Les DSI mobilisent les agents IA pour reprendre le contrôle du cloud

Les agents d’IA pourraient constituer une solution concrète au problème de la prolifération du cloud

La gestion des environnements cloud est devenue plus complexe. Les grandes entreprises exploitent désormais des applications, des données et des infrastructures sur plusieurs plateformes cloud, régions et unités opérationnelles. Cette complexité soulève un problème de gestion fondamental : les équipes informatiques ont besoin de plus de visibilité et de contrôle, mais le recrutement continu de personnel est coûteux et difficile à adapter à l’échelle.

Les agents d’IA offrent une autre option. Ces systèmes peuvent surveiller les environnements cloud, identifier les inefficacités et effectuer des tâches de gestion courantes avec moins d’intervention humaine. Selon M. Thomson, les agents d’IA pourraient aider les équipes informatiques à superviser des parcs cloud de plus en plus complexes sans que les effectifs aient à augmenter au même rythme. L’objectif ne se limite pas à l’automatisation. Il s’agit de donner aux équipes informatiques la capacité de gérer davantage d’infrastructures tout en maîtrisant les coûts et la complexité opérationnelle.

La sécurité détermine jusqu’où les entreprises peuvent aller dans cette démarche. L’enquête d’Unisys a révélé que 93 % des personnes interrogées ont déclaré que les capacités de sécurité du cloud influençaient le degré d’autonomie qu’elles étaient prêtes à accorder aux systèmes d’IA. Il s’agit là d’un signal important pour les dirigeants. Les entreprises peuvent certes s’intéresser à l’IA autonome, mais cette autonomie dépend de la confiance qu’elles accordent aux systèmes qui l’entourent.

Cela modifie le débat au sein de la direction. La question pertinente n’est plus simplement de savoir si les agents d’IA sont capables d’effectuer des tâches de gestion du cloud. Les dirigeants doivent déterminer quelles actions les agents peuvent mener de manière autonome, lesquelles nécessitent une validation humaine, et comment chaque action ayant des conséquences sera surveillée et contrôlée. Une architecture cloud solide, des données précises, des contrôles d’accès clairs et une surveillance fiable deviennent des conditions préalables à une plus grande autonomie.

Les opportunités sont considérables. Les entreprises qui posent ces bases peuvent potentiellement gérer des environnements cloud plus vastes et plus dynamiques sans devoir augmenter leurs effectifs à chaque fois que la complexité s’accroît. Cependant, le déploiement d’agents avant d’avoir acquis une visibilité et un contrôle suffisants peut créer de nouveaux risques opérationnels au lieu d’éliminer ceux qui existent déjà.

La sécurité, la transparence et la confiance détermineront le rythme d’adoption de l’IA agentique

La principale contrainte pesant sur l’IA agentique n’est pas l’accès à la technologie. Il s’agit plutôt de savoir si les organisations peuvent faire confiance à des systèmes autonomes pour fonctionner au sein d’environnements métier critiques. Thomson a identifié trois obstacles majeurs : la visibilité, la sécurité et la confiance. De nombreuses organisations ne disposent toujours pas d’une vue d’ensemble complète de l’emplacement de leurs données et de leurs charges de travail liées à l’IA, tandis que les exigences réglementaires ajoutent une difficulté supplémentaire.

Cela revêt une importance particulière, car les agents d’IA ne se contentent pas de générer des informations. En fonction de leurs autorisations, ils peuvent interagir avec des systèmes et effectuer des actions pour le compte d’utilisateurs ou d’applications. Accroître cette autonomie peut renforcer la valeur ajoutée pour l’entreprise, mais cela renforce également l’importance de la gestion des identités, des autorisations d’accès, de la surveillance, des journaux d’audit et de la définition de limites claires quant à ce qu’un agent est autorisé à faire.

