De plus, de nombreuses entreprises recherchent des services de conseil en IA/ML auprès de tiers, en particulier dans les environnements de colocation, pour des solutions personnalisées à leurs besoins informatiques.

Considérations pour le placement des charges de travail IA

• Déterminer où une entreprise se situe : comprendre les stratégies d’infrastructure IA d’entreprises de taille similaire dans des secteurs et géographies comparables peut aider à aligner la stratégie de placement des charges de travail IA d’une entreprise avec celle de l’industrie en général.

• Placer le Datacenter au cœur de la stratégie : étant donné la large distribution des charges de travail IA, la colocation peut servir de hub central pour se connecter à divers lieux de déploiement. En effet, les charges de travail IA resteront distribuées, avec une légère préférence pour le cloud public. Les points d’accès au cloud proposés par les fournisseurs de colocation peuvent être particulièrement précieux pour le transfert de données.

• Consommation de données en IA : Analyser les tendances dans l’entraînement des modèles IA des entreprises peut aider les responsables informatiques à anticiper la consommation de données à mesure que les entreprises intensifient leurs efforts en IA. Nombre d’entreprises utilisent d’énormes quantités de données et ont tendance à entraîner leurs modèles relativement fréquemment. Comme on pourrait s’y attendre, les grandes entreprises utilisent généralement plus de données pour entraîner leurs modèles IA. Pour les organisations traitant de vastes volumes de données et entraînant fréquemment des modèles, un fournisseur de colocation spécialisé pourrait être l’option la plus appropriée.

• Reconsidérer les limites géographiques : les entreprises montrent une flexibilité géographique accrue pour les charges de travail IA. Les entreprises de la région EMEA expriment une forte ouverture à l’idée de placer les modèles d’entraînement loin de leurs opérations commerciales principales, tandis que les entreprises nord-américaines et d’Asie-Pacifique sont flexibles pour l’entraînement comme pour l’inférence.

Par Amel OUARAB, Marketing & Communication Manager France chez Telehouse

Par Yann Bruneau, Chief Solutions Officer – Squad Group, et Sébastien Baron, directeur Technique Europe du Sud chez Mimecast

En matière de cybersécurité, l’émergence de l’IA générative a changé la donne tant d’un point de vue offensif que défensif. Aujourd’hui, les entreprises se retrouvent en première ligne face à des cyberattaques de plus en plus nombreuses et sophistiquées. Néanmoins, la première menace à laquelle elles sont exposées vient de l’intérieur et relève du facteur humain.

Les cyberattaques ne sont désormais plus le seul privilège des cybercriminels professionnels. Des outils comme ChatGPT offrent en effet au plus grand nombre la possibilité de mener facilement des campagnes de phishing. Résultat : +40 % d’atteintes numériques en 5 ans^[1] et près d’une entreprise sur deux (47 %) a subi au moins une cyberattaque réussie en 2024^[2].

 Les messages d’attaque, que ce soit par email ou via les réseaux sociaux, sont de mieux en mieux formulés avec l’IA générative, rendant leur identification plus difficile. La qualité des attaques s’enrichit, en particulier les attaques ciblées, de plus en plus complexes et réalistes

Le facteur humain, premier vecteur de risque cyber

Dans ce contexte, les entreprises font face à un double enjeu : d’une part, elles sont confrontées à des risques inédits, et d’autre part, elles doivent gérer plusieurs types de risques différents simultanément. En 2024, près de neuf organisations sur dix (89 %) ont été confrontées à au moins deux types de risques^[3]. Parmi eux, les risques humains représentent une source d’inquiétude pour 77 % des dirigeants.

La raison : 68 % des compromissions ont encore aujourd’hui une origine humaine^[4], liées à une erreur ou à une attaque par ingénierie sociale ! Face à ce constat, la technologie seule ne suffit plus à contrer les attaques. La sensibilisation des utilisateurs s’impose désormais comme le nerf de la guerre. Mais cette réalité impose un changement de paradigme. Pourquoi ? Parce que les entreprises peinent à adopter une approche efficace.

Les entreprises doivent avant tout se poser la question de l’utilité de leurs campagnes de sensibilisation et se demander si elles correspondent au paysage des menaces du moment. Elles doivent donner un sens et associer un retour d’investissement à leur formation pour obtenir un impact positif sur leur production.

