Enseignements tirés du rapport 2026 sur l’état de la stratégie applicative
Pendant des années, nous avons eu le luxe de considérer l’IA comme un élément périphérique au système réel. Elle était cantonnée à des projets pilotes, des démonstrations de faisabilité et des expérimentations soigneusement encadrées, où les échecs avaient peu de conséquences. Cette approche était pertinente lorsque l’inférence restait ponctuelle et déconnectée du flux principal de l’application.
Ce n’est plus le cas.
L’inférence se trouve désormais au cœur du traitement des requêtes, ce qui change tout. Elle se comporte à présent comme n’importe quelle autre charge de travail en production et doit répondre aux mêmes exigences en matière de latence, de disponibilité, de capacité à monter en charge et de sécurité. Les données le confirment : environ trois quarts des organisations exploitent déjà des applications intégrant l’IA, et plus de 80 % s’attendent à ce que l’IA soit intégrée à l’ensemble de leurs portefeuilles à court terme. Dès lors, l’IA n’est plus facultative. Elle devient partie intégrante du système.
L’observabilité est passée d’une analyse a posteriori à une donnée d’entrée
L’un des signes les plus évidents de cette transition réside dans l’évolution de l’observabilité. Historiquement, elle servait d’outil de diagnostic. Vous recueilliez des données de télémétrie, les analysiez et les utilisiez pour comprendre ce qui s’était déjà produit.
Selon notre rapport « État de la stratégie applicative 2026 », ce rôle a évolué, comme le montrent sans ambiguïté les chiffres relatifs à l’utilisation des données d’observabilité.
- L’utilisation des alertes est passée de 41 % en 2023 à 96 % en 2026.
- L’automatisation pilotée par les données opérationnelles est passée de 51 % à 97 %.
- Les insights sont passés de 33 % à 97 %.
- L’analyse des causes profondes est passée de 47 % à 95 %.
- Le taux de reporting des SLO et des SLI est passé de 41 % à 96 %.
Il ne s’agit pas d’améliorations progressives. Il s’agit d’une adoption quasi universelle et, plus important encore, d’une dépendance quasi universelle.
L’observabilité ne se contente plus de rendre compte de l’état du système : elle l’alimente. Les données opérationnelles orientent désormais les décisions prises lors de l’exécution, façonnent l’automatisation, influencent le routage et éclairent l’application des politiques. Dans une architecture pilotée par l’inférence, ce n’est pas un simple atout. C’est un prérequis.
La pression opérationnelle se concentre autour de l’inférence
Pour comprendre où un système joue véritablement un rôle crucial, il faut observer où se concentre la pression opérationnelle. Dans les architectures d’IA, cette pression converge vers les couches qui encadrent l’inférence.
D’un point de vue opérationnel, les répondants ont cité :
- Couche de prompts : 29 %
- Couche de jetons et de contrôle : 23 %
- Routage des modèles : 17 %
- Modération des résultats : 14 %
Les professionnels de la sécurité ont fait état de priorités presque identiques :
- Couche de prompt : 25 %
- Couche de jetons et de contrôle : 23 %
- Modération des résultats : 19 %
- Routage des modèles : 17 %
Cet alignement est important. Il montre que les équipes chargées des opérations comme celles chargées de la sécurité font le même constat : le travail critique s’effectue au moment de l’inférence.
C’est à ce stade que la latence devient perceptible, que les coûts s’accumulent et que les risques doivent être maîtrisés. Les pipelines d’entraînement et la préparation des données restent importants, mais ils n’ont pas le même poids opérationnel au quotidien. Lors de l’inférence, soit le système répond correctement et rapidement, soit ce n’est pas le cas.
Dans ce contexte, l’inférence n’est pas une phase du cycle de vie. Elle constitue la charge de travail.
L’automatisation s’est déjà imposée autour de l’IA
Un autre signe de maturité réside dans la manière dont une charge de travail est contrôlée. Dans le cas de l’IA, ce contrôle est très largement assuré par programmation.