Le contexte en matière de sécurité justifie pleinement la prudence. Près de la moitié des personnes interrogées dans l’enquête citée ont déclaré que leur organisation avait subi une faille de cybersécurité au cours de l’année précédente, contre 17 % lors de l’enquête précédente. Parallèlement, 93 % ont indiqué que les capacités de sécurité dans le cloud influaient sur le degré d’autonomie qu’elles étaient prêtes à accorder aux systèmes d’IA. Pris dans leur ensemble, ces résultats montrent que l’autonomie de l’IA et la stratégie de cybersécurité sont de plus en plus étroitement liées.

Pour les dirigeants, la gouvernance doit donc être mise en place avant tout déploiement à grande échelle. La direction doit savoir où les agents interviennent, à quelles données ils ont accès, quelles décisions ils sont habilités à prendre et qui est responsable en cas de problème. Les actions présentant un risque plus élevé peuvent nécessiter une validation humaine, tandis que les tâches à faible risque et réversibles peuvent se prêter à une automatisation plus poussée.

Dans ce contexte, cette approche de déploiement progressif s’avère judicieuse. Les organisations se concentrent d’abord sur la gouvernance, la préparation opérationnelle et les cas d’utilisation à forte valeur ajoutée avant d’étendre l’IA agentique à l’ensemble de l’entreprise. C’est un moyen de mettre en place les contrôles nécessaires pour accroître l’autonomie en toute confiance.

Les entreprises qui résoudront ces problèmes dès le début disposeront d’une plus grande marge de manœuvre. Une meilleure visibilité permet un contrôle plus efficace. Une sécurité renforcée favorise une plus grande autonomie. Et une plus grande autonomie, mise en œuvre dans le respect de limites clairement définies, peut accroître la valeur économique de l’IA au sein d’opérations cloud de plus en plus complexes.

Le plus difficile est de passer de projets pilotes réussis à une mise en œuvre à l’échelle de l’entreprise dans le domaine de l’IA

L’accès à l’IA ne constitue plus la principale contrainte pour de nombreuses entreprises. Le plus grand défi consiste désormais à transformer des expériences réussies en systèmes fonctionnant de manière fiable à l’échelle de l’entreprise. Un projet pilote permet de démontrer la faisabilité technique avec une équipe restreinte, des données contrôlées et un objectif précis. Le déploiement à l’échelle de l’entreprise doit, quant à lui, s’appliquer à l’ensemble des services, des processus, des plateformes technologiques et des structures de gouvernance.

Adrian Clamp, responsable mondial de la stratégie de conseil et des investissements chez KPMG International, a clairement décrit ce problème : « De nombreuses organisations parviennent à mener à bien des projets individuels, mais peinent à étendre ces bénéfices à l’ensemble de leur activité. » Il a ajouté que le principal défi consistait à coordonner les personnes, les processus, les technologies, les données, la gouvernance et les décisions d’investissement à l’échelle de l’organisation.

Cela explique pourquoi les entreprises adoptent une approche prudente vis-à-vis de l’IA agentique. Selon Thomson, ce retard d’adoption reflète une transition de la phase d’expérimentation vers celle de la mise en œuvre. Les organisations accordent la priorité à la gouvernance, à la préparation opérationnelle et aux cas d’utilisation à forte valeur ajoutée avant de déployer les agents d’IA à l’échelle de l’entreprise.

Pour les dirigeants, cela signifie que la stratégie en matière d’IA doit aller au-delà du simple nombre de projets pilotes lancés ou d’outils achetés. Un déploiement réussi nécessite une responsabilité métier clairement définie, des données fiables, des contrôles adaptés, une intégration aux processus existants et une responsabilité clairement établie. Il doit également générer une valeur économique suffisante pour justifier la poursuite des investissements.

Le choix du cas d’utilisation revêt une importance particulière dans le cadre des agents d’IA, car ces systèmes sont capables d’agir plutôt que de se contenter de fournir des informations. Les entreprises peuvent commencer par des processus dont les résultats sont mesurables et les risques bien cernés. Elles peuvent ensuite étendre le déploiement et accroître l’autonomie à mesure que les performances, la sécurité et la gouvernance s’améliorent.

