L'intelligence artificielle a dominé les gros titres et les discours lors de chaque événement auquel j'ai assisté cette année, y compris le récent Cisco en direct 2026. Bien que la soif d’IA soit insatiable depuis quelques années, les commentaires des clients lors de l’événement ont montré que l’ère de la curiosité pour l’IA a cédé la place à l’urgence de l’IA.
Les dirigeants des technologies de l’information et des entreprises ne se contentent plus des chatbots conversationnels ou des scribes IA de base qui se contentent de résumer les réunions ou de rédiger des textes. Ils veulent des systèmes qui identifient et résolvent de manière proactive les problèmes dans leurs parcs informatiques massifs et complexes.
L’industrie évolue rapidement vers une intelligence artificielle agentique autonome, c’est-à-dire des systèmes capables d’observer, de raisonner, de planifier et d’exécuter des tâches dans des environnements distribués sans intervention humaine. Pourtant, réaliser cela à l’échelle de l’entreprise s’avère extrêmement difficile.
L'IA agentique prête pour la production est une startup Fabric.ai se développe depuis quelques années. Lors de Cisco Live, je me suis arrêté au AI Village pour obtenir une mise à jour sur les progrès du fournisseur. Au standFabrix.ai a présenté une plateforme multi-fournisseurs et multi-agents conçue spécifiquement pour les opérations d'entreprise que les clients peuvent exécuter aujourd'hui.
La crise sous-jacente oblige à passer à AgenticOps
Pour comprendre pourquoi ce que Fabric.ai construit est important, il est essentiel de comprendre l'état des opérations traditionnelles. Pendant des décennies, les équipes informatiques ont fonctionné en mode strictement réactif. L'entreprise typique utilise sept à dix outils de surveillance par service. Lorsqu'une panne ou une dégradation des performances se produit, ces outils ponctuels fragmentés déclenchent une tempête d'alertes. Ce qui suit est la fameuse chorégraphie de la « chaise pivotante » : des experts en la matière sautent de console en console, interprétant les journaux, lisant les tableaux de bord et corrélant manuellement les problèmes à travers les silos de réseau, de sécurité et de cloud.
Ce modèle n’a pas été mis à l’échelle et ne le sera jamais. Les AIOps traditionnelles souffraient d’un problème critique du « dernier kilomètre ». Il était très efficace pour générer et regrouper les alertes, mais il laissait toujours l’analyse proprement dite et la correction manuelle aux humains. Ces frictions mettent les organisations à rude épreuve et bloquent la transformation numérique.
Selon les données citées par Fabrix.ai, les initiatives de modernisation informatique qui ont échoué coûtent 2 300 milliards de dollars par an, et 70 % des programmes de transformation numérique ne parviennent pas à produire les résultats promis. L’industrie nécessite une évolution fondamentale de l’AIOps vers les opérations agentiques. Les professionnels de l'informatique ont besoin d'agents d'IA qui non seulement alertent lorsqu'un incendie s'est déclaré, mais qui tracent également de manière autonome la cause profonde, évaluent le rayon de l'explosion et exécutent des mesures correctives avant même qu'un analyste humain n'ouvre un ticket.
Les quatre dettes bloquant le plan de contrôle agent
Si la valeur d'AgenticOps est si évidente, pourquoi toutes les entreprises ne l'ont-elles pas déployée ? La réalité est que construire un plan de contrôle unifié capable de piloter des agents autonomes est un cauchemar architectural. En fait, moins de 5 % des entreprises ont obtenu un retour sur investissement mesurable grâce à leurs initiatives d'IA, et seulement 13 % se sentent vraiment prêtes pour l'IA, selon le propre indice de préparation de Cisco.
Les architectures d’entreprise sont bloquées par quatre dettes cumulées :
- L’hallucination et le déficit de gouvernance : Les grands modèles de langage sont intrinsèquement non déterministes. Dans un cas d’utilisation marketing ou copywriting, une hallucination mineure est inoffensive. Dans les opérations d’ingénierie réseau ou de cybersécurité, un agent autonome effectuant un choix non déterministe peut par inadvertance détruire la structure centrale d’un centre de données. Sans une gouvernance opérationnelle stricte, des cadres de confiance et des garde-fous, les agents ne peuvent pas être libérés dans la production.
- Le problème de la télémétrie cloisonnée : La qualité des agents dépend des données qu'ils peuvent analyser. Le transfert de données de télémétrie brutes et non organisées dans une fenêtre contextuelle LLM ne la rend pas plus intelligente ; cela ne fait qu'accélérer l'hallucination. Les agents n'ont pas besoin de plus de volume ; ils nécessitent une structure – une couche de données sémantiques unifiées qui cartographie les relations, les identités et la causalité entre des outils disparates.
