Pourquoi l’orchestration est la prochaine frontière de l’informatique d’entreprise

Dans cet article, nous vous montrons comment une IA fiable commence par un système de référence faisant autorité. Les organisations ont besoin d’un registre et d’un historique gouvernés des actifs technologiques, des relations, de la propriété, de la conformité et de l’état opérationnel, afin que les équipes, l’automatisation et l’IA puissent fonctionner à partir d’un contexte cohérent. Mais même lorsque cette base existe, un nouveau défi apparaît : le travail lui-même reste rarement confiné à un seul système.

Les organisations ne peuvent ni sécuriser, ni gouverner, ni optimiser ce qu’elles ne voient pas et ce qu’elles ne peuvent pas coordonner. Une simple remédiation peut impliquer un moteur de découverte, une base de données de gestion des configurations, une plateforme de gestion des services IT (ITSM), un outil de gestion des correctifs, une console cloud et un scanner de sécurité. Aujourd’hui, ces transferts reposent souvent sur des interventions manuelles, des intégrations point à point fragiles ou des changements de contexte effectués par les utilisateurs.

À mesure que les organisations ajoutent des agents d’IA et des workflows automatisés, le nombre de connexions se multiplie. Le risque qu’une action menée dans un système repose sur un contexte incomplet, entre en conflit avec une politique dans un autre système ou devienne difficile à expliquer a posteriori augmente lui aussi. Imaginez un scanner de sécurité signalant une vulnérabilité critique sur un serveur. Un agent d’IA recommande d’appliquer un correctif en urgence, mais la base de données de configuration indique que ce serveur est retiré du service, tandis que la plateforme ITSM signale un gel des changements sur l’application qu’il prend en charge. Chaque système a « raison » dans sa propre perspective, mais l’agent ne dispose d’aucun contexte partagé et faisant autorité pour les réconcilier. Le résultat est, dans le meilleur des cas, un cycle de correction inutile, et dans le pire, une interruption de service.

Les données confirment cet écart : huit entreprises sur dix citent les limites des données comme un obstacle au passage à l’échelle de l’IA agentique, selon McKinsey. Le cabinet affirme que l’IA agentique nécessite des données de haute qualité, des fondations interopérables et une gouvernance renforcée à mesure que l’autonomie et la coordination progressent.

Gartner prévoit que, d’ici 2027, 40 % des entreprises rétrograderont ou mettront hors service des agents d’IA autonomes parce que des lacunes de gouvernance auront été découvertes après leur déploiement. Gartner recommande une gouvernance proportionnelle au niveau d’autonomie, au périmètre et à la frontière de confiance associée de l’agent.

De même, BCG observe que les agents d’IA s’imposent dans les grandes entreprises « plus vite que les décideurs ne peuvent concevoir les cadres de gouvernance nécessaires pour les gérer », avec une adoption qui se propage sous des règles incohérentes et une supervision fragmentée.

Ces constats révèlent un problème qui dépasse la simple connectivité. Les organisations peuvent être capables de connecter agents et outils plus rapidement qu’elles ne peuvent établir l’autorité, les contrôles et la responsabilité nécessaires pour gouverner ce qui se passe entre eux.

Le constat est clair : l’orchestration sans gouvernance ne passe pas à l’échelle. Elle crée davantage de connexions, mais pas davantage de confiance. La prochaine phase de l’IA dans l’IT et la sécurité ne sera pas définie par ceux qui connectent le plus de systèmes, mais par ceux qui sauront coordonner le travail entre eux tout en maintenant les décisions et les actions ancrées, gouvernées et responsables.

Comment le Model Context Protocol (MCP) permet l’orchestration de l’IA

Introduit par Anthropic fin 2024, MCP offre aux applications d’IA une méthode standardisée pour se connecter aux outils, aux sources de données, aux ressources et aux prompts. Au lieu de créer une intégration spécifique pour chaque combinaison client-serveur, les organisations peuvent utiliser un protocole commun pour exposer un contexte et des capacités autorisés.

Le protocole continue d’évoluer vers un usage plus large en entreprise, avec notamment des capacités conçues pour prendre en charge des interactions évolutives et plus sophistiquées entre applications et services d’IA. Cette progression est importante, mais la maturité technique n’élimine pas la nécessité d’une gouvernance d’entreprise.