La prochaine étape de l’IA d’entreprise consistera donc moins à démontrer que la technologie fonctionne qu’à prouver que les organisations sont capables de l’exploiter de manière cohérente et à grande échelle. Les entreprises qui parviennent à coordonner efficacement leur stratégie commerciale, leur technologie, leur gouvernance et leurs investissements seront mieux à même de transformer les capacités de l’IA en résultats commerciaux reproductibles.

Une meilleure infrastructure d’IA ne garantit pas de meilleurs résultats commerciaux

Les infrastructures technologiques des entreprises progressent rapidement. L’enquête menée par Unisys a révélé que la quasi-totalité des personnes interrogées ont déclaré disposer désormais de l’architecture nécessaire à une prise de décision à grande échelle fondée sur les données, contre 72 % l’année précédente. Il s’agit là d’un progrès significatif en matière de préparation technique.

Les résultats commerciaux révèlent une situation plus complexe. Seuls 65 % des personnes interrogées ont déclaré que l’efficacité opérationnelle avait dépassé leurs attentes, contre 80 % en 2025. Les entreprises ont renforcé leurs bases techniques, mais les résultats communiqués ne se sont pas améliorés au même rythme.

Cet écart est important. Les infrastructures permettent à une organisation de déployer l’IA, mais cette capacité à elle seule ne génère pas de valeur ajoutée. Les entreprises doivent encore déterminer dans quels domaines l’IA doit être utilisée, repenser leurs processus si nécessaire, définir les responsabilités quant aux résultats et évaluer si ce déploiement améliore réellement les performances.

M. Adrian Clamp, de KPMG International, a insisté sur cette distinction. « C’est lorsque les organisations repensent leurs flux de travail et leurs processus décisionnels autour de l’IA qu’elles en tirent le plus grand bénéfice », a-t-il déclaré. Concrètement, cela signifie que les dirigeants doivent éviter de considérer l’IA avant tout comme un simple outil technologique supplémentaire. Les processus existants devront peut-être être modifiés si l’entreprise souhaite que l’IA ait un impact significatif sur les coûts, le chiffre d’affaires, l’expérience client ou la qualité des décisions.

Les indicateurs de mesure doivent également évoluer. La productivité est un indicateur utile, mais elle ne reflète qu’une partie de l’impact potentiel de l’IA. M. Clamp a recommandé d’évaluer l’IA à l’aune de résultats commerciaux plus larges, notamment la croissance et l’expérience client. Les dirigeants peuvent également prendre en compte des indicateurs tels que les coûts d’exploitation, la durée des processus, l’impact sur le chiffre d’affaires, la qualité du service et la réduction des risques, lorsque cela s’avère pertinent pour le déploiement concerné.

Les résultats de l’enquête indiquent donc qu’une nouvelle phase importante s’annonce. De nombreuses entreprises sont désormais prêtes, sur le plan technique, à mettre en œuvre l’IA à grande échelle. Le défi pour les dirigeants consiste à transformer cette préparation en résultats économiques mesurables.

Cela exige de la discipline. Les investissements technologiques doivent s’accompagner d’objectifs clairement définis, de responsables clairement identifiés, d’indicateurs pertinents et de processus conçus pour tirer pleinement parti des capacités de l’IA. Pour les équipes de direction, la question n’est plus tant de savoir si l’entreprise dispose d’une infrastructure d’IA suffisante, mais plutôt si cette infrastructure produit des résultats qui comptent pour l’entreprise.

Le développement de l’IA nécessite des données fiables, une gouvernance efficace et une main-d’œuvre bien préparée

Pour aller au-delà des projets pilotes en matière d’IA, il ne suffit pas d’ajouter de nouveaux outils. Les organisations ont besoin de données fiables, d’une infrastructure cloud sécurisée, d’une responsabilité clairement définie et de collaborateurs qui sachent utiliser l’IA dans leur travail quotidien. Sans ces fondements, les entreprises peuvent étendre le déploiement de l’IA tout en continuant à peiner à générer une valeur commerciale mesurable.

