Que sont les opérations agentiques (AgenticOps) ?

De l’intelligence artificielle aux agents : comment nous en sommes arrivés là

Contrairement aux opérations TI traditionnelles optimisées par l’intelligence artificielle (AIOps), qui s’arrêtent aux alertes et aux recommandations, AgenticOps va plus loin. Grâce aux agents d’intelligence artificielle, les systèmes analysent les problèmes, prennent des décisions et agissent à la vitesse des machines. Les humains restent dans la boucle, sans être enfermés dans des silos. Ils collaborent directement avec les agents dans un espace de travail partagé, plutôt que de naviguer entre une multitude d’interfaces. Résultat : un mode d’exploitation interdomaines plus fluide. Les problèmes sont évités ou résolus plus rapidement, le volume de billets diminue et les TI s’adaptent en temps réel. Pendant des années, l’AIOps a promis des TI plus intelligentes. En pratique, cela s’est surtout traduit par de meilleures alertes et des tableaux de bord plus raffinés. Utile, certes, mais toujours réactif. L’AIOps s’arrêtait à la détection et laissait la résolution aux équipes humaines.

L’évolution :

• Règles et scripts (années 1980 à 1990) : automatisation conditionnelle des tâches répétitives.
• Apprentissage automatique (années 2000 à 2010) : détection des anomalies et reconnaissance de motifs.
• IA générative (début des années 2020) : production d’explications, de résumés et de réponses fluides, mais encore limitée à des interactions ponctuelles et réactives.
• IA agentique (milieu des années 2020) : systèmes autonomes capables de raisonner étape par étape, d’orchestrer des tâches, d’exploiter des outils et des données et de collaborer avec d’autres agents ou avec des humains pour atteindre un objectif.

Qu’est-ce qu’un agent d’intelligence artificielle ?

Les agents d’intelligence artificielle sont des entités logicielles autonomes qui ne se contentent pas de répondre. Ils prennent des décisions et passent à l’action. Contrairement aux agents conversationnels ou aux tableaux de bord, ils comprennent les objectifs définis par les humains ainsi que leur contexte. Ils planifient et exécutent des tâches, s’adaptent en continu et apprennent au fil du temps.

À l’échelle de l’entreprise, les agents fiables reposent sur cinq attributs clés :

• Identité et contexte : un rôle, un objectif et un périmètre clairement définis.
• Raisonnement : capacité à décomposer les problèmes, évaluer les options et prendre des décisions adaptées au contexte.
• Évolutivité : fonctionnement en continu dans des environnements toujours actifs
• Sécurité : actions encadrées par des politiques, des autorisations et des pistes d’audit
• Efficacité opérationnelle : réduction des tâches manuelles et accélération des résultats grâce à l’automatisation intelligente

Ensemble, ces caractéristiques font des agents bien plus que des assistants. Ce sont de véritables collaborateurs, capables de travailler entre eux et avec les humains pour faire progresser les opérations.

Couches agentique et d’orchestration

Les agents ne fonctionnent pas isolément. Dans certains cas, ils se transmettent directement des tâches. Par exemple, un agent de surveillance peut envoyer des données à un agent de diagnostic, ou un agent de remédiation transmettre des résultats à un agent d’apprentissage. Ces interactions restent simples et bien délimitées.

Lorsque les flux de travail gagnent en complexité, la couche agentique entre en jeu. Elle coordonne plusieurs agents. Elle décompose les tâches, exécute les opérations en parallèle, rapproche les résultats et maintient un contexte partagé. Cette couche s’appuie sur différents types de modèles, qu’ils soient fondamentaux, spécialisés ou ajustés. Elle permet de répartir intelligemment le travail et de structurer le raisonnement.

Au-dessus se trouve la couche d'orchestration. Cette couche veille à ce que chaque action s’exécute dans le bon ordre et dans le respect de balises claires. Par exemple, collecter la télémétrie avant de lancer les diagnostics, ou valider les correctifs avant la remédiation. Même si elle repose sur des flux de travail, l’orchestration peut aussi mobiliser des modèles pour interpréter l’intention de l’opérateur, valider les étapes et produire des traces de raisonnement.

Au cœur de cette couche d’orchestration, le protocole MCP (modèle contextuel) joue un rôle clé. Contrairement aux API traditionnelles, souvent limitées et spécifiques à chaque intégration, le MCP normalise la façon dont les agents accèdent aux modèles, aux outils et aux données. Il permet ainsi aux agents de découvrir, d’accéder et d’utiliser les ressources dont ils ont besoin, de manière cohérente et sécurisée. Les interactions deviennent plus souples, plus évolutives et mieux encadrées que les intégrations point à point.

Ensemble, les couches agentique et d’orchestration rendent l’action autonome fiable, explicable et reproductible.

Pourquoi AgenticOps maintenant ?

Les TI modernes sont devenues trop complexes, trop rapides et trop fragmentées pour reposer uniquement sur l’intervention humaine. Les opérations TI optimisées par l’intelligence artificielle ont amélioré la visibilité, mais sans aller au-delà des alertes. Il est temps de passer à AgenticOps.

AgenticOps vs. AIOps

En résumé : l’AIOps a aidé les TI à voir les problèmes plus rapidement. AgenticOps permet aux TI de les résoudre, à la vitesse et à l’échelle qu’exigent les environnements modernes.