Dans tous les cas d’usage, qu’il s’agisse d’accélérer l’automatisation, d’ajuster les politiques ou de générer des suggestions, l’automatisation pilotée par API s’impose systématiquement comme l’approche privilégiée. Même les personnes interrogées qui n’utilisent pas encore l’IA à des fins d’automatisation préfèrent les mécanismes pilotés par API.
Cette constance traduit l’attente que ces systèmes fonctionnent avec une intervention humaine minimale. Ils sont conçus pour agir, réagir et s’adapter en temps réel. L’inférence devient opérationnelle dès lors qu’elle est intégrée à ces boucles automatisées.
Nous avons déjà franchi ce seuil.
La réalité multimodèle renforce cette évolution
À cela s’ajoute le fait que les organisations n’utilisent pas un modèle unique. Il est désormais courant d’exécuter plusieurs modèles en parallèle (souvent cinq à sept). La plupart des techniques d’adaptation restent légères et reposent sur l’ingénierie des prompts, la génération augmentée par récupération, les plongements vectoriels ou un ajustement limité.
Cela entraîne des défis opérationnels bien connus : sélectionner le modèle adapté à chaque requête, mettre en œuvre une logique de repli, gérer les versions, trouver le juste équilibre entre coût et performances, et faire respecter les politiques sur des points de terminaison hétérogènes.
À ce stade, le système commence à ressembler à n’importe quelle autre application distribuée. Il nécessite un routage, une orchestration et une gouvernance. L’inférence devient un service qui doit être fourni, géré et sécurisé, et non plus simplement invoqué.
L’inférence est devenue le centre de gravité
Pris dans leur ensemble, ces éléments font apparaître une tendance claire.
- L’inférence se trouve directement dans le chemin de la requête.
- L’observabilité lui fournit un contexte en temps réel.
- L’automatisation régit son comportement par le biais d’API.
- Les architectures multimodèles renforcent le besoin de routage et de contrôle.
Cette combinaison fait de l’inférence le centre de gravité opérationnel. Non pas comme une prévision prospective, mais comme une réalité actuelle.
Le secteur continue de parler de la mise en œuvre opérationnelle de l’IA comme si elle était encore à venir. Les données indiquent pourtant le contraire. Les organisations ont déjà intégré l’inférence à leurs activités quotidiennes et lui accordent la même importance qu’à tout autre composant critique de la pile applicative.
La véritable question n’est pas de savoir si l’IA deviendra opérationnelle, mais si les organisations ont conscience qu’elle l’est déjà et si elles appliquent à l’inférence la même discipline, la même rigueur et la même réflexion architecturale que celles qu’elles appliquent depuis longtemps à tous leurs autres systèmes.
Pour en savoir plus, consultez le rapport complet « État de la stratégie applicative 2026 ».
À propos de l’auteur
Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.
Autres articles de Lori Mac VittieArticles de blog associés
Les sessions sont persistantes, le contexte s’accroche : comment l’inférence triche pour maintenir les conversations
L’inférence « sans état » ne l’est pas vraiment : à chaque requête, l’état de la conversation est retransmis sous forme de tokens. À mesure que le contexte s’allonge, cette répétition augmente la bande passante utilisée, les besoins en calcul et la latence.
Le nouveau défi du multicloud hybride : fonctionner sans plateforme de mise à disposition et de sécurisation des applications
Les entreprises n’abandonnent pas leurs infrastructures sur site : elles les modernisent. Alors que leurs portefeuilles restent hybrides, la mise à disposition des applications et la sécurité doivent délaisser les fonctionnalités propres à chaque environnement au profit d’une plateforme unifiée.
Des paquets aux prompts : l’inférence ajoute une nouvelle couche à la pile
L’inférence n’est ni de l’entraînement, ni de l’expérimentation, ni un exercice de science des données. Elle correspond au comportement d’exécution en production et fonctionne comme une couche applicative.
La programmabilité est la seule façon de préserver le contrôle à l’échelle de l’IA
Découvrez pourquoi la programmabilité des plans de données et de contrôle est essentielle pour faire évoluer et sécuriser les systèmes pilotés par l’IA, tout en garantissant un contrôle en temps réel dans un environnement en constante évolution.