Ivanti Blog

Patch Tuesday de juillet 2026

Tue, 14 Jul 2026 21:28:13 Z

Veille du Patch Tuesday : ce qui a précédé juillet 2026

Adobe

Date de publication : 30 juin 2026 (APSB26-68 — ColdFusion ; bulletin publié le même jour pour Campaign Classic)

Nombre de CVE : 11 CVE dans ColdFusion, 1 dans Campaign Classic (12 au total)

La mise à jour ColdFusion d’Adobe a corrigé 11 vulnérabilités dans ColdFusion 2025 (Update 9 et versions antérieures) et ColdFusion 2023 (Update 20 et versions antérieures), dont sept avec un score CVSS de 10,0 :

Corrigées dans ColdFusion 2025 Update 10 et ColdFusion 2023 Update 21.

Point d’attention KEV : CVE-2026-48282 n’était pas signalée comme exploitée lors de sa publication, mais son exploitation a commencé environ deux heures après la publication d’un article technique public le 2 juillet. La CISA l’a ajoutée au catalogue KEV le 7 juillet, avec une échéance fédérale de remédiation fixée au 10 juillet — déjà dépassée. Toute instance ColdFusion exposée à Internet et encore non corrigée doit être traitée comme un incident actif, et non comme un simple élément de correctif de routine.

La CVE-2026-48286 de Campaign Classic (CVSS 10,0, autorisation incorrecte → exécution de code arbitraire) affecte les builds ACC v7 sur site 7.4.3 et antérieures. Les instances hébergées par Adobe avaient déjà été corrigées ; aucune exploitation n’a été signalée pour celle-ci.

Apple

Date de publication : 1er juillet 2026 (iOS/iPadOS 26.5.2, macOS Tahoe 26.5.2, Safari 26.5.2)

Nombre de CVE : 37 CVE (26 dans WebKit ; 11 dans le noyau, WebRTC, Web Extensions et d’autres composants)

Google Chrome

Dates de publication : 24 juin 2026 (Chrome 149.0.7827.197) et 8 juillet 2026 (Chrome 150.0.7871.114/.115) Nombre de CVE : 10 CVE (24 juin) + 27 CVE (8 juillet) = 37 CVE sur les deux versions

La mise à jour du 24 juin a corrigé 10 vulnérabilités, la plus sévère étant CVE-2026-13028 (CVSS 9,6, Critique) — une vulnérabilité use-after-free dans WebGL permettant une exécution de code à distance (RCE), en particulier sur Android.

La mise à jour du 8 juillet (Chrome 150) a corrigé 27 vulnérabilités supplémentaires : deux Critiques (CVE-2026-15112, CVE-2026-15129 — toutes deux de type use-after-free), 24 de sévérité Élevée (principalement des use-after-free dans Views, Extensions, Autofill, WebRTC et Codecs) et une Moyenne.

Point d’attention KEV : la précédente faille zero-day de Chrome, CVE-2026-11645 (lecture/écriture hors limites dans V8, exploitée activement), a été ajoutée au catalogue KEV de la CISA au titre de la BOD 26-04, avec une échéance au 23 juin — déjà dépassée au début de ce cycle. Aucune nouvelle CVE Chrome issue des publications du 24 juin ou du 8 juillet n’a été confirmée comme exploitée à ce jour.

Mozilla

Dates de publication : la version de sécurité la plus récente pour ordinateur était Firefox 152.0.4 (30 juin 2026, selon MFSA 2026-62) ; les MFSA suivantes (2026-64 à 2026-66) couvrent Thunderbird 140.12.1 et Firefox pour iOS 152.3/152.4 — des mises à jour mineures et uniquement mobiles

Nombre de CVE : aucun nouveau bulletin CVE Firefox/Thunderbird pour ordinateur dans la semaine précédant immédiatement le Patch Tuesday

Synthèse du Patch Tuesday

Le Patch Tuesday de Microsoft de juillet 2026 corrige ce mois-ci pas moins de 570 CVE, dont la majorité (509) sont classées Importantes, 58 Critiques et trois Modérées. Du point de vue de l’impact, les 249 élévations de privilèges et 143 exécutions de code à distance constituent l’essentiel des types d’impact, suivies de 102 divulgations d’informations. Deux CVE sont confirmées comme exploitées activement — une faille d’élévation de privilèges dans SharePoint (CVE-2026-56164) et une faille d’élévation de privilèges dans Active Directory Federation Services (CVE-2026-56155) — et une CVE, affectant Windows BitLocker (CVE-2026-50661), a été divulguée publiquement.

Adobe a publié 11 mises à jour corrigeant 88 CVE, dont 63 Critiques, 22 Importantes et trois Modérées. La répartition par impact comprend 51 vulnérabilités d’exécution de code arbitraire, 13 de contournement de fonctionnalité de sécurité, 12 d’escalade de privilèges, 7 de déni de service applicatif, trois de lecture arbitraire du système de fichiers et deux d’exposition de mémoire. Hormis la publication ColdFusion avant le Patch Tuesday, qui incluait un exploit connu, les 11 mises à jour du Patch Tuesday ne comprenaient aucun exploit connu ni divulgation publique.

Mozilla a publié Firefox 152.0.6, corrigeant deux CVE critiques. Du code d’exploitation divulgué publiquement est disponible pour les deux vulnérabilités (CVE-2026-15718 et CVE-2026-15719) ; toutefois, Mozilla n’a actuellement connaissance d’aucune exploitation active.

Google Chrome Desktop 150.0.7871.124/.125 a été publié pour Windows et Mac. Aucune CVE n’a été signalée lors de la publication, mais compte tenu du nombre considérable de vulnérabilités corrigées au cours du dernier mois et demi, il est préférable de s’assurer que toutes les installations Chrome utilisent la dernière version.

Vulnérabilités Microsoft exploitées

Microsoft a corrigé une vulnérabilité d’élévation de privilèges dans Microsoft SharePoint Server (CVE-2026-56164). Cette vulnérabilité est classée Modérée par Microsoft et présente un score CVSS de 5,3, mais elle a été activement exploitée. Un attaquant non autorisé pourrait élever ses privilèges via un réseau. Le vecteur d’attaque de la CVE est le réseau, car elle est exploitable à distance depuis Internet. La complexité de l’attaque est également classée comme faible. Microsoft a fourni certains facteurs d’atténuation susceptibles d’aider à détecter une attaque éventuelle, mais une méthodologie de priorisation fondée sur les risques justifie de corriger cette vulnérabilité dès que possible.

Microsoft a corrigé une vulnérabilité d’élévation de privilèges dans Active Directory Federation Services (CVE-2026-56155). Cette vulnérabilité est classée Importante et présente un score CVSS de 7,8, mais elle a été activement exploitée. Elle pourrait permettre à un attaquant d’élever localement ses privilèges afin d’obtenir des droits administrateur. Microsoft classe cette vulnérabilité comme Importante, mais une méthodologie de priorisation fondée sur les risques justifie de la corriger dès que possible.

Vulnérabilités Microsoft divulguées publiquement

Microsoft a corrigé une vulnérabilité de contournement de fonctionnalité de sécurité dans Windows BitLocker (CVE-2026-50661). Cette vulnérabilité est classée Importante par Microsoft et présente un score CVSS de 6,1, mais elle a été divulguée publiquement. Une attaque réussie pourrait contourner la fonctionnalité BitLocker Device Encryption sur le périphérique de stockage système, permettant l’accès aux données chiffrées. Même si la maturité du code pour cette vulnérabilité est actuellement indiquée comme non démontrée, la divulgation signifie que des informations sont disponibles pour orienter un acteur malveillant vers une exploitation. Une approche de priorisation fondée sur les risques justifie de corriger cette vulnérabilité en priorité ce mois-ci.

Avis de sécurité Ivanti

Ivanti a publié une mise à jour de sécurité pour Ivanti Xtraction corrigeant deux CVE (une de sévérité Élevée et une de sévérité Moyenne). Vous trouverez plus de détails et d’informations sur les mesures d’atténuation dans l’avis de sécurité de juillet.

Liste des actions pour la mise à jour de juillet

Envisagez de passer à une approche de remédiation plus continue si ce n’est pas déjà fait. L’augmentation continue de la découverte des CVE et de la fréquence des mises à jour, due à la découverte des vulnérabilités accélérée par l’IA, va se poursuivre, et la pression réglementaire visant à corriger les expositions les plus à risque en quelques jours, voire quelques heures, deviendra la nouvelle norme.
Mettez à jour vos navigateurs ! Tous. À ce stade, ils suivent un rythme hebdomadaire, mais envisagez de vérifier et d’effectuer les mises à jour deux fois par semaine, voire quotidiennement, afin de réduire la fenêtre d’exploitation des vulnérabilités connues comme exploitées.
Corrigez ou atténuez les vulnérabilités connues comme exploitées dans Microsoft SharePoint (CVE-2026-56164), le système d’exploitation Windows (CVE-2026-56155), et Adobe ColdFusion (CVE-2026-48282) dès que possible.

Annonces de l’Apple WWDC 2026 : comment Ivanti prend en charge OS 27

Mon, 13 Jul 2026 18:57:02 Z

La gestion déclarative des appareils Apple (Declarative Device Management, DDM) est désormais la norme pour la gestion des appareils sur l’ensemble des plateformes Apple. Dans le cadre de cette transition, Apple abandonne les contrôles hérités des mises à jour logicielles dans iOS 27, iPadOS 27, macOS Golden Gate, watchOS 27, visionOS 27, tvOS 27 et les versions ultérieures. Ce n’est que l’un des nombreux changements de plateforme attendus cet automne qui pourraient avoir un impact sur la façon dont votre équipe gère et sécurise les appareils Apple.

La bonne nouvelle ? Ivanti prend en charge la gestion déclarative des appareils depuis plus d’un an, ce qui permet à ses clients d’anticiper la transition d’Apple et de bénéficier des fonctionnalités de gestion moderne qui l’accompagnent. Voici ce que vous devez savoir, ce qui change et les étapes à suivre pour vous préparer.

Apple Intelligence et Apple Foundation Models : annonces IA de la WWDC 2026

La WWDC 2026, 37e Worldwide Developers Conference d’Apple, a présenté une base d’IA repensée, développée en collaboration avec la technologie Gemini de Google. Apple propose désormais quatre modèles : deux s’exécutent entièrement sur l’appareil, dont un nouveau modèle multimodal pour le texte et les images, et deux s’exécutent via Private Cloud Compute pour les tâches plus exigeantes, avec des garanties cryptographiques qu’aucune donnée n’est stockée ni journalisée. Cela signifie une IA qui fonctionne hors ligne, ne génère aucun coût à l’utilisation et ne crée aucune obligation de résidence des données. Apple a également ouvert une API unifiée à des modèles tiers comme Claude et Gemini, offrant à vos équipes de développement un parcours d’intégration unique plutôt que des intégrations distinctes pour chaque fournisseur.

Ivanti Neurons for MDM donne aux administrateurs les contrôles nécessaires pour les autoriser ou les restreindre par groupe d’appareils, afin que les bonnes fonctionnalités soient accessibles aux bonnes personnes, sans appliquer de politiques globales à l’ensemble de votre organisation.

Gestion déclarative des appareils dans Apple OS 27

La gestion héritée des appareils envoyait des commandes en espérant qu’elles soient bien appliquées. La gestion déclarative des appareils (DDM) fonctionne différemment : vous définissez l’état souhaité, et l’appareil prend en charge son atteinte et son maintien, en s’autocorrigeant sans qu’on le lui demande.

Cela étend la DDM au VPN, au DNS, au relais réseau, au filtrage de contenu, aux certificats, à la gestion des applications et à bien d’autres domaines, en faisant le principal mode de gestion plutôt qu’une couche facultative.

Les équipes IT qui utilisent encore des profils de configuration hérités commenceront à en percevoir les limites lors de l’arrivée d’OS 27. Ivanti Neurons for MDM intègre la DDM en amont de chaque version Apple.

Nous sommes prêts, et nous pouvons vous aider à comprendre ce qui migrera automatiquement et ce qui nécessitera votre attention avant la sortie d’OS 27 cet automne.

Changements apportés aux mises à jour logicielles d’Apple OS 27 pour l’IT d’entreprise

Apple OS 27 supprime entièrement la gestion héritée des mises à jour logicielles, sans période de grâce. Si vos groupes d’appareils ne disposent pas encore d’une configuration Software Update Enforcement et d’une configuration Software Update Settings dans Ivanti Neurons for MDM, créez-les dès maintenant. Toutes deux reposent sur le modèle déclaratif et se configurent en quelques minutes. Une fois en place, l’application de vos mises à jour sera maintenue dans OS 27 et toutes les versions ultérieures.

Si vous ne savez pas exactement où vous en êtes, contactez votre équipe de compte Ivanti, et nous vous aiderons à confirmer votre posture avant l’automne.

Mises à jour de sécurité d’Apple OS 27 : intégrité matérielle et conformité

macOS 27 apporte aux équipes IT une véritable nouveauté : la possibilité de vérifier l’intégrité des composants matériels avant qu’un appareil ne soit remis en circulation. Lorsqu’un Mac ou un iPhone est restitué par un collaborateur, Ivanti Neurons for MDM peut désormais confirmer si des composants internes (appareil photo, Face ID, Touch ID, NFC) ont été remplacés en dehors d’un canal de service autorisé. Pour les équipes IT qui gèrent des programmes d’appareils partagés ou des exigences strictes de conformité, cela ajoute au cycle de vie des appareils un point de contrôle vérifiable qui nécessitait auparavant une inspection manuelle ou une visite en Apple Store.

Mises à jour de la gestion des applications dans iOS 27 et macOS 27

OS 27 modifie le déploiement, le contrôle et l’octroi de licences des applications d’une manière que votre équipe IT remarquera immédiatement.

Le changement le plus visible concerne le fonctionnement des demandes d’autorisation. Aujourd’hui, les collaborateurs sont confrontés à une série de demandes d’autorisation sans contexte lorsqu’ils ouvrent pour la première fois une application gérée — appareil photo, microphone, localisation — sans explication de leur nécessité pour l’entreprise. Beaucoup les refusent par réflexe, l’application cesse de fonctionner, et l’IT reçoit un appel.

Dans iOS 27 et iPadOS 27, l’IT peut prédéclarer les autorisations requises par une application gérée dans le cadre du déploiement MDM. Le collaborateur voit une seule invite claire qui fournit le contexte métier. Un seul appui, et c’est fait.

macOS 27 introduit également un contrôle natif des binaires et des applications au niveau de l’OS. L’IT déclare les applications et exécutables autorisés à s’exécuter sur un Mac géré. Lorsqu’un binaire refusé est détecté, l’OS y met fin immédiatement, sans invite ni avertissement à l’utilisateur. Ce qui nécessitait auparavant un produit dédié de sécurité des endpoints est désormais intégré à macOS et géré via Ivanti Neurons for MDM.

Apple introduit également cet automne l’achat en volume pour les abonnements App Store, une évolution attendue par les équipes IT qui gèrent les licences via Apple Business Manager. Jusqu’à présent, les abonnements n’avaient jamais fait partie de l’achat en volume. Votre équipe peut acheter en masse des abonnements à renouvellement automatique et les attribuer aux collaborateurs via MDM, de la même manière que fonctionnent aujourd’hui les licences d’applications. Les abonnements suivent l’utilisateur sur tous ses appareils et sont renouvelés sous le compte de votre organisation. Vos collaborateurs n’auront pas besoin de moyens de paiement personnels ni d’identifiants App Store individuels.

Un support plus rapide grâce à une journalisation diagnostique améliorée

Sur iPhone, iPad, Mac et Apple TV, Ivanti Neurons for MDM peut désormais déclencher à distance la collecte des journaux de diagnostic depuis la console, en transmettant les journaux directement à l’infrastructure de support d’Apple sans aucune intervention de l’utilisateur de l’appareil. Pour les clients disposant d’un contrat AppleCare Enterprise, cela crée un canal de support direct et réactif entre votre parc, Ivanti et Apple. Les problèmes qui nécessitaient auparavant plusieurs jours de diagnostic peuvent désormais être résolus le jour même.

macOS 27 : la version la plus riche à ce jour en fonctionnalités de gestion

La mise en cache de contenu signale désormais son état de santé directement dans la console MDM, afin que vous ne découvriez pas qu’un service de cache est défaillant lorsqu’une mise à jour du parc ralentit fortement. L’Assistant migration géré préserve l’enrôlement et la configuration des appareils lorsque les collaborateurs passent à un nouveau Mac. Une configuration déclarative unifiée remplace l’empilement de profils hérités qui s’est accumulé au fil des versions Apple — en couvrant au même endroit la gestion des applications et les autorisations de confidentialité, avec le contrôle des binaires inclus. Ivanti prend en charge cette consolidation pour vous.

Ce que la WWDC 2026 signifie pour votre gestion des appareils Apple

OS 27 est la version Apple la plus déterminante pour la gestion depuis des années. Le passage à la gestion déclarative est achevé ; la vérification de l’intégrité matérielle devient concrète, et l’IA sur l’appareil est désormais un domaine que l’IT choisit de gouverner — ou non. L’écart entre les équipes préparées et celles qui ne le sont pas apparaîtra rapidement après la publication de l’OS.

Si vous évaluez votre stratégie de gestion des appareils Apple avant OS 27, contactez votre représentant Ivanti. Nous vous aiderons à comprendre comment Ivanti Neurons for MDM positionne votre organisation pour cette version et les suivantes. Nous pouvons examiner votre configuration actuelle, identifier ce qui sera conservé automatiquement et signaler tout élément nécessitant votre attention avant l’automne. Plus cette conversation aura lieu tôt, moins vous aurez à agir dans l’urgence au moment de l’arrivée de la mise à jour.

De la découverte des actifs IT à l’action automatisée : boucler la boucle des opérations IT

Wed, 08 Jul 2026 14:00:06 Z

Aujourd’hui, les entreprises investissent massivement dans des outils de découverte, en pensant qu’une visibilité accrue résoudra leurs défis IT. Pourtant, lorsqu’un incident survient, qu’un correctif échoue ou qu’un audit approche, de nombreuses équipes doivent interrompre leurs activités pour rapprocher des feuilles de calcul, valider les inventaires et confirmer les propriétaires avant de pouvoir agir. La visibilité à elle seule ne comble pas l’écart entre l’analyse et l’exécution.

La véritable valeur de la découverte apparaît lorsque la visibilité est gouvernée et directement connectée aux systèmes qui font fonctionner votre entreprise, ce qui permet d’agir sans délai. Les organisations modernes ne peuvent pas s’appuyer sur des inventaires statiques ou des analyses planifiées. Elles ont besoin d’une découverte qui fonctionne en continu, alimente l’automatisation et valide les résultats. C’est ainsi qu’elles passent de la simple connaissance de leur environnement à une action fondée sur les informations, en toute confiance.

Pourquoi les équipes ne peuvent pas se permettre des lacunes de visibilité sur les actifs IT

L’IT hybride gagne toujours en complexité. Le rapport 2025 d’Ivanti sur l’état de la cybersécurité a révélé que 55 % des organisations rencontrent des difficultés liées au cloisonnement des données IT et de sécurité, ce qui limite leur capacité à obtenir une visibilité complète sur leur surface d’attaque et leurs environnements cloud. Ces constats confirment la pression que les équipes IT ressentent déjà. En 2025, près de 60 % des professionnels IT ont déclaré consacrer trop de travail manuel au SaaS et à la gestion des actifs, soulignant la nécessité de disposer de données toujours à jour et prêtes pour l’automatisation. Pour de nombreuses organisations, ces lacunes de visibilité IT se traduisent par de réels freins pour l’activité. Les équipes IT passent des heures à rapprocher les enregistrements d’actifs entre feuilles de calcul et outils avant même de pouvoir répondre à un problème.

Les méthodes de découverte traditionnelles deviennent souvent des goulots d’étranglement opérationnels plutôt que des leviers stratégiques. Les analyses périodiques génèrent d’importants volumes de données qui sollicitent fortement les réseaux et les systèmes backend, obligeant les équipes à limiter la fréquence ou le périmètre des analyses. Entre deux analyses, les données d’actifs deviennent rapidement obsolètes, entraînant des retards dans l’application des correctifs, des échéances de conformité manquées, un suivi incomplet du cycle de vie et une prolifération logicielle croissante. Lorsque les équipes compensent par des vérifications et approbations manuelles, les workflows de découverte commencent à entrer en concurrence avec d’autres initiatives IT en matière de temps, de bande passante et d’attention, ralentissant ainsi les progrès dans toute l’organisation.

Les équipes de sécurité peinent à hiérarchiser les expositions lorsque le propriétaire, l’utilisation ou l’état du cycle de vie des actifs n’est pas clair. Les opérations ralentissent lorsque les approbations, les audits et les efforts de remédiation restent en attente de confirmation que les données sont à jour. Au fil du temps, cette charge manuelle augmente le risque opérationnel, mobilise des ressources déjà limitées et détourne l’attention des initiatives stratégiques. La découverte continue aide à combler cet écart, mais uniquement lorsqu’elle alimente les systèmes sur lesquels les équipes s’appuient avec des données opérationnelles gouvernées par la plateforme. C’est cette connexion qui permet une action immédiate et automatisée.

Qu’est-ce que la découverte continue ?

La découverte continue est une pratique IT dans laquelle les actifs d’une organisation — notamment les appareils, les logiciels, les workloads cloud et les identités — sont surveillés automatiquement et en permanence afin de détecter les changements, plutôt que d’être recensés au moyen d’analyses périodiques ou manuelles. Cette approche toujours active permet aux équipes IT de conserver une vue en temps réel, continuellement mise à jour, de ce qui existe dans leur environnement, de la configuration des ressources et de leur évolution dans le temps.

Au sein de la plateforme Ivanti Neurons, les données d’actifs et de configuration sont gouvernées comme un système d’enregistrement partagé pour les opérations IT et de sécurité. Contrairement à la découverte traditionnelle, qui repose sur des analyses périodiques ou des mises à jour planifiées, la découverte continue est une approche toujours active au sein de la plateforme Ivanti Neurons pour comprendre votre environnement. Elle observe en continu les changements sur les appareils, les workloads cloud, les applications SaaS et les identités à mesure qu’ils apparaissent, évoluent ou disparaissent. Au lieu de capturer des instantanés occasionnels, elle maintient une vue opérationnelle à jour de ce qui existe, de la façon dont c’est configuré et de la manière dont cela se connecte au reste de l’environnement, sans attendre le prochain cycle d’analyse.

Transformer la découverte continue en automatisation IT

La découverte continue devient opérationnelle lorsque trois conditions sont réunies :

1. Les données de découverte sont intégrées à la plateforme Ivanti Neurons. L’état des actifs et de la configuration est gouverné comme des données opérationnelles et exploité par les équipes IT, sécurité et conformité. Avant le déclenchement des actions, les signaux de découverte sont nettoyés, normalisés et rapprochés par la plateforme, afin de garantir que l’automatisation et l’IA s’appuient sur des données cohérentes et fiables, et non sur des entrées brutes et contradictoires.

2. Les actions se déclenchent automatiquement à partir d’informations en temps réel. Lorsqu’un nouvel appareil non géré apparaît sur le réseau ou qu’un package logiciel s’écarte de sa référence de conformité, la plateforme achemine immédiatement ce signal vers le workflow approprié.

3. Les résultats sont vérifiés, afin que les équipes confirment la résolution au lieu de redécouvrir le même problème quelques jours plus tard. La confirmation après action utilise des preuves opérationnelles en temps réel pour valider que les changements ont bien pris effet, afin que les équipes ne clôturent pas des tickets pour rouvrir le même problème quelques jours plus tard.

Lorsque ces éléments fonctionnent ensemble, les organisations cessent de courir après les problèmes. Elles les préviennent. Cette évolution se manifeste de manière concrète dans les opérations :

Prévenir la dérive des expositions : les équipes identifient automatiquement les nouvelles ressources cloud ou applications SaaS qui apparaissent sans propriétaire désigné ni configuration de référence établie. Au lieu de découvrir ces problèmes lors d’audits ou d’incidents, les équipes IT et de sécurité les traitent en amont, lorsque le risque reste faible.
Éviter les incidents récurrents : les organisations réduisent les pannes répétées et les remédiations infructueuses en vérifiant l’état des actifs après changement. Lorsque la découverte confirme qu’un correctif, un changement de configuration ou une mise à jour d’appareil a bien pris effet, les équipes évitent de rouvrir le même problème quelques jours plus tard.
Réduire les interventions réactives en urgence : les équipes d’opérations IT ne passent plus des heures à rapprocher les données d’actifs lors d’incidents. Grâce au contexte d’actif continuellement mis à jour et transmis aux systèmes opérationnels, les décisions de réponse sont prises plus rapidement et avec moins de vérifications manuelles.
Détecter les inefficacités avant qu’elles ne deviennent des problèmes de coûts : les signaux d’utilisation associés à des enregistrements d’actifs précis révèlent plus tôt dans le cycle de vie les logiciels inutilisés, les terminaux oubliés ou le matériel vieillissant, ce qui permet aux équipes d’agir avant que le gaspillage ne s’accumule et d’optimiser les dépenses IT.

Dans tous les secteurs, les organisations qui combinent des données opérationnelles gouvernées par la plateforme avec l’automatisation et la validation constatent moins de surprises, une résolution plus rapide et une réduction mesurable de l’effort manuel, car les problèmes sont mis en évidence et traités avant de dégénérer en perturbations majeures.

Mettre la visibilité au service de la gestion autonome des terminaux

De nombreuses organisations commencent par la gestion autonome des terminaux (AEM) parce qu’elle transforme la visibilité en action immédiate. Lorsque les terminaux fonctionnent avec des données d’actifs et de configuration gouvernées par la plateforme, les équipes peuvent automatiser la remédiation, maintenir l’inventaire aligné en temps réel et fournir à la sécurité le contexte dont elle a besoin pour évaluer l’exposition.

Lorsque la gestion des services IT fait partie de vos opérations, ces mêmes données opérationnelles s’étendent aux workflows ITSM et CMDB et soutiennent l’ITAM grâce à des informations précises sur l’utilisation et les droits. Il en résulte une exécution plus rapide, avec moins d’incertitudes, durable à grande échelle à mesure que les signaux de découverte circulent en continu dans la plateforme et vers l’automatisation.