Comment ? En quantifiant précisément le risque et en définissant des objectifs mesurables pour mettre en œuvre des mesures de protection adaptées et ciblées

Pour une gestion intelligente du risque humain

Déterminer le niveau de risque nécessite l’évaluation d’un certain nombre d’indicateurs : l’utilisateur est-il attaqué ? Reçoit-il beaucoup de menaces ? Si oui, quel est son comportement face à un email frauduleux ? Ses droits d’accès aux systèmes de l’entreprise font-ils de lui une cible privilégiée ?

L’idée est de réaliser une cartographie du risque utilisateur pour envoyer exclusivement aux bonnes personnes les bonnes pratiques vis-à-vis des menaces adaptées auxquelles elles sont confrontées. C’est là que l’intelligence artificielle prend tout son sens avec un rôle double : détecter les menaces en amont et analyser le comportement des utilisateurs afin de personnaliser les stratégies de protection.

1. Une analyse comportementale affinée

L’un des atouts majeurs de l’IA réside dans sa capacité à établir des profils de risques individualisés. Toutes les entreprises ne font pas face aux mêmes menaces et tous les utilisateurs n’ont pas la même maturité ni le même niveau d’exposition. L’IA  permet d’analyser les actions de chaque employé et de leur attribuer un niveau de risque en fonction de leurs comportements et des menaces auxquelles ils sont confrontés. À la clé : une cybersécurité sur-mesure qui permet de concentrer les efforts sur les collaborateurs les plus exposés et non la totalité de l’entreprise.

2. La détection proactive des menaces

L’IA joue également un rôle clé dans l’anticipation des cyberattaques. En analysant les signaux faibles, elle est non seulement capable de détecter des anomalies qui passeraient inaperçues via une surveillance classique, mais aussi d’envoyer un message d’alerte aux équipes de sécurité pour leur indiquer les cas à traiter en priorité. Grâce à l’IA, il est possible de repérer des emails malveillants qui ne contiennent aucun lien suspect ou pièce jointe, mais dont le langage a été modifié pour tromper la vigilance des utilisateurs.

Comment ça marche ? Grâce au traitement du langage naturel (NLP), l’IA est en mesure d’analyser non plus uniquement des mots mais l’intention du message : c’est l’assemblage des mots dans un certain sens qui permet d’établir des notions d’urgence et de prendre la décision de rejeter le message.

3. Une réaction graduelle et intelligente

Autre défi inhérent au human risk management : savoir comment réagir face aux comportements à risque sans nuire à la productivité des collaborateurs. Pour cela, il est essentiel d’adopter une approche progressive. Si un employé clique à plusieurs reprises sur des liens douteux, plutôt que de le sanctionner immédiatement, on peut commencer par limiter son accès à certains sites ou services, lui envoyer des rappels personnalisés, voire le diriger vers une formation adaptée. L’idée ici est de former les utilisateurs qui en ont besoin au bon moment pour les accompagner dans leur vie professionnelle et personnelle, en s’appuyant sur la communication avec l’écosystème cyber et non cyber.

Par où commencer ?

Difficile néanmoins de savoir par où commencer. Pour se lancer, il est important de se poser deux questions. La première : le directeur IT ou le RSSI sait-il quelles sont les personnes les plus attaquées ? Et la seconde : quelle est la part d’erreur humaine dans les dernières attaques subies ?

Donner du sens au risque humain commence par un diagnostic pour savoir combien il y a eu d’incidents en production sur ses utilisateurs. La 2^e étape consiste à se demander si le risque est uniforme. Enfin, il importe d’analyser l’impact que les formations et campagnes de simulation ont eu sur la production. Pour les entreprises qui ne savent pas répondre à ces trois éléments, leur solution de sensibilisation a besoin d’évoluer. En favorisant une gestion personnalisée du risque humain, l’IA s’impose alors comme un levier incontournable pour renforcer la résilience des entreprises face aux cybermenaces de demain.

Une chose est sûre, l’intelligence artificielle représente l’une des plus grandes révolutions technologiques que nous ayons connues. Dans ce contexte, nous assistons à une formidable montée en puissance de ces technologies dans de nombreux cas d’usages. Mais toutes les technologies d’IA ne se valent pas et nombre de concepteurs de technologies utilisent cette terminologie pour mieux vendre sans pour autant proposer réellement de l’IA. En effet, l’IA n’est pas une simple automatisation de processus. En ce sens, parmi les approches les plus abouties et permettant de traiter des opérations à forte valeur ajoutée se dégagent les technologies agentiques.

