- L'IA des agents et les services gérés redéfinissent le secteur informatique en l'orientant vers des modèles de cyber-résilience et de valeur mesurable.
- Le Cloud 3.0, les architectures axées sur les API et l'hyperautomatisation transforment la technologie en un système d'exploitation d'entreprise intégré.
- La gouvernance, la réglementation et la souveraineté technologique conditionnent l'adoption de l'IA, des données et du cloud, avec un accent particulier sur les risques et la conformité.
- Les pressions liées à l'énergie et au développement durable favorisent le GreenOps, l'informatique locale avec les NPU et l'optimisation des infrastructures.
Dans ce contexte, on parle de cyber-résilience, d'écosystèmes de partenaires plus restreints mais beaucoup plus spécialisés, de l'essor du modèle MSP, d'IA agentielle en situation réelle, de Cloud 3.0, de GreenOps, de gouvernance fédérée des données, de plateformes natives de l'IA, d'opérations intelligentes et d'une vision de la technologie comme moteur direct de compétitivité et de souveraineté. Il ne s'agit pas d'un simple effet de mode, mais du moment de démontrer le retour sur investissement et la résilience.
La nouvelle ère du secteur informatique : de la revente à la cyber-résilience gérée
Le secteur informatique évolue rapidement vers une cyber-résilience intégrée comme proposition de valeur fondamentale. Comme le soulignent les responsables de distribution des principaux fournisseurs de protection des données et de cybersécurité, les échanges avec les clients ne se limitent plus à la simple « sécurité et sauvegarde » pour aborder des sujets plus vastes tels que la prévention, la détection, la gestion des identités, les sauvegardes orchestrées et la restauration complète, notamment dans les environnements hybrides, multicloud et SaaS.
Cette complexité implique qu'aucun fabricant ne peut couvrir à lui seul l'ensemble du spectre , favorisant ainsi le développement d'écosystèmes de partenaires plus collaboratifs. Le rôle de l'intégrateur de systèmes global (GSI), du revendeur à valeur ajoutée (VAR) et, surtout, du fournisseur de services gérés (MSP) prend de l'importance, ce dernier devenant le moteur de croissance du secteur de la cybersécurité. Les entreprises ne recherchent plus seulement des produits ; elles souhaitent un partenaire qui assume la responsabilité continue de leur sécurité.
Parallèlement, les fabricants se montrent beaucoup plus sélectifs quant à leurs partenariats . Le nombre de partenaires diminue, tandis que les collaborations s'intensifient avec ceux qui font preuve de maturité en matière de services, de capacité à concevoir des solutions complètes et de fiabilité dans leur mise en œuvre. Les programmes commerciaux, les incitations et les ressources sont réorganisés autour du modèle MSP , récompensant ceux qui proposent la cyber-résilience en tant que service et un accompagnement expert dans les environnements hybrides, de cloud public et SaaS.
Cette évolution signifie que les partenaires qui persistent à se contenter de la simple revente courent le risque de devenir obsolètes . La valeur se déplace vers la connaissance, l'intégration et la gestion continue. Le canal qui intègre la cyber-résilience, l'automatisation et la gouvernance en tant que service deviendra un élément clé des stratégies technologiques à long terme de ses clients.
IA agentique : des chatbots aux systèmes agissant de manière autonome
Notre relation avec l'intelligence artificielle est sur le point de changer radicalement . Jusqu'à présent, les interfaces conversationnelles étaient la norme : on demandait un résumé, un texte ou une image, et le système répondait. Dans les années à venir, ce modèle cédera la place à une IA agentielle, où les systèmes ne se contenteraient pas de répondre, mais exécuteraient aussi de manière autonome des tâches complexes, en interagissant avec des applications, des données et d'autres services.
Concrètement, cela signifie que les utilisateurs cesseront de demander des suggestions et commenceront à déléguer des tâches . Au lieu de solliciter des recommandations de voyage auprès d'un chatbot, ils donneront instruction à un agent qui, disposant des autorisations nécessaires, consultera leur calendrier, comparera les options de vol, effectuera la réservation, le paiement et enverra les confirmations sans supervision constante. Ce changement permettra d'accroître la productivité, mais réduira également la marge d'erreur acceptable et renforcera la sensibilisation aux questions de sécurité et de responsabilité.
