Cela pose la question de l'IA de façon aiguë : comment garder le contrôle quand les systèmes se mettent à prendre et exécuter eux-mêmes des décisions ? Notre Partner Alliance Manager Frank Dierckx est cette semaine à Las Vegas pour HPE Discover 2026, où l'agentic enterprise occupe le devant de la scène. Dans ce troisième volet de sa série, il partage ses réflexions après le keynote de Fidelma Russo, CTO et responsable Hybrid Cloud chez HPE.

Nous sommes au troisième jour de HPE Discover et le ton change. Les premiers jours portaient surtout sur les fondations : réseau, données et compute. Aujourd'hui, Fidelma Russo a livré un keynote au message limpide pour moi. La question n'est plus de savoir si l'IA transforme votre organisation, mais comment la garder sous contrôle et la rendre opérationnelle.

Pour ceux qui ne connaissent pas Russo : elle est Chief Technology Officer chez HPE et dirige la division Hybrid Cloud. Avec plus de trente ans d'expérience dans le secteur, notamment chez EMC et Sun Microsystems, elle porte sur l'IA le regard d'une bâtisseuse. Cela rend son propos concret. Elle regarde au-delà du battage médiatique et se concentre sur la question de savoir comment faire réellement fonctionner tout cela.

Dans mes deux précédents articles, j'ai écrit sur les fondations et sur le réseau comme plateforme. Ce troisième volet rassemble tout cela là où ça compte finalement, à savoir dans vos opérations.

Nous sommes clairement entrés dans une phase suivante. L'IA n'est plus un assistant isolé qui aide ici et là. Elle évolue vers ce que HPE appelle une « distributed agentic enterprise ». Derrière ce terme se cache une idée simple : l'intelligence est partout, dans vos applications, vos workflows, vos équipes et votre infrastructure, et elle commence à prendre des décisions et à exécuter des actions par elle-même.

Le changement qui m'a le plus marqué concerne la façon dont le travail se déroule. Avant, une personne décidait et le système exécutait. Aujourd'hui apparaissent des systèmes qui observent, raisonnent et agissent eux-mêmes. Cela se fait via des agents IA qui collaborent entre eux. Et c'est justement là que se situe le défi, car cette intelligence n'est pas centralisée. Elle est répartie entre silos, données et plateformes.

La difficulté aujourd'hui ne réside plus dans la construction de l'IA. Elle réside dans son orchestration, son pilotage et sa capacité à fonctionner de façon fiable.

La réponse de HPE à cela s'appelle les closed-loop operations. Les systèmes observent, analysent, agissent et vérifient si le résultat est correct. Et ce, en continu, en temps réel.

Cela ne fonctionne que si trois fondations sont réunies : des données fiables, une infrastructure efficace et des opérations intelligentes. Chacune d'elles est revenue dans le keynote.

Ce qui m'a marqué : les données ne sont plus considérées comme le simple input d'un modèle. Elles constituent un composant qui accompagne l'ensemble du processus. Avec HPE Data Fabric 8.2, HPE veut concrétiser cela. Les données deviennent disponibles partout, que vous travailliez en edge, dans le cloud ou dans votre datacenter. La gouvernance et la sécurité sont intégrées par défaut, et l'identité et les accès sont gérés automatiquement.

L'idée derrière cela est simple. Sans données fiables et accessibles, vous ne construirez jamais une IA qui passe vraiment à l'échelle.

L'un des passages les plus concrets portait sur le token economics. Chaque agent IA consomme des tokens, raisonne en continu et exécute des actions. Du coup, l'inference n'est plus une charge ponctuelle, mais un coût constant qui continue de s'accumuler.

Un chiffre m'a marqué : des exemples à 13 000 dollars par agent et par mois. Cela remet immédiatement les choses en perspective. L'AI economics devient ainsi de l'infrastructure economics. Le succès dépend de l'efficacité, de l'échelle et de la consommation, et pas seulement du modèle lui-même.