- Dégradation du contexte dans l'orchestration multi-agents : Le dépannage complexe en entreprise nécessite plusieurs agents spécialisés travaillant en parallèle. Cependant, maintenir la pureté du contexte au-delà de ces frontières est incroyablement difficile. Si un agent réseau et un agent de sécurité agissent sur une infrastructure partagée en utilisant des données fragmentées ou contradictoires, le contexte opérationnel s'effondre, entraînant des actions erronées ou destructrices.
- Le manque de connectivité universelle : Les agents autonomes sont piégés par ce qu’ils ne peuvent atteindre. Les catalogues d'API statiques deviennent obsolètes dès qu'une entreprise met à jour sa pile. La véritable intelligence opérationnelle exige une connectivité dynamique et sensible aux schémas, capable d'interagir directement avec les appareils et les logiciels au moment de l'exécution.
Comment Fabrix.ai comble l'écart de valeur agentique
Fabrix.ai s'attaque de front à ces obstacles avec une plate-forme AgentOps complète et indépendante des fournisseurs. Plutôt que d'obliger les entreprises à entreprendre des migrations coûteuses, Fabrix se situe au sommet du parc logiciel existant d'une organisation via une structure unique d'automatisation des données robotiques ou une couche RDAF.
« Au cœur de la plate-forme Fabrix se trouvent son orchestration multi-agents prête pour Mythos et sa couche de raisonnement, qui coordonne les travailleurs numériques spécialisés dans toutes les disciplines. Au lieu de s'appuyer sur un modèle générique unique et massif, Fabrix utilise des agents hiérarchiques sensibles au domaine et conçus par l'IA, spécifiquement pour les cas d'utilisation ITOps, SecOps et NOC », a expliqué Shailesh Manjrekar, directeur marketing pour la stratégie d'IA.
Les piliers architecturaux de la plateforme répondent précisément aux défis mentionnés ci-dessus :
- Fédération de données agent : Fabrix se connecte à plus de 1 900 sources de données d'entreprise et crée des wrappers MCP d'exécution pour n'importe quelle source de données. Les agents de la fédération effectuent une découverte de données sur place et relient en permanence les métriques, les journaux, les traces, la topologie et les métadonnées CMDB en une seule couche de données sémantiques, offrant ainsi aux agents une vue claire et résistante aux hallucinations des états opérationnels.
- Le moteur contextuel multidomaine présente uniquement des données organisées aux agents sur tous les domaines, préservant ainsi les jetons avec un état partagé.
- FinOps et gouvernance des agents : Pour résoudre les problèmes de confiance et de coûts, Fabrix propose un moteur granulaire de FinOps et de gestion des dépenses. Les organisations peuvent imposer des quotas d'IA individuels par utilisateur, des limites par département et des plafonds de coûts spécifiques au LLM. Plus important encore, il intègre une couche d’évaluation et de garde-fou qui impose des limites d’exécution strictes et prévisibles.
- Catalogue de travailleurs numériques prédéfini : Plutôt que d'obliger les entreprises à créer des agents à partir de zéro, Fabrix propose un catalogue d'agents Orchestrator AI prêt à l'emploi. Ce catalogue comprend des travailleurs numériques spécialisés tels que des analystes de causes profondes, des moniteurs de conformité SecOps et des technologies de correction automatique qui peuvent être déployés en quelques semaines.
CollabOps : intégrer des agents autonomes dans la réunion d'équipe
L'un des composants les plus intéressants présentés lors de l'événement était CollabOps. La plupart des outils de collaboration d’entreprise utilisent l’IA de manière défensive, principalement en tant que scribe passif en marge, générant des transcriptions. Fabrix.ai inverse ce script en faisant des agents Voice AI des participants actifs dans la conversation.
Avec un modèle d'écoute ambiante, un travailleur numérique Fabrix peut être invité directement dans les salles de réunion et les canaux sur Webex, Microsoft Teams, Zoom et Slack. Lors d'un pont d'incident en direct, les ingénieurs n'ont pas besoin de quitter l'appel pour interroger les données. Ils peuvent simplement parler à l'agent ambiant : « Hey Fabricx, vérifie l'état du réseau sans fil dans le bâtiment C » ou « Exécutez une RCA sur l'incident CFX-2026. »
L'agent traite la demande via la couche de données sémantiques, effectue une analyse automatisée des causes profondes, exécute des contrôles de diagnostic sécurisés et dépose le lien interactif en direct directement dans le chat du canal en temps réel. En outre, Fabrix a souligné que cette architecture ambiante s'étend directement aux environnements Cisco Webex Contact Center de première ligne pour aider les agents dans le rapprochement des dossiers en direct et le tri des sentiments.