Le marché s'organise déjà autour de deux grandes catégories : les plateformes et les frameworks pour la création d'agents personnalisés , et les solutions proposées par les fournisseurs. Des acteurs comme OpenAI, Google, Microsoft, Oracle, Amazon, Nvidia, Salesforce, Cisco et SAP offrent une gamme complète de solutions, allant des architectures de développement d'agents aux agents spécifiquement conçus pour les ventes, le support, l'automatisation des processus, l'observabilité ou la gestion des risques.
De plus, les écosystèmes d'agents commenceront à communiquer entre eux via des protocoles tels que A2A (agent à agent), permettant ainsi des flux de travail distribués où plusieurs agents collaborent sur des données partagées et des API d'entreprise. Cette autonomie ne sera pas absolue dans un premier temps : les processus critiques bénéficieront de mécanismes de supervision humaine robustes et de cadres de responsabilité clairement définis afin de garantir la conformité aux réglementations et aux audits.
L'année de vérité pour l'IA : du projet pilote à l'impact sur les résultats financiers
Après plusieurs années de projets pilotes et de tests de validation de concept, l'IA est confrontée à son véritable test . Les DSI et les PDG accentuent la pression : chaque euro investi dans l'IA doit démontrer un impact concret sur le chiffre d'affaires, la réduction des coûts, la gestion des risques ou la création de nouveaux modèles économiques. Les visions futuristes cèdent la place à des questions très pragmatiques : combien cela coûte-t-il ? Qu'apporte-t-elle ? Et qui est responsable en cas d'échec ?
Les principaux cabinets de conseil et analystes s'accordent à dire que l'attention se déplace des expérimentations isolées vers des déploiements à l'échelle de l'entreprise . L'enjeu n'est plus de disposer d'un cas d'usage spectaculaire, mais plutôt de construire une infrastructure numérique axée sur les données, avec des réseaux de données fédérés, des intégrations robustes, une observabilité, une sécurité renforcée et une véritable interaction entre l'humain et l'IA, favorisant la confiance et une adoption durable.
Les chiffres commencent à confirmer cette tendance : un pourcentage croissant d’organisations disposent déjà d’applications compatibles avec l’IA en production , ce qui se traduit par des gains d’efficacité opérationnelle significatifs et une réduction des délais de commercialisation. Cependant, des limites évidentes apparaissent également : la peur de manquer une opportunité (FOMO) a conduit de nombreux projets à se lancer sans justification économique solide, et 2026 sera l’année décisive pour déterminer quelles initiatives survivront et lesquelles seront abandonnées faute de retour sur investissement.
Par ailleurs, les PDG de la zone EMEA exigent des preuves tangibles de valeur avant d'approuver de nouveaux projets d'IA . Les priorités évoluent : il ne s'agit plus seulement d'améliorer la productivité individuelle, mais aussi d'innover en matière de modèles économiques, de repenser les processus et de renforcer la résilience organisationnelle. L'IA devrait stimuler la créativité, proposer de nouveaux services et de nouvelles méthodes de gestion, ce qui risque également de générer des tensions au travail et, probablement, d'entraîner des restructurations et des suppressions de postes.
Les agents d'IA joueront un rôle clé dans cette évolution . De nombreuses grandes entreprises devraient intégrer ces agents à leurs plateformes d'observabilité et de sécurité afin d'automatiser l'application des politiques, de réduire les violations et de garantir la conformité réglementaire. Si l'IA ne démontre pas de résultats tangibles durant cette phase, nombre d'organisations ralentiront leurs investissements et se concentreront sur des initiatives aux bénéfices manifestes.
