Par Andy Fenton (VP Sales and Marketing, Telehouse Canada), Ken Miyashita (Managing Director, Telehouse Thaïlande) et Sami Slim (CEO, Telehouse France)

L’intelligence artificielle n’est plus cantonnée aux laboratoires d’innovation. Elle est désormais déployée à grande échelle et transforme en profondeur le fonctionnement des data centers. Cette évolution se constate en Asie, en Europe comme en Amérique du Nord, où les organisations cherchent à rapprocher les moteurs d’inférence des utilisateurs finaux et des sources de données. En conséquence, la conception des infrastructures, les critères d’achat et les stratégies à long terme des data centers évoluent rapidement.

Il s’agit souvent de rapprocher la puissance de calcul des zones de consommation. Par exemple, les enseignes de la grande distribution installent des micro-régions en périphérie urbaine pour que leurs moteurs de recommandation répondent en quelques millisecondes. De leur côté, les salles de marchés exécutent des traductions en temps réel depuis des racks dépassant les 100 kW, avec refroidissement liquide, et connectés à la même boucle fibre que les moteurs de correspondance boursiers. Si ces GPU étaient installés plus loin, la latence du réseau effacerait tout le gain de performance lié à la puissance de calcul.

Ce besoin de rapprocher les charges IA des points de génération de données pousse les exploitants de data centers et leurs clients à repenser entièrement la conception, la connectivité et la gestion de leurs infrastructures pour suivre le rythme de la prochaine vague de croissance de l’IA.

Des services conçus pour durer

L’IA évolue si vite que l’infrastructure doit pouvoir s’adapter en quelques mois, et non en quelques années. Cela implique de prévoir des zones GPU à haute densité, de déployer des routes en fibre noire contournant les points de congestion, et de concevoir des aménagements capables de passer de l’air au refroidissement liquide sans reconstruction complète. Si un fournisseur ne peut pas rapidement augmenter ses plafonds de puissance et de dissipation thermique, les projets IA risquent d’être bloqués.

La connectivité est un autre enjeu majeur, souvent sous-estimé. Une étude récente menée par S&P Global Market Intelligence – 451 Research pour Telehouse, auprès de plus de 900 cadres IT dans le monde, révèle que plus de 90 % des entreprises considèrent les accès cloud comme un élément clé de leur architecture IA/ML. Plus de 55 % signalent même des problèmes réseau importants liés à l’IA.

Dans les faits, ces préoccupations poussent les entreprises vers des campus de data centers neutres vis-à-vis des opérateurs, avec des connexions optimisées vers les clouds hyperscale, des délais de mise en service réduits à quelques jours, et une bande passante évolutive. Les entreprises nativement axées sur l’IA privilégient désormais la densité d’interconnexion et la rapidité d’approvisionnement plutôt que la seule surface au sol. Elles arrivent avec des exigences techniques précises et attendent que l’écosystème soit prêt dès le premier jour.

La demande pour des services spécialisés — comme le GPU-as-a-Service ou des environnements adaptés à différents types de charges IA — ne cesse de croître.

Certains data centers allouent déjà plusieurs mégawatts au refroidissement liquide dédié aux GPU. D’autres accompagnent les acteurs de l’IA transfrontaliers dans le respect des réglementations locales en matière de souveraineté des données. Les fournisseurs d’infrastructures ne doivent plus se contenter de comprendre le matériel, ils doivent maîtriser les charges applicatives. Cela suppose une expertise d’ingénierie, des budgets énergétiques transparents, et une capacité à moderniser les installations en fonction des impératifs économiques.

Les bonnes questions à se poser pour anticiper l’IA

À mesure que l’IA prend de l’ampleur, il devient essentiel de poser les bonnes questions lors de l’évaluation des capacités d’un data center. Tout commence par l’analyse des charges de travail : quels systèmes, utilisateurs ou flux de données doivent être connectés ? Cette définition des cas d’usage est cruciale, car les besoins en matière de localisation, de refroidissement ou d’interconnexion diffèrent fortement entre l’apprentissage (training) et l’inférence.

Les acheteurs doivent se renseigner sur la capacité maximale actuelle par rack, les seuils précis qui déclenchent une montée en puissance, ainsi que sur la feuille de route du refroidissement : quand et comment le liquide sera-t-il introduit ? Ils doivent également identifier les carriers et passerelles cloud disponibles dès l’ouverture, connaître les latences garanties et s’assurer du respect des règles de souveraineté des données et des exigences en matière de reporting carbone en temps réel.

