L’exploitation d’un réseau n’a pas changé depuis des décennies. Chaque ingénieur réseau connaît le sujet. Une alerte se déclenche. Vous ouvrez un tableau de bord. Puis un autre. Ensuite, vous extrayez les journaux, examinez l'historique des clients, envoyez une requête ping à l'équipe sans fil et, espérons-le, une heure plus tard, vous disposez de suffisamment de contexte pour commencer à résoudre le problème. Le secteur a passé une décennie à créer de meilleurs tableaux de bord, même si les équipes opérationnelles en avaient besoin de moins.
La première vague d’intelligence artificielle dans les réseaux était censée résoudre ce problème, mais ce n’est en grande partie pas le cas. Lorsque j'ai rencontré Nabil Bukhari, directeur de la technologie et président de l'IA chez Extreme Networks Inc., lors de l'événement des chefs de l'information à Seattle cette semaine, il a été d'une franchise rafraîchissante et n'a pas pointé du doigt les concurrents.
« La première génération d'IA provenant de plusieurs fournisseurs dans le domaine des réseaux, ou de marchés adjacents comme la sécurité, était essentiellement un chatbot construit sur de nombreuses données non consolidées », m'a expliqué Bukhari. « Ils ont très bien fait des démonstrations. Tout le monde a montré des démos incroyables. Mais lorsque vous les avez mis en production et que les gens ont commencé à les utiliser, il y avait de nombreux domaines dans lesquels ils ne fonctionnaient tout simplement pas. »
Extreme dispose de 18 mois de ses propres données de production sur lesquelles s'appuyer, depuis que l'Extreme Platform ONE est livrée avec une IA générative de première génération. Cette expérience a façonné Extreme Agent ONE Coworker, qui est devenu généralement disponible mercredi pour tous les clients Platform ONE du monde entier dans le cadre de leur abonnement existant. J'ai parlé avec des clients bêta qui disent que cela réduit le temps de résolution de quelques heures à quelques minutes et réduit de moitié le temps d'intégration des nouveaux ingénieurs.
Trois modes de défaillance, trois correctifs
Bukhari a identifié trois éléments spécifiques qui ont cassé lors de la première génération, et chacun correspond à une décision de conception dans cette version.
Le premier concerne les données. « À moins que vous ne répariez absolument vos données et que vous ne disposiez d'une couche de contexte personnalisée, cela ne sera jamais suffisant pour qu'un administrateur réseau puisse réellement les utiliser », a-t-il déclaré.
Son exemple est banal et dévastateur : au sein d'Extreme seul, la structure, la commutation, le Wi-Fi et les réseaux étendus définis par logiciel comportent chacun un champ appelé ID client dans leurs bases de données, et chacun signifie quelque chose de différent. Branchez-le dans un LLM non normalisé, et le modèle n'a aucune idée de ce qu'il regarde.
La réponse d'Extreme est une couche de contexte spécialement conçue ainsi qu'un graphe de connaissances cartographiant les relations entre les utilisateurs, les appareils, les applications, les services et les conditions du réseau. Je dis depuis un certain temps que dans le réseautage, le contexte est le fossé. N'importe quel fournisseur peut connecter un modèle à une boîte de discussion et lui demander d'expliquer l'arbre couvrant. Presque personne ne peut expliquer pourquoi la salle de conférence du troisième étage s'est dégradée mardi à 14 heures.
La seconde est le comportement. Extreme a organisé des groupes de discussion avec des administrateurs réseau, les a déposés devant un chatbot ouvert et a observé ce qui se passait. Surtout rien. « Ils disent simplement 'Ah, eh bien, je ne sais pas', puis ils vous demandent combien d'appareils je possède – ce qui est une question complètement inutile, car c'est juste là sur le tableau de bord », a déclaré Bukhari. Pire encore, lorsqu’un véritable incident survient, les ingénieurs oublient l’existence de l’IA et reviennent à leurs vieilles habitudes.
