Pourquoi l’informatique d’entreprise est en difficulté et comment AgenticOps la réorganise

Les opérations informatiques traditionnelles des entreprises échouent face à la fragmentation et à la complexité croissante de l’IA

Les systèmes informatiques des entreprises n’ont pas été conçus pour le niveau actuel d’automatisation ou d’intelligence distribuée. La plupart des organisations fonctionnent sur des couches d’infrastructures héritées et d’outils déconnectés. DJ Sampath, vice-président senior de AI Software and Platform chez Cisco, explique que les opérateurs passent trop de temps à passer d’un tableau de bord à l’autre, à rechercher des données et à essayer de résoudre des problèmes cachés dans de multiples silos. Cette inefficacité ralentit les temps de réponse et fait grimper les coûts opérationnels.

Le défi est sur le point de s’intensifier à mesure que l’IA se généralise dans les entreprises. Chaque employé pourrait bientôt disposer de plusieurs agents d’IA travaillant en leur nom, s’occupant de la surveillance, de l’optimisation et de l’aide à la décision. Cela peut sembler productif, mais sans coordination, cela conduit rapidement à une surcharge d’informations et à un chaos opérationnel. Les cadres de gestion informatique traditionnels ne peuvent pas suivre cette échelle. Pour les chefs d’entreprise, ignorer ce changement signifie prendre du retard sur les performances et perdre en agilité au moment où les entreprises en ont le plus besoin.

Les décideurs doivent considérer la complexité induite par l’IA comme un problème structurel et non comme une tendance temporaire. La fragmentation informatique ne se résoudra pas d’elle-même. La prochaine génération d’opérations a besoin de systèmes capables de gérer l’autonomie, le flux de données et la prise de décision rapide à grande échelle.

AgenticOps introduit un paradigme qui unifie la collaboration entre l’homme et l’IA en temps réel.

Cisco a défini sa réponse à ces défis à travers AgenticOps, un nouveau modèle opérationnel construit sur une collaboration continue entre les personnes et les agents d’IA. Dans ce système, les humains gardent le contrôle tout en travaillant directement avec l’IA qui comprend leur environnement, anticipe leurs besoins et agit sur les tâches déléguées en temps réel. M. Sampath décrit cette évolution comme le moment où les opérations passent de la réactivité à une véritable intelligence.

AgenticOps ne vise pas à remplacer les équipes. Il s’agit de leur donner un meilleur effet de levier. Au lieu de parcourir des tableaux de bord, les opérateurs interagissent avec une interface unifiée et générative qui se connecte aux sources de données et aux couches opérationnelles. Cet espace de travail partagé permet aux équipes d’émettre des commandes en langage naturel et aux agents d’exécuter, de tester et de rendre compte des actions instantanément. Tout se passe dans un seul contexte, ce qui réduit les interruptions, synchronise les connaissances et maintient la prise de décision centrée sur l’homme mais soutenue par l’IA.

Pour les dirigeants, il ne s’agit pas d’une évolution théorique. Il s’agit d’un moyen de récupérer la vitesse, la précision et l’innovation à grande échelle. AgenticOps rend l’informatique d’entreprise plus adaptative en transformant la collaboration entre les humains et les machines en une boucle de rétroaction intégrée qui apprend et s’améliore en permanence. Il offre aux dirigeants une voie directe vers la résilience opérationnelle dans un paysage qui ne fera que se complexifier.

AgenticOps repose sur trois principes fondamentaux

Le fondement d’AgenticOps repose sur trois idées structurelles claires. Premièrement, l’accès unifié aux données. Les entreprises ne peuvent pas fonctionner efficacement tant que leurs données sont piégées dans des systèmes déconnectés. Les mesures du réseau, les journaux de sécurité, les performances des applications et la télémétrie de l’infrastructure doivent être consolidés en une seule couche opérationnelle. Une fois unifiés, les agents d’IA peuvent corréler les informations à travers l’entreprise et fournir des actions contextuelles au lieu de réponses partielles.