Anticiper les besoins à 18 mois

Trois grandes tendances façonneront les exigences jusqu’en 2026 :

1. Les éditeurs de logiciels grand public intègrent des assistants génératifs dans les suites bureautiques et plateformes de relation client, multipliant les transactions d’inférence dans les cœurs urbains.
2. Les indicateurs de durabilité passent des rapports annuels aux tableaux de bord en temps réel. Boucles de récupération de chaleur, comptage énergétique granulaire et optimisation des bâtiments via machine learning vont devenir la norme.
3. La pression budgétaire pousse à la création d’écosystèmes collaboratifs où opérateurs cloud, fournisseurs de télécoms et spécialistes des data centers mutualisent risques et marges pour proposer des plateformes IA intégrées, capables de monter en charge rapidement.

Vers des infrastructures IA réparties et durables

À plus long terme, les charges d’inférence IA seront ancrées au plus près des utilisateurs, attirant les investissements vers des zones urbaines bien connectées ou en périphérie (edge). En parallèle, les conceptions modulaires, prêtes pour le refroidissement liquide, continueront de démontrer leur efficacité, permettant d’augmenter les densités de calcul sans reconstruction complète. La qualité de l’interconnexion pèsera désormais autant dans le choix d’un site que le prix au kilowatt ou le rendement énergétique.

Les indicateurs de durabilité et modèles de partenariat ne sont plus des ambitions, mais des attentes concrètes. L’efficacité énergétique et la capacité de collaboration définiront la compétitivité des fournisseurs pour le reste de la décennie.

Les entreprises qui planifient leur prochaine étape doivent comprendre la nature de leurs charges IA, quantifier les limites actuelles et s’entourer de partenaires capables de faire évoluer la puissance, le refroidissement et la connectivité au rythme que l’IA impose.

Découvrez-en plus sur les décisions clés en matière d’infrastructure qui façonnent le succès de l’IA en 2025 et au-delà lors de notre webinaire avec des analyses approfondies des experts Telehouse du monde entier en cliquant ici

Le constat est sans appel. Près d’une entreprise sur deux (47 %) a subi au moins une cyberattaque réussie en 2024. Une tendance à la hausse qui ne risque pas de s’inverser, l’Hexagone ayant enregistré +40 % d’atteintes numériques en 5 ans.

Désormais, dans un contexte de fortes tensions géopolitiques, plus aucun secteur ni organisme n’est épargné. Les grandes entreprises ne sont plus les seules visées, bien au contraire. Parmi les raisons : l’émergence de l’IA générative facilitant notamment les campagnes de phishing. Or, malgré l’explosion des usages d’intelligence artificielle, seules 22 % des entreprises ont mis en place des mesures de cybersécurité adaptées.

Résultat, les plus petites entreprises comme les collectivités, disposant souvent de moins de ressources, ouvrent la porte de leurs systèmes d’information aux failles de sécurité et par la même occasion aux cybercriminels. Quant aux grandes entreprises, moins agiles, elles sont peut-être plus avancées dans leur transformation, mais elles doivent souvent composer avec des infrastructures obsolètes et des métiers peu enclins au changement.

En réponse, l’Union européenne a alors décidé d’étendre sa directive NIS 1 (Network and Information Security – ou en français, sécurité des réseaux et des systèmes d’information) pour couvrir un champ beaucoup plus large de domaines et d’entités. Officiellement entrée en vigueur en Europe le 17 octobre 2024, elle devrait être adoptée par la France courant 2025 avec quelques ajustements.

Préparer son projet NIS 2 dans une logique industrielle

En France, plusieurs milliers d’entités, qu’elles soient classées « Essentielles » ou « Importantes », se verront dans l’obligation de se conformer à NIS 2 dès 2025, là où elles n’étaient que quelques centaines à être couvertes par NIS 1. Selon l’étude d’impact de la directive NIS 2, 15 000 entités dans 18 secteurs d’activités, contre 500 dans 6 secteurs pour NIS 1, entrent directement dans le champ d’application de cette directive. Une nécessité face aux cyberattaques dont sont victimes les organismes : 90 % des entreprises de la région EMEA ont ainsi été confrontées à des incidents de cybersécurité que la conformité à la directive NIS 2 aurait pu prévenir.