Adrian Clamp, responsable mondial de la stratégie de conseil et des investissements chez KPMG International, a déclaré que les organisations devaient consolider leurs bases en matière de données et de cloud avant d’étendre leurs déploiements d’IA. La gouvernance et la responsabilité doivent également être mises en place dès le début. Cela implique de définir à qui appartiennent les systèmes d’IA, à quelles données ils peuvent accéder, sur quelles décisions ils peuvent influer ou lesquelles ils peuvent prendre, et comment leurs performances et leurs risques seront surveillés.

La préparation du personnel est tout aussi importante. L’IA peut transformer la manière dont les collaborateurs analysent les informations, prennent des décisions et mettent en œuvre les processus. Les entreprises doivent donc préparer leurs équipes à assumer de nouvelles responsabilités, notamment la vérification des résultats fournis par l’IA, la supervision des actions automatisées et la capacité à déterminer quand une intervention humaine est nécessaire. La formation doit être adaptée aux rôles et aux flux de travail spécifiques, plutôt que d’être considérée comme un simple exercice technologique général.

Les dirigeants devraient également élargir leur approche en matière de mesure des retours sur investissement. Les gains de productivité peuvent démontrer une valeur immédiate, mais ils ne reflètent pas l’intégralité de l’impact sur l’activité. M. Clamp a recommandé d’évaluer l’IA à l’aune de résultats tels que la croissance et l’expérience client. En fonction du cas d’utilisation, les équipes de direction peuvent également suivre le chiffre d’affaires, les coûts d’exploitation, la qualité de service, la rapidité de prise de décision, les risques et d’autres indicateurs directement liés aux priorités de l’entreprise.

M. Clamp a résumé cette opportunité en déclarant : « C’est lorsque les organisations repensent leurs flux de travail et leurs processus décisionnels à la lumière de l’IA qu’elles en tirent le plus grand bénéfice. » Cela va au-delà de la simple automatisation des tâches existantes. Les dirigeants doivent déterminer si les processus doivent être modifiés du fait que l’IA est capable d’effectuer certaines activités plus rapidement, en continu ou avec un niveau d’intervention humaine différent.

Pour les dirigeants, la priorité réside dans la mise en œuvre. Les données, l’infrastructure, la gouvernance, les ressources humaines et les indicateurs de performance doivent évoluer de concert. De solides performances dans tous ces domaines offrent aux organisations une base plus solide pour passer de déploiements limités à des systèmes d’IA qui apportent une contribution constante à l’ensemble de l’entreprise.

L’IA agentique doit s’inscrire dans le cadre d’une transformation plus large de l’entreprise

L’IA agentique ne doit pas être gérée comme une initiative technologique isolée. Étant donné que les agents d’IA sont de plus en plus capables d’effectuer des tâches et de prendre certaines décisions opérationnelles, leur déploiement peut avoir des répercussions sur les flux de travail, la responsabilité, la cybersécurité, la gestion des données et les méthodes de travail des collaborateurs. Ces implications vont bien au-delà du service informatique.

Selon M. Thomson, les organisations qui tirent le meilleur parti de l’IA agentique assurent un suivi global de son utilisation et considèrent cette technologie comme s’inscrivant dans le cadre d’une transformation plus large de leur entreprise. Cette approche relie les investissements dans l’IA aux modèles opérationnels et aux objectifs stratégiques, plutôt que de mesurer le succès principalement à l’aune du déploiement technique.

Cette distinction revêt une importance particulière au niveau de la direction. Une entreprise peut déployer une IA de pointe tout en ne générant qu’une valeur limitée si ses données ne sont pas fiables, si les contrôles ne sont pas clairs ou si les résultats commerciaux n’ont pas été définis. M. Thomson l’a clairement exprimé : « La technologie est importante, mais le succès dépend en fin de compte de la disponibilité des bonnes données, de contrôles adaptés et d’une compréhension claire des résultats que vous cherchez à atteindre. »

Une supervision globale revêt également une importance croissante à mesure que les systèmes d’IA gagnent en autonomie. Les équipes de direction doivent disposer de règles claires précisant à quelles données les agents peuvent accéder, quelles actions ils peuvent effectuer de manière autonome, dans quels cas une validation humaine est nécessaire et qui en assume la responsabilité. Ces contrôles doivent tenir compte de l’importance et du risque associés à chaque cas d’utilisation, plutôt que d’appliquer le même niveau d’autonomie dans tous les cas.