Deuxièmement, la conception multijoueurs. AgenticOps est conçu pour la collaboration entre les domaines opérationnels. Les opérations informatiques, les équipes réseau et les groupes de sécurité peuvent travailler dans un environnement cohérent au lieu de transmettre des informations fragmentées entre les systèmes. Cette conception élimine les frictions opérationnelles. DJ Sampath, Senior Vice President of AI Software and Platform de Cisco, a décrit comment cette approche permet aux humains et aux agents d’IA de dépanner ensemble en temps réel. Lorsque les systèmes partagent un espace de travail synchrone, la réponse opérationnelle devient plus rapide et plus précise.

Troisièmement, des modèles d’IA spécifiques. L’IA générique est performante pour les tâches générales, mais les opérations nécessitent une spécialisation plus poussée. L’approche de Cisco met l’accent sur la formation des modèles d’IA sur des données spécifiques à un domaine, le comportement du réseau, les modèles de détection des menaces et les règles de configuration. Cette précision permet aux modèles de raisonner à un niveau technique qui dépendait auparavant d’opérateurs experts.

Pour les dirigeants, ces trois principes se traduisent par une priorité stratégique unique : mettre en place une infrastructure dans laquelle les personnes et les systèmes intelligents fonctionnent à partir du même tissu de données en temps réel. Il ne s’agit pas seulement d’efficacité ; il s’agit d’intelligence opérationnelle qui s’étend en permanence à l’ensemble de l’organisation.

Cisco opérationnalise AgenticOps en utilisant AI canvas et le modèle de réseau profond.

Cisco a fait passer l’idée d’AgenticOps du concept à l’exécution. L’AI Canvas est l’espace de travail unifié de l’entreprise pour les opérateurs et les agents d’IA. Il fusionne la télémétrie, l’intelligence et la collaboration en une seule interface utilisateur. Les équipes utilisent le langage naturel pour assigner des tâches, extraire des informations ou initier des changements directement par le biais d’agents d’IA. Il n’est donc plus nécessaire de disposer de plusieurs tableaux de bord ou d’outils disparates. L’espace de travail conserve une transparence totale, de sorte que chaque action, humaine ou d’IA, reste visible et réversible. Cette conception permet aux opérateurs de garder le contrôle tout en augmentant leurs capacités.

Sous AI Canvas se trouve le Deep Network Model, le moteur d’intelligence de base de Cisco. Il est formé sur la base de plus de 40 ans de connaissances opérationnelles, allant de l’expertise de niveau CCIE aux données de télémétrie de production et d’assistance technique provenant des opérations mondiales de Cisco. Cette profondeur garantit que le modèle peut traiter les données avec un contexte, en apprenant des décennies de comportements de systèmes du monde réel.

Cette combinaison permet à Cisco d’étendre AgenticOps à l’ensemble de l’écosystème de l’entreprise, campus, succursales, cloud et périphérie. Il se connecte de manière transparente à des plateformes telles que Meraki, ThousandEyes et Splunk, donnant aux agents l’accès à la télémétrie en direct dans tous les environnements. Pour les dirigeants, le message est direct : l’excellence opérationnelle dépend désormais d’une intelligence unifiée capable de raisonner en temps réel, et pas seulement de rapports automatisés.

DJ Sampath, SVP of AI Software and Platform de Cisco, note que grâce à AI Canvas et au Deep Network Model, Cisco a créé un système où la génération de connaissances et l’exécution de décisions coexistent. Cette intégration permet aux opérations de l’entreprise d’aller au-delà de la visibilité et de passer à un véritable contrôle adaptatif.

La fragmentation des rapports et la mise en commun manuelle des données nuisent à l’efficacité du dépannage informatique.