Pour autant, elles sont peu nombreuses à répondre aux exigences de la directive. Opacité de certaines obligations, manque de ressources, problème de budget, frein au changement… Les raisons sont multiples et les pénalités lourdes. Des sanctions qui, néanmoins, peuvent s’avérer tellement dissuasives qu’elles poussent à accélérer la mise en conformité et, in fine, la transformation des entreprises. En ce sens, NIS 2 tend à s’imposer dans les années à venir comme un moteur d’innovation !

Tel est l’objectif réel derrière la directive : uniformiser la maturité des entreprises en matière de pratiques de cybersécurité dans toute l’Europe. Par conséquent, dans quelques années, la cybersécurité sera davantage intégrée à l’ensemble des activités de l’entreprise, plaçant l’automatisation et l’apprentissage automatique au centre des enjeux de sécurité. Néanmoins, la gestion des risques ne peut se faire sous le seul angle technique, et implique le plus souvent d’engager une transformation organisationnelle pour mettre en place une nouvelle gouvernance.

Soit un grand nombre de chantiers à lancer, parfois en simultané. Résultat, les entreprises peuvent rencontrer un certain nombre de difficultés d’implémentation ou même humaines. NIS 2 implique une vision 360 de la sécurité et une approche holistique, nécessitant un grand nombre d’expertises. C’est pourquoi les organisations qui décideront de mener ces transformations en interne s’exposeront davantage aux risques de pénalités financières du fait d’une conformité partielle ou d’erreurs d’interprétation de la règlementation. S’entourer d’experts pour se conformer à NIS 2 est donc un véritable must have.

Par Yoann Moreau, Head of Cybersecurity Audit & Advisory chez Squad

Par Jérôme Beaufils, CEO de SASETY

La cybersécurité vit une rupture. Les attaques n’ont jamais été aussi nombreuses, sophistiquées et surtout silencieuses.

Une tendance confirmée par les chiffres :

• 97 % des entreprises ont au moins un terminal infecté par un botnet.
• 1 entreprise sur 3 a été ciblée par un rançongiciel au cours de l’année.
• La plupart des flux malveillants utilisent des ports, protocoles ou adresses autorisés, rendant leur détection impossible avec des firewalls classiques.

Le constat est clair : les mécanismes de sécurité traditionnels sont devenus obsolètes.

Il est temps de repenser la sécurité comme une fonction native du réseau, appuyée par l’intelligence artificielle.

Des attaques omniprésentes mais invisibles

Les cyberattaques ne sont plus des événements ponctuels. Elles sont désormais systémiques, persistantes, et souvent indétectables.

La plupart des flux malveillants utilisent des ports, protocoles ou adresses autorisés, rendant leur détection impossible avec des firewalls classiques.

Par exemple, un terminal infecté utilise un tunnel chiffré HTTPS sur le port 443 pour exfiltrer des données. Le flux semble légitime. La règle de firewall ne bloque rien. Résultat : l’intrusion passe totalement inaperçue.

Quand l’IA générative devient complice

Les IA génératives comme ChatGPT peuvent désormais être exploitées pour produire du code malveillant : voleur de mots de passe, shell inversé, etc.

Avec un peu de « prompt engineering », un individu sans compétence technique peut générer un malware en quelques minutes.

Une nouvelle catégorie de menaces apparaît : les attaquants sans connaissance technique, mais armés d’IA.

Pourquoi les firewalls et les VPN ne suffisent plus

Les architectures traditionnelles sont fragmentées, avec des outils dispersés qui n’interagissent pas entre eux. Aucune corrélation globale ni inspection cohérente sur les flux chiffrés n’est apportée. Aucune visibilité unifiée n’est proposée en fonction des différents usages, notamment le télétravail, les sites distants et la consommation des applications SaaS.

Les anomalies sont invisibles ou ne déclenchent pas d’alerte. L’entreprise pense être protégée, alors qu’elle est déjà compromise.

Le modèle SASE : sécurité intégrée au réseau

Le SASE (Secure Access Service Edge) est une architecture qui fusionne le réseau (SD-WAN) et la sécurité dans le cloud. Elle insère les fonctions de sécurité au plus près du trafic, où qu’il se trouve.

Les composants clés d’une architecture SASE sont :

Exemples d’attaques stoppées grâce à la combinaison SASE + IA de Cato

Ballista (Botnet IoT)

• Exploite une faille sur routeur TP-Link (CVE‑2023‑1389).
• Déploiement via script dropbpb.sh, tunnel chiffré sur port 82.
• Détection par Cato Networks via combinaison IPS + IA comportementale + analyse du trafic C2.
• Résultat : attaque bloquée avant toute communication avec le serveur de commande.

