Que sont les opérations agentiques (AgenticOps) ?

De la naissance de l'intelligence artificielle aux agents

Contrairement aux opérations IT classiques optimisées par l'intelligence artificielle (AIOps), qui se contentent d'alerter et de recommander, AgenticOps va plus loin en proposant des agents IA qui raisonnent en fonction des problèmes et agissent aussi vite que des machines. Les êtres humains restent dans la boucle : ils travaillent aux côtés des agents dans un seul et même espace de travail, au lieu de jongler entre plusieurs consoles. Le résultat : un nouveau mode opératoire interdomaine, où les problèmes sont anticipés ou réglés plus rapidement, où les demandes d'assistance diminuent et où l'équipe IT s'adapte en temps réel. Pendant des années, l'AIOps promettait un environnement IT plus intelligent, mais cela se traduisait avant tout par des alertes améliorées et des tableaux de bord plus attrayants. Si elle était utile, l'approche restait néanmoins réactive. Elle se limitait à des tâches de détection et laissait les équipes humaines se charger de la résolution des problèmes.

La progression :

• Règles et scripts (décennies 1980 et 1990) : automatisation « si/alors » pour les tâches répétitives.
• Apprentissage automatique (décennies 2000 et 2010) : des algorithmes pour la détection des anomalies et la reconnaissance des modèles.
• Intelligence artificielle générative (début des années 2020) : des modèles qui produisent des explications, des résumés et des réponses fluides, mais qui restent toujours réactifs et se limitent à une interaction à la fois.
• IA agentique (milieu des années 2020) : des systèmes d'intelligence artificielle qui fonctionnent comme des agents, à savoir des entités autonomes capables de raisonner étape par étape, de séquencer des tâches, d'accéder à des outils et à des données, et de collaborer avec d'autres agents ou humains pour atteindre un objectif.

Qu'est-ce qu'un agent IA ?

Les agents IA sont des entités logicielles autonomes qui ne se contentent pas de répondre, mais prennent des décisions et agissent. Contrairement aux chatbots ou aux tableaux de bord qui ne présentent que des informations, les agents comprennent les objectifs et le contexte fournis par le personnel humain, planifient et exécutent des tâches, s'adaptent aux conditions et apprennent en permanence.

La fiabilité des agents à l'échelle de l'entreprise se définit par cinq attributs :

• Identité et contexte : un rôle, un périmètre et un objectif clairs.
• Raisonnement : analyser les problèmes complexes, évaluer les différentes options et prendre des décisions en fonction du contexte.
• Évolutivité : les agents opèrent en continu sur des systèmes toujours disponibles.
• Sécurité : les actions dépendent des politiques, des permissions et des pistes d'audit.
• Efficacité opérationnelle : en combinant le raisonnement et l'automatisation, les agents réduisent les efforts manuels et accélèrent les résultats.

En alliant toutes ces caractéristiques, les agents deviennent bien plus que de simples assistants. Ce sont de véritables collaborateurs, qui travaillent avec d'autres agents et avec le personnel humain pour faire avancer les opérations.

Couches agentiques et d'orchestration 

Les agents ne fonctionnent pas en vase clos. Parfois, ils se transmettent des tâches directement de l'un à l'autre : un agent de supervision transmet des données à un agent de diagnostic ou un agent de remédiation consigne des résultats à destination d'un agent d'apprentissage. Ce sont des interactions simples et bien définies.

Mais lorsque les workflows gagnent en complexité, la couche agentique entre en jeu. Elle gère la collaboration entre plusieurs agents : elle décompose les tâches, elle organise le travail en parallèle, elle rapproche les résultats contradictoires et préserve le contexte partagé. La couche agentique s'appuie sur des modèles (de base, affinés ou spécifiques à un domaine) pour aider les agents à se répartir le travail intelligemment et à coordonner leur raisonnement.

Au-dessus de cette couche se trouve la couche d'orchestration. Cette couche s'assure que les actions sont effectuées dans l'ordre approprié et dans le respect de politiques de sécurité claires. Par exemple, collecter les données de télémétrie avant le début des diagnostics ou valider les correctifs avant la remédiation. Bien que l'orchestration soit axée sur les workflows, elle peut également mobiliser des modèles pour interpréter les intentions des opérateurs, valider les étapes et générer des traces de raisonnement.

Dans la couche d'orchestration, le protocole MCP (Model Context Protocol) assure la cohésion globale. Contrairement aux API classiques, où chaque intégration est personnalisée et limitée, MCP standardise la façon dont les agents se connectent aux modèles, aux outils et aux données. Il offre à l'orchestration un moyen cohérent de permettre aux agents de rechercher, de consulter et d'utiliser les ressources dont ils ont besoin en toute sécurité. Les interactions sont alors plus flexibles, évolutives et gouvernées que de simples intégrations point à point.

Ensemble, les couches agentiques et d'orchestration fournissent la structure qui rend les actions autonomes fiables, exploitables et reproductibles.

Pourquoi choisir AgenticOps maintenant ?

L'IT moderne est trop complexe, trop rapide et trop fragmentée pour être gérée uniquement par des êtres humains. L'AIOps améliorait la visibilité, mais elle se limitait aux alertes et aux recommandations. C'est pourquoi nous devons adopter AgenticOps.

Comparaison d'AgenticOps et d'AIOps

En résumé : l'AIOps a aidé les équipes IT à identifier les problèmes plus tôt. AgenticOps permet aux équipes IT de les régler rapidement et d'évoluer pour répondre aux demandes des environnements modernes.