Améliorer la découverte continue grâce aux mises à jour d’actifs basées sur les deltas

De nombreux outils de découverte traditionnels créent une pression sur le réseau parce qu’ils transmettent à répétition des jeux de données d’actifs complets à chaque analyse, obligeant les équipes à trier de grands volumes d’informations inchangées. La plateforme Ivanti Neurons adopte une approche plus efficace via son moteur de découverte, en ne transmettant que le delta, c’est-à-dire les changements spécifiques intervenus depuis la dernière mise à jour.

Ces deltas font ressortir les mises à jour qui comptent réellement pour les équipes, comme l’apparition de nouveaux appareils ou workloads cloud, l’installation ou la suppression de logiciels, les changements de propriétaire ou de configuration, ou encore les signaux d’utilisation indiquant des actifs inutilisés. En mettant en évidence uniquement ce qui a changé, les équipes évitent d’analyser des charges utiles complètes et peuvent se concentrer immédiatement sur ce qui nécessite leur attention, tout en limitant l’utilisation de la bande passante et la charge de traitement.

La visibilité continue devient plus facile à maintenir, car la consommation de bande passante reste faible sur tous les types de réseaux, y compris dans les bureaux distants. La découverte continue devient ainsi applicable à grande échelle et évite toute dégradation des performances pendant les périodes de forte activité. Les mises à jour basées sur les deltas accélèrent également le délai de rentabilisation en réduisant la charge de traitement, ce qui permet aux changements d’apparaître presque immédiatement dans les systèmes en aval. Les inventaires opérationnels d’actifs restent ainsi à jour et alignés, sans les retards causés par des actualisations complètes des données.

En transmettant uniquement ce qui a changé, les organisations maintiennent une précision quasi temps réel sans alourdir les terminaux, l’infrastructure réseau ni le traitement backend. Cette approche favorise des opérations cohérentes, améliore la fiabilité et garantit que la découverte continue renforce les performances au lieu de les limiter.

Automatiser les opérations IT grâce à l’intelligence des actifs en temps réel

Lorsque les données d’actifs sont mises à jour en continu et jugées fiables au niveau de la plateforme, les équipes cessent d’attendre les audits, les rapports ou les revues manuelles et commencent à agir sur les changements à mesure qu’ils se produisent. Pour les équipes gestion des actifs IT (ITAM) et conformité, cela signifie moins de vérifications manuelles, des enregistrements plus précis et des actions pilotées par l’état actuel des actifs plutôt que par des instantanés obsolètes. Pour les opérations IT, cela signifie moins de reprises et une réponse plus rapide, sans surcharge de processus.

L’intelligence des actifs et de la configuration gouvernée par la plateforme permet des workflows tels que :

L’application de correctifs déclenchée par le contexte actuel des actifs, réduisant les retards dus à des inventaires obsolètes ou incomplets.
L’isolement automatique des appareils non conformes, aidant les équipes à traiter les dérives avant qu’elles ne se transforment en constats d’audit de conformité ou en exposition au risque.
Les mises à jour en temps réel des données de propriétaire, de localisation et de cycle de vie, offrant aux équipes ITAM une base fiable pour les décisions liées aux coûts et au cycle de vie.
L’identification précoce des logiciels inutilisés, permettant de récupérer des licences avant que les cycles de renouvellement ne figent le gaspillage.
Des tickets ITSM qui s’ouvrent et se clôturent avec des preuves vérifiées, évitant les relances répétées et les problèmes récurrents.

C’est ainsi que les équipes passent d’un nettoyage réactif à un contrôle continu et prévisible.

Vérifier les résultats de l’automatisation IT grâce à la découverte continue

La plupart des retards opérationnels surviennent après qu’une action a été réalisée, lorsque les équipes doivent confirmer si elle a réellement fonctionné. La découverte continue prend en charge les opérations en boucle fermée en validant les changements d’état des actifs et de la configuration, à l’aide de preuves opérationnelles en temps réel plutôt que de suivis manuels.

Comme ces preuves sont normalisées et à jour, l’automatisation et l’IA peuvent distinguer précisément les changements réels du bruit et améliorer les recommandations au fil du temps. Il en résulte une boucle de rétroaction fiable, qui réduit les reprises, renforce le contrôle opérationnel et permet aux équipes IT et de sécurité d’avancer en toute confiance.

Ce qu’apportent les opérations IT en boucle fermée et l’automatisation

Les organisations qui combinent découverte continue, action automatisée et validation réduisent les risques, évitent le gaspillage et améliorent l’efficacité.

La sécurité répond plus rapidement, car les expositions sont associées à des actifs et à des propriétaires réels.
Les opérations IT réduisent le MTTR grâce à des enregistrements précis et à moins d’étapes manuelles.
L’ITAM évite les dépenses excessives en validant les données de droits et d’utilisation.
La conformité devient plus simple, car les auditeurs reçoivent des preuves complètes et à jour au lieu de rapports ponctuels.

La valeur de données opérationnelles précises et toujours à jour dépasse le cadre de l’automatisation. À mesure que cette base gagne en maturité, de nombreuses organisations commencent à explorer des moyens plus intuitifs d’interagir avec elle, en interrogeant leur environnement IT en langage naturel plutôt qu’en s’appuyant uniquement sur des rapports prédéfinis. Ces résultats se concrétisent lorsque la découverte devient partie intégrante du fonctionnement opérationnel, plutôt qu’une tâche d’arrière-plan.

Commencez à transformer la visibilité sur les actifs IT en action automatisée

Les organisations qui avancent le plus rapidement et prennent le moins de risques sont celles qui considèrent la visibilité comme une capacité opérationnelle plutôt que comme une fonction de reporting. Lorsque la découverte est continue, gouvernée par la plateforme et connectée à l’action automatisée, les équipes IT et de sécurité cessent de réagir et commencent à prévenir.

La découverte continue et gouvernée par la plateforme est ce qui distingue les organisations qui savent qu’elles ont un problème de celles qui l’empêchent de se produire. Planifier une démonstration pour découvrir la plateforme Ivanti Neurons et voir la découverte continue en action.

Comment l’IA agentique permet une réponse autonome aux menaces à la vitesse de la machine

Mon, 29 Jun 2026 14:00:02 Z

Pourquoi 40 % des alertes reçues par les équipes de sécurité restent-elles aujourd’hui totalement non investiguées ? Ce n’est pas par manque d’attention, mais parce que les fenêtres d’attaque se raccourcissent, avec une prolifération technologique écrasante qui aggrave encore la situation.

Les équipes de sécurité actuelles évoluent dans un paysage de menaces marqué par l’escalade des attaques, des budgets plus contraints et une fatigue liée aux alertes toujours plus importante. Les organisations traitent en moyenne 960 alertes de sécurité par jour, et les grandes entreprises gèrent plus de 3 000 alertes quotidiennes au moyen d’environ 30 outils. Cela représente 36 000 menaces potentielles par mois susceptibles de passer entre les mailles du filet. L’asymétrie est implacable : les attaquants n’ont besoin que d’une seule compromission réussie, tandis que les défenseurs doivent avoir raison à chaque fois.

Cette faille critique pour les organisations est un problème d’architecture. Le plus grand défi de la réponse aux menaces n’est pas ce qui est détecté, mais ce qui se passe ensuite, une fois l’alerte déclenchée.

La bonne nouvelle ? L’IA agentique transforme cette architecture. Non pas en remplaçant les outils existants, mais en comblant l’écart opérationnel entre détection et action.

Le défi de la vitesse en sécurité

Les outils que vous avez déployés (SIEM, EDR, scanners de vulnérabilités, plateformes SOAR) sont excellents pour la détection. Ils font remonter les menaces, répertorient les risques et envoient les alertes. Mais la détection sans réponse efficace n’est qu’une documentation coûteuse. Le véritable goulot d’étranglement consiste à corriger les problèmes assez vite pour que cela compte, et non simplement à savoir ce qui ne va pas.

En savoir plus :Pourquoi la gestion traditionnelle des vulnérabilités ne résiste plus à la découverte pilotée par l’IA

Les opérations de sécurité traditionnelles suivent une séquence bien connue : une alerte se déclenche, un analyste enquête, une décision est prise, la remédiation est planifiée, le changement est approuvé… et ce n’est qu’ensuite que l’action est menée. Chaque étape a du sens prise isolément, mais ensemble, elles enferment les équipes dans une vitesse humaine alors que les menaces évoluent de manière autonome. Lorsque l’enquête est terminée, l’adversaire s’est déjà déplacé latéralement. Et lorsqu’un correctif est déployé, trois autres CVE critiques ont été divulguées.

L’écart temporel est saisissant. Selon le rapport Verizon Data Breach Investigations Report 2025, les organisations mettent un délai médian de 32 jours à remédier aux vulnérabilités des périphériques en périphérie, tandis que les acteurs malveillants exploitent ces mêmes vulnérabilités au moment de leur divulgation publique, voire avant, opérant de fait sur un calendrier de type zero-day. Et cet écart s’accélère : le rapport M-Trends 2026 de Mandiant révèle que le délai entre l’accès initial et le transfert à un groupe de menace secondaire est passé de plus de huit heures en 2022 à seulement 22 secondes en 2025.

Un modèle de sécurité efficace exige que la détection déclenche une action immédiate et intelligente. Les capacités existantes telles que l’évaluation des vulnérabilités , la gestion des terminaux , le déploiement de correctifs et les contrôles d’accès restent en place, mais fonctionnent plus rapidement et avec davantage d’autonomie. Il en résulte des opérations de sécurité qui s’exécutent à la vitesse de la machine plutôt qu’à la vitesse humaine.

À quoi ressemble réellement la sécurité agentique

En sécurité, l’IA agentique désigne des systèmes autonomes qui exécutent des workflows de sécurité de bout en bout. Ils passent de la détection à la décision puis à l’action, sans attendre une approbation manuelle à chaque étape.

L’IA agentique doit intervenir sur l’ensemble de la surface d’attaque, en coordonnant détection, décision et réponse comme un système unique.

Remédiation autonome des vulnérabilités

Lorsqu’une CVE critique est divulguée, les agents évaluent immédiatement l’exposition dans tout l’environnement. Ils hiérarchisent les risques en fonction de l’exploitabilité et du contexte métier, déploient les correctifs sur les terminaux affectés et vérifient la remédiation. Tout cela se produit avant même qu’un analyste n’ouvre un ticket. La supervision humaine reste en place, mais le délai créé par les transferts manuels est supprimé.

En savoir plus :Rapport sur la priorisation des correctifs basée sur les risques

Réponse intelligente aux menaces

Lorsqu’un terminal présente un comportement suspect, les agents corrèlent les signaux provenant de l’EDR, de la télémétrie réseau et de l’inventaire des actifs. Les appareils affectés sont isolés ; les sessions actives sont révoquées ; les preuves forensiques sont collectées et le SOC est alerté avec tout le contexte nécessaire. La menace est contenue avant de se propager, ce qui permet aux analystes d’enquêter sur un incident neutralisé plutôt que sur une compromission active.

Posture de conformité continue

Les agents surveillent en continu les terminaux et les serveurs afin de détecter toute dérive de configuration. Lorsqu’un appareil n’est plus conforme, par exemple si un pare-feu est désactivé, si le chiffrement est coupé ou si un logiciel non autorisé est installé, la remédiation intervient automatiquement. La configuration est corrigée ; l’événement est consigné et la conformité est vérifiée. La conformité devient un état permanent plutôt qu’un exercice trimestriel.

Atténuation des risques d’accès

Les agents détectent les schémas d’accès anormaux, notamment les géolocalisations inattendues, les tentatives d’élévation de privilèges et les accès inhabituels aux données. Les sessions suspectes sont interrompues ; l’authentification multifacteur est appliquée et l’accès est réduit jusqu’à la fin de la vérification. Les utilisateurs légitimes continuent de travailler tandis que les mouvements latéraux sont stoppés en temps réel.

Ces agents fonctionnent au sein de la pile de sécurité existante, notamment le SIEM, l’EDR, la gestion des vulnérabilités , les systèmes d’identité et la gestion des correctifs. Chaque outil devient plus rapide et plus efficace au sein d’un système coordonné. L’objectif n’est pas de remplacer les opérations de sécurité, mais de leur permettre d’évoluer à la vitesse à laquelle les adversaires opèrent déjà.

En savoir plus :Comment l’IA agentique transforme l’infrastructure et les opérations

De la détection à l’action : l’architecture de la vitesse

Le changement fondamental rendu possible par l’IA agentique est la prise de décision au point de détection. Plutôt que de séparer la détection de l’action, les workflows de sécurité sont conçus pour évaluer le risque et répondre immédiatement à mesure que les menaces émergent.

Lorsqu’une vulnérabilité critique est identifiée, l’agent ne crée pas un ticket à examiner plus tard. Il évalue les mêmes facteurs qu’un architecte sécurité prendrait en compte :

Le système est-il exposé à Internet ?
À quelles données accède-t-il ?
Existe-t-il un exploit connu en circulation ?
Quel est l’impact métier d’un correctif par rapport à un report ?

Cette décision est prise en millisecondes plutôt qu’en plusieurs jours. Et pour obtenir ce résultat, il faut plus que des scripts d’automatisation : il faut des systèmes capables de raisonner sur le contexte et les conséquences.

Notation des risques tenant compte du contexte métier

Toutes les vulnérabilités critiques ne présentent pas le même degré d’urgence. Les agents évaluent ensemble l’exploitabilité, l’exposition et l’impact métier. Une vulnérabilité sur un serveur de test interne est traitée différemment de la même faille sur un système de production exposé aux clients. La priorisation se fait automatiquement, et sa justification est claire et défendable.

Seuils de réponse adaptatifs

Les agents apprennent des résultats au fil du temps. Lorsque certaines actions produisent régulièrement des faux positifs, les seuils s’ajustent. Lorsque de nouveaux schémas d’attaque apparaissent, la sensibilité augmente. Le système s’améliore à l’usage, au lieu de devenir plus fragile lorsque les conditions changent.

Escalade avec conservation du contexte

Lorsqu’un agent atteint la limite de son autonomie, l’escalade inclut le raisonnement, et pas seulement une alerte. Ce qui a été détecté, les signaux évalués, la raison pour laquelle la décision n’a pas pu être menée de manière autonome et l’action recommandée sont transmis à l’analyste. L’intervention humaine se concentre sur les décisions importantes, pas sur le triage.

Auditabilité intégrée

Chaque action est enregistrée avec tout son contexte, notamment le déclencheur, les données évaluées, la décision prise et le résultat. La conformité est intégrée directement au workflow au lieu d’être reconstituée a posteriori.

L’impact sur les équipes de sécurité est mesurable. L’enquête SANS Detection & Response Survey 2025 a révélé que 73 % des organisations citent les faux positifs comme leur principal défi en matière de détection, et que 76 % désignent la fatigue liée aux alertes comme une préoccupation majeure du SOC. Il ne s’agit pas seulement d’une question d’efficacité. Lorsque les analystes consacrent la majeure partie de leur temps à trier le bruit, les programmes de sécurité restent réactifs par conception.

Le résultat est une réalité opérationnelle différente. La détection mène à la résolution. Les alertes sont traitées au fur et à mesure qu’elles apparaissent au lieu de s’accumuler dans des files d’attente. Les équipes de sécurité passent moins de temps à répondre aux incidents d’hier et davantage à prévenir le prochain.

Ce qui change en pratique

Lorsque l’IA agentique est déployée dans des environnements de sécurité en production, son impact apparaît moins comme une série de réussites isolées que comme un changement structurel. Les équipes constatent des évolutions constantes dans la structuration des workflows, la rapidité de réduction des risques et l’allocation de l’effort humain.

1. Le délai d’action se réduit considérablement

Détection et réponse se fondent en un seul mouvement. Les vulnérabilités qui attendaient auparavant plusieurs jours pour être triées et planifiées sont évaluées, priorisées et corrigées automatiquement lorsque les seuils de risque sont atteints. Les menaces qui se déplaçaient auparavant latéralement pendant l’enquête sont contenues au point de détection. Le résultat mesurable est une durée de présence plus courte et une réduction plus rapide des risques, et pas seulement des alertes plus rapides.

2. La charge opérationnelle diminue

Les tâches de sécurité courantes qui mobilisaient auparavant le temps des analystes, comme la remédiation des dérives de conformité, la coordination des correctifs et les corrections d’accès, passent en exécution continue en arrière-plan. Le reporting devient un sous-produit des opérations normales plutôt qu’une course périodique. Les équipes de sécurité passent moins de temps à gérer des processus et davantage à exercer leur jugement.

3. La qualité de la réponse devient plus homogène

Lorsque les décisions sont prises à chaque fois à partir des mêmes éléments contextuels, le comportement de réponse se stabilise. Des risques similaires sont traités de manière similaire, quel que soit le moment où ils surviennent ou la personne d’astreinte. Cette cohérence réduit la variabilité, limite les erreurs humaines et rend les résultats plus faciles à expliquer aux auditeurs, aux dirigeants et aux régulateurs.

4. L’attention humaine se déplace vers des tâches à plus forte valeur ajoutée

Les analystes ne sont plus sollicités pour chaque alerte ou problème mineur de configuration. Ils interviennent lorsque l’escalade est justifiée et lorsque les décisions ont un impact matériel sur le risque métier. Il en résulte moins de fatigue liée aux alertes, moins de faux positifs et plus de temps consacré à la chasse aux menaces, l’analyse des incidents et l’amélioration stratégique.

L’impact métier de ce changement se reflète dans les données du secteur. Selon le rapport Cost of a Data Breach 2025 d’IBM, les organisations qui utilisent largement l’IA et l’automatisation ont économisé en moyenne 1,9 million de dollars par violation et réduit le cycle de vie d’une violation de quatre-vingts jours. Avec un cycle de vie moyen mondial des violations de 241 jours en 2025, au plus bas depuis neuf ans, même des améliorations progressives de la vitesse se traduisent par une réduction significative des risques et des coûts.

Le constat est constant. Les équipes de sécurité cessent de réagir aux arriérés et commencent à opérer au rythme de la menace elle-même.

Pourquoi avancer lentement constitue le plus grand risque

La prudence vis-à-vis de l’IA en sécurité est compréhensible. Les systèmes de sécurité touchent des infrastructures critiques. Les erreurs sont très visibles, et les conséquences d’un échec sont réelles. Attendre des cas d’usage plus clairs, une gouvernance plus solide et des contrôles éprouvés peut sembler être le choix responsable.

Le défi, c’est que l’environnement de risque sous-jacent a changé. Les attaquants opèrent déjà à la vitesse de la machine, tandis que la plupart des programmes de sécurité répondent encore à la vitesse humaine. Chaque semaine passée à retarder une autonomie significative élargit cet écart. L’exposition s’accumule silencieusement, non pas parce que la détection échoue, mais parce que l’action ne parvient pas à suivre le rythme.

La plupart des organisations disposent déjà des signaux nécessaires. Les systèmes SIEM, EDR, de gestion des vulnérabilités et de gestion des correctifs génèrent une détection et un contexte de haute qualité. La contrainte, c’est l’exécution. Les alertes s’empilent. Les tickets attendent. Les décisions stagnent. L’IA agentique répond à cette contrainte en réduisant la distance entre détection et réponse. Plus cette distance demeure, plus la posture de sécurité s’éloigne de la réalité des menaces modernes.

En pratique, la résistance à la sécurité agentique est plus souvent organisationnelle que technique. La responsabilité des résultats pilotés par l’IA peut être floue. Les incitations peuvent récompenser le respect des processus plutôt que la réduction des risques. Les équipes peuvent percevoir l’automatisation comme une menace pour leur pertinence plutôt que comme une extension de leurs capacités.

Sur le plan opérationnel, c’est plutôt l’inverse qui tend à se vérifier. À mesure que l’autonomie augmente, le travail des analystes devient plus ciblé et plus précieux. La chasse aux menaces, l’analyse des incidents, la recherche sur les adversaires et les efforts d’amélioration architecturale se développent. Le triage manuel, la coordination des correctifs et les investigations répétitives reculent. L’expertise humaine est appliquée là où le jugement compte le plus.

Les organisations qui retardent l’adoption de la sécurité agentique ne restent pas immobiles. Elles choisissent d’opérer avec un modèle de réponse incapable de suivre le rythme des attaques modernes. Avec le temps, ce décalage devient la principale source de risque.

La transition est en cours

Les opérations de sécurité s’éloignent des modèles réactifs dans lesquels la détection crée des arriérés, les alertes génèrent du travail et les délais de réponse s’étendent sur plusieurs jours. Les programmes les plus avancés se réorganisent autour d’une exécution proactive, où les systèmes détectent les conditions, évaluent les risques et agissent en continu. Les agents autonomes absorbent le volume et la variabilité. Les équipes humaines se concentrent sur la stratégie, l’investigation et l’amélioration.

Cette évolution reflète un changement dans la manière dont la sécurité moderne doit fonctionner. Les adversaires automatisent déjà la reconnaissance, le développement d’exploits et les mouvements latéraux. Les attaques progressent sans attendre que les tickets soient triés ou que les approbations soient planifiées. Les programmes de sécurité qui restent liés à des workflows à vitesse humaine peinent à combler cet écart.

Ce qui distingue les organisations les plus efficaces, c’est leur capacité à fonctionner différemment. Elles conçoivent leurs dispositifs pour l’exécution autant que pour la détection. Elles encadrent l’autonomie de manière délibérée. Elles mesurent les résultats plutôt que l’activité. Au fil du temps, ce modèle opérationnel renforce son avantage, car la réponse s’améliore à mesure que les systèmes apprennent et que les équipes se recentrent.

La question qui se pose aux responsables de la sécurité n’est plus de savoir si l’autonomie a sa place dans les opérations de sécurité. Elle est de savoir si leur organisation est prête à exécuter la sécurité au rythme qu’exige désormais l’environnement.

Prêt à combler l’écart de vitesse en sécurité ?

Découvrez comment Ivanti Neurons for ITSM permet de mettre en place des workflows de sécurité autonomes, de la détection à la résolution, avec rapidité et contrôle.

Le service informatique invisible : comment offrir des expériences sans friction avec l’IA agentique

Thu, 18 Jun 2026 19:42:35 Z

Toutes les entreprises ont investi dans l’IA, mais beaucoup attendent encore que cet investissement porte ses fruits. Le rapport 2026 sur la maturité de l’IA d’Ivanti a révélé que seules 2 % des organisations déclarent ne pas utiliser l’IA aujourd’hui. Alors que la majorité des organisations dépassent le stade de l’expérimentation de l’IA, le véritable facteur de différenciation concurrentielle consiste à savoir si cette IA apporte une valeur métier continue, à grande échelle.

Les entreprises déploient des chatbots que les utilisateurs ignorent. Elles mettent en place des agents auxquels personne ne fait confiance et déploient des outils « optimisés par l’IA » que les collaborateurs finissent par contourner, ou ignorent au profit d’outils d’IA personnels et non approuvés. Le problème n’est pas ce que l’IA peut faire. C’est ce que vous demandez aux utilisateurs d’en faire. La plupart des organisations abordent l’IA comme une fonctionnalité à déployer plutôt que comme une expérience à concevoir. Elles se concentrent sur ce dont l’IA est capable, au lieu de partir des besoins réels des utilisateurs. Résultat : une solution de plus qui reste inutilisée et génère davantage de frustration que de valeur.

L’expérience numérique est le chaînon manquant qui distingue les déploiements d’IA réussis de ceux qui échouent. Les organisations qui donnent la priorité à l’expérience utilisateur de l’IA peuvent identifier les écueils de mise en œuvre qui détruisent la confiance des utilisateurs et élaborer un cadre pratique pour déployer une IA agentique qui apporte des améliorations sans interruption. L’IA et l’IT donnent le meilleur d’eux-mêmes lorsqu’ils agissent comme des superpouvoirs invisibles. Les utilisateurs ne remarquent pas la technologie ; ils remarquent la facilité avec laquelle ils accomplissent leur travail.

Le paradoxe de l’adoption de l’IA

Une étude du MIT suggère qu’environ 95 % des initiatives d’IA en entreprise ne parviennent pas à produire un ROI mesurable, la plupart restant bloquées au stade du pilote au lieu de se traduire par une réelle valeur métier à grande échelle.

Comment cela se produit : La direction valide une initiative d’IA, l’IT déploie la technologie, des sessions de formation sont planifiées, les indicateurs d’adoption sont suivis et, au bout de six mois... plus personne ne l’utilise. Le chatbot reste silencieux, l’assistant IA est à l’arrêt, et vos collaborateurs développent des contournements pour éviter les outils mêmes censés leur simplifier la vie.

Il ne s’agit pas d’un échec de la conduite du changement, mais du résultat d’une incompréhension de ce que vivent réellement les utilisateurs lorsque vous ajoutez l’IA à toutes les autres technologies qu’ils utilisent au travail.

Les utilisateurs ne veulent pas de l’IA pour l’IA. Ils veulent que leur ordinateur portable démarre plus vite, que les applications ne se figent pas en pleine présentation, que les appels vidéo ne soient pas saccadés et que les problèmes soient résolus avant même qu’ils ne remarquent quoi que ce soit. Si vous les obligez à interagir avec une interface d’IA pour obtenir tout cela, vous avez déjà perdu.

Lire aussi :Comment l’IA agentique pour l’ITOps libère de la valeur à grande échelle

Pourquoi la plupart des mises en œuvre de l’IA échouent sur l’expérience utilisateur

Entrez dans n’importe quel environnement IT d’entreprise et vous constaterez le même schéma. La checklist de mise en œuvre de l’IA est suivie à la lettre :

Fournisseur technologique sélectionné
Plateforme déployée
Intégrations configurées
Utilisateurs formés
Mise en production effectuée

Mais six mois plus tard, la réalité s’impose. Une enquête EY 2025 a révélé que 64 % des collaborateurs déclaraient une augmentation de leur charge de travail malgré les déploiements d’IA, tandis que seulement 5 % affirmaient exploiter pleinement l’IA pour réellement transformer leur travail.

L’IT a tout fait correctement selon le manuel. Mais le problème, c’est que ce manuel a été écrit par des personnes qui vendent de l’IA, pas par celles qui l’utilisent.

Prenons le déploiement typique d’un chatbot IA censé « favoriser le libre-service » et « réduire le volume de tickets ». Dans la pratique, cela signifie que les collaborateurs qui envoyaient auparavant un simple message Slack à l’IT doivent désormais :

Accéder à un portail distinct
Trouver comment formuler leur question de manière à ce que le bot la comprenne
Parcourir les articles de connaissances non pertinents remontés par l’IA
Finir par abandonner et soumettre quand même un ticket, désormais agacés et avec quinze minutes de retard

Le ticket est tout de même créé et le problème doit toujours être résolu, mais une friction est apparue là où il n’y en avait pas, parce que vous avez ajouté des étapes au lieu d’en supprimer.

