Parlons de cet étrange phénomène qui consiste à avoir magistralement raison pour de très mauvaises raisons.
Il y a quelques années, nous avons publié un rapport du bureau du CTO intitulé « La prolifération continue des API ». Nous y avons effectué quelques calculs de croissance composée et formulé une prédiction audacieuse qui a fait transpirer plus d’un professionnel de l’informatique : d’ici 2030, le monde croulerait sous le poids d’environ 2 milliards d’API actives.
À l’époque, cette prédiction semblait presque apocalyptique. Aujourd’hui ? Tout porte à croire que nous sommes parfaitement en bonne voie pour atteindre comme prévu la barre des 2 milliards. Mais voici le plus surprenant : le modèle mathématique qui nous avait permis d’aboutir à cette estimation a été complètement invalidé.
Nos calculs initiaux étaient prisonniers d’une vision antérieure à l’IA. Nous pensions que la prolifération des API serait alimentée par des développeurs humains tapant toujours plus vite. Nous avions tort. L’ère de la prolifération des API centrée sur l’humain est officiellement révolue. Celle de la prolifération agentique a commencé.
L’ancien calcul : la limite de vitesse humaine
Notre modèle initial reposait sur une équation humaine simple et linéaire. Nous avons pris le nombre total de développeurs dans le monde, l’avons multiplié par le pourcentage d’entre eux qui créent des API, puis avons multiplié ce résultat par le nombre moyen d’API que chaque développeur produirait chaque année.
Sur le papier, cette croissance exponentielle semblait terrifiante. Pour atteindre nos objectifs de 2030, le modèle supposait que, dès 2026, un ingénieur logiciel produirait en moyenne près de 30 nouvelles API nettes par an.
La réalité, comme souvent, en a décidé autrement.
Si le nombre de développeurs dans le monde a bel et bien augmenté pour atteindre environ 36 millions aujourd’hui, la productivité humaine, elle, s’est heurtée à un mur. Les données réelles du marché montrent que les développeurs ne produisent aujourd’hui qu’environ 3 à 5 nouvelles API nettes par an. Pourquoi ? Parce que les 70 % restants de leur temps sont entièrement absorbés par la maintenance, les tests, la réparation des pipelines défaillants et le maintien des systèmes en fonctionnement.
En outre, l’hypothèse selon laquelle presque tous les développeurs finiraient par coder manuellement des API a plafonné à environ 83 %. L’essor des plateformes low-code/no-code et des solutions SaaS axées sur les API a rendu inutile la création de toutes pièces de points de terminaison pour les intégrations standard.
Si la vitesse de travail des humains était le seul facteur moteur du marché, notre prévision de 2 milliards d’API aurait été une surestimation colossale et embarrassante. Alors, pourquoi sommes-nous toujours en bonne voie pour atteindre ce chiffre ?
Coup de théâtre : l’entrée en scène des agents d’IA
Nous avons élaboré un modèle basé sur la vitesse de frappe d’un humain, sans nous rendre compte que nous étions sur le point de confier le clavier aux machines.
Les facteurs à l’origine de la prolifération des API ont fondamentalement changé. Cette prolifération ne dépend plus de la vitesse de développement des humains, mais de la rapidité avec laquelle un agent d’IA peut enchaîner les points de terminaison.
Selon des données récentes de Postman et de notre propre rapport « État des stratégies applicatives », plus de 51 % des entreprises ont déjà intégré des agents d’IA à leurs flux de travail. Ces agents n’interagissent pas avec les logiciels en cliquant dans une interface utilisateur graphique. Ils interagissent de manière autonome en appelant des API. Et lorsqu’un agent ne dispose pas de l’intégration spécifique (généralement une API) dont il a besoin pour accomplir une tâche, les outils modernes de développement assisté par l’IA génèrent simplement à la volée les micro-API nécessaires pour combler cette lacune.
Nous observons actuellement une croissance annuelle vertigineuse de 40 % des appels d’API liés à l’IA. Désormais, les logiciels écrivent eux-mêmes des logiciels. Nous sommes passés d’une architecture délibérément conçue par des humains à une génération autonome, à la vitesse des machines. Il n’est plus nécessaire d’attendre qu’un développeur crée un point de terminaison : l’agent s’en charge en quelques secondes.
Le facteur zombie et la mort de la gouvernance
Cela nous amène à la faille la plus dangereuse de notre modèle initial : le taux d’obsolescence.
Nous avons naïvement supposé que les API avaient une « durée de vie » d’un à trois ans. Nous pensions que les humains finiraient par faire le ménage. Mais dans un workflow agentique, le taux d’obsolescence tend vers zéro.
Les agents créent à la volée des points de terminaison éphémères et temporaires pour des workflows transitoires très spécifiques. Si certains sont supprimés de manière responsable, un nombre stupéfiant d’entre eux sont tout simplement laissés à l’abandon, gonflant ainsi le nombre total de services actifs avec des microservices qui n’ont servi qu’à traiter un unique prompt, depuis oublié.
C’est pourquoi la prolifération des API s’est transformée en crise de gestion des inventaires. Les données agrégées actuelles du secteur montrent que 58 % des organisations en subissent activement les conséquences, tandis qu’un chiffre alarmant de 78 % des responsables informatiques reconnaissent ne pas savoir exactement combien d’API sont actuellement en cours d’exécution dans leur organisation. Dans les grandes entreprises internationales, environ 30 % des API échappent totalement à tout cadre de gouvernance et relèvent d’une informatique fantôme non gérée.
Si un humain crée une API, celle-ci sera peut-être documentée dans la passerelle. Mais si une machine crée une API pour communiquer avec une autre machine à 2 heures du matin un dimanche, elle devient un fantôme permanent dans votre infrastructure.
L’épreuve de réalité de 2030
Nous maintenons donc nos prévisions. D’ici 2030, l’écosystème mondial prendra assurément en charge 2 milliards d’API actives.
Cependant, la composition de ces 2 milliards est radicalement différente de ce que nous avions initialement envisagé. Moins de 40 % de ces API seront des points de terminaison conçus par des humains, formellement documentés et sécurisés derrière une passerelle d’API traditionnelle. Les 60 % restants (voire davantage) seront des intégrations de machine à machine générées de manière autonome et non documentées.
Au cours des quatre prochaines années, le défi pour les responsables informatiques ne sera plus de gérer la production des développeurs ni d’améliorer les pipelines CI/CD. Il s’agira de faire face aux répercussions opérationnelles et de sécurité d’API invisibles, créées par des agents, dont votre équipe ignore même l’existence.
La technologie est un multiplicateur de force, mais ajouter un agent d’IA à un écosystème d’API mal gouverné ne fera que vous aider à commettre des erreurs à une échelle et à une vitesse que vous n’auriez jamais crues possibles. Mettez dès maintenant de l’ordre dans votre gouvernance, maintenez des garde-fous stricts et souvenez-vous : ce n’est pas parce qu’un agent peut créer un endpoint qu’il doit le faire.
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