Comment l'IA réinvente les logiciels, le cloud et les opérations
L'IA ne se contente pas d'impacter les applications métier ; elle transforme le développement logiciel lui-même . La programmation traditionnelle, basée sur l'écriture de lignes de code, cède la place à un modèle où les développeurs expriment des intentions et où l'IA génère et maintient les composants. Ce modèle raccourcit les cycles de livraison, améliore la qualité et permet aux équipes humaines de se concentrer sur la conception de l'architecture, la sécurité, la gouvernance et la coordination des agents.
Cette « refonte logicielle » exige de nouveaux cadres de gouvernance, une supervision humaine et un contrôle qualité afin de prévenir les vulnérabilités, les erreurs généralisées et une dépendance excessive aux fournisseurs SaaS. Parallèlement, elle ouvre la voie à la création de systèmes plus adaptables et souverains, réduisant ainsi la dépendance vis-à-vis d'un fournisseur unique et favorisant les produits personnalisés sur des plateformes ouvertes et composables.
Parallèlement, le cloud entre dans une phase 3.0 où les architectures hybrides, multicloud, privées et souveraines coexistent comme norme . L'IA à grande échelle ne peut plus reposer uniquement sur le cloud public traditionnel ; elle exige des architectures distribuées, une latence extrêmement faible et un calcul en périphérie coordonné avec les centres de données. Les bouleversements majeurs et les tensions géopolitiques incitent les organisations à adopter des stratégies multicloud, souveraines et de diversification des fournisseurs.
Les systèmes d'entreprise évoluent également, passant de simples référentiels d'enregistrements à des moteurs d'opérations actifs et intelligents . Grâce aux agents d'IA intégrés aux processus clés (finance, chaîne d'approvisionnement, RH, service client), les entreprises peuvent passer d'automatisations isolées à l'orchestration de chaînes de valeur complètes, avec une surveillance continue, la résolution des exceptions et une amélioration adaptative basée sur les données.
Tout ceci s'inscrit dans une tendance claire : la technologie n'est plus un ensemble de composants indépendants, mais un « système d'exploitation d'entreprise » intégré. L'avantage concurrentiel ne proviendra plus du nombre de projets, mais de la capacité à garantir que l'IA, l'automatisation, les API, le cloud computing, la sécurité, l'observabilité et les données fonctionnent ensemble comme un tout cohérent, gouverné et aligné sur les indicateurs de performance de l'entreprise.
Gouvernance, réglementation et souveraineté technologique : l'IA sous le microscope
Le cadre réglementaire se durcit et devient primordial . Des réglementations telles que la loi européenne sur l'IA, NIS2, DORA, CRA, CSRD et d'autres réglementations sectorielles transformeront la gouvernance, la gestion des risques et la sécurité, qui passeront du statut de « bonnes pratiques » à celui de prérequis opérationnels. Les entreprises devront documenter rigoureusement les données utilisées, les modèles déployés et la logique sous-jacente à leurs décisions automatisées.
La gouvernance de l'IA évolue vers des modèles adaptatifs basés sur la gestion de la confiance, des risques et de la sécurité (TRiSM) , qui combine politiques, contrôles, processus et outils pour surveiller en temps réel les biais, les anomalies, les fuites de données, les utilisations abusives et les écarts de performance. En Europe, la tension entre innovation et conformité sera forte : une rigidité excessive pourrait nuire à la compétitivité par rapport aux régions moins réglementées.
Dans ce contexte, la souveraineté technologique, entendue comme une « interdépendance résiliente », prend toute son importance . Plutôt que de viser une autonomie absolue (irréaliste dans un monde hyperconnecté), les gouvernements et les entreprises se concentrent sur le contrôle des maillons essentiels de la chaîne de valeur numérique : semi-conducteurs, données, modèles d’IA, infrastructures de cloud souveraines et standards ouverts permettant de changer de fournisseur en toute fluidité.
La gouvernance fédérée des données s'impose également comme un modèle de partage d'informations entre organisations, sans pour autant renoncer à la souveraineté des données ni centraliser physiquement les référentiels. Cette approche, associée à des architectures composables et à des API bien définies, constitue le catalyseur technique essentiel pour les écosystèmes d'acteurs collaborant sur des données distribuées de manière sécurisée et auditable.