C’est l’erreur fondamentale : considérer l’IA comme une interface avec laquelle les utilisateurs interagissent, plutôt que comme une infrastructure qui travaille pour eux. Dès que vous demandez aux utilisateurs de modifier leur comportement pour s’adapter à votre IA, vous créez de la résistance, pas de l’adoption.

L’expérience numérique : là où l’IA prouve sa valeur

Les organisations qui tirent une réelle valeur de l’IA ont cessé de se demander « Comment faire adopter cet outil d’IA par les utilisateurs ? » et ont commencé à se demander « Comment utiliser l’IA pour améliorer ce que les utilisateurs font déjà ? » C’est un changement subtil, aux implications considérables.

Dans la gestion de l’expérience numérique, l’IA ne se place pas entre l’utilisateur et son travail. Elle se place entre l’utilisateur et le chaos : dégradations de performance, pannes applicatives, ralentissements inexpliqués, problèmes qui ne se sont pas encore manifestés mais qui le feront dans les 30 prochaines minutes.

C’est là que l’IA agentique change fondamentalement le champ des possibles. Les outils de supervision traditionnels alertent les équipes lorsqu’un problème survient. L’IA agentique, elle, empêche la panne avant qu’elle ne se produise. C’est la différence entre un détecteur de fumée et un système d’extinction automatique.

Les opérations IT traditionnelles mesurent les réponses aux incidents en heures, voire en jours. L’IA agentique avec remédiation autonome change radicalement la donne, en réduisant le temps moyen de résolution de plusieurs heures à quelques minutes, voire quelques secondes, grâce à la détection de schémas et à l’exécution de correctifs avant que les problèmes ne s’aggravent.

Voici à quoi cela ressemble concrètement :

Opérations IT traditionnelles :

L’ordinateur portable d’un utilisateur commence à montrer les premiers signes d’une défaillance de disque.
Les outils DX traditionnels signalent le problème et créent un ticket.
Un analyste IT examine l’alerte, évalue la gravité, planifie une maintenance et finit par contacter l’utilisateur.
Temps total de résolution : plusieurs jours.
Impact sur votre organisation : interruption planifiée, migration des données et perte de productivité.

IA agentique

Avec l’IA agentique, le schéma est détecté avant même que l’utilisateur ne remarque un problème.
L’agent déclenche de manière autonome les processus de sauvegarde automatisés, provisionne un appareil de remplacement, prépare les applications et les données de l’utilisateur, puis planifie l’échange pendant une période de faible activité.
L’utilisateur reçoit un e-mail : « Votre nouvel ordinateur portable vous attendra à l’accueil demain matin. Votre configuration existante a été transférée. »
Aucun ticket créé, aucune escalade nécessaire, aucune interruption subie.

C’est le même problème, mais avec une expérience radicalement différente.

Élaborer un cadre de mise en œuvre de l’IA sans friction

Pour obtenir une IA invisible, il faut repenser la manière dont vous déployez, mesurez et faites évoluer les initiatives d’expérience numérique. Les organisations qui constatent un réel ROI avec l’IA agentique suivent un schéma cohérent, qui privilégie l’expérience plutôt que les fonctionnalités.

Commencez par les irritants, pas par les possibilités

Les pires mises en œuvre de l’IA commencent par la question : « Que peut faire cette IA ? » Les meilleures commencent par : « Qu’est-ce qui est aujourd’hui pénible, répétitif ou ralentit inutilement les utilisateurs ?

Cartographiez les irritants de votre expérience numérique avant de cartographier les capacités de l’IA :

Où les utilisateurs attendent-ils le plus longtemps la résolution de leurs problèmes ?
Quels problèmes génèrent des tickets récurrents ?
Quelles dégradations de performance se produisent de manière prévisible sans être détectées proactivement ?
Sur quelles tâches ne nécessitant pas de jugement humain l’IT passe-t-elle le plus de temps ?

Ce sont des problèmes d’expérience utilisateur que l’IA peut éliminer, pas de simples « cas d’usage de l’IA », et la distinction est importante. Lorsque vous partez des irritants, vous aboutissez à des solutions que les utilisateurs souhaitent réellement.

Déployez l’IA derrière l’expérience

Les utilisateurs ne devraient jamais avoir à décider s’ils doivent interagir avec votre IA, car c’est votre rôle en tant qu’implémenteur. Concrètement, cela se traduit par :

Des agents autonomes qui détectent et résolvent les problèmes avant qu’une assistance ne soit nécessaire plutôt qu’un bot auquel les utilisateurs doivent demander de l’aide.
Un moteur d’insights prédictifs qui propose des solutions aux utilisateurs avant qu’ils ne les recherchent plutôt qu’un portail en libre-service avec recherche optimisée par l’IA.
Des systèmes autoréparateurs qui exécutent automatiquement les recommandations dans les limites approuvées plutôt que des recommandations optimisées par l’IA que les utilisateurs doivent appliquer eux-mêmes.

Le schéma est cohérent : réduire les points de décision pour l’utilisateur, éliminer les étapes supplémentaires et supprimer le besoin d’une maîtrise approfondie de l’IA. Votre IA agentique ne devrait nécessiter aucune formation utilisateur, car les utilisateurs ne devraient jamais interagir directement avec elle.

Mesurez l’expérience utilisateur, pas les performances de l’IA

C’est là que la plupart des mises en œuvre dérapent : elles mesurent les performances de l’IA plutôt que les résultats pour les utilisateurs.

Si vous suivez le nombre d’interactions avec l’IA, le temps de réponse de l’IA, les scores de précision des modèles ou le taux d’automatisation, vous ne mesurez pas les bons éléments.

À la place :

Suivez la réduction du temps moyen de résolution des problèmes des utilisateurs finaux. Le rapport 2026 sur la maturité de l’IA d’Ivanti a révélé que 45 % des professionnels IT déclarent que l’IA a rendu leur travail plus rapide et plus efficace.
Suivez la satisfaction déclarée par les utilisateurs concernant la réactivité de l’IT.
Suivez le pourcentage de problèmes résolus avant que les utilisateurs ne les remarquent.
Suivez le temps gagné sur les demandes répétitives.
Suivez la réduction du volume de tickets, non pas parce que vous détournez les problèmes, mais parce que vous les prévenez.

Le cadre de gouvernance qui rend possible l’autonomie de l’IA

Ce qui ralentit réellement la plupart des déploiements d’IA agentique n’est pas un problème technique : il s’agit de mettre les parties prenantes à l’aise avec l’idée que l’IA agisse sans demander d’autorisation au préalable.

Niveau d’autonomie	Niveau de risque	Exemples d’actions
Autonomie complète	Faible	Vidage du cache, redémarrages de services, optimisation des performances, application de correctifs de routine
Autonomie avec notification	Moyen	Réinitialisations de profils utilisateur, réinstallations d’applications, mises à jour de pilotes
Approbation humaine requise	Élevé	Modifications majeures de configuration, migrations de données, modifications d’infrastructure
Piloté par l’humain, assisté par l’IA	Critique	Réponse aux incidents de sécurité, décisions de conformité, approbations budgétaires

L’essentiel est de reconnaître que le « risque élevé » diminue avec le temps, à mesure que les agents IA prouvent leur fiabilité et que votre supervision détecte des schémas que vous n’aviez pas anticipés au départ. Les organisations qui considèrent la gouvernance de l’IA comme statique se retrouvent avec une IA qui n’en fait pas assez pour compter. Celles qui la considèrent comme dynamique obtiennent une IA qui élargit continuellement son impact tout en maintenant la sécurité.

À quoi ressemble la réussite

Les organisations qui mettent en œuvre des expériences de service optimisées par l’IA constatent des gains de satisfaction significatifs. Une étude de PwC a montré que les mises en œuvre les plus avancées ont obtenu des améliorations de NPS de 10 à 15 %, tout en gagnant en efficacité opérationnelle.

La conversation autour de l’IA change. Les utilisateurs cessent de parler de l’IT comme de quelque chose qui les freine, puis cessent tout simplement d’en parler, ce qui est précisément l’objectif. L’IT devient une infrastructure : invisible, fiable et présente uniquement lorsque cela est nécessaire de manière intentionnelle.

Votre centre de services constate le changement en premier, par exemple :

Le volume de tickets diminue, non pas parce que vous détournez les problèmes, mais parce que vous les prévenez
Les escalades diminuent, car l’IA détecte et résout les problèmes à des stades de plus en plus précoces
Le temps des analystes est réalloué de la gestion réactive des urgences à l’amélioration proactive des systèmes
Le temps moyen de résolution se réduit, car la remédiation intervient souvent plus vite que la détection ne le faisait avec l’ancien modèle

Pour les utilisateurs finaux, l’expérience est plus simple : tout fonctionne, les applications sont réactives, les systèmes sont disponibles et les ralentissements ne se transforment pas en pannes. Et les mystérieux problèmes de performance dont se plaignent leurs collègues ne leur arrivent curieusement pas, non pas parce qu’ils ont de la chance, mais parce que des agents IA optimisent en continu leur expérience, de manière totalement invisible pour eux.

Le véritable indicateur d’adoption, c’est le moment où les utilisateurs cessent de penser à l’IT. Non pas parce qu’ils l’ignorent, mais parce qu’il n’y a tout simplement plus rien à signaler.

Le vrai choix : IA invisible ou IA ignorée

Chaque organisation déploiera l’IA dans la gestion de l’expérience numérique. La question n’est pas de savoir si elle le fera, mais comment, et surtout si les utilisateurs en tireront réellement bénéfice ou se verront simplement imposer un outil supplémentaire.

Cela exige de repenser en profondeur la manière dont vous mettez en œuvre, mesurez et faites évoluer les initiatives d’IA. Faites-le correctement, et vous transformerez la perception de l’IT dans votre organisation : d’un centre de coûts en avantage concurrentiel, d’une gestion réactive des urgences en levier proactif, d’une charge nécessaire en infrastructure invisible qui fonctionne, tout simplement.

La meilleure IA, comme le meilleur IT, est celle que l’on ne voit jamais. Les utilisateurs ne font pas l’expérience de votre technologie, mais de l’absence de problèmes. Et c’est précisément l’objectif.

Prêt à améliorer votre expérience numérique grâce à l’IA agentique ?

Découvrez comment Ivanti Neurons for ITSM déploie une IA agentique qui travaille en arrière-plan, anticipe les problèmes, les résout de manière autonome et optimise les expériences avant même que les utilisateurs ne remarquent quoi que ce soit.

Shadow IT et angles morts de la découverte liés à l’IA : ce que les outils legacy ne voient pas

Mon, 15 Jun 2026 13:34:10 Z

Demandez à trois équipes quels actifs existent dans votre environnement, et vous obtiendrez trois réponses différentes. La plupart des organisations ne manquent pas d’outils. Elles manquent d’un consensus sur ce qui existe réellement dans leur environnement. Les données relatives aux actifs, aux terminaux et au cloud existent, mais elles sont fragmentées, obsolètes et jugées différemment fiables selon les équipes, les départements et les fonctions.

La raison de ce décalage ? À l’ère de l’IA, les environnements évoluent plus vite que ce que les outils de découverte legacy ont été conçus pour gérer. Les workloads cloud sont lancés puis disparaissent en quelques minutes, souvent provisionnés automatiquement pour des tests, la montée en charge ou des projets de courte durée. Mais l’écart se creuse encore davantage avec les services d’IA, les copilotes, les API et les modèles intégrés, ainsi qu’avec les outils basés sur navigateur et les workflows d’automatisation, que les équipes adoptent sans passer par le provisionnement IT standard.

Lorsque les outils de découverte traditionnels analysent enfin l’environnement, ces ressources peuvent déjà avoir disparu ou ne jamais apparaître dans les systèmes sur lesquels l’IT s’appuie comme source unique de vérité — ne laissant aucun enregistrement, aucun propriétaire et aucun contexte opérationnel partagé. Dans le même temps, l’adoption du SaaS continue de progresser dans tous les départements, les appareils distants se connectent rarement au réseau d’entreprise, et les identités, les intégrations et les flux de données comptent désormais autant que les appareils. Pourtant, de nombreuses organisations s’appuient encore sur des approches de découverte conçues pour un monde de terminaux statiques et de périmètres prévisibles.

Le résultat est au mieux une visibilité partielle, et partout ailleurs des angles morts qui se multiplient.

En 2026, l’écart de visibilité est désormais un véritable gouffre, et les données sont sans appel. Selon les recherches d’Ivanti sur l’Autonomous Endpoint Management, 45 % des professionnels de l’IT déclarent ne pas disposer de données suffisantes sur le shadow IT, et 38 % indiquent manquer de données sur les appareils qui accèdent au réseau. Ce problème est amplifié dans les environnements cloud.

Des travaux de recherche 2025 de SecPod ont révélé que 67 % des organisations rencontrent des angles morts dans leurs inventaires d’actifs cloud, confirmant que même les organisations équipées d’outils IT et de sécurité modernes fonctionnent encore avec une visibilité incomplète.

Ces angles morts créent bien plus que des lacunes d’inventaire. Lorsque les équipes ne parviennent pas à s’accorder sur les actifs réels, actifs ou décommissionnés, l’IT et la sécurité travaillent selon des calendriers contradictoires. La réponse aux incidents ralentit. La hiérarchisation de l’exposition se dégrade. Les équipes de sécurité traitent les alertes sans contexte. Les responsables IT passent des heures à rapprocher des feuilles de calcul au lieu de réduire les risques.

Ce qui rend la situation particulièrement coûteuse, ce n’est pas seulement le manque de données, mais le retard dans l’action. Lorsque les équipes ne peuvent pas faire confiance à ce qui existe dans leur environnement, chaque réponse ralentit : les incidents prennent plus de temps à résoudre, les audits nécessitent un rapprochement manuel, et les décisions liées au risque sont prises avec un contexte incomplet. Les écarts de visibilité n’augmentent pas seulement l’exposition ; ils consomment du temps, de l’attention et la confiance opérationnelle des équipes IT et de sécurité.

L’expérience d’Ivanti auprès de grandes entreprises hybrides fait apparaître un schéma clair. Les écarts de visibilité existent rarement parce que les équipes ne déploient pas d’outils de découverte, mais parce que ces outils n’ont jamais été conçus pour partager ou rapprocher les données à la vitesse exigée par les environnements modernes.

Les outils legacy ne sont pas simplement dépassés. Ils sont fondamentalement incompatibles avec la vitesse et la complexité de l’IT moderne.

Là où les outils legacy prennent du retard

Les limites des outils de découverte legacy relèvent de cinq catégories, qui se renforcent mutuellement :

Visibilité fragmentée

Selon le rapport 2025 d’Ivanti Securing the Borderless Digital Landscape, deux appareils périphériques sur cinq échappent actuellement à la gestion et à la supervision de l’IT. Aujourd’hui, presque toutes les organisations disposent de comptes cloud non autorisés, mais les solutions de découverte traditionnelles ne reflètent pas cette réalité. La plupart des outils ponctuels ne capturent qu’une partie de l’environnement et la rapprochent rarement dans une vue opérationnelle partagée. Pour les directeurs IT, cette fragmentation signifie devoir jongler entre plusieurs tableaux de bord lors des pannes et des audits. Pour les DSI, elle se traduit par des dépenses inutiles et des décisions retardées. Lorsqu’aucune équipe ne fait suffisamment confiance aux données pour agir avec assurance, c’est toute l’organisation qui ralentit.

Dépendance aux agents

La découverte basée sur des agents continue de jouer un rôle important dans l’IT moderne, en particulier pour collecter une télémétrie riche à partir de terminaux gérés. Le problème survient lorsque la découverte repose uniquement sur des agents. Dans les environnements hybrides, de nombreux actifs ne peuvent pas prendre en charge un agent. Des workloads cloud temporaires peuvent n’exister que quelques minutes ou quelques heures. Les applications SaaS et les services gérés ne permettent pas du tout le déploiement d’agents. Les appareils de sous-traitants, les terminaux personnels et les systèmes non gérés échappent souvent aux politiques de contrôle de l’entreprise.

Par conséquent, ces actifs n’apparaissent jamais dans les inventaires qui reposent exclusivement sur la collecte par agent. La faille ne vient pas des agents eux-mêmes, mais du fait de s’appuyer sur une seule méthode de collecte incapable de couvrir toute l’étendue des environnements modernes.

Cette limite structurelle contribue directement aux écarts de visibilité auxquels les organisations continuent d’être confrontées. Selon les travaux de recherche 2025 de Trend Micro, près de trois organisations sur quatre ont subi des incidents de sécurité causés par des actifs inconnus ou non gérés. Ces chiffres montrent comment la découverte reposant uniquement sur des agents laisse systématiquement des pans importants de l’environnement sans surveillance.

Le rapport 2025 d’Ivanti sur l’expérience numérique des collaborateurs a révélé que 27 % des employés de bureau utilisent régulièrement des outils et applications non autorisés, souvent par frustration vis-à-vis des technologies fournies par leur employeur. Ce comportement étend la surface d’attaque plus vite que les méthodes de découverte traditionnelles ne peuvent réagir.

Angles morts liés au risque et à l’exposition

Lorsque certaines parties de l’environnement restent invisibles, les organisations perdent leur capacité à maintenir des contrôles de sécurité cohérents. Les appareils non surveillés, les ressources cloud non reconnues et les services SaaS non approuvés contournent souvent l’application de correctifs, les référentiels de configuration et l’application des politiques. Ces angles morts ouvrent des voies que les attaquants peuvent exploiter, qu’il s’agisse de mauvaises configurations, de workloads non corrigés ou d’actifs oubliés.

Analyses lentes et ponctuelles

Les analyses périodiques ne peuvent pas suivre la vitesse du cloud ni le renouvellement constant des environnements SaaS. SecPod a constaté que seules 42 % des organisations disposent d’une surveillance en temps réel, ce qui laisse de larges fenêtres pendant lesquelles les mauvaises configurations passent inaperçues. Les incidents très médiatisés impliquant des buckets de stockage cloud exposés, des points de terminaison d’API non sécurisés et des contrôles d’accès mal configurés continuent de montrer comment des ressources éphémères ou mal suivies peuvent introduire des risques bien avant que les équipes ne sachent qu’elles existent.

Rapprochement manuel

Les données issues de feuilles de calcul, de l’ITSM, des CMDB et d’outils déconnectés concordent rarement. Selon une étude de cybersécurité menée en 2025 par Bedrock Security, 82 % des organisations signalent des écarts de visibilité dans leur paysage d’actifs, dus à des sources de données fragmentées et à une responsabilité des actifs incohérente. Ces angles morts compliquent la normalisation et le rapprochement des inventaires cloud, SaaS et sur site, laissant les équipes sécurité et IT dans l’incertitude quant à l’exhaustivité ou l’exactitude de leurs données d’actifs.

Ces limites ralentissent les opérations, affaiblissent la sécurité et créent des angles morts persistants dans l’ensemble du parc, précisément les problèmes que les outils de découverte legacy n’ont jamais été conçus pour résoudre.

Un modèle de visibilité gouverné par la plateforme pour un monde moderne

Multiplier les analyses ou déployer une autre solution ponctuelle ne suffira pas à combler l’écart de visibilité. L’environnement actuel exige une approche fondamentalement différente.

Les environnements modernes nécessitent de passer d’une découverte périodique à une intelligence continue et partagée, à laquelle plusieurs équipes peuvent faire confiance. Un modèle de visibilité gouverné par la plateforme établit un système de référence partagé pour les données d’actifs et de configuration dans l’IT et la sécurité, qui normalise, rapproche et distribue en continu un contexte opérationnel fiable.

La découverte active et la découverte passive fonctionnent ensemble pour faire apparaître les appareils gérés, les terminaux non gérés, les workloads cloud, les applications SaaS, les actifs distants et les identités qui leur sont associées. En pratique, cela nécessite un socle de données opérationnelles partagé, capable de gouverner l’intelligence des actifs et des configurations entre les systèmes, afin que les équipes travaillent à partir des mêmes vues plutôt que d’enregistrements fragmentés ou contradictoires.

Données cœur de plateforme et système de référence

L’Ivanti Neurons Platform sert de couche de données opérationnelles faisant autorité pour l’IT et la sécurité, en gouvernant les actifs, les terminaux et l’état de configuration au moyen d’un système de référence mis à jour en continu. Cette couche de données opérationnelles gouvernée par la plateforme maintient une vue continuellement actualisée de l’inventaire des actifs et des appareils, du contexte et des relations de support, ainsi que des informations relatives au parc logiciel.

Un moteur de découverte continue ingère en permanence des signaux provenant de tout l’environnement, puis les normalise, les déduplique et les rapproche afin de produire des données opérationnelles propres et cohérentes. Ce socle de données gouverné est celui sur lequel l’automatisation et l’IA s’appuient pour agir de manière sûre et précise, afin que les décisions reposent sur la réalité opérationnelle actuelle plutôt que sur des entrées fragmentées ou contradictoires.

Lorsque les systèmes d’exécution consomment ces données gouvernées par la plateforme, les équipes peuvent agir en toute confiance dans l’IT et la sécurité. Lorsque la gestion des services IT est concernée, ces mêmes données opérationnelles peuvent s’étendre aux workflows ITSM et CMDB, tout en prenant également en charge des cas d’usage ITAM tels que le suivi du cycle de vie et la gestion des droits logiciels.

Normaliser et rapprocher en continu

Une couche d’intelligence unifiée nettoie, déduplique et corrèle les enregistrements et les signaux d’usage provenant de chaque source, créant un jeu de données d’actifs partagé, mis à jour en continu et adapté aux besoins d’audit opérationnel.

Associer les expositions aux actifs réels

L’agrégation des expositions relie les vulnérabilités et les mauvaises configurations aux appareils, utilisateurs et propriétaires de services précisément concernés, améliorant ainsi la hiérarchisation des vulnérabilités et accélérant la remédiation.

Transformer la visibilité en action

Alors que les environnements continuent d’évoluer plus vite que les outils traditionnels ne peuvent réagir, les organisations doivent repenser la manière dont la visibilité est obtenue et partagée. La voie à suivre ne commence pas par le remplacement de chaque outil, mais par la mise en place d’un socle de visibilité fiable, qui s’intègre aux systèmes existants et permet de prendre de meilleures décisions partout ailleurs.

Ce socle de visibilité en temps réel, gouverné par la plateforme, permet l’Autonomous Endpoint Management. Alimenté par l’Ivanti Neurons Platform, il agit avec confiance en déclenchant la remédiation, l’application de correctifs, l’application des configurations et l’auto-réparation sur la base d’un état opérationnel vérifié.

Pour les organisations limitées par des approches de découverte legacy, cela signifie :

Passer d’instantanés périodiques à une intelligence continue.
Passer d’outils isolés à un contexte partagé.
Remplacer le rapprochement manuel par une confiance automatisée.

La découverte moderne gouvernée par la plateforme ne se contente pas d’améliorer la visibilité. Elle crée les conditions de l’action : les informations peuvent déclencher de manière fiable la remédiation, l’automatisation et la vérification, au lieu de rester bloquées dans des tableaux de bord.

Prêt à éliminer définitivement les angles morts ? Découvrez comment l’Ivanti Neurons Platform établit une visibilité fiable sur les actifs et les configurations, et permet à la gestion autonome des terminaux, à la gestion de l’exposition et aux workflows ITSM d’agir sur des données opérationnelles gouvernées dans les environnements hybrides.

Comment l’IA agentique transforme l’infrastructure et les opérations

Thu, 11 Jun 2026 13:37:44 Z

Les équipes Infrastructure et opérations (I&O) évoluent depuis longtemps dans un paradoxe bien connu : plus l’entreprise se développe rapidement, plus l’I&O absorbe de pression. Chaque nouveau déploiement d’application, chaque endpoint ajouté et chaque charge de travail cloud lancée génèrent davantage de complexité, de risques et de tickets.

Les réponses traditionnelles à cette pression — davantage d’effectifs, d’outils, de scripts et d’API — n’ont apporté, au mieux, qu’un soulagement progressif. Pourtant, le problème structurel de fond, l’architecture sous-jacente des opérations réactives, est resté obstinément intact. Jusqu’à aujourd’hui.

L’IA agentique réinvente entièrement cette architecture.

L’IA dans l’IT et les opérations (I&O) a dépassé la phase d’assistance et de recommandation. Les agents autonomes capables de raisonner, de planifier, d’exécuter et d’apprendre sont désormais opérationnels, et ne sont plus seulement des éléments de feuille de route. Les organisations qui déploient délibérément l’IA agentique constatent déjà des bénéfices significatifs. Notre rapport d’étude 2026 sur la maturité de l’IA révèle que 57 % des organisations IT utilisent l’IA agentique pour plusieurs workflows IT importants, et que 17 % s’appuient sur elle pour des processus de bout en bout étendus. Ce déploiement permet de réduire les délais de résolution, qui passent de plusieurs heures à quelques minutes, et de détourner des milliers de tickets manuels par trimestre.

De plus, 89 % des organisations ayant déployé l’IA à grande échelle ou à un niveau critique pour l’activité déclarent que l’IA aide fréquemment leurs équipes à détecter les problèmes avant même que les utilisateurs finaux n’en aient conscience, contre 43 % au stade des premières expérimentations. Cette évolution fait passer l’I&O d’une posture réactive à une posture proactive et intelligente.

La question qui demeure est de savoir à quelle vitesse votre organisation peut réussir la transition vers la mise en œuvre de l’IA agentique à grande échelle dans votre environnement I&O.

En savoir plus :Transformer l’IT avec l’IA agentique : l’avènement d’un service autonome et accéléré

Pourquoi nous avons atteint les limites de l’automatisation traditionnelle

Pour comprendre l’importance de l’IA agentique, il est utile d’examiner ce qui l’a précédée et pourquoi cela n’a jamais suffi.

L’automatisation traditionnelle dans l’I&O a apporté une valeur considérable. Les runbooks ont codifié le savoir institutionnel. Les scripts ont standardisé les processus répétitifs. Les bots de Robotic Process Automation (RPA) gèrent des workflows structurés fondés sur des règles. Ces outils ont réduit l’effort manuel à la marge et permis aux équipes d’en faire davantage avec les mêmes effectifs. Mais ils ont toujours été fondamentalement fragiles : dépendants d’instructions explicites, incapables de s’adapter à des situations inédites et inaptes à agir sans intervention humaine.