En résumé, MCP offre aux organisations un moyen cohérent d’exposer un contexte et des capacités autorisés à des systèmes d’IA compatibles. Il peut simplifier les connexions dont dépend l’orchestration. Mais la connexion seule ne crée pas la confiance.

La plateforme Ivanti Neurons permet aux clients et agents d’IA approuvés d’accéder, grâce à MCP, au contexte Neurons autorisé et en temps réel. Neurons reste le système de référence faisant autorité pour le contexte technologique qu’elle gouverne, même lorsque ce contexte est consommé via une autre expérience d’IA approuvée.

« La véritable opportunité avec MCP ne consiste pas seulement à connecter l’IA à davantage de systèmes : il s’agit de s’assurer que chaque connexion repose sur un contexte fiable. Lorsque l’IA récupère des données autorisées à partir d’un système de référence gouverné, plutôt que de puiser dans des sources fragmentées, la coordination devient suffisamment sûre pour passer à l’échelle. C’est ce qui rend l’orchestration prête pour l’entreprise, et pas seulement techniquement possible. » — Meeta Dash, vice-présidente de la gestion des produits, IA, Ivanti

Pourquoi l’orchestration de l’IA nécessite un contexte gouverné

Connecter les systèmes rend l’orchestration possible ; définir l’autorité la rend fiable. Lorsque les systèmes d’IA franchissent les frontières organisationnelles, les dirigeants doivent préciser les règles qui gouvernent chaque interaction, notamment :

  • Quel contexte faisant autorité éclaire chaque interaction ?
  • Quelle identité demande l’accès ?
  • Quelles données et capacités peut-elle utiliser ?
  • Où l’approbation humaine est-elle requise ?
  • Quel système exécute l’action ?
  • Comment l’interaction et son résultat seront-ils audités ?

Gartner décrit l’autorité d’exécution comme une position architecturale couvrant l’identité, les autorisations, l’application des politiques, l’accès au système de référence et l’auditabilité. Gartner anticipe que les plateformes performantes intégreront l’orchestration des agents dans les systèmes de référence, exposeront l’exécution des API tenant compte des politiques et appliqueront les contrôles d’identité, d’autorisations et d’audit.

Tous les agents ne créent pas le même niveau de risque. La gouvernance doit refléter ce qu’un agent peut consulter ou exécuter, les systèmes qu’il peut atteindre et les conséquences de ses actions. L’approbation humaine et des contrôles renforcés deviennent plus importants à mesure que l’autonomie et l’impact opérationnel augmentent. Les recherches de Gartner appuient l’application de la gouvernance en fonction de l’autonomie de l’agent et de son périmètre, plutôt que l’imposition de contrôles identiques à tous les agents.

Le modèle émergent en entreprise privilégie un plan de contrôle gouverné plutôt que des connexions sans restriction à des serveurs MCP arbitraires. Les pratiques courantes incluent des registres de serveurs validés, des identifiants à portée limitée, une autorisation fondée sur des standards, la journalisation d’audit et des contrôles des coûts dans les limites de l’organisation. Ensemble, ces contrôles limitent la manière dont les agents se connectent, ce à quoi ils peuvent accéder et la façon dont leur activité est tracée dans l’ensemble de l’organisation. Sans eux, un agent qui coordonne le travail entre cinq systèmes risque simplement de répartir le risque créé par des informations fragmentées ou contradictoires.

Les organisations n’ont pas besoin d’une source de vérité unique pour chaque catégorie de données d’entreprise. Ce dont elles ont réellement besoin, c’est de savoir clairement quel système fait autorité pour le contexte impliqué dans une décision donnée. Pour Neurons, cette autorité s’applique au registre et à l’historique des actifs technologiques, des relations, de la propriété, de la conformité et de l’état opérationnel.

Comment un système de référence permet une orchestration de l’IA gouvernée

Pour Ivanti Neurons, ce modèle de gouvernance commence par une répartition claire des responsabilités. La plateforme reste la référence pour le contexte technologique qu’elle gouverne, tandis que MCP offre aux clients et agents d’IA approuvés un accès structuré aux données de plateforme autorisées.

Ce chemin d’accès complète la stratégie d’IA native d’Ivanti : le cadre d’IA agentique fournit la structure nécessaire pour créer et gérer des agents, les services d’IA fournissent des insights et des recommandations, le reporting conversationnel par IA offre une expérience en langage naturel, et MCP permet aux clients d’IA externes pris en charge d’accéder à la même fondation Neurons gouvernée.

