Panne, attaque ou décision d’agent ? L’IA efface la frontière

Je vous emmène dans cet article au cœur du Black Friday, lorsqu’un bug sur un compte de fidélité pose la question de qui est le responsable ?

Un Black Friday pas comme les autres

Cette journée est un peu particulière, et même hors du commun pour les boutiques en ligne qui s’attendent à un déferlement de commandes. Installé derrière mon écran, je me connecte sur mon site de cadeaux favori. La somme généreuse qui s’illumine dans mon compte fidélité me fait sourire malgré moi. Je vais pouvoir remplir mon panier sans qu’un seul centime ne quitte ma poche.

Gagné par cet élan, j’appelle ma compagne. Elle se connecte à son tour sur son compte, et son visage se referme aussitôt. Là où j’avais trouvé un trésor, elle fait face à une porte close : son accès est bloqué, et un message laconique l’invite à s’adresser au support technique, par l’entremise d’un agent conversationnel à l’amabilité... disons électronique.

Du côté de l’entreprise, la situation est plus troublante encore. Les indicateurs restent au vert, aucune intrusion n’est détectée et pourtant, un jour de forte affluence, des comptes sont crédités à tort pendant que d’autres sont verrouillés. Cette histoire pourrait préfigurer ce que vivront bientôt toutes les organisations, et elle pose plusieurs questions qu’aucune équipe ne sait trancher seule : s’agit-il d’un bug applicatif, d’un incident de cybersécurité ou d’un agent IA qui a pris de mauvaises décisions ? Pour le savoir, il va falloir s’appuyer sur une plateforme unifiée de cybersécurité et d’observabilité...

Deux disciplines qui ont avancé en parallèle

Pendant des années, la cybersécurité et l’observabilité ont progressé chacune de leur côté, avec leur culture, leurs outils et leurs équipes.

La cybersécurité s’est historiquement organisée autour de la menace venue de l’extérieur, afin de protéger l’infrastructure périmétrique et de superviser les comportements des utilisateurs comme les postes de travail. Elle s’est équipée de solutions dédiées pour répondre à l’évolution des menaces, au point que les équipes d’experts se retrouvent aujourd’hui surchargées d’alertes et d’activité. Le rapport Splunk pour les RSSI 2026 témoigne que cette multiplicité d’outils est également un facteur de stress pour le SOC.

L’observabilité, héritière du monitoring IT, a cherché à comprendre le fonctionnement des systèmes. Elle s’est elle aussi outillée pour analyser l’information depuis l’infrastructure jusqu’à l’utilisateur final, en passant par le réseau, les middlewares et les applications, en s’appuyant sur les métriques, les traces, les journaux et les événements.

Cette séparation était cohérente tant que ces systèmes restaient des mécanismes déterministes, qui ne débordaient pas de leur périmètre. Ils pouvaient tomber en panne, mais ils étaient incapables de décider ou d’agir par eux-mêmes.

L’IA fait converger les risques IT et cyber

Les applications commencent à être remplacées par des grappes d’agents IA autonomes et spécialisés, ou par des applications éphémères, développées sur mesure en quelques minutes pour répondre à un besoin métier ponctuel, dont les interfaces sont générées à la volée par l’IA.

Cette évolution a une conséquence que l’on mesure encore mal : un agent est à la fois une application et une identité. En tant qu’application, il peut dériver, halluciner ou coûter plus que prévu. En tant qu’identité, il détient des identifiants, des jetons et des droits d’accès, il peut engager des actions réelles et solliciter d’autres agents, et il peut donc être compromis, détourné ou simplement trop privilégié. Ces deux natures s’expriment dans les mêmes événements, au même moment, ce qui fait converger les risques métier, IT et cyber.

Les organisations commencent à s’en apercevoir. Dans le rapport État de l’observabilité en 2026, établi auprès de 2 050 professionnels de l’exploitation et de l’ingénierie dans 10 pays, 81 % des répondants indiquent que la supervision des workloads d’IA a renforcé la collaboration entre observabilité et sécurité, et 73 % savent relier un problème de performance à une cause racine de sécurité, contre 65 % l’an dernier. Cette collaboration permet de repérer des liens que des équipes cloisonnées ne voient pas.