Prenons un scénario classique : un déploiement de correctif échoue sur un sous-ensemble d’endpoints à 2 h du matin. Une automatisation fondée sur des règles pourrait enregistrer l’échec et créer un ticket. Un script plus complexe pourrait tenter une nouvelle exécution. Mais ni l’un ni l’autre ne peut diagnostiquer si l’échec provient d’une application en conflit, d’un agent corrompu, d’un problème de segmentation réseau ou d’une dérive de configuration de stratégie. Aucun ne peut adapter sa stratégie de remédiation en temps réel. Aucun ne peut communiquer le contexte au centre de services, mettre à jour la CMDB ou escalader intelligemment selon la criticité des actifs concernés. Un ingénieur humain est alerté. Le cycle continue.

C’est la limite de l’automatisation traditionnelle : elle exécute des instructions, mais elle ne réfléchit pas. Elle automatise des tâches, mais elle ne peut pas orchestrer des résultats. Et à mesure que les environnements d’infrastructure sont devenus exponentiellement plus complexes — couvrant les architectures on-premise, multicloud, edge et hybrides — l’écart entre ce que l’automatisation fondée sur des règles peut gérer et ce dont les équipes I&O ont besoin s’est transformé en véritable fossé.

L’IA agentique est la réponse pour combler cet écart.

Ce que signifie l’IA agentique pour l’I&O

Les systèmes d’IA agentique peuvent définir des objectifs de manière autonome, élaborer des plans pour les atteindre, mener des actions en plusieurs étapes sur différents outils et systèmes, évaluer les résultats et ajuster leur approche, le tout sans intervention humaine à chaque étape. Contrairement à un chatbot qui répond à une question ou à un script qui exécute un workflow prédéfini, un système agentique est orienté objectif et adaptatif. Il intervient sur l’ensemble du cycle de vie d’une tâche, de l’identification à la résolution.

Dans le contexte de l’I&O, cela signifie qu’un agent autonome peut réaliser ce qui exigeait auparavant un ingénieur qualifié ou une chaîne complexe et fragile de scripts d’automatisation : corréler des signaux issus de systèmes de supervision disparates, identifier la cause racine d’un incident, exécuter la remédiation appropriée, vérifier que le correctif a fonctionné, mettre à jour les enregistrements concernés et boucler la boucle, le tout dans le temps qu’il faudrait à un humain pour ouvrir un ticket.

Le changement n’est pas seulement opérationnel ; il est aussi philosophique. Nous passons d’un modèle où les humains déclenchent l’action et l’automatisation l’exécute, à un modèle où les agents intelligents initient, exécutent et vérifient l’action, tandis que les humains assurent la supervision et la gouvernance. Pour les responsables I&O, ce n’est pas une menace pour l’équipe. C’est le plus puissant multiplicateur d’efficacité dont votre équipe ait jamais disposé.

L’IA agentique donne à l’I&O les moyens d’évoluer à grande échelle

La file d’attente des tickets du centre de services est le symptôme le plus visible d’une fonction I&O sous tension. Réinitialisations de mots de passe, installations de logiciels, provisionnement des accès, dépannage de la connectivité : ces demandes à fort volume et faible complexité consomment une part considérable du temps des analystes et font augmenter les coûts opérationnels. Elles sont aussi particulièrement frustrantes pour les employés qui ont besoin d’une résolution immédiate, et non après un délai de SLA de 48 heures.

En savoir plus :De preneur de tickets à leader d’équipe : gérer une main-d’œuvre IT agentique

Éliminer la tyrannie de la file d’attente des tickets

L’IA agentique élimine la file d’attente comme goulot d’étranglement. Imaginez disposer d’un agent d’IA conversationnelle, comme Ivanti Neurons AI Self Service Agent, qui ne se contente pas d’extraire une réponse d’une base de connaissances : il valide l’identité, vérifie la politique de conformité, exécute le workflow de provisionnement, confirme le changement dans le système d’enregistrement et informe le demandeur, le tout en quelques minutes. Le ticket n’atteint jamais un analyste humain. Le temps de l’analyste est récupéré pour des travaux nécessitant un jugement humain.

Imaginez maintenant donner à un analyste davantage de temps pour traiter des tâches complexes. Un coéquipier numérique d’IA agentique travaille aux côtés d’un agent humain pour l’assister avec des insights proactifs, le conseiller sur la meilleure manière de résoudre le problème et automatiser les actions intelligentes.

Les organisations qui déploient l’IA agentique dans leur centre de services signalent régulièrement des réductions significatives du volume de tickets, souvent dès la première année de déploiement, avec un effet qui s’accentue à mesure que le système mûrit et apprend. Ce n’est pas de l’automatisation au sens traditionnel. C’est une orchestration intelligente à grande échelle.

Une remédiation proactive avant que les utilisateurs n’en ressentent l’impact

Les incidents les plus coûteux en I&O sont ceux qui auraient pu être évités. Une capacité disque qui n’a pas été surveillée jusqu’à atteindre 100 %. Des expirations de certificats qui n’ont pas été suivies jusqu’à l’interruption des services. Des vulnérabilités logicielles qui n’ont été corrigées qu’après avoir été exploitées. Avec le recul, ces défaillances étaient presque toujours prévisibles : les signaux étaient présents. Le problème, c’est que personne ne surveillait tout, en permanence.

La gestion autonome des endpoints avec l’IA agentique surveille en continu la télémétrie sur les endpoints, les réseaux, les applications et l’infrastructure cloud. Les agents détectent les anomalies, corrèlent les signaux faibles et initient la remédiation avant qu’un problème ne se manifeste sous forme de panne ou d’incident de sécurité. Un disque dont la capacité approche de la limite est étendu. Un certificat arrivant à expiration est renouvelé. Un endpoint vulnérable est corrigé lors de sa prochaine fenêtre de maintenance, avant que son exploitation ne devienne un risque.

Ce passage du réactif au proactif est la capacité la plus précieuse que l’IA agentique apporte à l’I&O. Elle ne se contente pas de réduire le coût des incidents : elle les évite, avec les temps d’arrêt, les perturbations métier et l’atteinte à la réputation qui les accompagnent. Pour les responsables I&O, cette évolution redéfinit la réussite opérationnelle. Elle déplace la mesure du délai moyen de résolution — une métrique réactive — vers le délai moyen de prévention : la fréquence à laquelle votre environnement détecte et corrige les problèmes avant qu’ils n’aient un impact sur l’activité.

Évoluer à grande échelle sans augmenter les effectifs

Les environnements IT d’entreprise se développent plus vite que les budgets IT. Le ratio d’endpoints par ingénieur continue d’augmenter. Les charges de travail cloud se multiplient. Les exigences de sécurité s’intensifient. Dans ce contexte, le levier traditionnel consistant à « recruter davantage » n’est ni financièrement soutenable ni opérationnellement suffisant : le marché des talents ne peut tout simplement pas fournir le volume d’ingénieurs qualifiés requis.

L’IA agentique redéfinit l’équation de la montée en charge. Un agent autonome n’a pas d’horaires de travail standard, de limites de bande passante cognitive ni de délais d’intégration. Il peut gérer des centaines de tâches simultanées sur des milliers d’endpoints sans dégradation des performances ni de la qualité. À mesure que l’environnement se développe, l’agent évolue avec lui, non pas de manière linéaire, mais exponentielle. Un agent autonome bien configuré peut couvrir une charge de travail auparavant répartie entre plusieurs analystes juniors, libérant les ingénieurs seniors pour qu’ils se concentrent sur l’architecture, l’innovation et les initiatives stratégiques plutôt que sur la remédiation de routine.

Il ne s’agit pas de remplacer les personnes. Il s’agit de leur permettre d’opérer au niveau que méritent leurs compétences.

Le système d’enregistrement comme fondation de la réussite

Déployer efficacement l’IA agentique exige plus qu’un moteur d’IA performant. Cela nécessite une fondation de données fiable et complète — et cette fondation est votre système d’enregistrement intégré à la plateforme Ivanti Neurons, qui contient une source de données faisant autorité, notamment l’intelligence des appareils, les vulnérabilités et expositions, l’inventaire logiciel et les informations de gestion des services. Un système d’enregistrement qui sait quels actifs existent, qui en est propriétaire et s’ils sont conformes.

Un système d’enregistrement dans le contexte de l’I&O est la source de vérité faisant autorité pour votre environnement IT : chaque actif matériel et logiciel, chaque configuration, chaque relation, chaque politique, chaque changement. C’est la couche d’intelligence qui permet à un agent autonome de prendre des décisions en toute confiance. Sans elle, un agent opérant dans votre environnement en est réduit à faire des suppositions. Avec elle, il raisonne à partir de faits.

Le système d’enregistrement le plus efficace pour l’IA agentique en I&O réunit plusieurs éléments essentiels. Les données de la Configuration Management Database (CMDB) doivent être exactes, à jour et enrichies : non pas le référentiel obsolète, mis à jour manuellement, dont la plupart des organisations ont hérité, mais un enregistrement maintenu dynamiquement de votre environnement réel. La gestion des actifs IT (ITAM) permet de gérer les actifs de leur création à leur mise au rebut et de garantir le maintien d’une propriété exacte.

Les workflows de gestion des services doivent être entièrement intégrés afin que les agents puissent créer, mettre à jour et résoudre des tickets dans le cadre de leur flux d’exécution. Les données d’identité et d’accès doivent être accessibles, ce qui permet aux agents de prendre des décisions conformes aux politiques en matière de provisionnement et de droits. Enfin, les flux de télémétrie issus des outils de supervision, de gestion des vulnérabilités et de performance doivent alimenter un contexte unifié que les agents peuvent interroger en temps réel.

Lorsque ces éléments sont en place, les agents autonomes agissent avec précision. Ils savent quels actifs sont critiques et lesquels ne le sont pas. Ils savent quels changements nécessitent une approbation et lesquels relèvent de périmètres d’automatisation définis. Ils connaissent l’historique d’un actif — défaillances précédentes, correctifs en attente, logiciels installés, vulnérabilités actives — et appliquent ce contexte à chaque décision.

Les organisations qui tentent de déployer l’IA agentique sans investir dans leur système d’enregistrement constatent généralement que leurs agents produisent des résultats incohérents ou nécessitent une correction humaine constante. L’IA n’est aussi intelligente que les données auxquelles elle a accès. Investir dans la qualité et l’intégration des données n’est pas un prérequis que l’on peut reporter : c’est ce qui détermine si l’IA agentique apporte une valeur transformationnelle ou une amélioration marginale.

Valeur métier : au-delà des métriques d’efficacité

Les bénéfices opérationnels de l’IA agentique en I&O sont convaincants en eux-mêmes. Des délais de résolution plus courts. Des volumes de tickets réduits. Un délai moyen de détection et de remédiation plus faible. Ce sont des métriques qui parlent aux responsables I&O et justifient l’investissement sur la seule base de l’efficience des coûts.

Mais la valeur métier va bien au-delà du tableau de bord du centre de services.

Lorsque les équipes I&O sont libérées du travail réactif et répétitif, elles réorientent leur capacité vers les initiatives qui créent une différenciation concurrentielle : accélérer le déploiement des applications, renforcer la posture de sécurité, permettre les programmes de transformation numérique et bâtir l’infrastructure résiliente et évolutive dont l’entreprise a besoin pour se développer. La fonction I&O évolue d’un centre de coûts absorbant le bruit opérationnel vers un facilitateur stratégique qui façonne les résultats métier.

L’expérience employé est une dimension souvent sous-estimée de cette valeur. Lorsque les employés reçoivent des réponses instantanées et intelligentes à leurs demandes au lieu d’attendre plusieurs jours dans des files de tickets, leur productivité augmente et leur frustration vis-à-vis de l’IT diminue. Dans un monde où l’expérience employé constitue un différenciateur concurrentiel pour l’acquisition et la rétention des talents, une fonction IT fluide et réactive est un véritable atout métier.

L’IA agentique apporte également une réduction significative des risques. Dans un environnement où un seul incident de ransomware peut coûter des millions en temps d’arrêt et en remédiation, et où les sanctions réglementaires liées à la non-conformité de sécurité s’accélèrent, la gestion proactive des vulnérabilités et l’application automatisée des politiques offrent une atténuation quantifiable des risques, qui trouve un écho bien au-delà de l’organisation IT, au niveau du conseil d’administration et de la direction financière.

Enfin, la valeur de l’IA agentique se renforce au fil du temps. Chaque interaction, chaque résolution, chaque décision d’escalade génère des données qui améliorent les performances futures de l’agent. Contrairement à l’automatisation statique qui se dégrade à mesure que les environnements évoluent, les systèmes agentiques s’adaptent et s’améliorent, générant des retours croissants sur l’investissement initial.

La voie à suivre

L’infrastructure et les opérations connaissent une transformation décisive. Les systèmes que nous supervisons aujourd’hui sont plus complexes, plus étendus et plus essentiels à la réussite de l’entreprise que jamais dans l’IT d’entreprise. Les exigences pesant sur l’I&O sont à leur plus haut niveau. Pourtant, le modèle opérationnel conventionnel, qui repose sur des interventions manuelles réactives et une automatisation fragile pilotée par des règles, a atteint son potentiel maximal.

L’IA agentique offre un modèle fondamentalement supérieur : un modèle dans lequel des agents intelligents et autonomes prennent en charge les tâches de gestion de l’infrastructure à fort volume, sensibles au temps et de plus en plus complexes, en continu, avec précision et à grande échelle, tandis que vos ingénieurs se concentrent sur le travail stratégique qui rend votre organisation plus compétitive et résiliente.

Les organisations qui investissent aujourd’hui dans cette capacité ne se contentent pas d’améliorer leurs opérations IT. Elles construisent une fonction I&O capable de répondre aux exigences de la prochaine décennie de technologies d’entreprise. Nous pensons que c’est le standard vers lequel chaque responsable I&O devrait tendre, et que l’IA agentique est l’outil le plus puissant disponible pour y parvenir.

Découvrez comment les capacités d’IA agentique d’Ivanti aident les équipes I&O à transformer leurs opérations dans Accompagner la transition vers l’IA agentique dans la gestion des services IT.

Patch Tuesday de juin 2026

Tue, 09 Jun 2026 21:27:02 Z

Source : graphique généré à l’aide de Claude (Anthropic) le 9 juin 2026, sur la base d’invites conçues par l’auteur et d’un jeu de données de Chris Goettl.

Vous avez peut-être déjà vu ou entendu une référence à la Patch Apocalypse ; si ce n’est pas le cas, vous trouverez plus de détails ici. Le graphique ci-dessus présente un échantillon de plusieurs applications de grands fournisseurs présentes dans nos environnements. Vous pouvez y voir, sur les douze derniers mois glissants, le nombre de CVE corrigées chaque mois dans ces applications. Avant février 2026, ce qui préoccupait le plus chaque mois était les mises à jour des systèmes d’exploitation : Microsoft, Apple, Android, les différentes distributions Linux, etc. C’était le socle autour duquel les entreprises organisaient leur maintenance mensuelle, en considérant le Patch Tuesday comme le point de départ de cette maintenance.

En observant les trois lignes pointillées du graphique, on constate que février a été le premier mois où la ligne bleue, représentant le système d’exploitation Microsoft Windows, a commencé à être concurrencée. C’était la première attribution de CVE découvertes par des outils d’IA. En avril, la deuxième ligne pointillée, nous avons assisté à l’annonce de Project Glasswing et à une forte hausse du nombre de CVE découvertes.

Avançons jusqu’au Patch Tuesday de juin : une ligne verte imposante apparaît à côté d’une ligne bleue tout aussi importante. Il s’agit de Google Chrome et de Microsoft Edge (Chromium), qui ont déjà publié deux mises à jour en juin, corrigeant au total plus de 500 CVE, dont un exploit zero-day (CVE-2026-11645). Aujourd’hui, nous sommes dans la Patch Apocalypse. La Patch Apocalypse, c’est maintenant.

L’objectif n’est pas d’employer une tactique alarmiste. Il s’agit de décrire le défi que de nombreuses organisations anticipaient déjà, mais que la nouvelle génération de LLM a considérablement accéléré au premier semestre 2026.

Les fournisseurs vont corriger davantage de CVE, à un rythme plus rapide et plus continu que tout ce que nous avons connu jusqu’à présent. Malheureusement, cela inclura également plus d’exploits zero-day et n-day qu’auparavant. Le délai entre la publication par un fournisseur et l’exploitation s’était déjà réduit à 5 jours selon les données de veille sur les menaces de 2023.

De nombreux fournisseurs reconnaissent la nécessité d’utiliser des outils d’IA dans leurs recherches en sécurité afin d’identifier et de corriger les failles de sécurité de leurs produits. Oracle a récemment annoncé l’intégration de la CSPU, ou mise à jour de sécurité mensuelle, dont juin constituera la deuxième occurrence dans cette nouvelle cadence de publication. Google Chrome était déjà passé à une cadence hebdomadaire en 2023. Mozilla publie généralement une à deux versions de sécurité par mois et suit désormais, lui aussi, une cadence presque hebdomadaire.

Ivanti observe une augmentation de 30 à 40 % du nombre de correctifs publiés chaque mois chez les fournisseurs pris en charge dans notre Patch Catalog, et nous nous attendons à ce que cette tendance continue de s’accélérer pendant un certain temps, jusqu’à atteindre un nouveau seuil stable. Mais nous pensons qu’il ne s’agit pas d’un pic : c’est la nouvelle normalité.

Nous revenons donc au Patch Tuesday de juin 2026, comme prévu, pour une mise à jour à date. Microsoft a corrigé 198 CVE, Google Chrome en a corrigé 74, dont l’exploit zero-day (CVE-2026-11645), et Adobe a corrigé 123 CVE au travers de 11 mises à jour.

À ce stade, je me sens un peu désensibilisé, mais il faut le souligner : il s’agit du plus grand nombre de CVE corrigées par Microsoft lors d’un seul Patch Tuesday. Le précédent record datait d’octobre 2025, avec 175 CVE corrigées. Cela semble presque anecdotique en comparaison du nombre de CVE corrigées par Chrome et Edge, soit 429, dans la mise à jour du 3 juin 2026 publiée la semaine précédente.

En élargissant la discussion au défi des publications continues : d’après le Patch Catalog d’Ivanti, un rapide décompte des mises à jour liées à la sécurité entre les Patch Tuesday de mai et de juin fait état de 89 mises à jour corrigeant 513 CVE (Chrome et Edge sont dédupliqués dans ce calcul). Ces mises à jour doivent être incluses dans votre prochaine maintenance si vous ne disposez pas aujourd’hui d’une approche de mise à jour continue.

Ces publications comprennent plusieurs versions pour tous les principaux navigateurs (Chrome, Firefox, Edge, Opera, etc.), des éditeurs et lecteurs PDF (Foxit, Adobe, Nitro), des outils de développement (Node.js, VSCodium, Docker), des utilitaires et applications courants (Notepad++, PuTTY, PyCharm, Wireshark, Splunk UF), des applications de productivité et de télécommunications (Teams, Zoom), entre autres.

Vulnérabilités Microsoft divulguées publiquement

Microsoft a corrigé une vulnérabilité de contournement de fonctionnalité de sécurité dans Windows BitLocker (CVE-2026-50507). La vulnérabilité est classée comme importante par Microsoft et affiche un score CVSS v3.1 de 6,8, mais elle a été divulguée publiquement. La CVE indique un niveau de maturité du code d’exploitation de type preuve de concept, ce qui augmente le risque d’exploitation. Un attaquant disposant d’un accès physique pourrait exploiter cette vulnérabilité pour contourner une fonctionnalité de sécurité et accéder à des données chiffrées.

Microsoft a corrigé une vulnérabilité de déni de service dans HTTP.sys (CVE-2026-49160). La vulnérabilité est classée comme importante par Microsoft et affiche un score CVSS v3.1 de 7,5, mais elle a été divulguée publiquement. La CVE indique un niveau de maturité du code d’exploitation non prouvé, ce qui signifie qu’aucun exemple de code n’a été divulgué au moment de sa publication. Un attaquant non autorisé pourrait tirer parti d’une consommation non contrôlée des ressources dans HTTP/2 pour provoquer un déni de service sur un réseau.

Microsoft a corrigé une vulnérabilité d’élévation de privilèges dans Windows Collaborative Translation Framework (CVE-2026-45586). La vulnérabilité est classée comme importante par Microsoft et affiche un score CVSS v3.1 de 7,8, mais elle a été divulguée publiquement. La CVE indique un niveau de maturité du code d’exploitation non prouvé, ce qui signifie qu’aucun exemple de code n’a été divulgué au moment de sa publication. Un attaquant exploitant avec succès cette vulnérabilité pourrait obtenir des privilèges SYSTEM sur le système cible.

Avis de sécurité Ivanti

Ivanti a publié deux mises à jour de sécurité pour juin. Ces mises à jour concernent Ivanti Endpoint Manager Mobile et Ivanti Sentry, et corrigent au total quatre CVE. Des informations complémentaires et des détails sur les mesures d’atténuation sont disponibles dans l’avis de sécurité de juin.

Vulnérabilités tierces

Adobe a publié 11 mises à jour corrigeant 123 CVE. Adobe a classé la mise à jour ColdFusion comme la plus prioritaire.

Google Chrome a corrigé 74 CVE dans la dernière mise à jour de Chrome, dont un exploit zero-day (CVE-2026-11645). Cette mise à jour intervient dans le sillage de la plus importante version de Chrome, publiée le 3 juin, qui corrigeait 429 CVE. Microsoft Edge doit également être mis à jour pour corriger ces CVE.

Liste des actions à mener pour les mises à jour de juin

Google Chrome et Microsoft Edge sont les principales priorités ce mois-ci, afin de corriger plus de 500 CVE corrigées au cours de la semaine écoulée, ainsi qu’un exploit zero-day (CVE-2026-11645).
La mise à jour du système d’exploitation Windows constitue la priorité suivante, car elle corrige plus de 110 CVE, selon l’édition.

Pour renforcer votre maturité en matière de sécurité, repensez vos capacités de remédiation des vulnérabilités

Thu, 28 May 2026 14:00:15 Z

Les équipes de sécurité croulent sous les vulnérabilités. On parle de dizaines de milliers de résultats par trimestre. De centaines de milliers dans les grandes organisations. Les environnements informatiques actuels n’ont plus de frontières et couvrent toutes les plateformes de systèmes d’exploitation. Gérer et sécuriser ce parc de manière linéaire n’est plus viable, pas plus qu’un processus de remédiation des vulnérabilités qui traite chaque correctif comme une tâche simple et à faible impact.

La hiérarchisation basée sur les risques aide à faire le tri dans ce bruit en intégrant le contexte des menaces et le contexte métier au processus de remédiation des vulnérabilités. Cela a constitué une avancée significative. Mais de nombreuses organisations ayant adopté cette approche ne respectent toujours pas leurs SLA, continuent de créer des frictions avec l’informatique et voient les exceptions s’accumuler plus vite que les remédiations.

Savoir ce qu’il faut corriger en premier n’est qu’une partie de l’équation.

La partie la plus difficile, et celle qui manque encore à de nombreux programmes, consiste à comprendre l’impact réel de ce correctif. Plus important encore : comment passer d’une remédiation mensuelle à un processus continu, tout en équilibrant risque et impact.

C’est la remédiation équilibrée sur le plan opérationnel : une pratique qui consiste à évaluer l’impact réel d’un correctif avant de s’y engager. C’est l’élément critique qui manque à de nombreux programmes de remédiation des vulnérabilités, et l’un des indicateurs les plus nets de la maturité en gestion de l’exposition. Le modèle de maturité de la gestion de l’exposition d’Ivanti l’identifie comme l’une des six capacités fondamentales qui distinguent les programmes de sécurité matures des programmes réactifs.

Qu’est-ce que la remédiation équilibrée sur le plan opérationnel ?

Le modèle de maturité la définit simplement : la capacité à corriger ou à atténuer les expositions d’une manière à la fois efficace et pragmatique. L’urgence de sécurité est mise en balance avec les réalités informatiques, comme la disponibilité des systèmes, les tests de correctifs et la continuité d’activité.

En pratique, cela se résume à une équation : risque de sécurité plus impact réel égale décision de remédiation éclairée. Identifier les expositions n’a aucune valeur si vous ne pouvez pas y remédier. Et une remédiation qui crée des interruptions imprévues, perturbe les systèmes de production ou déclenche des retours arrière n’a pas réduit le risque. Elle l’a déplacé.

Le parcours de maturité de la remédiation des vulnérabilités : du réactif au stratégique

Phase 1 : gestion traditionnelle des vulnérabilités, ou l’ère du scan-and-patch

C’est là que la remédiation des vulnérabilités a commencé pour de nombreuses organisations, et c’est aussi là que beaucoup se trouvent encore. La hiérarchisation est pilotée par le score CVSS et suit le principe du premier arrivé, premier traité. Votre scanner vous indique « Vous avez 10 000 CVE », sans contexte sur celles qui comptent réellement.

Les exceptions ne sont pas documentées. Les workflows d’analyse des vulnérabilités et de remédiation résident dans des outils distincts, avec une intégration minimale.

Le résultat : un fonctionnement réactif, qui consiste à courir après la dernière faille très médiatisée au lieu de traiter ce qui représente le plus grand risque pour l’environnement.

Phase 2 : hiérarchisation des vulnérabilités basée sur les risques, ou l’ajout de contexte

La hiérarchisation basée sur les risques a introduit deux questions plus pertinentes : « Cette vulnérabilité est-elle activement exploitée ? » et « Quelle est la criticité de l’actif qu’elle affecte ? » En combinant la gravité avec la veille sur les menaces et la criticité des actifs, les équipes de sécurité ont pu mieux cibler leurs efforts de remédiation des vulnérabilités. Les renseignements sur les vulnérabilités pilotés par l’IA et l’évaluation de la fiabilité des correctifs ont encore accéléré ce processus en réduisant la charge d’analyse manuelle qui obligeait auparavant les équipes de sécurité à hiérarchiser avec des données incomplètes.

Mais il manque encore une pièce du puzzle. La hiérarchisation basée sur les risques indique à la sécurité ce qu’elle doit corriger. Elle ne dit rien de ce dont l’informatique a besoin pour maintenir les systèmes en fonctionnement. La collaboration entre les deux équipes se fait encore souvent au cas par cas, et l’impact de la remédiation sur les opérations informatiques reste une réflexion après coup, ou plus souvent un frein qui empêche les organisations d’accélérer leurs activités de remédiation.