LLM malware prompté

• Génération d’un voleur de mots de passe Chrome via LLM.
• Détection via sandbox et analyse sémantique du code généré.
• Résultat : Blocage avant exécution.

Une sécurité pilotée par l’IA et la donnée

Le moteur de CATO Networks repose sur des techniques de détection d’anomalies combinées à des modèles d’IA :

• Fenêtres temporelles glissantes pour capter les anomalies comportementales
• Corrélation multi-sources (utilisateur, application, protocole, poste utilisateur, géolocalisation)
• Génération automatique d’alertes enrichies par l’AI générative pour les analystes

Comment Cato Networks répond concrètement à ces nouveaux enjeux

Face à des menaces de plus en plus furtives, chiffrées et distribuées, la plateforme Cato Networks propose une approche intégrée, temps réel et entièrement cloud-native de la cybersécurité réseau.

Une plateforme SASE de bout en bout

Cato SASE Cloud repose sur trois piliers fondamentaux :

• Un backbone mondial privé couvrant plus de 80 pays.
• Une pile de sécurité unifiée, inspectant tout le trafic en un seul passage.
• Une couche d’IA/ML native pour la détection d’anomalies et l’automatisation de la réponse.

Une visibilité temps réel sur tout le trafic

Cato Networks fournit un point de gestion centralisé via la Cato Management Application, permettant une analyse corrélée et contextualisée des données réseau et sécurité, tout en appliquant des politiques dynamiques adaptées au contexte de l’utilisateur et de l’appareil.

Une détection avancée des menaces

Cato Networks permet l’identification proactive des flux suspects (notamment les connexions C2, l’usage de Tor, les exploits ou les botnets), grâce à une détection comportementale reposant sur l’analyse de milliards de sessions, permettant à ses partenaires comme SASETY d’apporter des services SOC au travers d’une supervision continue et de capacités de remédiation.

Conclusion

La cybersécurité moderne exige de fusionner réseau et sécurité dans un modèle global, intelligent, évolutif. C’est précisément ce que permet la solution SASE de Cato Networks. Associés à l’expertise d’un partenaire de proximité comme SASETY, les organisations optimisent leur performance métier tout en bénéficiant du plus haut niveau de sécurité, sans compromis, sans complexité inutile et sans angles morts.

De Daniel Meyer, directeur technique chez Camunda

Les agents d’IA ne cessent de gagner en popularité, à juste titre. Ils permettent non seulement d’agir de manière indépendante, mais aussi de prendre des décisions basées sur des raisonnements complexes.  L’utilisation d’agents d’IA dans une stratégie d’automatisation semble aller de soi. Toutefois, si leur intégration dans les processus de bout en bout n’est pas adaptée, ils risquent de ne pas fonctionner aussi bien que vous le souhaiteriez, voire pas du tout. L’objectif est d’accroître l’efficacité des processus et/ou de minimiser les tâches humaines répétitives. Cependant, la mise en œuvre de l’IA sans une intégration transparente peut avoir l’effet inverse et se traduire par des workflows cloisonnés et décousus qui nuisent à l’efficacité et à l’expérience des clients et des employés. Selon Accenture, l’IA est désormais l’un des principaux contributeurs à la dette technologique, aux côtés des applications d’entreprise. Alors que 52 % des entreprises prévoient d’augmenter leurs budgets d’IA générative en 2025, ce problème devrait s’intensifier. Penchons-nous sur le fonctionnement des agents d’IA, ainsi que sur certains des défis et des risques qui y sont associés, et voyons comment opérationnaliser l’IA dans une stratégie d’automatisation existante.

Fonctionnement des agents d’IA dans l’automatisation de bout en bout

Les processus métier sont constitués d’une série d’étapes qui s’exécutent souvent sur un large éventail d’endpoints, qui peuvent être des personnes, des systèmes (y compris l’IA) et/ou des appareils. L’orchestration des processus garantit que chaque étape s’exécute comme prévu et que tout se déroule de manière transparente entre ces endpoints. Le problème est que les agents d’IA ne se valent pas tous. Certains processus suivent une logique prédéfinie, ce qui permet d’anticiper facilement ce qui se passera par la suite. Avec un processus amélioré par l’IA, certaines étapes peuvent aussi suivre un flux logique planifié, tandis que d’autres sont exécutées à l’aide d’un grand modèle de langage (LLM). Les résultats d’un LLM sont plus difficiles à prévoir, mais peuvent bénéficier aux processus dynamiques et variables qui n’ont pas besoin de suivre une structure spécifique.

