Contexte et enjeux
Le passage de l’expérimentation à la production d’agentic AI impose aux entreprises de repenser leurs architectures. Dell indique que la majorité des données critiques demeure on‑premise, ce qui rend indispensable le rapprochement du calcul, de la gestion des données et de l’orchestration là où les données résident. Cette contrainte de proximité vise à réduire les coûts de transfert et à améliorer l’efficacité du traitement, comme le souligne Travis Vigil lors du Dell Technologies World.
Architecture de la plateforme IA de Dell
La AI Data Platform de Dell intègre stockage, sécurité et gestion des données afin de fournir un accès cohérent aux jeux de données tout au long du cycle de vie de l’IA. Le modèle repose sur une désagrégation du compute et du stockage, permettant à chaque composant de s’échelonner indépendamment. Cette approche répond aux exigences d’un environnement hybride où les charges de travail s’étendent du poste de travail aux data centers, aux bords et au cloud public. Dell collabore avec Nvidia pour offrir des agents IA exécutés localement, limitant ainsi la dépendance au cloud et renforçant la confidentialité des données.
Analyse des coûts et du modèle financier
Le CFO de Dell, David Kennedy, a déclaré que la demande IA a atteint 64 milliards de dollars en 2025, dont 34 milliards au quatrième trimestre. Face à cette croissance, Dell propose des services financiers dédiés pour amortir les investissements d’infrastructure. Le modèle de désagrégation permet de facturer séparément le compute et le stockage, ce qui optimise les dépenses selon les besoins réels des charges de travail. Dell met également en avant la réduction des frais liés à la consommation de tokens, à l’inférence et aux déplacements de données, facteurs majeurs de coût dans les déploiements à grande échelle.
Implications opérationnelles et limites
Le déploiement d’une infrastructure IA native introduit de nouvelles exigences en matière d’observabilité continue, de sécurité et de gouvernance. Les agents autonomes doivent être surveillés pour éviter les dérives, et les architectures de sécurité doivent intégrer les spécificités de l’agentic AI. John Roese avertit que la simple superposition d’IA sur un environnement legacy ne suffit pas ; il faut un « AI environment » dédié, le système legacy devenant alors un simple fournisseur de données. Cette transition implique des risques de complexité accrue et de dépendance à des fournisseurs de matériel et de logiciels spécialisés, notamment Nvidia. En outre, la nécessité de financer des infrastructures hybrides peut freiner les petites et moyennes entreprises qui ne disposent pas des mêmes capacités de financement que les grands groupes.