Il en résultera un ralentissement du déploiement technologique dans de nombreux cas , mais en contrepartie, la sécurité juridique, la traçabilité et la confiance s'amélioreront. Le marché distinguera plus clairement les logiciels sérieux, auditables et conformes des solutions illusoires qui ne résistent pas à un examen réglementaire rigoureux.
Sécurité, identités et adieu silencieux aux mots de passe
La cybersécurité entre elle aussi dans une phase de profonde transformation . L'ampleur, la rapidité et la sophistication des attaques rendent impossible le maintien d'un modèle purement réactif basé sur l'analyse manuelle. La défense évolue désormais à la vitesse de la machine, s'appuyant sur l'IA pour détecter les anomalies, corréler les événements et orchestrer les réponses automatisées, tandis que les équipes humaines se concentrent sur la stratégie, la gouvernance et la gestion des incidents complexes.
Au niveau de l'accès, l'identité devient le nouveau périmètre de sécurité . La prolifération des applications SaaS, le travail à distance et la connectivité omniprésente imposent de centraliser la protection autour des utilisateurs, des appareils et des services, plutôt que sur les réseaux de périmètre. Le modèle Zero Trust évolue vers des approches contextuelles et proactives, où chaque accès est validé en continu en fonction du comportement, de la localisation, du risque et de la sensibilité des ressources.
L'une des transformations les plus visibles pour l'utilisateur sera la disparition progressive du mot de passe traditionnel . Les clés d'accès, basées sur la cryptographie à clé publique, deviendront la principale méthode d'authentification : la clé privée reste sur l'appareil de l'utilisateur et est déverrouillée par biométrie (empreinte digitale, reconnaissance faciale), tandis que le serveur ne reçoit qu'une preuve mathématique d'identité, rendant ainsi inefficaces la plupart des attaques de phishing basées sur le vol d'identifiants.
Cette évolution s'accompagne de modèles de gestion des identités et des accès (IAM) beaucoup plus avancés , ainsi que d'une sécurité renforcée tout au long de la chaîne d'approvisionnement logicielle et avec les fournisseurs externes. La supervision par des tiers, les audits continus et les accords contractuels assortis de garanties en matière de cybersécurité seront essentiels pour prévenir les violations de données provenant de sources externes.
Architectures axées sur les API, hyperautomatisation et « service en tant que logiciel »
L'intégration est devenue une obsession stratégique . Des secteurs comme la banque, l'assurance, l'énergie, la distribution, la santé et le secteur public constatent quotidiennement que la fragmentation technologique et l'isolement des systèmes existants constituent des freins majeurs à l'innovation. La réponse ? L'adoption généralisée d' architectures privilégiant les API et de plateformes d'intégration permettant aux entreprises de proposer leurs fonctionnalités sous forme de services réutilisables.
Parallèlement, l'hyperautomatisation s'impose comme une solution pratique pour accroître l'efficacité sans augmenter l'infrastructure . En combinant l'IA, la RPA, le BPM, les API, l'analyse de données et l'orchestration, les organisations délaissent la création de robots isolés pour des processus marginaux au profit de programmes complets qui automatisent les flux de travail de bout en bout, notamment dans les secteurs réglementés où les erreurs humaines sont coûteuses.
Cette évolution s'accompagne d'un nouveau modèle de consommation logicielle que l'on pourrait qualifier de « service en tant que logiciel ». Au-delà du modèle SaaS classique de paiement par licence ou par utilisateur, des formules émergent où la facturation est basée sur les résultats : par document traité, par transaction rapprochée, par tâche accomplie ou par demande d'assistance résolue automatiquement. Pour le secteur informatique, cela ouvre des perspectives commerciales axées sur des résultats mesurables, en adéquation avec les objectifs du client.