Phase 3 : la pièce manquante — la remédiation équilibrée sur le plan opérationnel

Pour les organisations qui ont atteint la maturité nécessaire pour comprendre les risques réels d’une exposition, la question suivante est : « Quel sera l’impact de ce correctif sur les systèmes que nous devons maintenir en fonctionnement, et pouvons-nous nous permettre de les laisser exposés ? »

Lorsque la remédiation des vulnérabilités est imposée sans tenir compte des effets en aval, elle entraîne des interruptions, une résistance de l’informatique et un arriéré croissant d’exceptions qui compromettent les objectifs de sécurité mêmes à l’origine de l’urgence.

Le rapport Ivanti 2026 sur l’état de la cybersécurité révèle que 48 % des professionnels de la sécurité déclarent que les équipes informatiques ne répondent pas avec suffisamment d’urgence aux préoccupations de cybersécurité, tandis que 40 % estiment que l’informatique ne comprend pas la tolérance au risque de leur organisation. C’est ce qui se produit lorsque la sécurité et l’informatique fonctionnent avec des priorités différentes et sans méthode commune pour les concilier.

Les programmes les plus matures répondent à ce problème non seulement par l’alignement des processus, mais aussi par l’automatisation, qui élimine les passages de relais manuels où les frictions s’accumulent. Les capacités d’auto-réparation automatisées peuvent détecter, diagnostiquer et corriger de manière proactive les problèmes liés aux terminaux et à la cyberhygiène. Cela réduit d’emblée le volume de vulnérabilités nécessitant un triage manuel. Lorsque la remédiation est intégrée au fonctionnement des terminaux au lieu d’être ajoutée après coup, l’écart entre l’urgence de sécurité et la capacité informatique se réduit de lui-même.

L’indicateur de maturité est ici clair : des KPI partagés entre la sécurité et l’informatique, des processus d’exception documentés et un système de suivi de la remédiation des vulnérabilités qui tient compte à la fois de la réduction des risques et de la continuité d’activité. Pour y parvenir en continu, l’informatique et la sécurité doivent s’appuyer sur des données et des workflows partagés.

Lorsque la visibilité sur les actifs, l’agrégation des expositions, la hiérarchisation basée sur les risques et la remédiation s’exécutent sur une plateforme unifiée, l’alignement exigé par la phase 3 devient une propriété structurelle du système, plutôt qu’un acquis culturel difficilement obtenu.

En quoi la remédiation équilibrée sur le plan opérationnel diffère de la hiérarchisation basée sur les risques

La façon la plus simple de comprendre cette progression consiste à examiner les questions auxquelles chaque approche permet de répondre.

Approche	Questions auxquelles elle répond	Ce qu’elle ne couvre pas
Gestion traditionnelle des vulnérabilités	Combien de vulnérabilités existent ?	Le contexte et la hiérarchisation
Hiérarchisation basée sur les risques	Quelles vulnérabilités présentent le plus grand risque ?	La faisabilité opérationnelle et l’impact
Remédiation équilibrée sur le plan opérationnel	Quelles vulnérabilités devons-nous corriger en premier, compte tenu à la fois du risque de sécurité et des contraintes opérationnelles ? Comment l’automatisation peut-elle garantir que ces correctifs sont appliqués efficacement et sans interruption ?	L’approche la plus complète

Cette approche ajoute une couche de contexte à la gestion de la remédiation des vulnérabilités : exigences de test des correctifs, dépendances système, fenêtres de maintenance, interruptions potentielles et capacités de retour arrière. Ces éléments déterminent si un correctif tient dans la durée, ou s’il crée de nouveaux problèmes nécessitant un retour arrière.

Pourquoi la remédiation équilibrée sur le plan opérationnel est au cœur de la gestion de l’exposition

Le modèle de maturité identifie six capacités fondamentales : visibilité sur les actifs, importance des actifs, évaluation des vulnérabilités en conditions réelles, hiérarchisation des vulnérabilités guidée par les enjeux métier, remédiation équilibrée sur le plan opérationnel et intégration des données et des workflows.

Parmi elles, la remédiation équilibrée sur le plan opérationnel est la couche d’exécution qui rend le reste exploitable.

Sans elle, la gestion de l’exposition reste théorique. Vous pouvez constituer des inventaires d’actifs parfaits, évaluer chaque vulnérabilité avec précision et produire des tableaux de bord impressionnants.

Mais si le processus de remédiation des vulnérabilités reste séparé, il crée des frictions entre la sécurité et l’informatique, les risques connus s’accumulent, les correctifs sont retardés et les indicateurs de ces tableaux de bord ne reflètent plus la posture de risque réelle.

La progression de la maturité va d’une hiérarchisation ad hoc (phase 1) à une collaboration au cas par cas (phase 2), puis à une remédiation guidée par des KPI partagés (phase 3), avant d’aboutir à des rétrospectives auditées avec une boucle d’amélioration continue (phase 4). Toutes les organisations n’ont pas besoin d’atteindre la phase 4 pour chaque capacité. Mais le passage d’une remédiation ad hoc à une remédiation partagée et pilotée par des KPI est là où les gains réels se concrétisent.

L’analyse de rentabilité : équilibrer les objectifs de sécurité et les objectifs opérationnels

Les coûts cachés d’une remédiation sans contexte opérationnel

Lorsque la remédiation des vulnérabilités est uniquement guidée par l’urgence de sécurité, les coûts s’accumulent de manière invisible jusqu’à devenir systémiques.

Les interruptions imprévues sont le coût le plus évident : des systèmes métier critiques mis hors ligne sans évaluation appropriée de l’impact. Mais les effets en aval sont tout aussi dommageables.

Les équipes informatiques mettent en place des contournements lorsque les exigences de sécurité sont difficiles à exécuter, créant des processus parallèles qui augmentent le risque au lieu de le réduire. La lassitude face aux exceptions s’installe lorsque celles-ci sont plus nombreuses que les cas conformes, ce qui vide les SLA de leur sens. Et la confiance entre la sécurité et l’informatique s’érode lorsque chaque partie voit l’autre comme imprudente ou comme un obstacle.

Les recherches d’Ivanti confirment l’ampleur de ces frictions. Trente-neuf pour cent des professionnels de la cybersécurité déclarent avoir des difficultés à hiérarchiser la remédiation des risques et le déploiement des correctifs, et 35 % indiquent avoir du mal à maintenir la conformité des correctifs.

Dans le même temps, seuls 60 % utilisent l’analyse d’impact métier pour éclairer la hiérarchisation des risques, et seulement 51 % utilisent un score d’exposition à la cybersécurité ou un indice basé sur les risques.

Beaucoup s’appuient encore sur des indicateurs de processus comme le délai moyen de remédiation ou le pourcentage d’expositions corrigées, qui peuvent paraître positifs isolément, mais en disent peu sur l’amélioration réelle de la posture de risque par le processus de remédiation des vulnérabilités.

Le ROI d’une remédiation automatisée des vulnérabilités équilibrée sur le plan opérationnel

Lorsque les organisations opèrent ce changement, les résultats se manifestent rapidement. Les KPI partagés permettent de définir des calendriers de remédiation réalistes, ce qui améliore à son tour le respect des SLA. Le délai médian de remédiation diminue lorsque les obstacles au déploiement sont anticipés plutôt que découverts en cours de déploiement.

Les correctifs tiennent dans la durée parce qu’ils prennent en compte les dépendances système et les fenêtres de maintenance, au lieu de créer de nouveaux problèmes nécessitant un retour arrière. Le déploiement par anneaux en est un bon exemple : les correctifs sont déployés auprès de groupes de plus en plus larges, avec une validation à chaque étape avant l’extension du périmètre. C’est ce qui rend la remédiation équilibrée concrètement applicable.

Associés à des workflows automatisés qui prennent en charge la corrélation, le triage et l’orchestration du déploiement, ces mécanismes transforment la remédiation équilibrée, qui passe du concept à un système fonctionnant en continu. Lorsque la plateforme gère la complexité opérationnelle, les équipes de sécurité consacrent moins de temps à piloter le processus de remédiation et davantage à valider les résultats.

Les organisations au niveau de maturité 3 ou 4 dans le modèle d’Ivanti suivent la remédiation des vulnérabilités à l’aide d’indicateurs qui reflètent à la fois les résultats de sécurité et les résultats opérationnels :

SLA ventilés entre vulnérabilités connues comme exploitées et niveaux de gravité traditionnels
Délai médian de remédiation (MTTR) pour les vulnérabilités exploitées
Pourcentage de demandes d’exception examinées conjointement par la sécurité et l’informatique
Réduction des exceptions récurrentes au fil du temps

La valeur stratégique va plus loin. Lorsque la gestion de la remédiation des vulnérabilités tient compte de ce dont l’informatique a besoin pour maintenir les systèmes en fonctionnement, la sécurité cesse d’être perçue comme un frein et commence à jouer le rôle de facilitateur métier. C’est ce changement qui permet d’obtenir des investissements durables et le soutien de la direction pour la gestion de l’exposition.

De la hiérarchisation à l’exécution : combler l’écart

La hiérarchisation des vulnérabilités basée sur les risques était une évolution nécessaire. Mais elle n’a résolu que la moitié du problème. Savoir ce qu’il faut corriger en premier a une valeur limitée si le fait de le corriger provoque des interruptions, des résistances ou une pile croissante d’exceptions non documentées.

La remédiation équilibrée sur le plan opérationnel comble l’écart en amenant la sécurité et l’informatique à travailler à partir du même référentiel. Cela se traduit par des KPI partagés, des exceptions clairement définies et des fenêtres de maintenance qui protègent la continuité d’activité. Cela signifie aussi automatiser les workflows de remédiation capables de détecter et d’éviter les interruptions potentielles avant qu’elles ne deviennent un problème.

Grâce à la hiérarchisation, à la génération d’insights et à l’orchestration, la remédiation peut suivre le rythme de l’environnement au lieu de prendre du retard. Et avec une plateforme unifiée qui connecte les données des terminaux et de sécurité, les équipes ne luttent plus contre les silos : elles avancent de façon synchronisée.

Pour découvrir plus en détail comment évaluer la maturité actuelle de votre organisation et élaborer un plan de progression ciblé, consultez le modèle de maturité de la gestion de l’exposition d’Ivanti.

Transformez votre IT avec l’Agentic AI : l’avènement d’un service autonome et accéléré

Tue, 19 May 2026 14:50:29 Z

Le secteur de l’IT Service Management (ITSM) se trouve à un véritable point d’inflexion. Pendant des décennies, les services de support informatique ont fonctionné selon un modèle fondamentalement réactif : les collaborateurs rencontrent un problème, soumettent un ticket et attendent qu’un analyste humain diagnostique, trie et résolve leur demande. L’automatisation a certes amélioré ce modèle en termes de rendement – mais sans jamais en remettre en cause les fondements.

Le point d’inflexion : pourquoi l’ITSM ne sera plus jamais comme avant

L’agentic AI change radicalement la donne. Au lieu d’accélérer simplement la cadence de traitement humain, les systèmes agentiques comprennent l’intention, rassemblent les informations contextuelles, choisissent un plan d’action, exécutent les tâches sur les outils d’entreprise et confirment les résultats – sans attendre une validation humaine à chaque étape. Nous assistons au passage du IT Service Management à l’IT Service Autonomy, avec des implications profondes pour tous les CIO, CISO et responsables IT.

Les chiffres témoignent de l’urgence. Gartner prévoit qu’à la fin de 2026, environ 40 % des applications d’entreprise intégreront des agents AI spécifiques à certaines tâches, contre moins de 5 % en 2025. Une autre étude Gartner anticipe aussi que 70 % des entreprises déploieront des agents agentiques pour opérer leur infrastructure IT d’ici 2029 – contre moins de 5 % à ce jour.

Il ne s’agit pas de changements progressifs mais d'une véritable refonte de l’organisation, la sécurisation et l’optimisation des services technologiques.

Des bots scriptés aux agents autonomes : l’évolution de l’intelligence en ITSM

Pour comprendre où va le secteur, il faut d’abord comprendre d’où il provient. L’évolution de l’AI dans l’ITSM suit un arc clair, allant de la logique déterministe vers une forme de raisonnement réellement autonome.

Phase 1 : Automatisation basée sur des règles

La première vague d’automatisation ITSM s’est appuyée sur des workflows scriptés : lorsqu’un ticket comportait certains mots-clés, il était orienté vers une file prédéfinie ; lorsqu’un asset sortait de la conformité, un script de remediation était automatiquement lancé. Ces automatisations ont permis des gains d’efficacité mesurables en éliminant des tâches manuelles coûteuses et en rendant les opérations plus conformes et plus sûres. Mais elles sont restées limitées et fragiles : chaque nouveau cas nécessitait d’ajouter une règle, sans capacité à gérer l’ambiguïté ou à apprendre des issues précédentes.

Phase 2 : IT Service Management assisté par l’AI

L’arrivée du machine learning et de l’AI générative a ajouté une couche plus adaptative. L’AI a commencé à classifier automatiquement les tickets, à synthétiser les incidents pour les analystes et à générer des articles de knowledge base à partir de données historiques de résolution. Aujourd’hui, environ 40 % des organisations utilisent l’AI pour améliorer l’efficience des résolutions de tickets.

Les chatbots et virtual assistants ont introduit des interfaces conversationnelles de niveau grand public dans l’entreprise, permettant aux collaborateurs d’interagir avec le support informatique en langage naturel, sans formulaire structuré. C’était un bond en avant, mais le rôle de l’AI demeurait essentiellement celui d’un assistant, venant augmenter – mais non remplacer – la prise de décision humaine.

Phase 3 : Agentic AI et workflows autonomes

Aujourd’hui, le secteur se trouve au seuil d’une troisième phase, encore plus transformatrice. Les systèmes agentiques n’attendent plus d’instructions : ils observent, raisonnent, planifient et agissent.

En ITSM, un système agentique peut ainsi détecter une anomalie sur un endpoint, la corréler à des schémas de vulnérabilité connus, initier une séquence de healing, mettre à jour la Configuration Management Database (CMDB), et fermer le ticket – tout cela avant même que l’utilisateur concerné ait remarqué le problème. Gartner formalise cette trajectoire en prévoyant qu’en 2028, au moins 15 % des décisions quotidiennes seront prises, de façon autonome, via de l’agentic AI, contre 0 % en 2024 – et que 33 % des applications d’entreprise embarqueront de l’agentic AI à la même échéance.

La distinction majeure réside dans la notion d’agency. Les outils d’AI antérieurs réagissaient à des sollicitations : les systèmes agentiques poursuivent de réels objectifs. Ils conservent une mémoire des interactions, raisonnent sur le meilleur chemin vers un résultat et orchestrent des workflows complexes entre les systèmes d’entreprise intégrés. C’est ce saut architectural qui transforme l’ITSM, passant de la gestion des demandes à la délivrance d’outcomes ciblés.

Anatomie de l’ITSM agentique : intelligence basée sur la persona et intelligence task-based

À mesure que l’agentic AI se perfectionne, son application en ITSM s’articule autour deux architectures complémentaires : les agents "persona-based" (basés sur le rôle) et "task-based" (basés sur la tâche). Ensemble, ils dessinent ce que beaucoup qualifient de « front door conversationnelle » de l’IT – une interface intelligente et unifiée qui remplace portails fragmentés, formulaires et arborescences téléphoniques par des interactions naturelles et adaptatives.

Persona-based agents

Les persona-based agents sont conçus pour les besoins de certains rôles utilisateurs. Par exemple, un self-service agent sert de point d’entrée unique aux collaborateurs. Plutôt que d’obliger l'utilisateur à naviguer dans un catalogue de services via des formulaires, un agent conversationnel auto-service s’appuie sur la compréhension adaptive de l’intention et la collecte guidée de données pour transformer une demande en langage naturel en un ticket structuré, immédiatement exploitable. Résultat : friction considérablement réduite côté collaborateur et qualité des données optimisée pour les équipes support. Les retours sont significatifs : là où des virtual support agents pilotés par AI sont déployés, on observe 50 à 70 % de réduction des appels, avec des taux d’adoption de 80 à 85 %.

Service desk agents

À l’inverse, le service desk agent accompagne l’analyste humain : il fournit un guidage contextuel lors du traitement du ticket, accélère tri et classification, et offre un coaching en temps réel pour élever le niveau des analystes moins expérimentés.

La summarization automatique des incidents par l’AI permet de faire gagner un temps précieux aux analystes en condensant l’historique complexe d’un ticket en synthèses prêtes à l’action. L’analyste garde la main, mais la boucle de traitement devient plus rapide et mieux informée.

Task-based agents

Les task-based agents gèrent des fonctions opérationnelles précises, comme la recherche de knowledge, la création d’incidents, le fulfillement des service requests, la summarization ou le Q&A. Ils s’appuient sur un cadre agentique comprenant la définition d’objectifs, la modélisation de l’environnement, la mémoire, le raisonnement et l’exécution d’actions. Les standards d’interopérabilité émergents autour de l’Agent-to-Agent (A2A) et du Model Context Protocol (MCP) sont ici déterminants. Ils tracent la voie vers des écosystèmes multi-agents où des agents spécialisés collaborent à la résolution d’enjeux transverses – certains analystes parlant déjà de « squadrons d’agents ».

La feuille de route de Gartner corrobore cette orientation : d’ici 2027, un tiers des implémentations agentiques combineront des agents aseptisés de compétences variées, afin de gérer des tâches complexes dans les environnements applicatifs et de données. Conséquence pour l’ITSM : le service desk du futur ne sera pas un système monolithique unique, mais un ensemble orchestré d’agents spécialisés, chacun apportant une intelligence de domaine propre à une expérience de service unifiée.

Self-Healing, Self-Securing, Self-Serving : les 3 piliers de l’IT autonome

La promesse stratégique de l’agentic AI en ITSM repose sur trois capacités interconnectées, qui définissent concrètement ce que signifie un service véritablement autonome.

Self-Healing

Le self-healing marque la rupture la plus visible avec le support réactif traditionnel. Grâce à l’anomaly detection et au diagnostic automatisé, les plateformes modernes peuvent identifier les incidents (endpoints, sécurité) avant que l’utilisateur ne soit impacté. Les bots cloud pilotés par l’hyper-automation ne se contentent pas d’alerter les équipes IT, ils résolvent de manière proactive des problèmes non signalés ou ignorés, accélèrent la détection et l’automatisation des résolutions, libérant ainsi l’IT pour l’innovation. La tendance est nette : au fil du déploiement de ces capacités, le nombre de tickets traités manuellement diminue, et le rôle du service desk migre du support vers la gouvernance et l’amélioration continue.

Self-Securing

Self-securing traduit la réalité que cybersécurité et opérations IT ne peuvent plus fonctionner en silos. L’AI accroît la visibilité sur la totalité des devices, structures organisationnelles et parcours numériques, ce qui renforce la posture de sécurité en détectant proactivement les vulnérabilités sur la base des tendances sociales et du scoring de vulnérabilités.

Une gestion continue de l’inventaire logiciel permet d’identifier les expositions avant qu’elles ne deviennent des brèches exploitables. La convergence rapide entre ITSM et opérations de sécurité est accélérée par l’agentic AI qui joue le rôle de trait d’union entre threat detection, vulnerability management et workflows de remediation.

Les organisations unifiant IT et sécurité grâce à une plateforme AI disposent désormais de cet atout désigné dans le secteur comme la « sécurité invisible mais incontournable » : une protection continue et sans friction pour l’utilisateur final.

Le self-service repensé de fond en comble

Les portails traditionnels de self-service souffraient d’une adoption limitée car ils imposaient la logique du système à l’utilisateur au lieu de s’ajuster à son intention. L’AI conversationnelle inverse ce paradigme.

Les employés interagissent en langage naturel, tandis que le système gère automatiquement le routage, la classification et la résolution en back-office. Les virtual assistants alimentés par l’AI offrent des expériences de support exceptionnelles, boostent la productivité et la satisfaction, rapprochent l’ergonomie du grand public des outils professionnels et réduisent le volume d’appels. A l’avenir, le self-service évoluera encore, avec la généralisation de l’automatisation vocale, des interfaces mobile-first et des notifications proactives – pour un support omnicanal, partout où les collaborateurs travaillent : au bureau, en atelier, ou en déplacement.

Conséquences stratégiques : ce que cela implique pour le leadership IT

L’essor de l’agentic AI dans l’ITSM a des implications qui dépassent largement le cadre du service desk. Plusieurs axes stratégiques doivent retenir l’attention des CIO et responsables IT.

Du cost center au value center

Lorsque les incidents de routine se résolvent d’eux-mêmes et que l’AI prend en charge le triage de premier niveau, le service desk n’est plus défini par le volume de tickets et les temps moyens de traitement. Les équipes IT peuvent alors se concentrer sur des initiatives stratégiques : transformation digitale, innovation de l’expérience collaborateur, automatisation des processus métier. La vraie question n’est plus : « Comment traiter plus de tickets, plus vite ? », mais : « Comment valoriser les capacités dégagées par ce service autonome ? ».

Nécessité de gouvernance et de confiance

La même étude Gartner qui annonce cette forte croissance sonne l’alerte : plus de 40 % des projets agentiques pourront être annulés d’ici fin 2027 si coûts, définition de valeur ou maîtrise du risque font défaut. Pour réussir, il faut intégrer dès le départ conformité, règles de visibilité et d’application des politiques. La gouvernance AI n’est pas un add-on, mais une exigence fondamentale de conception. Les organisations qui intègrent des garde-fous, workflows d’approbation et traçabilité dans leurs architectures agentiques pourront créer de la valeur durable ; celles qui négligent la gouvernance feront face à des revers coûteux.

Convergence de l’IT et de la sécurité informatique

Les silos de données entre les équipes IT et sécurité affaiblissent la résilience des organisations depuis trop longtemps. Les plateformes agentiques unifiant Service Management, Endpoint Management et Exposure Management constituent un véritable « system of record » permettant une réponse coordonnée et intelligente sur des domaines historiquement distincts. Cette convergence n’est pas seulement technologique, elle implique aussi alignement organisationnel, indicateurs partagés et un engagement culturel à casser les barrières fonctionnelles.

L’expérience collaborateur comme avantage compétitif

La capacité de mesurer et d’objectiver le digital employee experience – à travers les devices, le service management, la sécurité et les applications – via l’analyse de sentiment par l’AI transforme l’expérience employé en discipline pilotée par la donnée. Les organisations offrant une expérience IT de niveau consumer attireront et fidéliseront mieux leurs talents que celles qui relèguent le support en backoffice. Le score Digital Employee Experience (DEX) émerge comme KPI critique, donnant au service desk la visibilité nécessaire pour un support personnalisé et empathique à grande échelle.

Enterprise Service Management au-delà de l’IT

L’une des conséquences les plus sous-estimées de l’agentic AI réside dans sa capacité à étendre l’intelligence du support au-delà de l’IT : RH, services généraux, finance et autres départements métiers. Si la plateforme sous-jacente prend en charge le no-code, le workflow design et les intégrations prêtes à l’emploi, les modèles éprouvés en ITSM s’appliquent à toute l’entreprise. Les directions métier qui s’appuient encore sur les e-mails, classeurs ou documents papier peuvent bénéficier massivement de ces capacités agentiques qui révolutionnent aujourd’hui l’IT.

L’impératif du service autonome

La transformation de l’IT Service Management par l’agentic AI n’est plus une perspective lointaine : elle est déjà en marche et s’accélère. Les organisations qui tireront leur épingle du jeu seront celles qui comprendront la nature profonde du changement : il ne s’agit pas d’une simple mise à niveau technologique, mais d’une re-conception radicale de la façon dont les services sont pensés, délivrés et vécus.

Le rôle humain se transforme, il ne disparaît pas. L’agentic AI ne supprimera pas les métiers IT : elle les valorisera. Les analystes passeront du statut de gestionnaires de tickets à celui de superviseurs d’AI, architectes de gouvernance et designers d’expérience. Les profils IT les plus recherchés de la prochaine décennie seront ceux capables de concevoir, entraîner et gouverner ces systèmes autonomes, et non de simplement les exploiter.

La clé est d’avoir une stratégie lucide : commencer par les bases de l’automatisation – workflows intelligents, classification assistée par AI, interfaces de self-service pour fluidifier la donnée. Construire ensuite des capacités autonomes : endpoints self-healing, environnements self-securing, agents conversationnels capables de résoudre un problème de bout en bout. Enfin, investir dans la gouvernance, la culture et le développement des talents indispensables au maintien d’opérations autonomes à l’échelle de l’entreprise.

La question n’est plus de savoir si l’agentic AI va transformer l’IT Service Management ; la vraie question : c’est à quelle vitesse et avec quelle ambition votre organisation saura l’opérationnaliser. L’ère du service autonome est déjà là, et l’avantage compétitif ira à ceux qui avançent résolument – pas à ceux qui attendent une certitude qui n’arrivera jamais.

Patch Tuesday de mai 2026

Tue, 12 May 2026 21:52:21 Z

Dans la continuité de Patch Apocalypse, nous observons déjà ce mois-ci des évolutions plus marquées dans les mises à jour de nombreux éditeurs.

Oracle a annoncé une nouvelle cadence de publication à partir de mai 2026 afin de répondre à l’accélération de la détection des vulnérabilités introduite par Mythos et d’autres modèles de sécurité fondés sur l’IA. Les mises à jour mensuelles Critical Security Patch Update (CSPU) viendront combler l’intervalle de deux mois entre les mises à jour trimestrielles Critical Patch Update (CPU).

Mozilla travaillait déjà avec des modèles d’IA avant Mythos ce qui a conduit à la résolution de 22 bugs ayant un impact sur la sécurité dans Firefox 148. Mozilla a annoncé poursuivre sa collaboration avec Anthropic afin d’appliquer une version préliminaire de Mythos à Firefox, et a publié Firefox 150, qui corrige 271 vulnérabilités identifiées lors de l’évaluation. Depuis la publication de Firefox 150.0.0, Mozilla a adopté une cadence hebdomadaire plus soutenue pour les mises à jour de sécurité, avec notamment la publication de Firefox 150.0.3 lors du Patch Tuesday de mai, corrigeant entre trois et cinq CVE dans chaque version.