Le troisième est l'honnêteté. Les modèles à usage général sont conçus pour être utiles, ils préfèrent donc générer quelque chose plutôt que d'admettre une lacune. Extreme a construit ce qu'il appelle une échelle de sensibilisation, de sorte que l'agent ONE détermine rapidement s'il peut aider, le dit clairement quand il ne le peut pas, puis explique ce qu'il peut faire à la place – souvent en regroupant les preuves collectées et en ouvrant un ticket d'assistance au nom de l'utilisateur.
Lors d'un pré-briefing avec des analystes, Michael Jones, vice-président de l'IA d'Extreme et ancien leader de Salesforce AI, l'a démontré en direct en demandant si l'agent ONE pouvait corriger les appareils filaires. Il a dit non, puis a énuméré ce qu'il pouvait faire.
Ambiant bat interactif
Le correctif du problème de comportement est la partie la plus intéressante de cette version. Agent ONE Coworker est ambiant, ce qui signifie qu'il est toujours en cours d'exécution et qu'il vous contacte plutôt que d'attendre qu'on vous le demande. Extreme appelle ce mécanisme un Nudge : une barre de commandes en bas de Platform ONE qui clignote lorsque l'agent détecte quelque chose, après avoir exécuté une pré-enquête, avant de vous interrompre.
Les premiers chiffres suggèrent que le cadrage est extrêmement important. « Au cours des huit premiers jours, nous avons constaté une augmentation d'environ 900 % des interactions », a déclaré Bukhari. « Lorsqu'un problème survient et que vous le voyez dans vos logs, personne ne pense à ouvrir un chatbot pour demander ce que signifient ces logs. Ces démos, c'est bien, mais les gens ne le font pas. »
Les garde-corps sont essentiels. Les coups de pouce informatifs peuvent être mis en attente pendant une heure ou ignorés pendant plusieurs jours. Les coups de coude de gravité 1 ne peuvent pas être répétés. Je l'ai comparé à l'alerte de collision d'une voiture : si vous l'éteignez, elle devrait se réactiver lorsque le système pense que vous êtes sur le point d'avoir un accident. La logique de Boukhari était la même. Si un Sev1 est toujours là après 15 minutes, vous devriez probablement le regarder, alors pourquoi l'éteindre ?
Un deuxième type de coup de pouce cible le déficit de compétences. Si le système détecte que vous vous attardez sur un écran Platform ONE où vous saviez comment effectuer la tâche équivalente dans ExtremeCloud IQ, il affiche les trois principales choses que les utilisateurs y font généralement et vous propose de vous guider ou simplement de le faire pour vous. Personne n'a le temps de lire la documentation du produit, ce qui permet aux ingénieurs d'être là où ils se trouvent.
La confiance est un gradient, pas un changement
Historiquement, les ingénieurs réseau ont été sceptiques quant à l’automatisation, et Extreme contourne ce scepticisme plutôt que d’en débattre. Le mode collaborateur est ambiant mais jamais autonome, construit avec un humain impliqué dès la conception, avec des contrôles de gouvernance qui définissent ce qu'il peut ou ne peut pas toucher. Le mode Opérateur, le niveau autonome, arrive au début de l'année prochaine et comprend son propre inverse du coup de pouce : un récapitulatif qui vous informe comme un coéquipier humain le ferait à votre retour.
« La confiance n'est pas binaire. Ce n'est pas comme si je faisais confiance à l'IA ou si je ne faisais pas confiance à l'IA », a déclaré Bukhari. « C'est progressif. Vous pouvez dire : « Je lui fais confiance pour faire ces choses, mais je ne lui fais pas encore confiance pour faire ce genre de choses », et cette progression est ce qui est nécessaire. Personne ne passera de « Je ne l'ai jamais utilisé » à « Je veux que tout mon réseau soit géré par l'IA ».