HPE a illustré cela avec un exemple interne, une plateforme au nom de code Mindstone. Ils l'ont construite on-prem, avec du private cloud AI. Le résultat est un environnement qui tourne environ trente fois moins cher et permet d'économiser près de 100 000 dollars par mois. La leçon est claire. Qui maîtrise ses données et son infrastructure gagne à la fois sur le coût et sur la gouvernance.

Autre chose qui m'a frappé : le storage évolue vers une mémoire active. Avec le HPE Alletra Storage X10000, doté d'une accélération KV cache et d'une certification NVIDIA, le time to first token devient jusqu'à vingt fois plus rapide et le débit est dix-sept fois plus élevé.

Pourquoi cela compte ? Sans cette mémoire, les agents doivent reconstruire leur contexte à chaque fois. C'est du gaspillage pur de compute, avec des coûts en hausse à la clé. C'est typiquement le genre de détail qui a un impact énorme à l'échelle.

Certains pensent que l'IA réduit votre infrastructure. Dans la pratique, c'est l'inverse qui se produit. Plus d'agents signifie plus d'appels API, plus de requêtes de base de données et plus de charge sur vos GPU et CPU. L'IA crée un effet multiplicateur sur l'ensemble de votre paysage IT.

C'est pourquoi HPE positionne son portefeuille private cloud, avec les PC1000, 3000 et 7000, ainsi que Private Cloud AI, comme la fondation pour garder cela sous contrôle.

C'est là que ça m'a le plus parlé personnellement. Via sa pile logicielle, HPE intègre l'IA directement dans les opérations. Morpheus assure l'orchestration et l'automatisation, OpsRamp l'observabilité et Zerto la résilience.

Le véritable cœur se trouve dans GreenLake Intelligence. C'est là que se rassemble la gouvernance centrale des agents, avec la gestion des identités et des politiques, et l'orchestration via un « planning agent ». S'y ajoutent des copilotes pour le compute, l'orchestration et l'observabilité. En pratique, cela signifie que vous gérez, automatisez et dépannez votre infrastructure en langage naturel, avec le soutien de l'IA.

Ce que j'ai trouvé intéressant, c'est le lien avec ServiceNow. Cette intégration crée le pont vers une main-d'œuvre IA autonome. Vous n'obtenez donc pas seulement des insights, mais aussi une prestation de services automatique.

Ce que j'ai apprécié, ce sont les témoignages de clients. AMD voit dans l'infrastructure IA une opportunité d'évoluer de token consumer à token generator. Point32 Health met l'accent sur la gouvernance, les plateformes IA réutilisables et les compétences IA au sein de l'organisation. Les deux confirment la même chose. L'IA repose autant sur l'organisation et les processus que sur la technologie.

Si je résume ce troisième jour de mon point de vue, cela se résume à cinq points :

• L'IA est devenue un modèle opérationnel, plus un simple projet.

• Le token economics devient un facteur déterminant dans chaque business case.

• La gouvernance des données devient une condition de base.

• Votre infrastructure devient à la fois plus critique et plus complexe.

• Et surtout : il faut piloter l'IA, pas seulement la construire.

Le véritable changement réside dans la manière dont vous donnez une place à l'IA. Il s'agit moins d'ajouter de l'IA à ce que vous faites déjà que de la tisser dans le fonctionnement même de votre organisation. C'est un exercice bien plus vaste qu'un nouveau use case, et c'est lui qui déterminera si tous ces use cases finissent par créer de la valeur.

Je suis curieux de connaître votre point de vue. Votre défi porte-t-il surtout sur la construction d'applications IA, ou constatez-vous, vous aussi, que leur pilotage devient la vraie question ?

À lire aussi [la partie 1 sur les fondations](/inzichten/de-echte-uitdaging-van-ai-je-fundament) et [la partie 2 sur le réseau](/inzichten/netwerk-voor-ai).

Frank Dierckx est Partner Alliance Manager chez Xylos et suit l'évolution de l'infrastructure, des écosystèmes de partenaires et des technologies émergentes. Son expertise aide les clients à faire des choix technologiques à la fois techniquement solides et économiquement responsables.