L’approche Cisco

L’approche de Cisco en matière d’AgenticOps repose sur une intégration étroite de la télémétrie, de l’intelligence et de la collaboration au sein d’un cadre unifié et cohérent. L’objectif est simple : rendre les agents fiables à l’échelle de l’entreprise. Ils doivent être capables de raisonner en contexte, d’agir en toute sécurité et de collaborer naturellement avec les opérateurs humains.

• Identité et contexte : dans Cisco AI Canvas, chaque agent assume un rôle clairement défini, qu’il s’agisse de surveillance, de diagnostic, de remédiation ou d’apprentissage. Cette structuration garantit des flux de travail traçables, vérifiables et véritablement collaboratifs.
• Raisonnement : le Cisco Deep Network Model constitue le cœur de cette approche. Entraîné sur plus de 40 ans de données opérationnelles, il intègre l’expertise CCIE, la télémétrie de production et les connaissances propres à Cisco. Il permet ainsi un niveau de précision et de profondeur que les modèles génériques ne peuvent atteindre.
• Évolutivité : la plateforme Cisco s’étend à l’ensemble des environnements, du campus à la succursale, en passant par le nuage et la périphérie. Les agents exploitent la télémétrie issue de solutions telles que Meraki, ThousandEyes et Splunk, à la vitesse des machines. Grâce aux serveurs MCP déployés à travers les produits Cisco, les agents disposent d’un accès normalisé, sécurisé et évolutif aux outils et aux données dont ils ont besoin.
• Securité : chaque action est encadrée par des mécanismes de sécurité robustes, incluant un accès chiffré, une architecture transparente et des traces de raisonnement complètes. Les opérateurs conservent en tout temps la maîtrise des opérations. Ils peuvent examiner, valider, approuver ou modifier les actions proposées selon les besoins.
• Efficacité opérationnelle : avec Cisco AI Assistant et AI Canvas, humains et agents interagissent dans un espace de travail en langage naturel, remplaçant les environnements fragmentés par une expérience unifiée et cohérente.

Dans son ensemble, cette approche fait d’AgenticOps une solution conçue dès le départ pour gérer de multiples sources de données, soutenir la collaboration entre NetOps et SecOps, et s’appuyer sur un modèle spécialisé. Le tout repose sur une autonomie fiable, conçue pour inspirer confiance.

En pratique

Imaginez un ralentissement dans une succursale.

• Un agent de surveillance détecte une anomalie dans la télémétrie de ThousandEyes.
• Un agent de diagnostic croise ces données avec les journaux Meraki et les analyses de Splunk.
• La couche agentique coordonne l’ensemble. Elle répartit les tâches, lance des analyses en parallèle et consolide les résultats.
• Le Cisco Deep Network Model permet d’identifier des causes profondes que des modèles génériques n’auraient pas détectées.
• La couche d’orchestration, via le MCP, valide les données avant de lancer la correction.
• Le problème est identifié. Un routeur est mal configuré.
• Un agent propose un correctif validé. L’ingénieur l’approuve dans Cisco AI Assistant. L’agent applique ensuite automatiquement la correction.
• Un agent d’apprentissage enregistre le processus afin d’améliorer les décisions futures.

Tout est centralisé dans AI Canvas. Données, raisonnement, actions et validations sont visibles au même endroit. Le Cisco Deep Network Model fournit les renseignements, les agents font le gros du travail et les humains restent en contrôle.

Le résultat : aucune cellule de crise, aucune approximation, aucun délai. Une résolution à la vitesse des machines, avec confiance et transparence intégrées.

Risques et responsabilité

Les agents peuvent agir en une fraction de seconde. La confiance, elle, se gagne. C’est pourquoi, chez Cisco, chaque action est explicable, transparente et réversible. Aujourd’hui, vous restez en contrôle. Avec le temps, à mesure que la confiance s’installe, vous pouvez confier davantage à l’intelligence artificielle, en sachant que cette autonomie a été conçue pour être fiable dès le départ.

Cisco trace cette voie avec rigueur :

• Une architecture transparente, un accès chiffré et des pistes d’audit assurent une responsabilité claire.
• Le Cisco Deep Network Model fournit des résultats de niveau expert, propres au domaine.
• Les serveurs MCP normalisent et sécurisent la façon dont les agents accèdent aux outils et aux données.

Ensemble, ces éléments font d’AgenticOps non pas une automatisation sans contrôle, mais un cadre fiable pour l’autonomie.

Ce qui vous attend

AgenticOps ne se limite pas à accélérer la résolution. C’est le système d’exploitation des TI de demain. Les jumeaux numériques, la détection des dérives et l’apprentissage continu feront passer les opérations d’une gestion réactive des incidents à une prévention proactive. À mesure que la confiance grandit, les agents en font davantage, passant d’étapes supervisées à une résolution autonome, toujours explicable, transparente et encadrée.

Cisco pose déjà les bases de cette transformation. En unifiant la télémétrie, le raisonnement et la collaboration à l’échelle des réseaux, du nuage et de la sécurité, nous concevons une autonomie fiable à grande échelle.

Le virage est clair : l’AIOps vous a aidé à voir les problèmes. AgenticOps vous aide à les résoudre.