La procédure opérationnelle standard sous-tend les deux modes. L'argument de Bukhari ici est la critique la plus acerbe de l'IA à usage général dans les opérations que j'ai entendue de la part d'un directeur de la technologie d'un fournisseur : demandez sept fois à un modèle frontière comment résoudre un problème de réseau, et vous obtiendrez sept réponses. « Vous ne voulez pas dépanner votre réseau de cette façon », a-t-il déclaré. « Les réseaux ont des procédures opérationnelles standard. Vous pouvez les appeler des plans, vous pouvez les appeler des conceptions validées – c'est ainsi que la prévisibilité est intégrée au réseau. »
Extreme a chargé ses propres plans et meilleures pratiques dans Coworker ; avec Operator, les clients peuvent charger les leurs via des compétences. Bukhari a déclaré que les premiers utilisateurs qui ont d'abord tenté de fusionner leurs données réseau sur des modèles frontières à usage général sont devenus les plus rapides à adopter Extreme. Ils avaient déjà découvert par eux-mêmes le problème de la prévisibilité.
Pourquoi c'est important pour Extreme
L'exercice 2026 s'est terminé avec un chiffre d'affaires de 1,28 milliard de dollars, en hausse de 13 % d'une année sur l'autre, et un chiffre d'affaires de 339 millions de dollars au quatrième trimestre, marquant son neuvième trimestre consécutif de croissance séquentielle. Platform ONE a généré près de la moitié des réservations d'abonnements au cours du trimestre, et le nombre de clients dépensant plus d'un million de dollars par an est passé à 187.
Extreme est un challenger face à des fournisseurs de réseaux beaucoup plus importants et ne peut pas gagner une guerre des dépenses. Il doit gagner en vitesse et en expédition en premier. Platform ONE est devenu GA en 2025 avec 265 premiers utilisateurs ; environ un an plus tard, la couche agent est disponible dans le monde entier selon une cadence de publication mensuelle, la prochaine vague arrivant au sommet de l'IA d'Extreme à Amsterdam le 20 octobre.
Un collègue d'expédition avant l'opérateur est le bon choix. Le moyen le plus rapide d’empoisonner l’adoption de l’IA en entreprise est de laisser un agent apporter une modification que personne n’a autorisée. Cela permet à Extreme de déployer ses capacités d'IA de manière mesurée, permettant ainsi aux clients de se familiariser avec l'IA de manière sûre et à faible risque.
Conseils aux professionnels de l'informatique
Choisissez un cas d’utilisation et protégez-le de toute distraction. C'est la réponse de Bukhari lorsque j'ai demandé ce que signifiait « Commencez simplement ». » Choisissez un cas d'utilisation qui vous intéresse, pas un cas aléatoire. Cela va être frustrant au début, mais la montée en puissance est très rapide. » Le mode échec ne consiste pas à choisir le mauvais mode : il recherche 27 choses à la fois parce que les démos sont brillantes.
Testez l’honnêteté, pas seulement l’exactitude. Utilisez votre pilote pour sonder les limites de l'agent et voir s'il admet des lacunes. Un agent qui bluffe est pire que pas d’agent.
Notez les fournisseurs en fonction du contexte, et non en fonction des noms de modèles. Si le discours indique quel grand modèle de langage se cache sous le capot, il s'agit d'une conversation marchande. Demandez comment le système normalise les données entre les domaines, combien de temps il conserve l'historique et comment il cartographie les relations.
Mesurez le temps moyen de mise en contexte. Tout le monde suit le temps moyen nécessaire à la récupération ; presque personne ne sait combien d’argent est consacré à la collecte de preuves avant le début du diagnostic. C'est cette fenêtre que Nudge est conçu pour éliminer, et c'est la métrique qui vous dira si 15x est valable dans votre environnement.
Apportez vos procédures opérationnelles standard à la table. Si vos runbooks se trouvent dans la tête de quelqu'un ou sur un wiki obsolète, aucun agent ne peut les suivre. Leur codification est un travail préalable à l’autonomie des opérateurs, et cela s’avère payant quel que soit le fournisseur que vous choisissez.
Le tableau de bord n'est pas encore mort, mais pour la première fois, l'industrie dispose d'une réponse crédible sur ce qui le remplacera.
Zeus Kerravala est analyste principal chez ZK Research, une division de Kerravala Consulting. Il a écrit cet article pour SiliconANGLE.
