Les réseaux d’entreprise subissent une transformation significative grâce à l’intelligence artificielle (IA). Ce changement se caractérise par un trafic continu et important généré lors de la formation du modèle d’IA, qui nécessite une bande passante élevée, une latence ultra-faible et une perte de paquets minimale. L’inférence de l’IA pose des défis, car les échanges de données en temps réel nécessitent des réponses immédiates, où des retards de quelques millisecondes peuvent avoir un impact négatif sur les performances.
Gartner prévoit que les dépenses mondiales en IA augmenteront de 47 % d’ici 2026. Parallèlement, un rapport de McKinsey & L’entreprise indique que 88 % des organisations utilisent actuellement l’IA dans au moins une fonction commerciale, même si près des deux tiers d’entre elles en sont encore à des projets pilotes ou à des stades d’expérimentation.
Un rapport de 2026 de Cisco Systems and Foundry prévoit que l’IA triplera le trafic réseau d’entreprise d’ici trois ans. Cependant, seules 15 % des organisations possèdent des réseaux suffisamment flexibles pour prendre en charge l’IA à grande échelle, selon l’AI Readiness Index 2025 de Cisco. Taranvir Singh, responsable de recherche pour l’infrastructure et les services réseau chez IDC, souligne que le réseau doit évoluer d’un rôle de connectivité de base vers une structure intelligente capable de prendre en charge l’autorisation basée sur l’identité, l’application des politiques et l’optimisation.
Deepu Komati, ingénieur principal chez HCL America, note que l’IA a modifié la perception des réseaux d’entreprise. Elle déclare que les assistants et copilotes d’IA ont déplacé les discussions de la simple fourniture d’une connectivité fiable vers la fourniture d’un accès cohérent à faible latence aux services d’IA distribués. Les charges de travail d’IA, qui génèrent un trafic intense et dépendent des API cloud, entraînent une augmentation des goulots d’étranglement du réseau dus à la latence, à la congestion et à un routage inefficace.
Les équipes informatiques sont confrontées au défi d’obtenir une visibilité et un contrôle sur le trafic de l’IA, qui se confond souvent avec l’activité cloud standard. Komati souligne que la surveillance traditionnelle du réseau peut identifier la disponibilité d’une connexion, mais ne parvient pas à comprendre pourquoi les réponses de l’IA peuvent être lentes ou incomplètes. Le rapport spécial 2026 d’IDC sur l’IA dans le monde entier dans les réseaux met en évidence les compétences en matière de sécurité, d’automatisation et de mise en réseau comme des obstacles importants à la mise en œuvre réussie des projets d’IA.
Shamus McGillicuddy, vice-président de la recherche sur l’infrastructure réseau à l’EMA, affirme qu’une infrastructure réseau robuste sera essentielle pour les entreprises qui investissent dans la technologie de l’IA. Il souligne la nécessité pour les organisations de moderniser leurs centres de données et leurs réseaux étendus afin de s’adapter aux charges de travail d’IA qui couvrent les cloud publics et les centres de données.
Les organisations sont encouragées à moderniser leurs réseaux pour s’aligner sur les progrès de l’IA. Les DSI devraient investir dans des plates-formes réseau unifiées et programmables offrant des performances élevées et une sécurité intégrée. Les équipes informatiques doivent également collaborer entre les départements, y compris les équipes réseau, sécurité, données et IA, pour améliorer la gestion de l’infrastructure.
Komati recommande trois priorités aux équipes informatiques au cours des deux à trois prochaines années : développer une observabilité de bout en bout connectant les utilisateurs, les réseaux, les plateformes cloud, les API et les applications d’IA ; moderniser l’architecture pour une gestion intelligente du trafic et une connectivité cloud résiliente ; et favoriser la collaboration entre les équipes pour éviter de fonctionner en silos. Elle conclut : « L’objectif ne devrait pas être d’augmenter aveuglément la bande passante. Il devrait s’agir de construire un réseau adaptatif capable de prioriser le trafic critique de l’IA, de détecter la dégradation des performances, d’appliquer des politiques de gouvernance des données et d’évoluer à mesure que l’utilisation de l’IA s’intègre dans l’ensemble de l’organisation.