Dans de nombreuses entreprises, des données opérationnelles précieuses sont encore dispersées dans des outils, des tickets et des fils de communication déconnectés les uns des autres. L’absence de contexte centralisé oblige les opérateurs à collecter manuellement des détails à partir de captures d’écran, de notes internes et d’e-mails avant même d’entamer une analyse des causes profondes. Cette pratique fait perdre du temps, augmente les erreurs humaines et érode les connaissances institutionnelles car les informations sont rarement capturées ou partagées de manière efficace.

L’AI Canvas de Cisco élimine cette fragmentation en rassemblant toutes les données pertinentes, les communications et les informations générées par les agents dans un environnement dynamique. Les équipes travaillent ensemble en temps réel au sein d’une interface unique, partageant des journaux, des captures d’écran et des détails contextuels au fur et à mesure de leur collaboration. La différence est que les agents d’intelligence artificielle participent également à cet environnement. Ils observent, apprennent et s’améliorent à chaque interaction, créant ainsi des cycles de dépannage plus rapides et plus précis au fil du temps.

DJ Sampath, Senior Vice President of AI Software and Platform de Cisco, a souligné comment la consolidation des données et du contexte accélère la résolution des problèmes. À mesure que les agents accumulent des connaissances à partir des interactions homme-machine, les entreprises commencent à constater une réduction mesurable du temps de débogage. Pour les dirigeants, cela signifie minimiser les temps d’arrêt et maximiser le rendement de la main-d’œuvre grâce à des flux de travail cohérents et axés sur les données.

Cette boucle adaptative transforme les opérations informatiques en un système qui s’améliore automatiquement. Plus les équipes l’utilisent, plus il devient efficace. Pour un public de cadres supérieurs, la conclusion est stratégique : l’intelligence opérationnelle est plus efficace lorsque la collaboration, les données et l’apprentissage sont unifiés et continus plutôt que fragmentés et réactifs.

Une sécurité correctement structurée peut servir d’accélérateur à l’adoption de l’IA, plutôt que d’obstacle.

La sécurité a longtemps été considérée comme le point de friction pour le déploiement de nouvelles technologies à grande échelle. Cette façon de penser doit changer. Avec les bons garde-fous, la sécurité devient le fondement qui permet aux organisations de déployer l’IA en toute confiance dans des systèmes sensibles et complexes. Une gouvernance solide des données, des contrôles d’identité et des protections rapides sont essentiels, non pas en tant que contraintes, mais en tant que catalyseurs d’une innovation plus sûre.

DJ Sampath a souligné que de nombreux employés sont déjà à l’aise avec les outils d’IA publics tels que ChatGPT pour leurs tâches quotidiennes. Les entreprises peuvent égaler ou dépasser cette productivité en fournissant des alternatives internes sécurisées qui offrent des capacités similaires. Toutefois, cela nécessite des contrôles stricts sur les données sensibles, telles que les informations personnelles et la propriété intellectuelle. Les systèmes appropriés peuvent détecter les informations personnellement identifiables, empêcher les attaques par injection rapide et appliquer automatiquement les politiques internes.

Lorsqu’elle est correctement sécurisée, l’IA ne se contente pas d’améliorer la productivité, elle la développe de manière responsable. Les entreprises peuvent innover plus rapidement, distribuer plus largement les capacités d’IA et maintenir une conformité totale sans ralentir l’exécution. Pour les dirigeants, la prochaine étape est claire : définir des cadres de gouvernance dès le début et utiliser la sécurité comme couche de base pour l’activation de l’IA à grande échelle.

Cette approche fait de la sécurité un avantage concurrentiel plutôt qu’un obstacle. Les organisations qui intègrent la conformité et la confiance dans leurs architectures d’IA seront celles qui adopteront plus rapidement, évolueront plus intelligemment et parviendront à une résilience opérationnelle sous la surveillance du monde entier.

La gestion des identités est essentielle dans AgenticOps pour un accès sécurisé aux données inter-domaines.