L'approche Cisco

L'approche de Cisco en matière d'opérations agentiques consiste à réunir la télémétrie, les informations exploitables et la collaboration dans un cadre unique et cohérent. L'objectif est de renforcer la fiabilité des agents à l'échelle de l'entreprise afin qu'ils puissent raisonner en s'appuyant sur le contexte, agir en toute sécurité et travailler en toute fluidité avec les opérateurs humains.

• Identité et contexte : dans Cisco AI Canvas, chaque agent a un rôle défini (supervision, diagnostic, remédiation, apprentissage) pour que les workflows soient traçables, auditables et collaboratifs.
• Raisonnement : le modèle Deep Network Model est entraîné sur la base de plus de 40 ans de données opérationnelles Cisco (expertise CCIE, télémétrie de production et informations Cisco) pour permettre aux agents de raisonner avec une précision que les modèles généraux ne sont pas en mesure de proposer.
• Évolutivité : la plateforme Cisco couvre les réseaux locaux, les sites distants, le cloud et l'edge. Les agents exploitent la télémétrie de tout l'écosystème Cisco, notamment Meraki, ThousandEyes et Splunk, à la vitesse des machines. Grâce à la mise en place des serveurs MCP sur l'ensemble des produits Cisco, les agents disposent d'un moyen standardisé et évolutif d'accéder aux outils et aux données dont ils ont besoin.
• Sécurité : chaque action est régie par un accès chiffré, une architecture transparente et des traces de raisonnement. Les opérateurs conservent un rôle de supervision, avec la possibilité de valider, d'approuver ou d'outrepasser une action à tout moment.
• Efficacité opérationnelle : Cisco AI Assistant et AI Canvas offrent un espace de travail en langage naturel où le personnel et les agents collaborent en temps réel, remplaçant les nombreuses interfaces par une expérience unifiée.

Ainsi, AgenticOps devient une solution associant de nombreuses données par essence, mais aussi plusieurs acteurs au sein des équipes NetOps et SecOps, tout en bénéficiant de l'optimisation par un modèle dédié, avec une autonomie digne de confiance.

En pratique

Imaginez un site distant victime d'un ralentissement de la performance.

• Un agent de supervision détecte des anomalies dans la télémétrie ThousandEyes.
• Un agent de diagnostic met en corrélation ces résultats avec les journaux d'événements sans fil Meraki et les informations Splunk.
• Dans le cadre de ce workflow plus complexe, la couche agentique coordonne le travail de plusieurs agents afin de répartir les tâches, d'exécuter plusieurs chemins en parallèle et de rapprocher les résultats.
• Ici, les agents s'appuient sur le modèle Cisco Deep Network Model et appliquent un raisonnement spécifique à chaque domaine pour identifier les tendances et les causes premières que les modèles génériques peuvent manquer.
• À l'aide du protocole MCP, la couche d'orchestration séquence l'étape suivante dans le respect de la politique : la validation des données avant la remédiation.
• La cause première du problème est un routeur mal configuré sur un chemin redondant.
• Un agent de remédiation propose un correctif validé. Grâce à Cisco AI Assistant, l'ingénieur le vérifie et l'approuve, et l'agent l'applique automatiquement.
• Un agent d'apprentissage enregistre le workflow et met à jour les traces de raisonnement pour s'améliorer la prochaine fois.

Tout cela est affiché dans AI Canvas : la télémétrie, le raisonnement, les actions et les validations dans une même interface. Le modèle Cisco Deep Network Model fournit les informations exploitables, les agents effectuent le gros du travail et les humains gardent le contrôle.

Résultat : aucune cellule de crise, aucune incertitude, aucun retard. Une résolution aussi rapide que les machines, dans laquelle la confiance et la transparence sont intégrées.

Risque et responsabilité

Les agents peuvent agir en une fraction de seconde, mais la confiance se gagne. C'est la raison pour laquelle chaque action est expliquée, transparente et réversible. Aujourd'hui, vous gardez le contrôle. Au fur et à mesure que vous gagnerez en confiance, vous pourrez confier davantage de tâches à l'intelligence artificielle, sachant que son autonomie a été conçue pour être fiable dès le départ.

Cisco emprunte ce chemin de manière délibérée :

• L'architecture transparente, les accès chiffrés et les pistes d'audit favorisent la responsabilité.
• Le modèle Deep Network Model fournit des résultats d'expert pour chaque domaine.
• Les serveurs MCP standardisent et sécurisent la connexion des agents aux outils et aux données.

Avec tous ces éléments, AgenticOps n'est pas une automatisation non contrôlée, mais un cadre fiable pour plus d'autonomie.

L'avenir

AgenticOps n'est pas qu'une solution rapide. Il s'agit du système d'exploitation IT indispensable à l'avenir. Les jumeaux numériques, la détection des dérives de configuration et l'apprentissage continu permettent de passer d'une approche réactive à une stratégie proactive. Plus la confiance s'instaure, plus les agents endossent de tâches, passent d'étapes supervisées à une résolution autonome, toujours avec des explications, de la transparence et de la gouvernance.

Cisco pose déjà des bases solides. En unifiant la télémétrie, le raisonnement et la collaboration sur les réseaux, les clouds et l'environnement de sécurité, nous favorisons une autonomie fiable et évolutive.

La transformation est claire : l'AIOps vous a aidé à identifier les problèmes. AgenticOps vous aide à les régler.