Apple est un autre participant précoce au Project Glasswing et a récemment observé une hausse du nombre d’expositions corrigées. L’entreprise corrige généralement environ 20 CVE par mise à jour de sécurité iOS. Pour sa dernière mise à jour du 11 mai, le volume dépasse 70 CVE corrigées sur l’ensemble des 11 mises à jour Apple. Même si aucune vulnérabilité n’est activement exploitée, le nombre de mises à jour à gérer est important.

Microsoft a corrigé 118 CVE dans la mise à jour du Patch Tuesday du 12 mai 2026. Aucune vulnérabilité exploitée ou divulguée publiquement n’est signalée ce mois-ci, mais les mises à jour corrigent 16 CVE critiques, 105 importantes, 5 modérées et 1 faible. Office représente probablement le risque le plus élevé ce mois-ci, avec quatre vulnérabilités RCE critiques corrigées dans cette mise à jour, mais le système d’exploitation, comme d’habitude, compte également de nombreuses CVE corrigées.

Vulnérabilités tierces (jusqu’au Patch Tuesday inclus)

Adobe a corrigé 52 CVE dans sa mise à jour du Patch Tuesday, qui comprenait 10 bulletins. Adobe Commerce est clairement la priorité : il s’agit de la seule mise à jour de priorité deux ce mois-ci, avec 10 CVE critiques, dont deux avec un score CVSS de 8,7, ainsi que plusieurs vulnérabilités DoS ne nécessitant aucun privilège d’administration pour être exploitées.

Apple a publié le 11 mai des mises à jour pour ses plateformes, corrigeant entre 25 et 52 CVE selon la plateforme. Cette publication ne comprenait aucune vulnérabilité exploitée ou divulguée publiquement, mais son volume est nettement supérieur à la moyenne.

Google a publié Chrome 148 le 5 mai, corrigeant 127 CVE, dont trois classées critiques. Google suit depuis quelque temps une cadence hebdomadaire pour les mises à jour de Chrome, mais la mise à jour du 5 mai est bien plus importante que la moyenne pour Chrome (il s’agit peut-être du plus grand nombre de CVE corrigées dans une seule mise à jour). Une autre version de Chrome est attendue au moment du Patch Tuesday ou peu après.

Depuis la publication de Firefox 150, Mozilla suit un calendrier hebdomadaire régulier de publication pour Firefox. Mozilla a fait parler de lui avec les 271 CVE corrigées dans Firefox 150.0.0 et corrige depuis en moyenne trois à cinq CVE chaque semaine. La publication de Firefox 150.0.3 lors du Patch Tuesday est la dernière version en date ; elle corrige cinq CVE, toutes classées élevées.

Avis de sécurité Ivanti

Ivanti a publié quatre mises à jour de sécurité pour le Patch Tuesday de mai. Ces mises à jour concernent Ivanti Secure Access Client, Ivanti Xtraction, Ivanti Virtual Traffic Manager et Ivanti Endpoint Manager, et corrigent sept CVE. Vous trouverez davantage de détails et d’informations sur les mesures d’atténuation dans l’Avis de sécurité de mai.

Par ailleurs, Ivanti a publié le 7 mai une mise à jour de sécurité pour Ivanti Endpoint Manager Mobile (EPMM), qui corrige cinq CVE, dont CVE-2025-6973. Au moment de la divulgation, Ivanti avait connaissance d’une exploitation très limitée de CVE-2026-6973, qui nécessite une authentification administrateur pour réussir. Vous trouverez davantage de détails et d’informations sur les mesures d’atténuation dans l’Avis de mise à jour de sécurité EPMM de mai 2026.

Actions à mener pour les mises à jour de mai

La cadence des mises à jour tierces s’accélère. Veillez à prioriser des calendriers de mise à jour plus fréquents pour les applications critiques, telles que les navigateurs, les applications de productivité et les applications de télécommunications.
Microsoft et Apple ont tous deux publié des mises à jour pour pratiquement toutes les plateformes. Aucun exploit n’est signalé, mais de nombreuses vulnérabilités doivent être corrigées.

La réalité complexe de la gestion des données pour l’IA (et comment y remédier)

Tue, 12 May 2026 16:24:04 Z

Les données seront toujours imparfaites. Tout est une question de degré.

Je l’ai compris dès le premier jour de mon master en data science, lorsqu’un professeur nous a avertis qu’environ 80 % de notre temps serait consacré au prétraitement et au nettoyage des données, et non à la création de modèles.

Des années plus tard, en tant que Principal Product Manager pour l’IA, le ML et l’analytique chez Ivanti, j’ai constaté que ce conseil se vérifiait remarquablement bien dans la pratique.

Alors que mon équipe et moi travaillons à faire sortir l’IA du laboratoire pour la déployer en production auprès des équipes IT et sécurité, la gestion des données pour l’IA est plus importante que jamais. Le rapport Technology at Work 2025 d’Ivanti révèle que 42 % des employés de bureau utilisent des outils d’IA générative au travail, soit une hausse de 16 points en un an. Chez les professionnels de l’IT, l’adoption atteint 74 %.

L’intérêt est bien là. Les réticences aussi. De nombreux responsables IT savent que leurs données ne sont pas propres, que leurs systèmes sont fragmentés et que leur gouvernance n’est pas encore au niveau. Bonne nouvelle : vous n’avez pas besoin de données parfaites pour adopter l’IA.

Vous avez besoin d’une stratégie claire de gestion des données pour l’IA, fondée sur ce dont vous disposez déjà.

Pourquoi les données IT ne sont jamais parfaites

Dans l’IT d’entreprise, les problèmes de qualité des données ne sont pas des anomalies. Ils constituent la réalité de base de l’IA et de la gestion des données. Les tickets sont catégorisés de manière incohérente. Les inventaires d’actifs sont incomplets. Les informations critiques sont dispersées dans des silos entre les systèmes. Et les textes non structurés des tickets de support et des réponses aux enquêtes échappent aux classifications simples.

Les recherches d’Ivanti confirment l’ampleur du phénomène. Notre rapport Advantage 2026 sur la gestion autonome des terminaux indique que 89 % des professionnels de l’IT estiment que les données en silo ont un impact négatif sur les opérations, et 39 % déclarent que ces silos entraînent une utilisation inefficace des ressources.

Notre rapport Technology at Work raconte une histoire similaire :

38 % des professionnels de l’IT citent la complexité technologique comme un obstacle majeur à l’efficacité des opérations, soit quatre points de plus d’une année sur l’autre.
Près de la moitié (46 %) indiquent que les nouveaux déploiements logiciels augmentent en réalité le volume de tickets, au lieu de réduire le bruit ambiant.

Ajoutez à cela le fait que 48 % des entreprises exécutent encore des logiciels en fin de vie, et le constat devient clair : il s’agit d’un environnement de données structurellement complexe.

Comme me l’a expliqué David Pickering, Product Marketing Director chez Ivanti : lorsque les données sont formatées différemment selon les systèmes, saisies de manière incohérente, cloisonnées par département et façonnées par des années d’acquisitions, les workflows d’IA agentique qui couvrent ces systèmes rencontrent rapidement des difficultés. Vous ne pouvez pas indiquer à une IA quelles données sont fiables si vous ne le savez pas vous-même. Et sans cette base, même les automatisations bien conçues finiront par se fissurer.

Autrement dit, le principe « données erronées en entrée, résultats erronés en sortie » s’applique toujours. Mais des données impeccables ne sont pas pour demain. Toute approche sérieuse de la gestion des données de référence et du machine learning doit tenir compte de cette complexité, et non attendre qu’elle se résolve d’elle-même.

Le cadre de décision — choisir votre stratégie de gestion des données

Il existe deux approches principales de la gestion des données pour l’IA dans l’IT. Les deux sont valides, les deux impliquent des compromis, et de nombreuses organisations utiliseront les deux selon les cas d’usage.

Approche 1 : nettoyage manuel/programmatique

Lorsque mon équipe a introduit la classification des tickets pour le système ITSM d’Ivanti, nous entraînions un modèle à catégoriser les demandes de service. Cela exigeait des données d’entraînement propres et bien étiquetées. Nous avons donc intégré une étape au workflow afin de donner aux administrateurs la possibilité de vérifier et de nettoyer les données avant qu’elles n’alimentent le modèle. Cette revue humaine a amélioré la précision de manière mesurable.

Cette approche fonctionne le mieux lorsque vous entraînez ou affinez un modèle personnalisé, intégrez des données dans une base de connaissances ou travaillez avec des jeux de données structurés pour lesquels des standards de qualité peuvent être définis. Le compromis porte sur le temps et les ressources. Le résultat : une précision élevée et un contrôle total.

Elle fonctionne également mieux lorsqu’une hygiène de base des données est déjà en place. De nombreuses organisations n’en sont pas encore là : seulement 35 % suivent l’âge des appareils ou leur emplacement, et seulement 37 % suivent l’état des correctifs.

Approche 2 : traitement par IA générative

Parfois, le nettoyage manuel n’est pas envisageable. Je l’ai appris en travaillant sur l’analytique des enquêtes d’Ivanti. Les réponses aux enquêtes comptent parmi les données les plus complexes qu’une équipe IT puisse rencontrer : texte libre, formatage incohérent, niveaux de détail extrêmement variables. Les nettoyer manuellement à grande échelle n’est pas réaliste.

Nous avons plutôt utilisé de grands modèles de langage pour identifier des thèmes, des tendances et le sentiment à partir d’entrées incomplètes et non structurées. Nous pouvions résumer des enquêtes entières, identifier les facteurs de satisfaction et faire émerger rapidement des insights exploitables.

Cette approche est idéale pour les données non structurées à fort volume, les situations où le nettoyage manuel est tout simplement impossible, ou tout scénario dans lequel le coût du nettoyage dépasse la valeur du résultat. Elle nécessite toutefois l’accès à de grands modèles de langage performants et la validation de l’adéquation du cas d’usage.

Choisir entre les deux stratégies

La décision dépend du volume et de la variété des données, des contraintes de temps, des exigences de précision et du niveau de contrôle dont vous avez besoin sur l’endroit où vos données vont et la manière dont elles sont traitées.

Vous affinez un modèle pour lequel la précision est critique ? Investissez dans le nettoyage. Vous travaillez avec de grands volumes d’entrées non structurées et la rapidité est essentielle ? Appuyez-vous sur l’IA générative. L’objectif est de faire un choix délibéré, et non de rester inactif parce que les données ne sont pas parfaites.

Construire une infrastructure prête pour l’IA dédiée à la gestion des données

Les services cloud sont essentiels ici, et je ne dis pas cela à la légère. Lorsque mon équipe a créé un score d’expérience numérique pour mesurer, quantifier et améliorer l’expérience numérique des collaborateurs, le cloud a été le catalyseur clé. Il nous a servi de hub d’intégration, en réunissant les tickets de service, la télémétrie des appareils, les performances applicatives et les signaux de sécurité.

Ce niveau d’intégration multisource n’est pas réalisable à grande échelle sans infrastructure cloud. Le cloud nous a également permis d’exécuter un modèle d’IA hybride qui traite simultanément le texte et la télémétrie numérique. Prendre en charge des milliers d’appareils et d’utilisateurs à ce niveau de complexité n’est pas envisageable sur site.

Au-delà de la puissance de calcul, une infrastructure prête pour l’IA implique de traiter la gestion des données de référence pour le machine learning. Les organisations ont besoin d’une source unique de vérité entre leurs systèmes. Les formats de données doivent être standardisés, en particulier lorsque la croissance par acquisition introduit des plateformes héritées avec des conventions différentes.

La gouvernance des données complique encore la situation. Des réglementations comme le RGPD et le CCPA imposent des exigences strictes sur la manière dont les données personnelles sont traitées et les lieux vers lesquels elles peuvent être transmises. Pour les organisations mondiales, cela signifie que les pipelines d’IA doivent tenir compte des différences juridictionnelles régionales, notamment lorsqu’il s’agit d’évaluer s’il faut utiliser des services d’IA externes ou conserver le traitement en interne.

Notre étude sur la gestion autonome des terminaux révèle que seulement 32 % des professionnels de l’IT utilisent un système de gestion unifiée des terminaux. Sans visibilité consolidée, l’IA et l’automatisation ne peuvent pas atteindre leur plein potentiel. Une gestion efficace des données pour l’IA commence par la visibilité : vous ne pouvez pas automatiser ce que vous ne voyez pas.

Bonnes pratiques pour les équipes IT qui mettent en œuvre l’IA

En matière de gestion des données pour l’IA, adopter des outils sans développer les processus qui les soutiennent est l’une des erreurs les plus courantes que j’observe.

Mettre en place des pratiques de gestion des connaissances

La plateforme ITSM d’Ivanti utilise l’IA pour générer des articles de connaissances à partir des tickets passés et des résolutions d’incidents. Le gain de productivité est réel. Mais il ne supprime pas la nécessité d’une discipline de gestion.

Les articles nécessitent toujours des cycles de revue et d’approbation, un contrôle des versions et une attribution claire de la responsabilité.

Bien que 86 % des professionnels de l’IT conviennent que l’IA est importante pour l’efficacité des opérations, moins de la moitié l’utilisent pour des scénarios à forte valeur ajoutée comme la maintenance prédictive ou la réponse automatisée aux incidents. L’écart en matière d’IA et de gestion des données ne tient pas à la technologie. Il tient à la maturité des processus.

Validation et gouvernance

La validation est tout aussi importante côté sortie que la qualité des données côté entrée. Les résultats générés par l’IA doivent être vérifiés, en particulier à mesure que les organisations évoluent vers l’IA agentique, où des systèmes autonomes agissent sur la base de décisions en temps réel. La question n’est pas seulement de savoir si les données renvoyées semblent correctes. Elle est de savoir si le système prend les bonnes mesures.

Mesurer les performances de l’IA est également essentiel : fréquence d’utilisation, niveau de précision et points de défaillance. Le rapport 2026 d’Ivanti sur l’état de la cybersécurité révèle que 92 % des professionnels de la sécurité estiment que l’automatisation réduit efficacement le délai moyen de réponse. Cette efficacité dépend toutefois d’une surveillance et d’un ajustement continus.

Utiliser l’IA comme catalyseur de meilleures pratiques de données

L’IA ne se contente pas de consommer de bonnes pratiques de données. Elle les encourage. En abaissant les barrières à la création et à l’analyse de contenu, l’IA libère les équipes pour qu’elles construisent les cadres de gouvernance qu’elles avaient repoussés. Lorsque la génération d’un article de connaissances prend quelques minutes au lieu de plusieurs heures, l’équipe peut consacrer ce temps aux workflows d’approbation et à l’assurance qualité.

C’est particulièrement utile lorsque les techniciens juniors bénéficient de conseils IA en temps réel, ce qui leur permet de contribuer à un niveau supérieur pendant que les profils seniors se concentrent sur la stratégie.

Notre rapport Advantage sur la gestion autonome des terminaux révèle que 62 % des professionnels de l’IT se sentent submergés par les opérations quotidiennes, et qu’une personne sur quatre indique qu’un collègue a démissionné en raison d’un épuisement professionnel. Une IA qui augmente l’expertise humaine aide les équipes à passer à l’échelle sans ce coût.

Le chemin n’est pas toujours clair, mais la stratégie peut l’être

Les données parfaites sont un mythe. Cela ne doit pas vous arrêter.

Nettoyage manuel pour les cas d’usage structurés et exigeant une haute précision. IA générative pour les scénarios non structurés et à fort volume. Les deux exigent un investissement volontaire dans l’infrastructure cloud, la gouvernance et le développement des processus.

À mesure que les modèles d’IA continuent d’évoluer, en intégrant non seulement la reconnaissance statistique de motifs, mais aussi des règles explicites et un raisonnement structuré, la barrière à la gestion des données prête pour l’IA continuera de baisser. Les organisations qui agissent dès maintenant, avec lucidité sur les imperfections de leurs données et une stratégie pour les gérer, capteront le plus de valeur.

Du traitement des tickets au pilotage d’équipe : gérer une équipe IT agentique

Thu, 30 Apr 2026 13:00:02 Z

La promesse de l’IA dans la gestion des services IT circule depuis des années. Des chatbots qui détournent les tickets. Des agents virtuels qui répondent aux FAQ. Une automatisation qui achemine les demandes. Ces capacités sont utiles, mais elles ne correspondent probablement pas à la vision idéale qui vous avait été présentée au départ.

Ce qui change aujourd’hui, c’est l’arrivée de l’IA agentique : des systèmes qui ne se contentent pas de répondre aux instructions, mais raisonnent, agissent et s’adaptent dans des workflows en plusieurs étapes aux conséquences bien réelles. Pour les responsables IT, la question n’est plus de savoir s’il faut adopter un ITSM agentique. Il s’agit de savoir comment le gouverner suffisamment bien pour avancer rapidement.

Les agents d’IA ne vont pas arriver dans votre centre de services : ils y sont déjà. Ivanti Neurons for ITSM est au cœur de cette évolution en intégrant directement des agents d’IA dans la gestion des incidents, les demandes de service et la gestion des connaissances.

Le centre de services agentique en action

Une équipe ITSM agentique n’est pas un chatbot avec quelques étapes en plus. Dans Ivanti Neurons, les agents d’IA sont conçus pour des personas ITSM définis : ils trient et classent les incidents dès leur arrivée, exécutent de bout en bout les workflows de changement approuvés, interrogent et rapprochent la CMDB sans intervention d’un analyste, et proposent des articles de connaissances qui résolvent réellement les problèmes au lieu de simplement les signaler.

Ces agents fonctionnent dans l’ensemble de votre stack technologique existante. Les agents d’IA agentique doivent opérer dans toute votre stack technologique, et non de manière isolée. Notre vision consiste à déployer des agents dans l’ITSM, la gestion des terminaux, la gestion des correctifs et la sécurité afin de rendre l’entreprise autonome.

Voici comment les responsables IT les plus visionnaires gouvernent, déploient à grande échelle et obtiennent des résultats concrets avec une équipe ITSM agentique.

Des résultats concrets, pas des projets pilotes

Les organisations qui ont dépassé le stade de l’expérimentation avec Ivanti Neurons for ITSM constatent des gains cumulatifs à mesure que les agents d’IA gagnent en maturité en production. Selon la propre étude AITSM d’Ivanti :86 % des professionnels IT déclarent que les technologies alimentées par l’IA sont essentielles pour rendre les organisations IT plus efficaces, et 85 % estiment que les solutions d’IA et d’automatisation, comme l’analyse des causes racines et la maintenance prédictive, peuvent contribuer à réduire le volume de tickets IT.

Ces résultats confirment l’ampleur de l’opportunité. Fait notable, 58 % des organisations utilisent déjà l’IA pour les réinitialisations de mot de passe et 52 % pour l’intégration des collaborateurs : des tâches routinières qui mobilisent du temps d’analyste tout en apportant peu de valeur stratégique.

Les analystes estiment que le coût moyen de résolution d’un ticket IT se situe entre 15 et 17 $, et qu’il peut être plusieurs fois supérieur pour les demandes escaladées. Les agents d’IA qui prennent en charge la partie à fort volume et faible complexité de cette file d’attente ne se contentent pas de réduire les coûts. Ils libèrent vos meilleurs talents pour les missions qui font réellement avancer l’entreprise.

— Ivanti AI: The Future of ITSM Automation Report.

Cette transformation est déjà à l’œuvre dans les secteurs où Ivanti Neurons for ITSM est déployé :

Santé : approvisionnement des appareils et demandes d’accès au dossier patient informatisé résolus de manière autonome dans des environnements multisites, réduisant les retards qui allongeaient auparavant les fenêtres de service.
Services financiers : l’évaluation du risque de changement par l’IA fait ressortir les alertes critiques pour le CAB, réduit le temps de revue et conserve des pistes d’audit complètes sans effort manuel.
Industrie manufacturière : les signaux d’état des terminaux sont automatiquement corrélés aux incidents ouverts, réduisant le MTTR dans des environnements OT et IT convergés.

La gouvernance n’est pas seulement un garde-fou : c’est le moteur

Les organisations ITSM agentiques les plus performantes partagent un point commun : elles traitent la gouvernance des agents d’IA avec la même rigueur que la gestion des changements. Des agents bien gouvernés ne se contentent pas d’exécuter : ils s’améliorent. Sans gouvernance, les agents se dégradent silencieusement, dérivent à mesure que les schémas de tickets évoluent, que les articles de connaissances deviennent obsolètes et que les changements organisationnels dépassent les hypothèses du modèle.

À quoi ressemble une bonne gouvernance des agents ITSM dans la pratique ?

Des limites d’autonomie définies. Les équipes IT doivent configurer précisément les étapes de workflow entièrement autonomes, celles qui nécessitent une confirmation humaine et celles qui doivent toujours être escaladées.
Une amélioration continue grâce à des boucles de feedback à chaque point de contact. Les agents apprennent des corrections des analystes, des scores de satisfaction des utilisateurs finaux et des résultats de résolution. Ces signaux apparaissent de manière agrégée : votre équipe ne se contente donc pas de clôturer des tickets, elle améliore aussi ses processus.
Des pistes d’audit pour chaque action d’agent. Chaque décision prise par un agent d’IA doit être journalisée avec son contexte complet : ce qui l’a déclenchée, les données utilisées et l’action effectuée. La conformité est intégrée dès le départ, et non ajoutée après coup.
Une escalade réellement efficace. Les agents connaissent leurs limites. Lorsque le niveau de confiance passe sous un seuil configurable, la technologie d’IA doit acheminer la demande de manière fluide vers la bonne personne, avec tout le contexte associé, afin que l’analyste ne reparte pas de zéro.
Des informations fiables. Les agents d’IA doivent utiliser des données auxquelles vous faites confiance, plutôt que de s’appuyer sur des sources externes inconnues ou sur des hallucinations. Garder le contrôle de vos sources de données est essentiel pour garantir la fiabilité des informations.

Les nouvelles compétences indispensables aux responsables IT

Le passage à une équipe ITSM agentique transforme ce que signifie être un manager IT efficace. La compétence clé n’est plus le volume de tickets traités ni la conformité aux processus, mais la capacité à orchestrer une équipe hybride composée d’humains et d’agents, à évaluer la performance des agents avec le même regard critique que pour un collaborateur direct, et à ajuster en continu le système aux besoins changeants de l’entreprise.

Le Technology at Work Report 2025 d’Ivanti et le rapport DEX 2025 mettent ce défi en évidence :

46 % des professionnels IT constatent une hausse du volume de tickets liée aux nouveaux déploiements logiciels.
34 % des centres d’assistance citent les tâches répétitives et chronophages ainsi que les longs délais de résolution comme leurs principaux irritants.

Ce sont précisément les pressions que l’IA agentique est conçue pour absorber, mais seulement si les dirigeants développent les capacités de pilotage nécessaires pour l’orienter.

Les responsables IT qui utilisent l’IA agentique avec l’ITSM devraient envisager d’instaurer des rituels hebdomadaires autour de l’évaluation des performances des agents, comme ils le feraient pour examiner les KPI des analystes, en posant des questions telles que :

Quels agents sont en sous-performance, et pourquoi ?
Quels workflows sont prêts pour une autonomie accrue de l’IA ?
Quels schémas d’escalade suggèrent une lacune de connaissances dans le modèle ?

Les organisations à la pointe de l’IA agentique doivent aller au-delà de l’évaluation séparée des analystes et des agents d’IA. Une véritable mesure de la performance consiste à les évaluer ensemble, comme une équipe intégrée d’humains et d’IA travaillant vers un objectif commun.

Une adoption lente crée de la dette technique

Dans l’IT, on a tendance à considérer l’adoption de l’IA comme quelque chose qu’il faut parfaitement maîtriser avant de passer à grande échelle. Ce réflexe est compréhensible, car l’ITSM touche toutes les parties de l’organisation, et les échecs sont visibles. Mais le calcul du risque s’est inversé. En 2026, avancer lentement ne permet pas d’éviter le risque : cela creuse l’écart avec les organisations qui renforcent leur avantage agentique trimestre après trimestre.

Les recherches d’Ivanti identifient les véritables obstacles : 42 % des professionnels IT citent les préoccupations de sécurité et de conformité comme le principal défi de l’automatisation IT. Par ailleurs, 44 % des organisations ont investi dans l’IA, mais indiquent que leurs collaborateurs ne disposent pas des compétences ou de la formation adéquates pour utiliser ces outils efficacement. Ces problèmes peuvent être résolus, mais seulement si la direction s’engage à les traiter.

L’obstacle à l’ITSM agentique est rarement technique : il est organisationnel. Une responsabilité floue concernant les résultats de l’IA, des incitations mal alignées et la résistance culturelle d’analystes qui craignent d’être remplacés plutôt qu’augmentés freinent l’adoption de l’IA à grande échelle.

Il convient de noter que 74 % des professionnels IT utilisent déjà des outils d’IA générative en 2025, contre 66 % l’année précédente. Les effectifs avancent. La question est de savoir si l’organisation avance avec eux ou si elle crée des frictions qui poussent cette adoption dans l’ombre.

Les principes qui génèrent une véritable transformation

Les organisations qui s’efforcent de bâtir des opérations IT véritablement agentiques partagent une même philosophie opérationnelle :

Commencez par les résultats, pas par les cas d’usage. Identifiez un indicateur stratégique — respect des SLA, MTTR, ratio analystes/tickets — puis remontez jusqu’aux workflows agentiques qui l’améliorent.
Traitez les agents d’IA comme des membres de l’équipe avec des plans d’intégration. Les nouveaux agents sont supervisés, accompagnés par du feedback et dotés d’une autonomie croissante lorsque leurs performances le justifient : ils ne sont pas simplement mis en production puis oubliés.
Mesurez la performance des agents comme celle des humains. Le taux de résolution, le taux d’escalade, la satisfaction des utilisateurs finaux et la contribution aux connaissances sont suivis par workflow d’agent, et pas seulement au niveau agrégé du centre de services.
Investissez dans les compétences humaines en parallèle des capacités de l’IA. Le centre de services s’améliore, et les personnes qui y travaillent aussi. Les meilleurs analystes ne sont pas remplacés : ils sont formés à devenir coachs IA, architectes de workflows et gestionnaires d’exceptions.
Mettez en place la gouvernance avant d’en avoir besoin. Configurez les seuils d’autonomie, la logique d’escalade et les politiques d’audit dès le premier déploiement, et non après le premier incident.
Considérez les agents d’IA et les analystes comme une seule équipe. Considérez les agents d’IA et les analystes humains comme une seule équipe : qui planifie, exécute et évalue ensemble. Guidez cette équipe combinée à travers le modèle de développement d’équipe Formation, confrontation, normalisation et performance afin de bâtir la confiance et la cohésion qui produisent des résultats réels.