L’accès inter-domaines est essentiel pour les opérations modernes pilotées par l’IA, mais il introduit également de sérieux risques. Si les agents se voient accorder trop d’accès ou opèrent sans règles précises, l’intégrité des données et la conformité peuvent s’effondrer instantanément. AgenticOps s’attaque à ce problème en plaçant la gestion des identités au centre de sa conception. Elle garantit que chaque interaction avec les données, qu’elle soit le fait d’une personne ou d’un agent d’IA, est authentifiée, autorisée et traçable.

L’approche de Cisco va au-delà des références de sécurité de base. L’entreprise transforme Duo, à l’origine un outil d’authentification multifactorielle, en une plateforme d’identité complète. Ce nouveau cadre intègre le contrôle d’accès directement dans les flux de travail opérationnels plutôt que de l’ajouter après coup. L’acquisition de Splunk par Cisco renforce cette démarche en unifiant la visibilité sur les données du réseau, de l’infrastructure et des applications. Ensemble, ces systèmes garantissent que les agents d’IA n’interagissent qu’avec les données qu’ils sont autorisés à voir, la supervision humaine étant maintenue à chaque étape.

DJ Sampath, Senior Vice President of AI Software and Platform de Cisco, a expliqué que l’identité déterminera l’efficacité avec laquelle les entreprises pourront mettre à l’échelle AgenticOps. S’assurer que les agents n’agissent que dans les limites autorisées permet de maintenir le contrôle, la responsabilité et la conformité dans l’ensemble de l’écosystème. Pour les dirigeants, la conclusion est simple : la gouvernance des identités n’est plus une fonction de soutien, c’est l’épine dorsale opérationnelle qui détermine si l’IA avancée peut être déployée en toute sécurité dans l’organisation.

Lorsque l’identité est intégrée au système dès le départ, les entreprises gagnent à la fois en flexibilité et en confiance. Elle empêche le mélange de données non autorisées tout en donnant aux agents un accès suffisant pour qu’ils puissent travailler efficacement. Cette approche permet aux organisations d’aller plus vite sans compromettre la confiance ou la surveillance.

La surveillance humaine reste essentielle, même si les agents d’IA exécutent des tâches de plus en plus autonomes

Au fur et à mesure que les systèmes d’IA gagnent en maturité, ils prennent en charge des tâches répétitives et lourdes en termes de données, autrefois gérées par de grandes équipes. Cependant, l’automatisation dans AgenticOps n’élimine pas les humains du processus, elle les élève à un rôle de supervision et de prise de décision. DJ Sampath a souligné que les humains resteront toujours intégrés dans la boucle opérationnelle. La différence réside dans l’orientation : au lieu d’intervenir manuellement, les opérateurs humains vérifient, valident et guident les actions entreprises par les agents d’IA.

En pratique, cela signifie que l’IA gère les étapes d’exécution complexes tandis que les humains conservent l’autorité sur les objectifs, les résultats et les limites de la politique. Dans des domaines tels que la configuration du réseau ou le déploiement de logiciels, l’IA peut agir de manière indépendante dans des limites définies, tandis que le personnel conserve la possibilité d’examiner et d’annuler toute action. Cet équilibre permet aux entreprises de développer l’automatisation sans perdre le contrôle.

Pour les dirigeants, cette transformation a des implications pratiques. Les flux de travail doivent être repensés pour maximiser l’apport stratégique humain et minimiser la surveillance répétitive. Les programmes de formation doivent passer d’une instruction au niveau des tâches à une réflexion au niveau des systèmes, afin de préparer les opérateurs à gérer efficacement les écosystèmes agentiques. L’IA effectuera une plus grande partie du travail direct, mais les humains définiront l’orientation, les normes de qualité et les paramètres éthiques.