MCP fournit un chemin d’accès standardisé. Les contrôles de plateforme, d’application, d’identité, d’autorisations, de politiques et d’audit qui l’entourent fournissent la gouvernance. Cette distinction évite de confondre le protocole avec le système qui autorise les décisions ou exécute les changements opérationnels.

Point essentiel, la plateforme Ivanti Neurons reste le système de référence, et MCP demeure un protocole plutôt qu’un entrepôt de données. Un serveur MCP peut renvoyer le contexte autorisé requis pour une interaction, mais il ne devient pas une nouvelle source de vérité.

Le contexte peut circuler. L’autorité reste dans le système de référence.

Prenons l’exemple d’une vulnérabilité à haut risque détectée sur un groupe de terminaux. Le contexte pertinent peut inclure les actifs affectés, leurs propriétaires, les relations métier, l’état de configuration, l’état de conformité actuel et les recommandations de remédiation disponibles. Aujourd’hui, les analystes peuvent devoir reconstituer ce contexte manuellement à travers le scanner de vulnérabilités, l’inventaire des actifs, les relations contextuelles, le système de gestion des correctifs et la plateforme ITSM.

Dans un modèle d’orchestration gouverné, une expérience d’IA approuvée peut récupérer le contexte Neurons autorisé grâce à la prise en charge de MCP. La couche agent ou application peut utiliser ce contexte pour étayer l’investigation, la priorisation ou la recommandation d’une prochaine étape. Toute remédiation, mise à jour d’enregistrement ou action sur un ticket reste de la responsabilité de l’application ou de la couche d’exécution de la plateforme autorisée, sous réserve des politiques et approbations appropriées.

L’objectif n’est pas de laisser MCP agir de manière autonome. Il s’agit de garantir que le contexte nécessaire au travail coordonné puisse circuler entre des frontières approuvées sans déplacer avec lui la source d’autorité.

Quatre bonnes pratiques pour gouverner l’orchestration de l’IA

En suivant ces quatre bonnes pratiques de gouvernance, vous pourrez orchestrer les systèmes d’IA entre plateformes tout en conservant un contexte faisant autorité et des actions responsables.

Construire l’orchestration de l’IA autour de votre système de référence

Une orchestration qui contourne le système de référence produit des incohérences. Avant de connecter des agents et des workflows entre systèmes, les équipes doivent définir quel système fait autorité pour chaque type de contexte utilisé dans une décision.

Définissez précisément ce que gouverne le système de référence et évitez de laisser entendre qu’une plateforme unique fait autorité pour chaque catégorie d’information d’entreprise. Pour Neurons, cela signifie le registre et l’historique des actifs technologiques, des relations, de la propriété, de la conformité et de l’état opérationnel. D’autres systèmes peuvent rester la référence pour d’autres domaines métier.

Le système de référence doit servir d’autorité des données pour le contexte référencé dans chaque interaction coordonnée. Lorsque les équipes orchestrent à partir d’une fondation partagée, la coordination renforce la confiance au lieu de la diluer.

Adapter les contrôles de gouvernance de l’IA à l’autonomie des agents

La gouvernance doit refléter ce qu’un agent peut réellement faire. Les dirigeants doivent définir les frontières de confiance et les niveaux d’autonomie pour chaque agent et workflow :

  • À quoi peut-il accéder ?
  • Que peut-il interpréter ?
  • Que peut-il recommander ?
  • Que peut-il initier ?
  • Que peut-il exécuter ?
  • Où l’approbation humaine est-elle requise ?

Un agent qui récupère du contexte nécessite des contrôles différents d’un agent qui recommande une remédiation. Un agent qui exécute des changements dans des systèmes de production exige des protections encore plus solides. Une gouvernance qui passe à l’échelle n’est pas uniforme ; elle est proportionnelle au risque, à l’autonomie et aux conséquences opérationnelles.

Appliquer une gouvernance de l’IA cohérente dans l’ensemble des systèmes connectés

Lorsque le travail s’étend à plusieurs systèmes, la gouvernance ne peut pas s’arrêter à la frontière. Les organisations doivent avoir l’assurance que les données qui éclairent les décisions proviennent de sources autorisées, que l’accès respecte les autorisations appropriées et que les actions restent soumises aux politiques et contrôles de l’organisation.