De plus, les progiciels de gestion intégrée (ERP) et autres systèmes centraux évoluent vers des versions « actives » assistées par une intelligence artificielle . De nombreuses tâches administratives (comptabilité, facturation, rapprochements bancaires, gestion documentaire) sont presque entièrement automatisées, permettant ainsi au personnel de se concentrer sur la gestion des exceptions et la prise de décisions stratégiques. Il ne s'agit pas d'entreprises « sans humain », mais plutôt d'organisations où les talents humains sont concentrés là où ils apportent le plus de valeur ajoutée.
La démocratisation du développement grâce aux plateformes low-code et no-code gagne du terrain , permettant aux unités opérationnelles de créer leurs propres applications et flux de travail sous la gouvernance informatique. Cela accélère l'innovation interne, mais exige des cadres de sécurité, de qualité et de conformité très clairs afin de prévenir tout développement informatique parallèle incontrôlable.
Infrastructures, énergie et opérations vertes : les limites physiques de l’IA
L'essor de l'IA met les infrastructures à rude épreuve . L'entraînement et le déploiement massifs des modèles exigent une puissance de calcul et une capacité de refroidissement considérables, révélant une ressource auparavant considérée comme acquise : l'énergie. Le débat technologique évolue : on ne se demande plus « combien de paramètres possède le modèle ? » mais plutôt « combien de watts consomme-t-il par unité de valeur générée ? ».
Au niveau matériel, le NPU devient une spécification standard pour les PC et les appareils mobiles . Les ordinateurs dotés d'IA ne seront plus une option haut de gamme, mais une nécessité, car l'exécution locale des agents et des modèles réduit la latence, améliore la confidentialité et allège la charge sur le cloud. Lors du renouvellement d'un ordinateur de bureau ou portable, les capacités de calcul d'IA seront aussi importantes que la RAM ou le stockage.
La demande croissante de mémoires DRAM et NAND hautes performances pour les centres de données d'IA met à rude épreuve la chaîne d'approvisionnement et fait grimper les prix des composants . Les fabricants privilégient la production de serveurs au détriment des appareils grand public, ce qui pourrait entraîner une hausse des prix ou des ruptures de stock pour les systèmes de mémoire haute capacité destinés aux utilisateurs finaux.
Dans ce contexte, l' approche GreenOps de la gestion du cloud et des infrastructures gagne du terrain . Il ne suffit plus d'optimiser les coûts financiers ; l'empreinte carbone, l'utilisation efficace des ressources et la conformité aux objectifs ESG doivent également être prises en compte. La durabilité devient un indicateur clé de performance pour les DSI, et les responsables technologiques doivent justifier chaque kilowattheure consommé, en équilibrant les charges de travail entre le cloud, la périphérie et l'infrastructure sur site.
À cela s'ajoute l'arrivée d' innovations dans le stockage de l'énergie, telles que les batteries à anode de silicium et les premières applications commerciales à semi-conducteurs destinées au grand public. Leur densité énergétique supérieure permettra de concevoir des appareils mobiles offrant une autonomie réelle de deux jours, des voitures électriques plus légères et dotées d'une plus grande autonomie, ainsi qu'une recharge ultra-rapide avec une dégradation moindre, contribuant ainsi à atténuer l'angoisse liée à l'autonomie.
Connectivité avancée : WiFi 7 et couverture satellite directe
Les réseaux franchissent également un cap décisif pour prendre en charge cette nouvelle couche de services numériques . Le Wi-Fi 7 deviendra la norme dominante pour les routeurs, les smartphones et les ordinateurs portables, non seulement pour sa vitesse brute, mais aussi pour des changements architecturaux tels que le fonctionnement multi-liens (MLO), qui permet l'utilisation simultanée de plusieurs bandes de fréquences, réduisant ainsi la latence et améliorant la stabilité, même dans les foyers saturés d'appareils.
Grâce à cette évolution, les connexions fibre optique à 1 Gbit/s ne seront plus limitées par les anciens réseaux Wi-Fi . Le streaming 8K, la réalité mixte, le cloud gaming et les expériences immersives seront possibles sans interruptions constantes, renforçant ainsi l'impression que le réseau « fonctionne tout simplement » – un point essentiel à l'heure où de plus en plus d'opérations critiques dépendent de la connectivité sans fil. Pour comprendre l'évolution de la connectivité à domicile, il est conseillé de consulter un guide complet sur l'ADSL et la fibre optique.
