L'unité Splunk de Cisco Systems Inc. a dévoilé aujourd'hui un large ensemble d'améliorations en matière de plate-forme, de sécurité et d'observabilité destinées à repositionner l'entreprise en tant que base de données et de gouvernance pour l'« entreprise agent » émergente.
Les dirigeants de Splunk ont déclaré que ces annonces constituent une refonte stratégique plutôt qu'une actualisation de routine du produit. Splunk adapte sa plateforme à un monde dans lequel les agents d'intelligence artificielle génèrent bien plus de télémétrie que les humains, opèrent à la vitesse d'une machine et prennent des décisions qui peuvent avoir des conséquences opérationnelles, financières et de sécurité immédiates.
« Il ne s'agit pas simplement d'une évolution incrémentielle ou d'un ensemble de fonctionnalités supplémentaires », a déclaré Mangesh Pimpalkhare, vice-président senior et directeur général de Splunk Platform chez Cisco. « Nous avons réinventé Splunk afin que les clients puissent commencer à faire confiance à l'IA à grande échelle. »
La stratégie couvre trois grands domaines : observer et contrôler les systèmes d'IA, défendre les organisations à la vitesse d'une machine et transformer les données machine distribuées en actions des personnes et des agents. À la base de ces trois éléments se trouve une refonte fondamentale de la plate-forme de données de Splunk, y compris la manière dont les informations sont stockées, recherchées, traitées et préparées pour l'IA.
Tissu central
La pièce maîtresse est Cisco Data Fabric, une nouvelle architecture optimisée par la plateforme Splunk qui peut analyser les informations là où elles se trouvent au lieu d'obliger les clients à tout copier dans Splunk. La structure fédère les données de Splunk, des magasins d'objets cloud, des lacs de données et des plates-formes telles que Snowflake Inc. et Databricks Inc., puis corrèle les signaux dans ces environnements.
Il vise à répondre à une critique de longue date à l'encontre de Splunk : le coût de l'ingestion et de l'indexation de gros volumes de données. Le problème devient potentiellement plus aigu à mesure que des centaines, voire des milliers d’agents génèrent en permanence des journaux, des événements, des traces et d’autres données télémétriques.
« Le coût est directement abordé par cette approche fédérée », a déclaré Pimpalkhare. « Si vous commencez à dupliquer le mouvement des données et tous les traitements nécessaires, cela fait augmenter les coûts. »
Splunk a déclaré que la plate-forme peut gérer automatiquement les données sur différents niveaux de stockage, transformer les données brutes de la machine en informations structurées adaptées à l'IA et rechercher des sources externes sans déplacer les informations sous-jacentes. La recherche fédérée étendue prend en charge des services tels que les lacs de données CloudWatch et Databricks d'Amazon Web Services Inc.
L'architecture intègre également un collecteur universel pour les métriques, les événements, les journaux et les traces, le traitement d'ingestion en temps réel et les modèles d'IA spécifiques au domaine formés sur les données opérationnelles. Splunk a déclaré que les modèles sont conçus pour compléter plutôt que remplacer les modèles frontières.
Des exemples de modèles spécifiques à un domaine incluent la prévision de séries chronologiques, l'analyse de journaux et le raisonnement graphique. Ces modèles plus petits peuvent fournir un contexte opérationnel et aider les modèles pionniers à interpréter les données machine générées par les entreprises.
« Nous ne réinventons pas les modèles frontières », a déclaré Pimpalkhare. « Notre objectif est de compléter ces modèles frontières et de développer le prochain niveau de modèles spécifiques à un domaine. »
Partenariat pour l'IA
Splunk étend également le traitement de l'IA dans les centres de données des clients grâce à un partenariat élargi avec Nvidia Corp. Le nouveau Cisco AI POD pour Splunk combine l'infrastructure Cisco, l'informatique accélérée par Nvidia, le logiciel d'exécution Splunk AI et une architecture basée sur Kubernetes validée pour les charges de travail Splunk.
La configuration permet aux clients de Splunk Enterprise d'exécuter l'IA dans des environnements sur site, dans un cloud privé et dans des environnements isolés. Cela est particulièrement intéressant pour les entreprises réglementées, les agences gouvernementales et autres organisations qui ne peuvent pas envoyer de données opérationnelles sensibles à un service d'IA externe.
Splunk AI Assistant est désormais disponible sur l'infrastructure Splunk/Nvidia, tandis qu'Agent Launchpad, attendu plus tard cette année, permettra aux clients de créer des agents personnalisés sur leur propre infrastructure à l'aide de modèles, de connexions Model Context Protocol et de contrôles humains. Les modèles auto-hébergés pris en charge incluent le modèle Deep Time Series de Cisco, le Gemma 4 de Google LLC et le GPT-OSS 20B d'OpenAI Group PBC. Les modèles Nemotron de Nvidia seront ajoutés dans les mois à venir.