À mesure que les systèmes, agents et workflows d’IA se connectent entre plateformes, l’identité et l’autorisation deviennent de plus en plus importantes. Une gouvernance intégrée à chaque interaction grâce à une autorisation fondée sur des standards, à OAuth, aux contrôles d’accès basés sur les rôles (RBAC) et à l’application des politiques aide les organisations à conserver le contrôle lorsque le travail s’étend entre systèmes. L’objectif n’est pas une connectivité sans restriction, mais une coordination de confiance, ancrée dans un contexte faisant autorité et un accès gouverné.

Commencer l’orchestration de l’IA par un workflow intersystèmes unique

Il est préférable de démontrer l’orchestration gouvernée dans un scénario ciblé avant de la déployer à plus grande échelle. Commencez par un workflow couvrant deux ou trois systèmes, par exemple la détection de vulnérabilités menant à une application de correctifs gouvernée et à une clôture de ticket vérifiée, puis démontrez que le contexte, les politiques et l’auditabilité tiennent tout au long des transferts. Une fois cette boucle validée, étendez le même modèle à d’autres domaines. Le passage à l’échelle devient additif : la même fondation gouvernée et le même modèle d’orchestration appliqués à de nouveaux cas d’usage.

Ce que permet l’orchestration de l’IA gouvernée

Lorsque la coordination repose sur un contexte gouverné, les organisations peuvent passer de la constitution de preuves à l’action en toute confiance. Les équipes bénéficient d’une vue cohérente de l’environnement technologique dans l’ensemble des systèmes, ce qui réduit le temps consacré à valider le contexte avant l’investigation, la priorisation, l’approbation et le suivi.

Les équipes passent moins de temps à rapprocher ce que différents systèmes considèrent comme vrai. Les agents sont moins susceptibles d’agir sur un contexte partiel ou contradictoire. Les dirigeants gagnent en confiance dans le fait qu’une automatisation dans un domaine restera alignée sur les politiques d’un autre. L’orchestration peut alors étendre les données faisant autorité du système de référence vers l’extérieur, afin que le contexte, les politiques et la responsabilité qui gouvernent le travail au sein de la plateforme gouvernent également le travail qui s’étend au-delà de celle-ci.

La prise en charge de MCP dans Neurons peut étendre le contexte de plateforme autorisé aux systèmes d’IA, partenaires, développeurs et expériences futures approuvés, sans créer de sources de vérité supplémentaires. Les expériences d’IA natives d’Ivanti restent tout aussi importantes, en fournissant des voies conversationnelles, multi-agents et spécialement conçues pour appliquer ce contexte au sein de Neurons.

La valeur réside dans le choix sans fragmentation : différentes expériences d’IA peuvent consommer un contexte gouverné, tandis que Neurons reste la référence pour les données technologiques qu’elle gère.

Prêt à faire passer l’orchestration de l’IA à l’échelle sans perdre le contrôle ?

Les organisations qui réussissent avec l’orchestration de l’IA la gèrent comme un modèle opérationnel, et non comme un simple projet d’intégration. Elles définissent la source faisant autorité pour chaque décision, établissent des contrôles en fonction de l’autonomie des agents, préservent la traçabilité tout au long des transferts et n’étendent le périmètre qu’après avoir prouvé la fiabilité d’un workflow intersystèmes.

La première vague de l’IA en entreprise s’est concentrée sur la génération et la mise en évidence de l’intelligence. La suivante portera sur la coordination du travail entre systèmes. Les organisations qui prendront la tête ne seront pas nécessairement celles qui disposeront du plus grand nombre d’agents, d’intégrations ou de modèles. Ce seront celles qui sauront rendre le contexte faisant autorité disponible là où il est nécessaire, tout en conservant des décisions et des actions gouvernées, explicables et responsables.

Avec la plateforme Ivanti Neurons, les expériences d’IA natives et l’accès activé par MCP offrent des moyens complémentaires d’utiliser le contexte de plateforme gouverné. Neurons reste le système de référence pour le contexte technologique qu’elle gouverne. Les expériences d’IA peuvent récupérer et interpréter ce contexte, tandis que les applications et workflows autorisés restent responsables de l’exécution.

Le contexte peut franchir les frontières des systèmes. L’autorité, la gouvernance et la responsabilité doivent rester intactes.

Découvrez comment la prise en charge de MCP dans la plateforme Ivanti Neurons peut aider votre organisation à étendre le contexte technologique faisant autorité aux expériences d’IA approuvées, tout en préservant le contrôle.