L’ère du centre de services passif touche à sa fin. Fini l’attente d’un ticket, le traitement d’une file d’attente et la mesure du succès au taux de clôture. Les organisations qui définiront la prochaine décennie des opérations IT bâtissent des opérations de gestion des services proactives, capables de détecter, de raisonner et d’agir : les agents d’IA prennent en charge le volume, tandis que vos meilleurs talents préparent l’avenir.

Ivanti Neurons for ITSM est conçu pour ce centre de services. Reste à savoir si votre organisation est prête à le piloter.

Prêt à construire votre équipe IT agentique ?

Découvrez comment Ivanti Neurons for ITSM intègre des agents d’IA dans vos workflows de centre de services existants, dès le premier jour. En savoir plus.

Nous sommes entrés dans l’apocalypse des correctifs. Ces trois excuses IT ne tiennent plus.

Wed, 29 Apr 2026 14:00:07 Z

Le 7 avril, Anthropic a annoncé que son modèle Claude Mythos Preview avait identifié de manière autonome des milliers de vulnérabilités zero-day de gravité élevée et critique dans tous les principaux systèmes d’exploitation et navigateurs Web. Plus de 99 % d’entre elles n’étaient pas corrigées le jour de leur divulgation.

Deux semaines plus tard, le 21 avril, Mozilla a déclaré avoir utilisé le même modèle pour trouver et corriger 271 vulnérabilités dans la dernière version de Firefox. Selon la propre évaluation de Mozilla : « Jusqu’à présent, nous n’avons trouvé aucune catégorie ni complexité de vulnérabilité que des humains peuvent trouver et que ce modèle ne peut pas trouver. »

Ces 271 vulnérabilités ne sont qu’une première vague. Chrome, Edge, Windows, macOS, Linux, FreeBSD : la faille d’exécution de code à distance vieille de 17 ans dans FreeBSD, divulguée par la red team d’Anthropic (CVE-2026-4747), donne un premier aperçu de ce qui nous attend. Tous les éditeurs relevant du projet Glasswing d’Anthropic sont en mesure de publier des correctifs à un rythme encore jamais vu dans le secteur. Tous ces correctifs deviennent des CVE publiques avec des correctifs disponibles, et finissent tous au même endroit : votre environnement.

Le récit autour du confinement présente également une faille. Le 21 avril, Bloomberg a rapporté qu’un groupe lié à Discord avait obtenu un accès non autorisé à Mythos via l’environnement d’un fournisseur tiers. Anthropic affirme que l’activité n’a pas dépassé le périmètre de ce fournisseur. Que des capacités similaires soient déjà ou non entre les mains d’attaquants, le délai dont disposent les défenseurs est plus court que ne le laissait entendre l’annonce du 7 avril.

Mythos est arrivé dans un monde qui évoluait déjà dans cette direction. Le rapport Global Threat Report 2026 de CrowdStrike a documenté une hausse de 89 % sur un an des attaques assistées par l’IA en 2025. Cette tendance existait déjà avant Mythos.

Appelons cela une apocalypse des correctifs. Une apocalypse opérationnelle très concrète, où le volume et la cadence des CVE publiques assorties de correctifs disponibles sont sur le point de dépasser la façon dont travaillent aujourd’hui la plupart des équipes IT et sécurité.

Le NIST ressent déjà les effets de l’apocalypse des correctifs. En avril, l’agence a annoncé une évolution majeure des opérations de la National Vulnerability Database (NVD) en réponse à une augmentation de 263 % des soumissions. Le NIST ne fournira plus d’enrichissement détaillé pour toutes les vulnérabilités soumises et réservera désormais ce travail aux vulnérabilités répondant à des critères de risque élevé, comme celles figurant dans le catalogue Known Exploited Vulnerabilities de la CISA ou celles affectant des logiciels gouvernementaux critiques. Le NIST s’appuiera sur les CVE Numbering Authorities (CNA), comme Ivanti, plutôt que de réaliser sa propre évaluation indépendante.

Depuis l’annonce, j’entends trois variantes de la même réponse chez les clients et mes pairs. Toutes trois sont les déclinaisons d’un programme conçu pour un monde plus lent.

« Nous avons un scanner de vulnérabilités »

Qualys, Rapid7 et Tenable font très bien la découverte de vulnérabilités. Les scanners détectent, signalent, évaluent et listent. Le déploiement, la vérification, la gestion des redémarrages et le retour arrière ne relèvent pas de leur périmètre. Ce travail doit tout de même être réalisé quelque part. Dans la plupart des programmes, il se fait dans un outil distinct, avec une équipe distincte, selon une cadence distincte.

Alors que la fenêtre d’exploitation se compte désormais en heures et que la file d’attente Glasswing s’apprête à doubler le backlog, un scanner qui produit 587 vulnérabilités critiques et transmet la liste à une équipe humaine devient un facteur de risque. L’approche pragmatique consiste à connecter le scanner que vous possédez déjà à un moteur de remédiation capable d’agir automatiquement sur ses résultats. Une plateforme de gestion autonome des terminaux (AEM), avec déploiement par anneaux et retour arrière, ainsi qu’une veille sur les vulnérabilités pour fournir un contexte fondé sur le risque aux décisions de remédiation efficaces, afin que la liste se réduise sans qu’un humain ait à prendre chaque décision.

« Nous faisons passer les approbations par notre système de tickets »

Puisque nous parlons de décisions humaines… Les longs processus d’approbation linéaires vont fortement ralentir la remédiation. Quand avez-vous dû décider pour la dernière fois si vous alliez déployer la dernière mise à jour d’un système d’exploitation ou d’un navigateur ?

Les organisations savent déjà qu’elles vont déployer ces mises à jour. Le processus d’approbation est souvent dû à des politiques internes complexes et à un manque d’alignement sur les résultats attendus en matière de sécurité. Résultat ? Un processus très linéaire qui implique le scanner de vulnérabilités mentionné plus haut, un analyste qui approuve ce que vous savez déjà devoir faire, des tickets envoyés aux responsables métier pour approbation et qui restent dans les boîtes de réception en attendant une réponse, et au final un temps précieux perdu sur une décision qui était, en substance, déjà bien comprise et n’avait pas besoin d’être prise.

L’évolution du marché vers la gestion de l’exposition aborde ce processus de manière très différente, en se concentrant sur la définition de l’appétence au risque de l’organisation et sur la surveillance de sa posture de risque. La prochaine fois qu’une mise à jour de l’OS Windows sera publiée, vous saurez déjà que vous allez la déployer, selon quel calendrier, et avec quels SLA et indicateurs de conformité vous mesurerez la réussite. Ce que vous voulez vraiment savoir, c’est :

1. Dois-je aller plus vite parce que la mise à jour inclut des vulnérabilités connues exploitées ?

2. La mise à jour a-t-elle un impact sur les opérations, ce qui nous oblige à ralentir (heureusement, la plateforme de gestion autonome des terminaux inclut le déploiement par anneaux avec retour arrière) ?

« Nous avons Intune »

Microsoft Intune présente ici deux limites de périmètre importantes.

Premièrement, il ne gère que les appareils qui y sont inscrits. Les endpoints non inscrits et non gérés — serveurs, ordinateurs portables de prestataires, shadow IT, appareils en périphérie négligés — échappent totalement à sa visibilité. En période d’augmentation du volume de vulnérabilités, ces angles morts se multiplient plus vite que les équipes ne peuvent les traiter manuellement.

Deuxièmement, si Intune simplifie le déploiement et la mise à jour des applications, sa couverture des applications tierces et la profondeur de sa priorisation sont plus limitées que ne l’imaginent la plupart des administrateurs. Intune peut vous indiquer ce qui n’est plus à jour, mais pas ce qui augmente réellement votre exposition — ce qui oblige les équipes à tout corriger de manière réactive, ou à se fier à des suppositions lorsque le temps manque.

La plupart des environnements d’entreprise ne sont pas exclusivement Windows, entièrement inscrits, ni limités à une petite pile applicative homogène. Lorsque les divulgations de vulnérabilités explosent, le routage des correctifs laisse des failles et se transforme en risque systémique.

Conservez Intune. Associez-le à une couche de découverte et de remédiation qui trouve les actifs qu’Intune ne voit pas, priorise les vulnérabilités les plus importantes et applique les correctifs en toute confiance sur les applications qu’Intune ne couvre pas.

Que faire face à cette situation

L’automatisation est le modèle opérationnel. Elle doit être intégrée au workflow.

Les praticiens connaissent ce principe depuis quelque temps. Il se manifeste à trois niveaux :

Triage continu. Les vulnérabilités connues exploitées peuvent suivre un parcours de réponse zero-day, en particulier dans les parties moins sécurisées de l’organisation, comme les systèmes des utilisateurs finaux. Au-delà, définissez des applications spécifiques, comme les navigateurs et les applications de télécommunication, à mettre à jour selon un parcours prioritaire contrôlé chaque semaine, voire chaque jour. Tout le reste peut attendre la prochaine fenêtre de maintenance régulière.
Déploiement par anneaux avec retour arrière automatisé. Anneau de test, anneau d’adopteurs précoces, production étendue, environnements critiques. La séquence est classique, et elle fonctionne pour la plupart des opérations de maintenance. Ce qui a changé, c’est que certaines mises à jour devront être accélérées pour s’inscrire dans la fenêtre d’exploitation, au lieu d’attendre votre maintenance mensuelle. L’anneau de test doit être automatisé et instrumenté : une checklist humaine ne peut pas aller aussi vite.
Vérification en boucle fermée. Le correctif n’est pas considéré comme déployé tant que son installation sur l’endpoint n’a pas été vérifiée, et la CVE n’est pas clôturée tant qu’une nouvelle analyse ne l’a pas confirmé. La plupart des équipes sautent cette étape, ce qui explique pourquoi les preuves de conformité deviennent une urgence la semaine précédant l’audit. C’est pourquoi nous avons lancé cette semaine la conformité continue dans notre plateforme : afin que les preuves de conformité soient produites en continu et automatiquement au fur et à mesure du déploiement des correctifs, l’automatisation prenant en charge les décisions de priorisation pour lesquelles la plupart des équipes n’ont pas de capacité disponible.

Les 271 vulnérabilités Firefox de Mozilla ne sont qu’un aperçu. Tous les grands éditeurs logiciels relevant de Glasswing sont sur le point de commencer à corriger davantage de vulnérabilités, à un rythme accéléré, tandis que les attaquants disposant de capacités du même ordre chercheront précisément ces ouvertures dès qu’ils auront accès à un modèle similaire. La course à l’armement qui en résultera autour de l’IA aura un effet direct sur le nombre et la fréquence des mises à jour que les organisations devront remédier, là encore à un rythme accéléré. C’est l’automatisation qui permet à un programme de tenir dans la durée. Les équipes qui s’en tiennent encore à une gestion des correctifs uniquement mensuelle s’exposent à une période difficile.

Si vous pilotez un programme IT ou sécurité, l’auto-évaluation mérite d’être faite dès maintenant. Prenez le dernier correctif critique que vous avez déployé. Mieux encore : si une zero-day était publiée un vendredi, seriez-vous capable d’y remédier avant lundi ? Mesurez le délai entre la publication de la CVE et l’installation vérifiée sur le dernier endpoint. Si ce délai se compte en semaines, l’apocalypse des correctifs vous rattrapera.

Ivanti lance l’IA agentique sur le système de référence auquel vous faites confiance

Mon, 20 Apr 2026 22:00:02 Z

Les investisseurs et les entreprises posent enfin la question qu’ils évitaient jusqu’ici : quels éditeurs logiciels survivront à la révolution de l’IA, et lesquels deviendront obsolètes à cause d’elle ? La réponse devient claire. Les entreprises qui font office de système de référence, c’est-à-dire de source de vérité faisant autorité sur laquelle l’IA elle-même s’appuie, sont essentielles.

Aujourd’hui, Ivanti annonce une version contrôlée de Ivanti Neurons AI Self-Service Agent, notre première solution d’IA autonome. Nous nous appuyons sur une position de force stratégique en introduisant cette nouvelle solution d’abord au sein de notre framework de gestion des services IT (ITSM), dans la continuité de notre longue expérience de l’automatisation intelligente grâce aux workflows intégrés, à notre infrastructure de bots Neurons, aux outils d’IA générative et, désormais, à un agent autonome entièrement conversationnel.

Construire les fondations nécessaires pour déployer l’IA à grande échelle

Les discussions ne manquent pas sur ce que l’IA pourra faire à terme, mais ce potentiel n’a aucune valeur sans des fondations solides pour le soutenir.

Opérationnaliser l’IA autonome et en étendre l’impact à l’ensemble d’une organisation nécessite cinq capacités fondamentales.

Savoir ce qui existe : l’IA doit s’appuyer sur des données de découverte précises, et non sur des suppositions. Sans visibilité en temps réel sur les appareils, les utilisateurs, les configurations et les dépendances, les actions autonomes deviennent dangereuses.
Préserver la mémoire institutionnelle : l’IA a besoin d’un contexte durable qui résiste aux changements organisationnels. Les relations, l’historique et les dépendances doivent être conservés dans un système de référence.
Assumer la responsabilité : chaque action autonome doit avoir un propriétaire clairement identifié et une piste de décision. Lorsque l’IA agit au nom de l’organisation, quelqu’un doit en répondre.
Faire appliquer les politiques : l’IA doit distinguer ce qui est techniquement possible de ce qui est autorisé par l’organisation. L’optimisation sans gouvernance crée un risque de conformité.
Garantir l’auditabilité : chaque action ou décision effectuée par l’IA doit être traçable, explicable et défendable lors d’un audit.

Ce n’est pas une limite d’un modèle en particulier, mais bien la nature même du fonctionnement de l’IA. L’IA est puissante, mais elle repose sur des données. Et si ces données sont fragmentées, inexactes ou non gouvernées, l’IA construite dessus le sera également.

C’est précisément ce que Ivanti Neurons Platform a été conçue pour fournir. Notre plateforme Neurons sert de système de référence robuste et de panneau de contrôle pour les opérations IT et de sécurité. Notre Discovery Engine établit la réalité opérationnelle. Notre CMDB préserve les relations, les dépendances et l’historique des changements. Nos fonctionnalités de gestion des actifs IT (ITAM) attribuent la propriété, le cycle de vie et la responsabilité. Notre solution Software Estate Management fait appliquer ce qui est autorisé, par opposition à ce qui est simplement détecté.

Il s’agit de bien plus qu’une architecture produit. C’est la fondation dont votre organisation a besoin pour fonctionner de manière sécurisée et intelligente.

Le parcours vers une prestation de services autonome

L’IA agentique ne s’est pas construite du jour au lendemain. Chez Ivanti, nous avançons délibérément dans cette direction, avec une attention constante portée à la confiance, à la gouvernance et à la répétabilité.

Notre chemin vers une prestation de services autonome a été stratégique et intentionnel.

Automatisation traditionnelle : mise en place de workflows fondés sur des règles, exécutant des tâches prédéfinies en séquence.

IA cognitive : ajout d’intelligence grâce aux bots, au machine learning et à l’analytique prédictive, faisant passer l’IT d’un mode réactif à un mode proactif.

IA générative : introduction de grands modèles de langage et d’interactions en langage naturel.

IA conversationnelle : enrichissement des interactions grâce à la reconnaissance d’intention, à la détection du sentiment et à des garde-fous de sécurité, transformant l’IA d’un outil en un partenaire interactif.

Et désormais, des agents autonomes qui ne se contentent pas de répondre, mais orchestrent des actions dans différents systèmes tout en maintenant la gouvernance à chaque étape.

Chaque étape s’est construite sur la précédente. Et chaque étape n’a apporté une valeur réelle à l’entreprise que parce qu’elle reposait sur des données précises, une gouvernance et une responsabilité clairement établies. C’est cette fondation qui rend possible l’annonce d’aujourd’hui.

Présentation d’Ivanti Neurons AI Self-Service Agent

Le problème est bien connu de tous les responsables IT : les employés peinent à trouver des réponses disséminées dans des systèmes de connaissances déconnectés. Les tickets simples saturent le centre de services. Face à des portails confus, les utilisateurs finissent par les abandonner par frustration. Les équipes IT se retrouvent enfermées dans un cycle sans fin de tickets, effectuant des tâches répétitives au lieu de se consacrer aux projets stratégiques qui font réellement avancer l’entreprise. Les portails de self-service traditionnels n’ont pas résolu ce problème. Ils sont rigides, frustrants et créent souvent plus de difficultés qu’ils n’en résolvent.

Ivanti Neurons AI Self-Service Agent est différent. Nous avons tous déjà vu des chatbots, mais il s’agit ici d’autre chose. C’est un véritable agent d’IA conversationnelle. Il dialogue, investigue, résout et n’escalade que lorsque c’est nécessaire. La première version se concentre sur la recherche intelligente dans les connaissances, l’escalade des incidents et la possibilité de formuler une demande IT en langage naturel. L’expérience est aussi simple que l’envoi d’un message.

Cette version initiale offre trois capacités particulièrement abouties : la recherche intelligente dans les connaissances, l’escalade des incidents lorsque les connaissances ne suffisent pas, et la possibilité d’effectuer une demande depuis un catalogue de services sans la complexité des formulaires de portail de self-service.

Nous savons que le temps, la rapidité et la précision sont incontournables à l’ère numérique, et nous avons conçu ces fonctionnalités en conséquence. L’AI Self-Service Agent engage une conversation naturelle, pose les bonnes questions, interroge les sources internes et les sources externes approuvées, puis fait remonter des réponses vérifiées. Si ce processus ne suffit pas à résoudre le problème, l’agent escalade et capture un incident structuré à partir de la conversation, sans obliger l’utilisateur à répéter sa demande, pour garantir une expérience fluide.

Cette solution repose sur un framework d’IA conçu pour évoluer avec elle, à mesure que nous concrétisons notre vision complète de la gestion autonome des terminaux.

Générer les résultats réels et mesurables qui comptent le plus

Ce lancement fait directement progresser les résultats stratégiques de nos clients : améliorer la productivité IT, améliorer l’expérience numérique des employés et réunir les équipes et les fonctions métier au sein d’une plateforme unifiée. Voici ce que cela signifie :

Pour l’entreprise, cela se traduit par des gains de productivité mesurables, un coût par ticket réduit et une IT qui agit comme moteur de résultats stratégiques, plutôt que comme un goulot d’étranglement opérationnel.

L’autonomie exige une fondation fiable

Ce qui rend notre approche de l’IA autonome fiable et accessible, c’est que l’AI Self-Service Agent est conçu sur un système de référence au sein d’Ivanti Neurons Platform. Cela garantit que :

Notre IA agentique n’improvise pas, autrement dit, elle n’hallucine pas. Elle fonctionne à partir de données de découverte précises, d’informations d’actifs validées et de workflows gouvernés.
Elle sait quels appareils existent, qui en est responsable, quels logiciels sont autorisés et quelles politiques s’appliquent.
Elle maintient un état durable et applique la responsabilité à chaque action qu’elle entreprend.

Le modèle opérationnel est simple, mais puissant : détecter en continu les problèmes avant qu’ils n’impactent les utilisateurs. Décider à l’aide de données fiables issues du système de référence. Agir grâce à une automatisation gouvernée, dans des limites définies.

C’est ce qui distingue une IA qui génère des réponses d’une IA que les organisations peuvent utiliser en production en toute confiance, à l’échelle de l’entreprise.

L’avenir que nous construisons

Ce lancement est à la fois une étape majeure et une fondation pour la suite. Nous construisons des capacités autonomes sur le système de référence dont l’IA elle-même dépend. Cela rend notre plateforme plus résiliente, nos relations clients plus durables et la valeur que nous apportons plus forte au fil du temps.

L’avenir de l’IT est anticipatif, autonome et stratégique. Les responsables IT ne sont pas de simples gestionnaires de tickets réactifs. Ils orchestrent des infrastructures intelligentes capables de s’autoréparer. Les agents autonomes prennent en charge les tâches courantes, apprennent en continu et escaladent les situations complexes vers des experts humains, le tout dans le cadre de garde-fous de gouvernance appliqués par le système de référence.

Nous avons consacré des années à construire cette étape. Je suis fier de ce que notre équipe a réalisé, et je suis encore plus enthousiaste à l’idée de ce qui nous attend.

Souveraineté numérique et cloud souverain : protéger les données cloud de l’UE pour renforcer la résilience opérationnelle

Fri, 17 Apr 2026 12:30:01 Z

La protection traditionnelle des données reposait sur un principe simple : les données stockées dans le pays A sont protégées par les lois du pays A ; les données stockées dans le pays B sont protégées par les lois du pays B. Mais dans l’économie mondiale actuelle, l’endroit où vos données se trouvent physiquement ne détermine plus quels gouvernements peuvent exiger d’y accéder.

L’infrastructure cloud a introduit une nouvelle complexité juridictionnelle. L’emplacement physique des centres de données, la nationalité du siège social du fournisseur cloud et l’entité qui contrôle les opérations peuvent chacun donner lieu à des revendications juridictionnelles concurrentes, permettant potentiellement à plusieurs gouvernements d’exiger l’accès aux mêmes données.

Qu’est-ce que la souveraineté numérique ?

Ce défi porte un nom : la souveraineté numérique. La souveraineté numérique est le principe selon lequel les organisations conservent un contrôle complet sur leurs données dans le cadre juridique de leur juridiction d’origine. Cette idée est devenue une nécessité pour la résilience organisationnelle, alors que les entreprises évoluent dans un monde géopolitique plus fragmenté et où la confiance s’érode. Les organisations privées et publiques ont besoin d’un accès sécurisé à des plateformes basées dans le cloud, conformes aux exigences réglementaires locales et protégées contre les risques géopolitiques, connus ou inconnus, auxquels leur région est exposée.

Impact du CLOUD Act américain sur la résidence des données dans l’UE

Le CLOUD Act américain de 2018 (Clarifying Lawful Overseas Use of Data) a encore renforcé ces préoccupations pour les organisations de l’UE. Cette loi habilite les forces de l’ordre américaines à contraindre tout fournisseur cloud basé aux États-Unis à produire des données stockées n’importe où dans le monde, indépendamment de l’emplacement physique des données ou de la nationalité du client.

Le CLOUD Act américain et le Foreign Intelligence Surveillance Act (FISA) ont tous deux suscité des inquiétudes chez les entreprises de l’Union européenne. Avec ces deux politiques, les autorités américaines pourraient accéder aux données contenues dans les plateformes cloud de toute organisation dont le siège est situé aux États-Unis, même lorsque le centre de données cloud est situé dans un autre pays.

Pour les entreprises basées dans l’UE, l’utilisation d’outils basés aux États-Unis entraîne des obligations spécifiques au titre du RGPD car les données personnelles quittent l’UE. Et depuis l’invalidation du bouclier de protection des données UE–États-Unis (connue sous le nom de « Schrems II »), les entreprises de l’UE ont besoin d’autres protections. Les clauses contractuelles types (CCT) restent valides, mais elles sont conditionnelles et complexes, car elles nécessitent une évaluation au cas par cas.

Un cadre ultérieur de protection des données a depuis été introduit, mais la confiance sous-jacente entre les nations concernées reste limitée. Ces dynamiques ont accru la pression pour garantir la protection des données, d’où la nécessité de solutions de cloud souverain pour assurer la résilience opérationnelle.

Ivanti Neurons for MDM – Sovereign Edition : conçu pour la souveraineté cloud de l’UE

Pour nos partenaires et clients dans l’UE, Ivanti Neurons for MDM Sovereign Edition répond à ces exigences grâce à une architecture et à des opérations fondamentalement différentes. Située en Allemagne et exploitée de manière indépendante, cette solution a été conçue pour s’aligner sur le cadre de souveraineté cloud de la Commission européenne et a été évaluée par le très réputé cyberintelligence.institute, dont l’évaluation experte indique :

« L’Ivanti Sovereign Cloud démontre un haut niveau de contrôle européen dans les domaines du traitement des données, de la sécurité et de la gouvernance de la conformité. Dans sa configuration actuelle, l’Ivanti Sovereign Cloud atteint au minimum la certification SEAL 2, ce qui signifie que la souveraineté des données est garantie dans tous les domaines. En outre, l’Ivanti Sovereign Cloud satisfait aux exigences de la certification SEAL 3 dans de nombreux domaines pertinents, et atteint ainsi la résilience numérique. »

Vous pouvez consulter l’évaluation technique complète pour en savoir plus.

Atteindre la conformité en matière de souveraineté des données en toute confiance

Neurons for MDM – Sovereign Edition – EU offre aux entreprises européennes une base stratégique pour leur plateforme IT et de sécurité, fournie par un leader de confiance, tout en préservant les protections juridictionnelles locales nécessaires à la gestion des risques. Cela signifie que les entités publiques et privées peuvent poursuivre leur transformation numérique avec la certitude que leurs données cloud resteront sécurisées tandis que leurs opérations gagnent en résilience.

Prochaines étapes ? Lisez notre livre blanc, Le cloud souverain, une nécessité stratégique pour les organisations européennes, pour découvrir comment Ivanti Neurons for MDM Sovereign Edition obtient la certification SEAL 2 et va au-delà, tout en fournissant l’architecture de cloud souverain dont les organisations européennes ont besoin pour maintenir la souveraineté des données et permettre une transformation numérique sécurisée.

Patch Tuesday d’avril 2026

Tue, 14 Apr 2026 22:51:36 Z

La période précédant le Patch Tuesday a été riche en événements. Une vulnérabilité zero-day dans Google Chrome (CVE-2026-5281) a été corrigée le 1er avril, une vulnérabilité zero-day dans Adobe Acrobat Reader (CVE-2026-34621) en fin de journée le vendredi 10 avril, et plusieurs CVE plus anciennes ont été ajoutées hier à la liste KEV de la CISA (13 avril). Le tout dans un contexte où le secteur parle beaucoup d’Anthropic Mythos et du Project Glasswing.

Quel est le lien entre ces événements et Project Glasswing ? La plupart des discussions autour de Mythos se sont concentrées sur ses cas d’utilisation et leurs répercussions.

La détection de failles exploitables dans le code peut être un outil très utile lorsqu’elle est effectuée par l’éditeur qui écrit ce code avant sa publication. Toutefois, elle sera également utilisée par des chercheurs et des acteurs malveillants pour trouver des failles dans du code déjà publié, et c’est sur ce point que porte ma réflexion.