Prenons l’exemple du traitement des réclamations d’assurance et des demandes d’indemnisation des clients. Les processus automatisés dans ces domaines peuvent comporter des étapes prédéfinies avant de passer à un stade où le dossier est remis à une personne qualifiée pour qu’elle l’examine de plus près, détermine les mesures à prendre et résolve parfois elle-même la situation. Tirer parti de l’IA peut augmenter le niveau d’automatisation dans ces types de processus difficiles à définir, libérant ainsi du temps aux travailleurs du savoir.

Défis et risques liés aux agents d’IA

Le manque de prédictibilité des agents d’IA peut être une source sérieuse de risques pour certains secteurs d’activité réglementés qui nécessitent un niveau élevé d’auditabilité et de gouvernance de leurs processus. Aujourd’hui, 84 % des entreprises déclarent que le manque de transparence sur la façon dont les applications d’IA sont utilisées dans les processus métier entraîne des problèmes au niveau de la conformité réglementaire. Cela ne signifie pas qu’un secteur réglementé comme celui de la finance ne peut pas tirer parti de l’IA, ou plus spécifiquement des agents d’IA. L’orchestration des processus assure une conception pour les processus de bout en bout, qui permet aux entreprises de rester en conformité avec les réglementations spécifiques à leur secteur, avec les lois sur la confidentialité des données et avec les législations émergentes sur l’IA. Les processus orchestrés de bout en bout conservent une piste d’audit visuelle, ce qui permet aux équipes de vérifier les décisions et de simplifier les rapports de conformité à tout moment. En fonction de leur niveau de réglementation, les entreprises peuvent ajuster leur utilisation des agents d’IA à la hausse ou à la baisse, ou mettre en œuvre davantage de vérifications manuelles dans leurs processus afin de disposer d’un contrôle plus précis sur les résultats de l’IA.

Opérationnalisation des agents d’IA et d’autres types d’IA

Comme décrit ci-dessus, l’orchestration des processus garantit que les processus métier de bout en bout fonctionnent de manière transparente, même lorsqu’ils impliquent l’IA. Cela est crucial, car l’automatisation a un impact considérable sur l’expérience des employés et des clients. Si un processus est incohérent ou décousu, la productivité, la fidélité des clients et les résultats peuvent en subir les conséquences.  Heureusement, la façon dont vous définissez la logique des processus et l’approche d’orchestration de ces processus offre une grande flexibilité. Dans les situations où vous avez besoin d’un haut niveau de contrôle, il est préférable de suivre une logique prédéfinie. Dans les cas où un plus grand niveau de variabilité est acceptable, vous pouvez vous appuyer davantage sur des agents ou combiner une logique de processus prédéfinie avec des processus alimentés par l’IA et des vérifications manuelles.  Par conséquent, vous devez être en mesure de définir où et comment les agents d’IA interviennent dans vos processus de bout en bout, d’auditer et de suivre leurs décisions, et de mettre en œuvre des interventions manuelles lorsque vous en avez besoin. L’orchestration des processus vous permet de répondre à tous ces objectifs, en opérationnalisant efficacement l’IA dans votre stratégie d’automatisation, sans dette technique ni conséquences imprévues pour votre entreprise.

Par Anwar Saliba, Managing Director France chez nLighten

Nous assistons à une réorganisation silencieuse mais profonde du paysage numérique mondial. À mesure que les géants du cloud poursuivent leur croissance exponentielle, une évidence s’impose : la centralisation massive ne suffit plus. L’avenir du cloud ne se joue plus uniquement dans les hubs géants de Francfort, Dublin ou Ashburn. Il se dessine désormais au plus près des territoires, là où les usages numériques explosent, où la latence devient un facteur critique, et où les attentes réglementaires et écologiques imposent une nouvelle géographie de l’infrastructure.

Les hyperscalers face à un paradoxe de croissance

La promesse originelle des hyperscalers reposait sur une logique d’industrialisation et de massification. Mutualiser la puissance de calcul à l’échelle mondiale, optimiser les coûts d’exploitation, centraliser les données dans des méga-structures techniques interconnectées aux grandes dorsales Internet. Cette approche a démontré sa force… jusqu’à atteindre ses limites.