Un formidable accélérateur de performance et d’agilité

Concrètement, les forces de travail agentiques permettent d’accompagner les ressources internes des entreprises et d’amplifier leurs capacités. Les agents opèrent alors de manière autonome dans le respect des limites fixées par l’entreprise et des réglementations existantes (métiers, sectorielles, réglementaires, européennes et internationales). Dans les faits, les technologies agentiques doivent intégrer des agents capables : d’interagir avec plusieurs systèmes simultanément, de raisonner étape par étape, d’utiliser des outils métiers, de collaborer entre eux et d’apprendre de nouveaux cas à partir des opérations.

Ces agents sont orchestrés grâce à des moteurs de coordination qui structurent les processus, déclenchent des actions et intègrent la validation humaine lorsqu’elle est nécessaire. On notera sur ce point que des corrections manuelles doivent toujours être possibles à chaque étape. Une approche hybride de ce type garantit fiabilité, conformité et sécurité, notamment dans les secteurs régulés.

Par exemple, pour Duferco Energie en Italie, l’agentIA Doc-Pro récupère les informations clients sur un document papier, les compare avec les éléments disponibles sur le CRM et permet au collaborateur de valider ou modifier les informations non conformes.

Des mises en œuvre concrètes à grande échelle

En peu de temps, de nombreux projets intégrant les technologies agentiques se sont lancés avec succès à l’échelle mondiale dans différents cas d’usages. Dans ce contexte, citons notamment des sujets stratégiques à l’image du traitement de factures, des contrats ou des pièces constitutives de dossiers clients. Nous pouvons aussi évoquer des projets dédiés au traitement des appels d’offres et les gestions de remboursements. Tous ces éléments démontrent une maturité des technologies agentiques qui sont aujourd’hui suffisamment robustes pour moderniser durablement les processus de gestion des entreprises, et notamment des grands comptes et des ETI qui peuvent accéder à de réelles économies d’échelle au regard du nombre d’opérations traitées (plusieurs millions de documents).

Les forces de travail agentiques sont donc sorties du simple concept pour devenir un allié des entreprises en quête de performance. À n’en pas douter, ces dernières devraient continuer de s’inviter dans de nouveaux cas d’usage et permettre aux organisations d’améliorer leur compétitivité et la qualité de service délivrée à leurs clients.

Olivier NIELSEN

Directeur Développement France de Botmaster AI

Au centre des processus de travail des collaborateurs, le système d’information d’une entreprise est une donnée clé de son bon fonctionnement. Bien comprendre ce qu’il se passe au sein de ce dernier est donc un sujet d’importance vitale pour l’ensemble des organisations.

Mais comment faire et quel visage donner à l’observabilité ?

L’enjeu consiste notamment à superviser sans avoir recours à plus de ressources humaines ce qu’il se passe au sein de l’infrastructure IT qui doit gérer de plus en plus en plus de données. Collecter, analyser, traiter des informations, et ce au travers d’une approche unifiée, est donc fondamental. L’idée étant de pouvoir faire le lien entre les processus stratégiques comme l’ITSM et l’ITOM et de briser les silos organisationnels existants dans les entreprises pour simplifier la collaboration entre les équipes. Mais ce n’est pas tout. Un autre enjeu clé est de pouvoir gagner en performance opérationnelle en passant d’une approche réactive à une approche proactive au travers d’une exploitation très fine des données du SI.

S’appuyer sur une vision unifiée

Il est donc fondamental de pouvoir avoir une vision totalement intégrée qui permet de faire le lien entre différents aspects complémentaires : service, infrastructures, dépenses… Il faut donc s’appuyer sur une plateforme qui pourra communiquer aisément avec les autres outils du Système d’Information.

Cela permettra de créer un référentiel unique, de traiter simplement les informations remontant des applications tierces, d’uniformiser les données et d’automatiser leur traitement. On notera également que grâce à l’intelligence artificielle (IA), d’autres opportunités vont se présenter, notamment en matière de prédictibilité. Il sera alors possible de prendre les devants, d’automatiser les remédiations… La DSI, en unifiant les approches services et opérations, sera alors plus agile et performante avec une vue précise de ce qu’il se passe dans son système d’information.

De nombreux bénéfices possibles grâce à l’observabilité 

Comme nous l’avons vu, l’observabilité va donc être une approche décisive pour les DSI et un véritable allié opérationnel au service de leur performance. Réduction et traitement proactif des incidents, anticipation, meilleure productivité des équipes, simplification de la résolution des problématiques ou encore optimisation des ressources et des coûts sont les principaux avantages attendus. Les équipes peuvent ainsi se concentrer sur des projets à plus forte valeur ajoutée et gagner en efficacité au quotidien.

Jocelyn Claisse chez Tenexa