Top 10 de la mise à disposition d’applications d’IA : observabilité incomplète
L’IA ne passera pas à l’échelle toute seule. Sans un plan de contrôle unifié qui décloisonne les outils et les responsabilités, l’inférence devient la couche la plus fragile et la plus exigeante en matière de coordination.

L’influence de l’inférence : API, DPU et chaos contextuel
L’inférence IA transforme l’infrastructure, multiplie les API, sollicite fortement les ressources de calcul et complexifie la gestion du contexte. Découvrez pourquoi une architecture plus intelligente et des politiques d’exécution adaptées sont essentielles.

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.
Les API sont les gardiennes de l’IA agentique
Découvrez pourquoi les API constituent le socle de l’IA agentique, en offrant aux agents de nouvelle génération un accès structuré aux ressources, une sécurité fluide et une validation dynamique à grande échelle.

Comportements et limites : le tournant de la sécurité agentique
Les agents génèrent des séquences émergentes et non bornées, au fil desquelles les risques s’accumulent. La sécurité doit passer de la validation de requêtes individuelles à une gouvernance comportementale continue couvrant des flux évolutifs en plusieurs étapes.

Top 10 des risques liés à la mise en production d’applications d’IA : manque de sécurité et de conformité réglementaire
L’IA étend la conformité au-delà de la sécurisation des chemins d’accès et des espaces de stockage pour englober la gouvernance du comportement à l’exécution — accès aux modèles, contexte de récupération, résultats et actions des agents —, de sorte que les contrôles doivent être rapprochés de l’inférence.