Pour les dirigeants d’entreprise, cela implique également une prise en charge transversale. Les DSI et les équipes techniques peuvent être chargés de l’exploitation des systèmes sous-jacents, mais les responsables de la sécurité, les équipes juridiques, les dirigeants des unités opérationnelles, les responsables des données, les services financiers et les ressources humaines peuvent tous avoir des responsabilités dans le déploiement de l’IA au sein de l’entreprise. Les décisions relatives aux investissements, aux risques, aux changements au sein du personnel et aux retours attendus ne peuvent pas rester cantonnées à une seule fonction.

L’opportunité consiste à intégrer l’IA dans le fonctionnement même de l’entreprise, plutôt que de se contenter d’ajouter une nouvelle plateforme technologique. Les organisations qui combinent des données pertinentes, des contrôles efficaces, des processus repensés et des objectifs métier clairement définis seront mieux placées pour accroître progressivement l’autonomie de leurs agents.

La technologie continuera à évoluer. La tâche la plus importante qui incombe aux dirigeants est de veiller à ce que l’organisation évolue en parallèle. Les entreprises qui mettent en place la gouvernance, la discipline opérationnelle et l’alignement stratégique nécessaires peuvent dépasser le stade de l’expérimentation et faire de l’IA agentique une source concrète de valeur d’entreprise à long terme.

Principaux enseignements pour les dirigeants

• Faites évoluer vos opérations cloud grâce aux agents IA : les agents IA peuvent améliorer la visibilité sur le cloud, automatiser les tâches de gestion courantes et contribuer à limiter la croissance des effectifs à mesure que la complexité augmente. Les dirigeants doivent associer une plus grande autonomie des agents à des capacités éprouvées en matière de sécurité et de supervision.
• Instaurez la confiance avant d’accroître l’autonomie : la sécurité, la visibilité et la gouvernance restent des obstacles majeurs à l’IA autonome. Près de la moitié des organisations interrogées ayant signalé une faille de cybersécurité au cours de l’année écoulée, les dirigeants devraient mettre en place des contrôles d’accès, des mécanismes de surveillance et des dispositifs de responsabilisation avant d’étendre les autorisations accordées aux agents.
• Transformez les projets pilotes couronnés de succès en systèmes d’entreprise : l’accès à l’IA n’est plus le principal défi ; celui-ci réside désormais dans sa mise à l’échelle à l’échelle des personnes, des processus, des données et de la technologie. Donnez la priorité aux cas d’utilisation à forte valeur ajoutée, pour lesquels les responsabilités et la gouvernance sont clairement définies, avant d’envisager un déploiement à plus grande échelle.
• Établir un lien entre la maturité technique et les résultats commerciaux : la quasi-totalité des organisations interrogées déclarent disposer d’une architecture permettant une prise de décision à grande échelle fondée sur les données, mais seules 65 % d’entre elles ont indiqué que leur efficacité opérationnelle avait dépassé leurs attentes. Les dirigeants devraient évaluer leurs investissements dans l’IA à l’aune de résultats commerciaux concrets plutôt qu’en se basant uniquement sur le déploiement technique.
• Renforcez les fondements nécessaires au déploiement à grande échelle de l’IA : des données fiables, une infrastructure cloud sécurisée, une gouvernance adéquate et la préparation du personnel sont indispensables pour aller au-delà des projets pilotes. Évaluez la réussite en fonction de la croissance, de l’expérience client, des coûts, des risques et d’autres résultats directement liés aux priorités de l’entreprise.
• Faites de l’IA agentique une priorité en matière de transformation d’entreprise : les agents IA doivent être intégrés aux flux de travail, aux processus décisionnels et aux modèles opérationnels, plutôt que d’être gérés comme des projets technologiques isolés. Un leadership interfonctionnel, des contrôles clairs et des résultats bien définis détermineront si une plus grande autonomie de l’IA est susceptible de créer une valeur d’entreprise durable.