Considérez les effets en cascade d’un modèle de grande envergure comme Mythos et ce qu’il impliquera à court et à plus long terme pour les logiciels utilisés par les entreprises. À court terme, les grands acteurs utiliseront ce type de solution pour publier du code plus sécurisé. À mesure que les chercheurs et les acteurs malveillants adopteront des modèles d’IA plus robustes pour identifier des failles exploitables, cela se traduira par davantage de divulgations coordonnées (positif), d’exploits zero-day (négatif) et d’exploits n-day (négatif). Tout cela entraînera des mises à jour logicielles plus fréquentes et, surtout, plus urgentes.

De nombreuses organisations peinent actuellement à suivre le rythme des mises à jour prioritaires qui corrigent des vulnérabilités exploitées lorsqu’elles surviennent en dehors de leur maintenance mensuelle habituelle. Je pense que la plupart des organisations n’ont pas eu connaissance de l’exploit zero-day d’Adobe Acrobat avant la mise à jour KEV de la CISA hier. Cela signifie que les acteurs malveillants ont bénéficié de 2 à 3 jours supplémentaires pour exploiter CVE-2026-34621 avant que la plupart des organisations n’en soient informées, et beaucoup d’entre elles traiteront probablement cette mise à jour dans le cadre de leur maintenance régulière, qui commence aujourd’hui avec le Patch Tuesday.

Les mises à jour de sécurité des navigateurs sont hebdomadaires. De nombreuses autres applications que les utilisateurs emploient régulièrement publient des mises à jour selon un calendrier continu, et non à une date mensuelle fixe. Cela signifie que nombre des exploits ciblant les utilisateurs se produiront dans des logiciels publiés en dehors des calendriers de maintenance de la plupart des organisations, et cette fréquence est sur le point d’augmenter. Il est difficile de dire si cette hausse sera de 1,5 fois ou de 5 fois, mais soyez assurés qu’elle sera perceptible et aggravera un défi auquel la plupart des organisations sont déjà confrontées : la gestion rapide des correctifs.

C’est là qu’intervient la gestion de l’exposition. Il s’agit autant d’un changement d’état d’esprit et de maturité que d’une évolution technologique. Ce changement d’état d’esprit nous oblige à envisager un monde dans lequel nous devons prendre les décisions en amont et les surveiller. C’est ce que l’on appelle définir son appétence au risque et surveiller sa posture de risque. Effectuée efficacement, cette démarche fait gagner en maturité la réponse des organisations face aux risques et rend les activités de remédiation beaucoup plus claires.

L’évolution technologique exige que les technologies traditionnelles d’évaluation des vulnérabilités s’intègrent dans un écosystème plus large, où la visibilité des actifs ou le système de référence se combine avec des solutions d’évaluation des vulnérabilités et de renseignement sur les vulnérabilités afin d’affiner les décisions : agir plus immédiatement face à certains risques ou attendre les opérations de maintenance régulières. Le plus important est que cette pile technologique soit intégrée à votre plateforme AEM (Autonomous Endpoint Management), car c’est là que la remédiation s’effectue principalement et automatiquement.

Revenons maintenant à notre point Patch Tuesday habituel. Microsoft a corrigé 169 CVE ce mois-ci, ce qui constitue un ensemble de correctifs très important pour un Patch Tuesday. Le Patch Tuesday d’avril est le deuxième plus important jamais enregistré, derrière celui d’octobre 2025, qui avait corrigé 175 CVE. Il comprend un exploit zero-day (CVE-2026-3220) et une divulgation publique (CVE-2026-33825), répartis entre 8 vulnérabilités critiques, 156 importantes, 3 modérées et 1 faible.

La CVE zero-day se trouve dans Microsoft SharePoint et la divulgation publique concerne Microsoft Defender, ce qui fait de ces deux mises à jour les plus urgentes du mois, en plus des mises à jour Adobe Acrobat et Google Chrome publiées avant le Patch Tuesday.

Vulnérabilités Microsoft exploitées connues

Microsoft a corrigé une vulnérabilité d’usurpation de serveur dans Microsoft SharePoint (CVE-2026-32201). La vulnérabilité est classée Important par Microsoft et présente un score CVSS v3.1 de 6,5, mais son exploitation active a été confirmée. Un attaquant qui parvient à exploiter cette vulnérabilité peut consulter des informations sensibles et modifier les informations divulguées. La vulnérabilité affecte SharePoint Server Subscription Edition, SharePoint Server 2019 et SharePoint Server 2016. Une méthodologie de priorisation fondée sur les risques justifie de traiter cette vulnérabilité comme plus sévère que ne l’indiquent la classification de l’éditeur ou le score CVSS attribué.

Vulnérabilités Microsoft divulguées publiquement

Microsoft a corrigé une vulnérabilité d’élévation de privilèges dans Microsoft Defender (CVE-2026-33825). La vulnérabilité est classée Important par Microsoft et présente un score CVSS v3.1 de 7,8, mais elle a été divulguée publiquement. La CVE indique que la maturité du code d’exploitation est de type preuve de concept, ce qui accroît son risque d’exploitation. Un attaquant pourrait utiliser cette vulnérabilité pour permettre à un attaquant autorisé d’élever ses privilèges au niveau SYSTEM sur la machine locale.

Avis de sécurité Ivanti

Ivanti a publié une mise à jour de sécurité pour avril. Cette mise à jour concerne Ivanti Neurons for ITSM et corrige deux CVE. Vous trouverez plus de détails et d’informations sur les mesures d’atténuation dans l’avis de sécurité d’avril.

Vulnérabilités tierces

Adobe a publié douze mises à jour ce mois-ci, dont onze lors du Patch Tuesday, ainsi que la mise à jour zero-day pour Acrobat publiée le vendredi 10 avril. 54 CVE ont été corrigées, réparties entre 39 critiques, 13 importantes et 2 modérées. APSB26-43 a corrigé l’exploit zero-day (CVE-2026-34621).

Liste des tâches pour les mises à jour d’avril

Adobe Acrobat (CVE-2026-34621) et Google Chrome (CVE-2026-5281) ont tous deux fait l’objet d’exploits zero-day avant le Patch Tuesday. Veillez à prioriser la remédiation de ces deux produits vers leur dernière version.
Microsoft SharePoint comprend un exploit zero-day (CVE-2026-32201) et doit être examiné en priorité, en particulier si vous rencontrez des difficultés connues de mise à jour dans vos environnements SharePoint.
La mise à jour du système d’exploitation Microsoft Windows de ce mois-ci corrige 133 CVE (selon l’édition) et inclut 4 CVE critiques. Cette mise à jour corrigera un nombre important de constats dans votre environnement.

Tous les agents ne se valent pas : réussir l’IA agentique pour l’IT

Wed, 08 Apr 2026 13:00:06 Z

Il y a trois mois, une DSI m’a indiqué que son organisation avait « déjà déployé des agents ». Son équipe terminaux a supposé qu’elle parlait des clients de télémétrie présents sur chaque ordinateur portable géré. Son centre de services pensait qu’elle faisait référence à des chatbots d’IA. Pendant ce temps, son architecte sécurité a compris « prise de décision autonome ». Ils avaient tous raison, mais ne parlaient pas de la même chose.

C’est le problème de la confusion autour des agents. Cela peut sembler être une question de sémantique, mais cela crée un véritable décalage lorsque les équipes cherchent à mettre sérieusement en œuvre l’IA agentique. Clarifions donc les choses.

Trois types d’« agents » pour l’IT, et la façon dont ils s’articulent

1. Agents de terminaux

Les agents de terminaux sont les clients légers qui s’exécutent silencieusement sur les appareils gérés depuis des décennies : ils collectent la télémétrie, appliquent les règles et installent les correctifs. Si vous utilisez une plateforme moderne de gestion des terminaux, ils sont déjà présents dans tout votre parc et effectuent ce travail continu en arrière-plan. Ils constituent votre couche d’infrastructure : toujours à l’écoute et toujours en reporting, mais sans prendre de décisions.

2. Bots d’automatisation et workflows

Les bots d’automatisation et les workflows prennent en charge les processus répétitifs et structurés sur lesquels repose l’IT : identification proactive des incidents, auto-remédiation, réinitialisation de mots de passe, déverrouillage de comptes, provisionnement logiciel, chaînes d’approbation. Ce ne sont pas des limites héritées du passé dont il faudrait s’excuser. Un bot de réinitialisation de mot de passe bien conçu est rapide, prévisible et parfaitement adapté à cette tâche. Ils constituent votre couche d’exécution : fiable, auditable et conçue pour un objectif précis.

3. Agents d’IA

Les agents d’IA sont réellement différents. Là où les agents de terminaux collectent des données et les bots d’automatisation exécutent des tâches, les agents d’IA coordonnent les deux. Orchestrés par de grands modèles de langage (LLM), ils comprennent l’intention, raisonnent à partir du contexte issu de plusieurs systèmes, planifient des actions en plusieurs étapes et déterminent quand escalader un problème nécessitant une expertise humaine.

Mais voici la nuance essentielle : un agent d’IA bien conçu ne remplace pas le bot d’automatisation ; il l’appelle. Lorsqu’un employé demande à réinitialiser son mot de passe via une interface conversationnelle, l’IA gère le dialogue, vérifie l’identité, applique la logique des règles, puis déclenche le workflow existant pour l’exécution. L’intelligence orchestre l’automatisation. C’est l’architecture vers laquelle il faut tendre. Ajoutez la télémétrie des terminaux, et la vision devient encore plus riche.

Voici à quoi cela ressemble concrètement :

Un employé envoie le message suivant : « Mon ordinateur portable est très lent depuis le dernier correctif. »

L’agent d’IA :

Interprète l’intention et reconnaît un problème de performances potentiellement déclenché par un changement récent.
Récupère en temps réel la charge CPU, l’utilisation du disque et les données des processus de démarrage depuis la couche terminaux.
Déclenche une remédiation ciblée. Pas une approximation. Une action éclairée par les données et auditable.

C’est ainsi que se présente l’IT auto-réparatrice au niveau conversationnel.

Ce qui permet à l’IA agentique de fonctionner pour l’ITSM

Réussir l’IA pour la gestion des services IT agentique repose sur quelques fondations essentielles.

Commencez par des connaissances propres et à jour

Un agent d’IA ne vaut que par ce qu’il sait et par le contexte dont il dispose. Avant d’activer toute capacité agentique, auditez votre base de connaissances et posez-vous ces questions clés :

Est-elle à jour ?
Est-elle balisée par cas d’usage ?
Est-elle maintenue après les changements majeurs ?

Des connaissances obsolètes entraînent des résultats erronés qui détruisent rapidement la confiance des employés. Cela dit, ces mêmes agents d’IA peuvent aussi servir à accélérer la création de connaissances. Chaque ticket résolu est un brouillon d’article. Chaque question à laquelle l’agent ne peut pas répondre avec confiance révèle une lacune de connaissance qu’il vient de mettre en évidence pour vous. L’agent devient un contributeur à votre base de connaissances, et pas seulement un consommateur.

Fournissez du contexte

Les connaissances seules ne suffisent pas. Les agents ont besoin d’un contexte en temps réel dans l’ensemble de votre environnement IT. Cela inclut les données des appareils issues de votre CMDB, les informations sur les rôles et les accès provenant des systèmes RH, ainsi que l’historique des tickets dans l’ITSM. Avec cette couche de contexte, il devient possible de passer d’un bot qui donne l’impression d’être intelligent à un agent capable de boucler la boucle.

Définissez des garde-fous de gouvernance

Disposer de contrôles et de garde-fous pour l’IA n’est pas facultatif. Définissez précisément ce que l’agent traite de manière autonome, ce qui nécessite une étape d’approbation humaine et ce qui doit toujours être escaladé. Garder un humain dans la boucle ne relève pas d’un excès de prudence. C’est au contraire un choix de conception délibéré et intelligent. Pour tout ce qui est sensible sur le plan de la sécurité, comme les modifications MFA, les ajustements de privilèges ou les demandes d’accès aux données, l’agent doit présenter la décision, et non la prendre unilatéralement. Les entreprises doivent définir ces seuils dès le départ, et non tenter de les ajouter après coup.

Gestion du changement

Même avec une configuration parfaite, le déploiement échoue lorsque les entreprises ne prennent pas en compte la gestion du changement.

Votre équipe de centre de services a besoin d’un modèle mental clair de ce que l’agent prend en charge et du moment où elle doit reprendre la main. Vous pouvez l’envisager comme n’importe quelle autre répartition du travail : il ne doit pas y avoir de chevauchement. Vous ne voulez pas que des humains consacrent du temps à des tâches que l’agent peut traiter instantanément, et vous ne voulez surtout pas que l’agent prenne des décisions là où les règles exigent qu’un humain reste dans la boucle. Des frontières claires permettent aux deux parties d’apporter leur meilleure valeur.

Vos employés doivent avoir la certitude que le contexte ne sera pas perdu en cours de conversation lorsqu’un problème est escaladé de l’agent vers un humain. Autoriser immédiatement les agents à aller au-delà du support de base est le meilleur moyen de transformer un pilote prometteur en retour arrière douloureux. Commencez avec un périmètre restreint, puis gagnez la légitimité nécessaire pour l’élargir.

À quoi ressemble la réussite

Pour démontrer le ROI de l’IA agentique, les organisations doivent se concentrer sur des indicateurs opérationnels qui reflètent un impact réel et peuvent être améliorés grâce à une meilleure orchestration.

La déflexion des tickets montre avec quelle efficacité les agents résolvent les demandes courantes de bout en bout, sans intervention humaine. L’auto-remédiation met en évidence les cas où les systèmes peuvent diagnostiquer les problèmes et appliquer des actions correctives approuvées, réduisant ainsi l’effort manuel et le volume des files d’attente. Le temps moyen de résolution (MTTR) indique dans quelle mesure le système raccourcit le parcours entre la demande et le résultat en supprimant les transferts et les changements d’outil.

Ensemble, ces indicateurs montrent si l’IA agentique réduit réellement la charge de travail, au lieu de simplement la déplacer. Mais la mesure la plus importante reste la satisfaction des utilisateurs finaux (CSAT). La rapidité sans satisfaction ne fait qu’accélérer les irritants.

La meilleure IA agentique est invisible. Les employés demandent de l’aide, obtiennent ce dont ils ont besoin, puis poursuivent leur travail sans remarquer les workflows, les contrôles ou les actions automatisées en arrière-plan. Les organisations qui réussissent conçoivent leurs systèmes agentiques de manière intentionnelle, avec des garde-fous clairs et une compréhension solide de la façon dont l’autonomie transforme les opérations.

Prochaines étapes

Si vous évaluez le rôle de l’IA agentique en libre-service dans votre écosystème IT, un point d’entrée conversationnel est souvent le point de départ le plus pratique. Regrouper la création d’incidents, les demandes de services, l’accès aux connaissances et les vérifications de statut dans une interface unique peut réduire les frictions pour les employés tout en respectant les règles et les workflows existants.

Cette approche pose les bases d’une plateforme agentique plus large. Pour les responsables IT soumis à la pression d’en faire plus avec moins, le moment est venu de définir délibérément comment l’IA doit fonctionner, où l’autonomie crée de la valeur et où des garde-fous sont nécessaires.

Prêt à passer à l’étape suivante dans votre parcours d’IA agentique ? Téléchargez notre livre blanc pour obtenir le cadre, le modèle de maturité et la feuille de route de mise en œuvre dont vous avez besoin pour réussir.

Tout voir ou tout risquer : la vérité sur la visibilité IT

Mon, 06 Apr 2026 12:00:02 Z

Dans la vie quotidienne, ignorer ce que l’on ne voit pas peut sembler sans conséquence. En IT, cela crée un faux sentiment de sécurité et une illusion coûteuse.

Bien que de nombreuses organisations utilisent une forme de découverte des actifs, les recherches d’Ivanti sur la sécurité en 2026 révèlent que plus d’un professionnel IT sur trois (38 %) déclare ne pas disposer de données suffisantes sur les appareils qui accèdent à ses réseaux, et que 45 % disent manquer d’informations adéquates sur le shadow IT. Ce manque de visibilité expose les actifs critiques au risque de ne pas être détectés ni gérés.

Pourtant, les environnements hybrides couvrent désormais les bureaux, les domiciles, les clouds et les datacenters. À mesure que les appareils, les identités, les workloads cloud et les outils SaaS circulent entre ces espaces, beaucoup échappent aux méthodes de découverte traditionnelles. Des ordinateurs portables non gérés restent présents sur le réseau. Des outils SaaS sont adoptés sans supervision. Des ressources cloud apparaissent et disparaissent avant que la CMDB ne soit mise à jour. Il en résulte un environnement rempli d’actifs bien présents, influents et pourtant totalement invisibles.

Le coût d’une visibilité partielle est bien plus élevé que ne l’imaginent la plupart des organisations. Tout actif qui n’est ni suivi ni compris devient une source de risque, de dépenses imprévues et d’inefficacité opérationnelle.

L’ampleur de ce défi est clairement illustrée dans le Rapport 2025 sur la sécurisation du paysage numérique sans frontières d’Ivanti :

3 collaborateurs IT sur 4 déclarent que l’utilisation d’appareils personnels, ou BYOD, est courante dans leur organisation. Pourtant, seuls 52 % de ce même groupe indiquent que leur organisation l’autorise explicitement.
Dans les entreprises où le BYOD n’est pas autorisé, 78 % des employés passent purement et simplement outre l’interdiction.

Le problème des technologies fantômes s’amplifie encore avec l’essor exponentiel de l’utilisation de l’IA au travail. Selon cette même étude Ivanti, près d’un tiers (32 %) des personnes qui utilisent des outils d’IA générative au travail reconnaissent cacher cet usage de l’IA à leur employeur.

La bonne nouvelle : une visibilité complète et continue est possible, et les organisations qui l’atteignent réduisent leurs coûts opérationnels, éliminent les risques liés aux angles morts et renforcent leur préparation à la conformité. Les approches modernes de découverte donnent désormais à l’IT la capacité de voir chaque actif, d’en comprendre le contexte et de le gérer en toute confiance.

Les coûts cachés d’une visibilité IT partielle

De nombreuses organisations considèrent qu’avoir de la visibilité sur « la plupart » de leurs actifs suffit. Pourtant, lorsque certains actifs restent invisibles et non gérés, des risques critiques peuvent se cacher sous vos yeux. Parmi les exemples courants d’angles morts de visibilité, on trouve notamment des ordinateurs portables non détectés qui peuvent apparaître par intermittence dans les outils d’analyse IT, des outils SaaS récemment acquis et adoptés sans intervention de l’IT, des workloads cloud orphelins qui n’intègrent jamais la CMDB, ainsi que des identités surprovisionnées qui passent inaperçues et n’ont pas été anticipées.

Lorsqu’une fraction, même réduite, de votre environnement reste non comptabilisée, quatre grands problèmes apparaissent immédiatement :

1. La sécurité s’affaiblit

Les actifs invisibles ou visibles par intermittence manquent des correctifs, échappent aux analyses et créent des ouvertures pour les attaquants. Les angles morts ralentissent la réponse aux incidents et compliquent l’alignement des priorités d’application des correctifs. Selon une étude mondiale 2026 d’Ivanti, 38 % des collaborateurs IT affirment que les données inaccessibles et cloisonnées compliquent le suivi de l’état des correctifs et de leur déploiement.

2. La conformité vacille

En plus de ces défis de sécurité, ce même rapport révèle que 35 % des organisations IT estiment que les lacunes de visibilité sur les données rendent le maintien de la conformité beaucoup plus difficile.

Les éléments de preuve d’audit se fragmentent entre des outils, des feuilles de calcul et des boîtes de réception déconnectés. Sans capacité à suivre avec confiance l’emplacement des données, il devient impossible de prouver la conformité.

3. Les dépenses logicielles perdent de la valeur

Même avec des outils de gestion SaaS ou d’inventaire en place, des données incomplètes sur l’utilisation et les droits entraînent des dépenses excessives. Selon l’Indice 2025 de gestion SaaS de Zylo, les entreprises perdent environ 25 % de leurs budgets SaaS dans des droits inutilisés, des outils redondants et des licences sous-utilisées.

L’étude Technology at Work 2025 d’Ivanti a révélé que près d’un collaborateur IT sur trois (31 %) déclare que son organisation ne suit pas les licences logicielles inutilisées ou sous-utilisées, peut-être parce qu’elle ne dispose pas d’un inventaire complet de l’ensemble. Par ailleurs, 39 % des équipes IT indiquent que le matériel obsolète entraîne des dépenses budgétaires IT inutiles.

Chaque ressource que vous ne pouvez pas voir — ou ne pouvez pas vérifier — grève discrètement votre budget.

4. Les opérations perdent en efficacité

Des données contradictoires ou incomplètes obligent les équipes à revérifier les informations sur les appareils, à rechercher des enregistrements obsolètes et à corriger des problèmes sur les mauvais actifs. Cela ralentit la prestation de services et augmente les reprises de travail.

La visibilité partielle ne se contente pas de masquer la réalité. Elle crée des risques cachés, des coûts cachés et des retards cachés.

Pourquoi les lacunes de visibilité IT continuent de s’accentuer

Malheureusement, les lacunes de visibilité s’élargissent pour de nombreuses entreprises. À mesure que les effectifs, les appareils, les identités et les usages SaaS augmentent, il devient de plus en plus difficile pour les équipes IT de maintenir une visibilité complète. Plusieurs facteurs contribuent à l’aggravation de ces problèmes de visibilité, notamment :

Le shadow IT et la prolifération du SaaS progressent plus vite que l’IT ne peut suivre.
Les ressources cloud apparaissent et disparaissent en quelques minutes.
Les collaborateurs à distance et hybrides se connectent à des réseaux extérieurs au réseau d’entreprise.
La prolifération des identités s’étend à des dizaines d’applications et de plateformes.
Les outils de découverte hérités ne capturent qu’une fraction de l’environnement.

Ces pressions s’accumulent rapidement. Les employés adoptent des outils pratiques avant que l’IT ne puisse les approuver. Lorsque des appareils, des serveurs ou des applications sont créés dans des environnements cloud puis supprimés en quelques minutes, ils peuvent échapper aux contrôles de sécurité et à la surveillance. Par conséquent, ces ressources éphémères risquent de ne pas être corrigées ni protégées, créant des angles morts que des attaquants pourraient exploiter avant même que quelqu’un ne s’en aperçoive. Les collaborateurs à distance peuvent ne jamais se connecter au réseau d’entreprise. Les écosystèmes SaaS, d’identités et d’appareils se développent bien plus vite que les outils de découverte hérités n’ont été conçus pour les suivre. Sans visibilité continue et multisource, les organisations prennent du retard presque immédiatement.

Pour combler ces lacunes croissantes, les organisations doivent passer d’inventaires réactifs et ponctuels à un modèle fondé sur une visibilité continue, contextuelle et en temps réel. C’est là que comprendre et obtenir une véritable visibilité sur l’ensemble de votre parc IT devient essentiel.

La visibilité IT ne se résume pas à un inventaire

La vraie visibilité n’est pas une liste d’actifs. C’est une intelligence complète, à jour et fiable sur laquelle chaque équipe peut agir. Une visibilité totale exige d’identifier chaque appareil, application SaaS, identité, workload cloud, configuration et signal d’utilisation, quels que soient son emplacement et sa durée d’existence.

Elle implique aussi de comprendre les relations : qui possède un actif, quelles données il touche, son niveau de risque, son impact sur la conformité et s’il est réellement utilisé. C’est le socle qui transforme la découverte, simple information, en contrôle opérationnel.

Comment une visibilité complète transforme les workflows

Une fois la visibilité devenue continue et contextuelle, l’ensemble de l’environnement se transforme. Les environnements IT modernes exigent plus qu’une observation passive. À mesure que les menaces, les workloads et les actifs se développent à une vitesse sans précédent, les organisations ont besoin d’actions intelligentes et automatisées pour transformer la visibilité en résultats concrets. Les insights pilotés par l’IA et les workflows automatisés permettent aux équipes de traiter proactivement les menaces de sécurité, de remédier aux problèmes et d’optimiser les opérations sans attendre une intervention manuelle.

Avec la bonne approche, les organisations peuvent dépasser la visibilité partielle et enfin voir :

chaque appareil, application, identité et workload cloud.
des données normalisées et rapprochées, présentées comme une source unique de vérité.
des vulnérabilités associées aux actifs et aux propriétaires exacts concernés.
des workflows automatisés qui déclenchent l’application de correctifs, les quarantaines, les mises à jour de la CMDB et la clôture des tickets avec preuve à l’appui.
une découverte qui combine des méthodes avec agent, sans agent, actives et passives afin de couvrir chaque recoin de l’environnement hybride.

Comment chaque équipe bénéficie d’une visibilité unifiée des actifs

Avec des données d’actifs unifiées et fiables, chaque équipe en bénéficie :

La sécurité peut associer les expositions aux actifs réels et répondre plus rapidement.
Les opérations IT peuvent boucler la boucle, de la découverte à la remédiation puis à la vérification.
Les équipes en charge des terminaux peuvent appliquer les politiques de manière cohérente.
Les équipes ITAMpeuvent optimiser les dépenses grâce à des insights précis sur l’utilisation et les droits, afin d’éliminer le gaspillage.
Les équipes conformité peuvent produire automatiquement des preuves prêtes pour l’audit, sans effort manuel.

Obtenir une visibilité IT complète dès aujourd’hui

Ce niveau de clarté est atteignable dès aujourd’hui. En utilisant des approches modernes de découverte qui combinent des méthodes avec agent, sans agent, actives et passives, l’intelligence unifiée des actifs permet aux équipes IT d’obtenir une visibilité complète, même lorsque les environnements deviennent plus complexes et distribués.

L’intelligence unifiée des actifs ingère des données à jour provenant de tous les recoins de l’organisation, notamment les appareils, les identités, les applications SaaS, les workloads cloud et les signaux réseau. Ces données sont normalisées et consolidées dans une source unique de vérité, fiable.

Au lieu de gérer des inventaires partiels ou fragmentés issus de plusieurs outils, les organisations bénéficient d’une vue holistique en temps réel. Chaque actif est représenté avec précision, avec ses détails clés et son contexte, ce qui supprime les angles morts et permet aux équipes de sécuriser et de gérer l’ensemble de l’environnement en toute confiance, en éliminant les approximations, en réduisant les risques et en reprenant le contrôle.

Découvrez comment Ivanti Neurons for Discovery peut offrir une visibilité complète sur votre environnement.