Il ne s’agit pas pour autant de fusionner des organisations dont les expertises demeurent distinctes et complémentaires. Il s’agit de rapprocher les données et leur contexte, et de fédérer les équipes autour d’informations fiables.

Un contexte unifié et gouverné est nécessaire

Une plateforme de données qui fournit le contexte opérationnel et la connaissance nécessaires pour comprendre et décider est un maillon essentiel de cette convergence. Il ne s’agit pas de collecter davantage de données, mais de disposer de données à valeur ajoutée, associées au contexte requis : qui est l’agent, quelles identités il mobilise, ce qu’il a le droit de faire, ce qui est normal pour lui, quelle ressource il touche, dans quel état se trouve l’infrastructure et quel impact métier en découle.

Ce contexte doit être unifié sans effacer les spécificités de chaque environnement. La télémétrie issue des agents peut contenir des prompts ou des données personnelles, tandis que les équipes sécurité doivent conserver leur indépendance vis-à-vis des opérations. Un contexte partagé implique donc une gestion fine des droits d’accès selon les rôles et les usages. Il suppose aussi de pouvoir exécuter l’IA au plus près des données, notamment lorsque les enjeux de souveraineté numérique empêchent leur déplacement.

Le besoin de contexte unifié entre sécurité et observabilité s’accroît avec les opérations agentiques

Les opérations agentiques renforcent cette exigence et il y a plusieurs raisons à cela :

La vitesse. Un agent agit à la cadence des machines, enchaîne des appels d’outils en quelques secondes et peut solliciter d’autres agents avant qu’un humain n’ait eu le temps de consulter une alerte. Les attaquants emploient désormais l’IA pour sonder en continu et à grande échelle les infrastructures et les applications, à un rythme que les processus de réponse conduits par des humains ne peuvent plus suivre. Le contexte doit donc être disponible au moment de la décision.

L’autonomie. Un agent interprète, prend des décisions et agit, ce qui rend la qualité de son contexte déterminante pour la qualité de ses décisions. Lorsqu’il travaille à partir d’un contexte fragmenté, il produit des réponses qui passent à côté des objectifs. Les organisations en ont conscience : selon le rapport État de l’observabilité en 2026, 85 % jugent important de voir les hallucinations de l’IA, mais seulement 58 % se disent assez ou très efficaces dans ce domaine.

Les coûts. Chaque raisonnement, chaque appel d’outil et chaque échange entre agents consomme des ressources, et cette consommation est difficile à anticiper. D’après le rapport État de l’observabilité en 2026, 55 % des répondants disent ne pas pouvoir maîtriser leurs coûts d’IA et 60 % estiment que les pics de facturation inattendus pèsent sur leurs opérations. Savoir quel agent, quel modèle et quel workload génèrent des coûts suppose de relier la consommation à son contexte d’usage.

Vers une résilience fondée sur le contexte

Dans quelques années, on s’étonnera peut-être qu’il ait fallu un jour distinguer une panne d’une attaque. À mesure que les agents IA occuperont une place croissante dans l’écosystème numérique des entreprises, on ne cherchera plus le responsable d’un incident, mais si chaque agent a agi conformément à l’intention qui lui a été assignée. Et c’est un agent IA sous supervision humaine, disposant du contexte nécessaire, qui sera en mesure d’y répondre.

Les organisations qui bâtiront cette fondation basée sur les données et le contexte dès maintenant ne se contenteront pas de mieux réagir aux incidents. Elles pourront confier davantage d’autonomie à leurs agents, parce qu’elles sauront à tout instant ce qu’ils font, pour quelle raison et avec quelles conséquences. C’est cette confiance, bien plus que la puissance des modèles, qui déterminera qui tirera pleinement parti de l’ère agentique.

Pour aller plus loin :

• La série d’articles de mon collègue Romain Valentin sur les agents
• L’article de mon autre collègue José N’Goran sur les fondamentaux de Cisco Data Fabric