En gardant les humains en charge de la validation, les entreprises restent conformes, agiles et éthiquement fondées, même si l’automatisation se développe. Les organisations les plus tournées vers l’avenir ne se contenteront pas d’adopter l’IA, elles l’affineront en permanence grâce au jugement humain. Ce partenariat entre l’autonomie et la surveillance représente l’approche la plus durable pour développer l’intelligence d’entreprise.

Les entreprises doivent intégrer l’IA de manière proactive plutôt que d’adopter une approche attentiste

Un nombre croissant d’organisations hésitent à s’engager dans une intégration à grande échelle de l’IA. Elles veulent voir où en est la technologie avant de procéder à des changements majeurs. Selon DJ Sampath, vice-président senior de Cisco pour les logiciels et les plateformes d’IA, cette hésitation n’est pas la bonne approche. La vitesse de progression de l’IA et de l’automatisation dépasse déjà les cycles de décision traditionnels des entreprises. L’attente n’apporte pas de clarté, elle ne fait que créer une distance par rapport au front de l’innovation.

L’IA n’est pas une tendance technologique unique ; il s’agit d’un changement structurel dans tous les domaines opérationnels. Les entreprises qui agissent maintenant définiront la manière dont ces systèmes fonctionnent en interne, la manière dont les données sont gérées et la manière dont les décisions sont prises à grande échelle. Les pionniers peuvent définir des normes, établir des partenariats technologiques solides et former leur personnel, tandis que les autres restent dans l’incertitude. Concrètement, cela signifie un retour d’information plus rapide sur ce qui fonctionne, des relations plus solides avec les fournisseurs et une plus grande maîtrise de l’IA en interne.

Les dirigeants qui choisissent de temporiser sous-estiment souvent le coût de l’inaction. Chaque trimestre passé à observer les concurrents est un trimestre perdu en termes d’alignement des données, de préparation à l’automatisation et de développement des compétences. Aborder l’IA de manière stratégique aujourd’hui permet à l’entreprise de gérer les risques sous son propre contrôle plutôt que de réagir plus tard aux pressions du marché. La mise en œuvre de cadres tels que AgenticOps offre aux dirigeants un modèle opérationnel testé pour déployer l’IA de manière responsable tout en maintenant le contrôle humain et les normes de sécurité.

Pour les dirigeants, la tâche immédiate consiste à définir une orientation, et non à attendre une certitude parfaite. Les organisations les plus performantes seront celles qui associeront une action décisive à une exécution adaptative, en investissant tôt, en apprenant continuellement et en s’améliorant à chaque itération. L’IA ne se stabilisera pas d’elle-même ; elle continuera d’évoluer. Les entreprises qui s’y mettent dès maintenant seront à la tête de cette évolution au lieu de s’y adapter plus tard.

Dernières réflexions

Les opérations d’entreprise entrent dans une phase de transition déterminante. La pression exercée par les systèmes fragmentés, l’expansion des réseaux d’IA et l’accélération des demandes numériques ne ralentira pas. La seule voie durable est celle des modèles opérationnels qui combinent l’expertise humaine et l’automatisation intelligente en temps réel.

Le cadre AgenticOps de Cisco représente ce changement. Il remplace la gestion réactive par des systèmes adaptatifs fondés sur des données unifiées, une IA spécifique au domaine et une collaboration sécurisée. Le résultat n’est pas seulement l’efficacité opérationnelle, c’est la résilience et le contrôle à l’échelle. Pour les dirigeants, cela signifie qu’il faut passer de l’observation passive à la conception active de la manière dont l’IA et les humains fonctionnent ensemble au sein de l’entreprise.

Les organisations qui agissent maintenant établiront les normes d’exploitation que les autres suivront. Elles s’approprieront leurs données, optimiseront plus rapidement et prendront des décisions soutenues par l’IA qui comprend leur activité. Le leadership dans cette nouvelle ère ne viendra pas de l’attente de la stabilité, mais de sa construction.