Parallèlement, le déploiement commercial des services Direct-to-Cell débute, permettant aux téléphones mobiles de se connecter directement aux satellites en orbite terrestre basse . Initialement axé sur la messagerie et les communications d'urgence dans les zones sans couverture terrestre (montagnes, mer, zones rurales isolées), ce service marque le début de la fin des zones blanches telles que nous les connaissons aujourd'hui.
Les nouveaux modems pourront basculer automatiquement entre les antennes-relais et les satellites, garantissant ainsi un niveau de service minimal même dans des conditions difficiles. Pour le secteur informatique, cela ouvre la voie à des solutions IoT à distance, à la surveillance distribuée et aux services critiques en temps réel dans des domaines tels que la logistique, l'énergie, les transports et la sécurité.
Cas de référence et positionnement des principaux acteurs des TIC
Les grandes entreprises du secteur des TIC prennent des mesures pour se préparer à ce nouveau scénario . Les opérateurs d'infrastructures partagées, tels que les gestionnaires de tours et de réseaux de télécommunications, investissent dans l'automatisation avancée, l'analyse de données en temps réel et la collaboration avec des fournisseurs d'IA afin d'améliorer la résilience de leurs actifs face aux intempéries et aux pics de trafic.
Les opérateurs de télécommunications intégrés mettent en œuvre des plans stratégiques pluriannuels pour moderniser leurs réseaux, abandonner progressivement les technologies obsolètes et tirer parti de l'IA afin d'automatiser leurs opérations, d'hyper-personnaliser leurs services et d'améliorer l'expérience client. L'objectif est de réduire drastiquement leurs coûts d'exploitation, d'accroître leurs revenus B2B et de se positionner comme leaders en cybersécurité, en informatique en nuage et en intelligence artificielle appliquée.
De grands cabinets de conseil internationaux proposent des cadres de référence comme TechnoVision pour aider les organisations à prendre des décisions technologiques fondées sur des critères métiers . Leur message est clair : l’IA générative et l’IA agentielle doivent être intégrées à des architectures résilientes, en accordant une attention particulière à la gouvernance des données, à la souveraineté technologique et à la refonte des processus pour des opérations intelligentes.
D'autres entreprises spécialisées dans la modernisation, l'interopérabilité et l'hyperautomatisation insistent sur le fait que la clé ne réside plus simplement dans l'ajout d'outils, mais plutôt dans leur intégration, leur gouvernance et leur mise à l'échelle rigoureuse . L'architecture d'entreprise, les API, l'observabilité, les opérations financières et la gestion des risques ne sont plus de simples « détails techniques », mais sont devenues des conditions essentielles pour que l'IA et l'automatisation évitent de s'enliser dans des projets pilotes interminables.
Les cabinets de conseil régionaux et les fournisseurs de solutions d'affaires soulignent également la consolidation des modèles d'IA spécialisés , capables de réduire les illusions, de s'adapter aux réglementations sectorielles et d'optimiser la consommation d'énergie. Des modèles plus petits, affinés grâce à des données propriétaires et une terminologie spécifique, coexisteront avec des modèles plus vastes et généralistes afin de répondre efficacement à des besoins diversifiés.
L'année 2026 marque un tournant dans la relation entre les canaux informatiques, l'IA et les entreprises : l'intelligence artificielle devient la pierre angulaire des architectures d'entreprise, le cloud se distribue et s'automatise, la sécurité s'oriente vers l'identité et la détection proactive, les architectures deviennent composables et pilotées par API, et l'énergie et le développement durable deviennent des contraintes de conception. Les organisations capables d'orchestrer tous ces éléments au sein d'un système unique, soutenu par un canal informatique mature et orienté services managés, seront celles qui se démarqueront de la concurrence au cours de la prochaine décennie.