Aujourd’hui, les hyperscalers doivent relever un triple défi :

1. Répondre à des usages de plus en plus exigeants : vidéo en 4K, gaming, IA générative, objets connectés industriels… Ces usages nécessitent une latence minimale, une bande passante locale et une haute disponibilité.

1. Se conformer à des régulations locales toujours plus strictes : souveraineté des données, hébergement en Europe, contraintes liées à la santé, à l’éducation ou au secteur public, exigences fiscales ou énergétiques spécifiques à chaque pays.

1. Réduire leur empreinte environnementale : la pression monte de la part des gouvernements, des investisseurs et des citoyens. Il ne suffit plus d’être “green” en façade, il faut prouver que chaque watt est optimisé localement, que l’eau est préservée, que les émissions sont limitées.

Or, les architectures centralisées, pensées pour l’optimisation globale, peinent à répondre simultanément à ces enjeux de proximité, de souveraineté et de durabilité.

Le datacenter de proximité : levier stratégique, pas infrastructure secondaire

Il serait erroné de considérer les datacenters régionaux comme des extensions périphériques. Ils sont aujourd’hui des nœuds stratégiques dans l’écosystème numérique. Ces infrastructures locales permettent aux hyperscalers de sortir de la logique du “one-size-fits-all” pour adopter une approche beaucoup plus granulaire, agile et résiliente.

Concrètement, un datacenter de proximité permet :

• Un traitement local des données sensibles, évitant leur transit inutile vers des pays tiers, facilitant le respect du RGPD ou des réglementations sectorielles.

• Une réduction immédiate de la latence, essentielle pour les services interactifs (cloud gaming, e-santé, véhicules autonomes).

• Une optimisation de la bande passante, en désengorgeant les grands réseaux nationaux et internationaux.

• Une conformité réglementaire native, en s’adossant à des partenaires locaux déjà intégrés dans les cadres juridiques et économiques nationaux.

• Une meilleure efficacité énergétique, en exploitant des solutions adaptées aux contextes locaux (récupération de chaleur, refroidissement naturel, électricité bas carbone…).

Les datacenters régionaux deviennent ainsi de véritables catalyseurs d’un cloud distribué, capable de répondre à la fois aux besoins globaux et aux exigences locales.

Vers une souveraineté distribuée et pragmatique

Ce mouvement vers des infrastructures plus proches n’est pas une régression. Il ne s’agit pas de fragmenter l’Internet, mais de l’adapter. De passer d’un paradigme purement centralisé à une approche distribuée, évolutive et contextualisée.

L’Europe, avec sa diversité législative, linguistique et culturelle, est le terrain idéal pour expérimenter cette nouvelle approche. Elle impose de facto une stratégie d’hébergement multirégionale et multifournisseurs. Dans ce contexte, les hyperscalers ont tout intérêt à s’appuyer sur des partenaires d’infrastructures locaux qui allient expertise technique, maîtrise réglementaire et ancrage territorial.

Cette collaboration n’est pas uniquement technologique : elle devient stratégique et politique. Elle permet aux hyperscalers de gagner en agilité opérationnelle, en légitimité auprès des acteurs publics, et en résilience face aux aléas géopolitiques et climatiques.

Un cloud hybride, multi-niveaux, enraciné dans les territoires

Ce que nous observons, c’est l’émergence d’un modèle de cloud hybride et hiérarchisé. Les hyperscales ne disparaîtront pas, mais ils seront complétés, interconnectés, renforcés par un maillage dense d’infrastructures locales. Chaque niveau du cloud aura un rôle spécifique à jouer dans cette nouvelle architecture :

• Le core, pour la puissance brute et les grands volumes.

• Le region, pour la résilience, la conformité et les traitements intermédiaires.

• L’edge, pour la réactivité, la personnalisation et les usages temps réel.

C’est à cette condition que le cloud pourra réellement accompagner la transformation numérique des territoires, des entreprises et des citoyens.

En somme, l’avenir du cloud ne sera pas uniquement hyperscale. Il sera polycentrique, intelligent et profondément enraciné dans l’écosystème local. C’est cette conviction qui guide notre mission chez nLighten, et que nous partageons avec les acteurs du numérique prêts à construire un avenir plus durable, plus souverain et plus performant.