Pimpalkhare a déclaré que l'initiative de Nvidia n'oblige pas les clients à choisir entre l'IA sur site et les services cloud. « Ils peuvent absolument combiner les deux », a-t-il déclaré. « Les partenariats sont à la fois orthogonaux et complémentaires. »
Du côté du cloud, un accord pluriannuel avec AWS permettra aux sociétés de développer conjointement des produits de sécurité spécifiques aux agents. Splunk apportera sa plate-forme de données, ses outils d'analyse et d'enquête de sécurité, tandis qu'AWS fournira l'infrastructure cloud et les signaux de sécurité. Les sociétés ont déclaré que leur relation ira au-delà de l'intégration de produits pour inclure des initiatives conjointes de développement et de vente.
Dans le SOC
La sécurité est un autre élément majeur de la refonte. Splunk élargit sa main-d'œuvre agentic Security Operations Center avec des agents spécialisés pour l'ingénierie de détection, la chasse aux menaces, l'analyse des logiciels malveillants, l'enquête, la réponse et la gouvernance.
Les agents sont conçus pour partager un contexte et travailler ensemble, tout comme le font différents spécialistes dans un centre d’opérations de sécurité. Les clients peuvent déterminer le degré d’autonomie dont bénéficie chaque agent. Par exemple, le tri de routine pourrait être entièrement automatisé, tandis que les actions telles que l'isolement de l'infrastructure ou la désactivation d'un compte restent soumises à approbation.
« Beaucoup de (SOC) sont extrêmement à l'aise pour devenir totalement autonomes avec la partie triage, mais ils veulent quand même renforcer la confiance », a déclaré Pimpalkhare. « Ils veulent des recommandations, mais ils veulent une sorte de boucle de gouvernance ou de boucle d'approbation humaine de la part d'un analyste SOC de niveau trois lorsqu'il s'agit de prendre des mesures et d'atténuer les effets. »
Splunk regroupe les fonctionnalités d'Enterprise Security Essentials pour les organisations qui souhaitent que les analystes prennent les décisions finales et d'Enterprise Security Premier pour les clients prêts à utiliser des défenses plus autonomes. Les améliorations apportées à Exposure Analytics ajoutent une découverte plus large des actifs, un suivi historique et un contexte commercial pour aider les équipes de sécurité à prioriser les vulnérabilités.
Les annonces d'observabilité abordent un obstacle croissant à l'adoption des agents : déterminer si les agents fonctionnent correctement et de manière économique.
Veiller sur les agents
Splunk Agent Observability est disponible via Splunk Observability Cloud et Cisco Cloud Control. Il surveille l'infrastructure, les modèles, les cadres d'orchestration, les systèmes de mémoire et les flux de travail qui prennent en charge les agents. Splunk a déclaré qu'il évalue chaque événement sans échantillonnage et peut appliquer des garde-fous d'exécution pour bloquer les actions ou les sorties dangereuses.
« Il ne s'agit pas simplement d'une observabilité passive de ce que fait l'agent », a déclaré Pimpalkhare. « L’important est de vérifier si l’agent se comporte comme prévu. » Splunk surveille les actions des agents et détecte les écarts par rapport au comportement attendu. « Si vous ne voulez pas que l'agent sorte d'un certain ensemble de limites, alors nous disposons d'une boucle de rétroaction pour arrêter ce comportement », a-t-il déclaré.
Une nouvelle fonctionnalité Tokenomics suit la consommation de jetons à travers les modèles et l'utilisation par les employés d'outils de codage tels que Claude Code, Codex et Cursor. Il attribue les coûts aux équipes et aux utilisateurs, relie les dépenses aux résultats et utilise le modèle de séries chronologiques de Cisco pour prévoir la consommation avant la fin d'une période de facturation.
Splunk a également introduit Observability Studio, qui utilise l'instrumentation OpenTelemetry guidée pour rendre les applications « nées observables » pendant le développement. Une application Network Intelligence intègre la topologie du réseau Cisco, l'état des appareils et les événements dans Splunk, tandis que les nouvelles éditions Essentials et Premier simplifient l'empaquetage de Splunk Observability Cloud.
Prises ensemble, ces annonces montrent comment Cisco intègre Splunk plus étroitement dans son portefeuille de réseaux, de sécurité, d'informatique et de gestion. Ils étendent également les ambitions de Splunk au-delà de la recherche de données machine pour rendre ces données utilisables par des agents avec contrôle des coûts, autorisations, contexte opérationnel et surveillance humaine.