IA souveraine certifiée pour Cisco Secure AI Factory
Pour les secteurs verticaux hautement réglementés tels que la santé, les services financiers et le secteur public, il est hors de question de déplacer les données opérationnelles vers des LLM de cloud public en raison de contraintes de conformité et de souveraineté des données.
Pour résoudre ce problème, Fabrix.ai a annoncé lors du salon qu'il était devenu un fournisseur de logiciels indépendant certifié pour Cisco Secure AI Factory et Unified Edge. Pour les clients qui recherchent une infrastructure d'IA entièrement souveraine et isolée, Fabrix peut déployer l'intégralité de sa plateforme AgentOps de manière native sur site sur les POD d'IA Cisco, à l'aide de LLM/GNN locaux.
En exécutant localement sur des calculs optimisés par GPU et validés par Cisco (y compris les infrastructures UCS Series et Nexus Dashboard), les acheteurs d'entreprise bénéficient de toute la puissance du raisonnement agentique inter-domaines et de l'observabilité des clusters en temps réel, leurs données de télémétrie propriétaires ne quittant jamais leur contrôle physique. Fabrix estime que cette architecture sur site peut réduire le coût total de possession de 30 à 40 % par rapport aux déploiements de cloud public équivalents.
Résultats concrets : preuve en production
La preuve, comme toujours, réside dans les paramètres de production. Fabrix a présenté plusieurs études de cas clients dans divers secteurs verticaux, démontrant que cette architecture a dépassé la phase d'expérimentation :
- Fournisseurs de télécommunications/services : Une entreprise cliente a réduit le bruit des alertes NOC de 85 % en déployant des agents RAN 5G autonomes pour isoler les pannes sur plus de 500 000 éléments du réseau. Les agents BizOps couvrent les systèmes OSS/CRM, connectant les enregistrements, les contrats et les données de cas pour permettre des décisions instantanées et gouvernées.
- Énergie: Une entreprise énergétique classée Fortune 500 a utilisé les agents Fabrix DEXOps (Digital Employee Experience) pour détecter et analyser de manière proactive les pertes de pairs VPN et les échecs d'authentification sans fil. Les pannes des points d'accès du campus ont été isolées en moins de deux minutes, réduisant ainsi les temps d'arrêt combinés OT/IT de 35 % sans qu'un seul ticket humain ne soit ouvert.
- FinTech et SOC : Le tri automatisé de milliards de transactions financières quotidiennes a réduit le bruit des alertes SOC de 90 % grâce à un raisonnement explicable de l’IA.
Conseils aux professionnels de l'informatique : comment activer la « molette d'autonomie »
La transition vers des opérations agentiques va fondamentalement changer la réalité quotidienne des professionnels de l'informatique. Pour les ingénieurs et les responsables opérationnels qui cherchent à réussir ce changement, je propose les conseils suivants :
- Arrêtez de lutter contre le volume de la télémétrie ; exiger une ontologie : Arrêtez de dépenser votre budget pour ajouter davantage d'outils de surveillance de points déconnectés qui transfèrent les données brutes dans des compartiments isolés. Lors de l’évaluation des plateformes, donnez la priorité à la liquidité des données et aux couches sémantiques. Votre stratégie d'IA s'arrêtera si vos agents ne peuvent pas résoudre de manière native les identités dans les outils Cisco et non Cisco.
- Recherchez un harnais extensible, pas une boîte fermée : Évitez les fournisseurs qui proposent des cadres d'agents fermés et à écosystème unique. Les véritables environnements d'entreprise sont des composites complexes de plusieurs cloud, de logiciels existants et de réseaux multifournisseurs. Recherchez des plans de contrôle ouverts qui adoptent des normes telles que le Model Context Protocol pour orchestrer en douceur l’ensemble de votre écosystème.
- Accédez facilement à l'autonomie grâce aux commandes humaines : Vous n’êtes pas obligé de remettre les clés du royaume dès le premier jour. Utilisez des plates-formes dotées d’un « cadran d’autonomie » flexible. Commencez par configurer vos agents pour qu'ils opèrent à titre consultatif, en générant des récits sur les causes profondes et en rédigeant des runbooks. Une fois qu’un agent a systématiquement gagné votre confiance dans des catégories d’erreurs spécifiques, faites la promotion de ces actions vers une correction entièrement automatisée.
Le passage de tableaux de bord réactifs à des opérations proactives et autonomes n’est plus un concept futuriste. Des plateformes telles que Fabrix.ai démontrent qu’avec des modèles de fédération de données et de gouvernance appropriés, les opérations agentiques peuvent aujourd’hui offrir une efficacité substantielle et mesurable.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
