Les réseaux d’entreprise se remplissent d’agents IA, créant un angle mort de gouvernance pour les dirigeants gérant des infrastructures multi-cloud.
Alors que des unités commerciales distinctes se précipitent pour adopter des technologies génératives, les DSI constatent en particulier que leurs écosystèmes sont peuplés d’actifs fragmentés et non surveillés. Cela reflète les défis du shadow IT de l’ère du cloud, mais implique des acteurs autonomes capables d’exécuter la logique métier et d’accéder aux données sensibles.
IDC prévoit que le nombre d’agents d’IA activement déployés dépassera le milliard d’ici 2029, soit une multiplication par quarante par rapport aux niveaux actuels. Au cours du seul premier semestre 2025, la création d’agents a bondi de 119 %. Pour les dirigeants d’entreprise, le défi immédiat passe de la création de ces agents à leur localisation, leur audit et leur gouvernance sur toutes les plateformes.
Salesforce a répondu à cette fragmentation en élargissant ses capacités MuleSoft Agent Fabric, en introduisant des outils de découverte automatisés conçus pour centraliser la gestion des agents IA quelle que soit leur origine.
Automatisation de la découverte
La visibilité reste l’enjeu central des équipes de sécurité et des opérations. Lorsque les équipes marketing déploient des agents IA sur une plateforme et que les équipes logistiques s’appuient sur une autre, une gouvernance efficace devient difficile car l’informatique centrale perd une vue consolidée de la main-d’œuvre numérique de l’organisation.
L’architecture mise à jour de MuleSoft résout ce problème via les « scanners d’agents ». Ces outils patrouillent en permanence dans les principaux écosystèmes, notamment Salesforce Agentforce, Amazon Bedrock et Google Vertex AI, pour identifier les agents en cours d’exécution. Plutôt que de compter sur les développeurs pour enregistrer manuellement leurs déploiements, le système automatise la détection.
Trouver un agent n’est que la première étape ; les responsables de la conformité doivent comprendre la logique qui se cache derrière cela. Les scanners extraient des métadonnées détaillant les capacités de l’agent, les LLM qui le pilotent et les points de terminaison de données spécifiques auxquels il est autorisé à accéder. Ces informations sont ensuite normalisées dans les spécifications standard Agent-to-Agent (A2A), créant un profil uniforme pour les actifs, quel que soit le fournisseur sous-jacent.
Andrew Comstock, vice-président directeur et directeur général de MuleSoft, a déclaré : « Les organisations les plus performantes de la prochaine décennie seront celles qui exploiteront toute la diversité du paysage de l’IA multi-cloud. Les capacités étendues de MuleSoft Agent Fabric vous donnent la liberté d’innover sur n’importe quelle plateforme tout en conservant la visibilité et le contrôle unifiés nécessaires à l’évolution. »
Gouvernance et contrôle des coûts pour les agents IA
Les agents non gérés créent une inefficacité financière et une exposition aux risques. Pensez à un RSSI dans le secteur bancaire. Dans le cadre des opérations standard, la vérification d’un nouvel agent de traitement des prêts implique de rechercher manuellement la documentation auprès des équipes de développement. Le catalogage automatisé permet aux équipes de sécurité de visualiser immédiatement à quelles bases de données financières un agent accède et de vérifier ses niveaux d’autorisation sans intervention manuelle. Cette fonctionnalité garantit que les équipes de sécurité visualisent les données en temps réel plutôt que des instantanés obsolètes.
D’un point de vue financier, la visibilité favorise la consolidation. Les grandes entreprises souffrent souvent de redondance lorsque les équipes régionales achètent ou construisent indépendamment des outils similaires. Un fabricant multinational, par exemple, peut avoir trois équipes distinctes qui paient pour des agents de synthèse distincts sur différentes plates-formes.
En utilisant MuleSoft Agent Visualizer pour filtrer le parc par type de travail, les responsables des opérations peuvent identifier ces chevauchements. Leur consolidation en un seul actif hautes performances réduit les coûts de licence redondants et permet une réaffectation du budget vers un développement nouveau.
Transition réussie vers une « entreprise agent »
L’innovation se produit souvent à la périphérie, où les data scientists créent des outils sur mesure en dehors des canaux d’approvisionnement formels.
L’Agent Fabric étendu résout ce problème en permettant l’enregistrement d’agents « locaux » et de serveurs MCP (Model Context Protocol) via une URL. Ceci est particulièrement pertinent pour des secteurs comme la logistique, où les équipes peuvent créer des outils internes pour l’optimisation de bases de données propriétaires. Au lieu de rester cachés, ces actifs peuvent être enregistrés et rendus visibles pour être réutilisés dans toute l’entreprise.
Jonathan Harvey, responsable des opérations d’IA chez Capita, a déclaré : « Les scanners d’agents nous permettront de nous concentrer sur l’innovation plutôt que sur la gestion des stocks. Savoir que chaque agent est automatiquement découvert et catalogué permet à nos équipes de collaborer, de réutiliser le travail et de créer des solutions multi-agents plus intelligentes. »
De même, AT&T utilise le cadre pour orchestrer les agents dans les interactions de support client, de chat et vocales.
Brad Ringer, architecte d’entreprise et d’intégration chez AT&T, a expliqué : « Avec l’évolution si rapide de l’IA, MuleSoft Agent Fabric fournit le cadre dont nous avons besoin pour évoluer. Il rassemble et nous aide à orchestrer tous les agents et serveurs MCP que nous construisons dans le support client, le chat et les interactions vocales. Ce n’est pas seulement un outil ; c’est un énorme catalyseur pour tout ce que nous ferons ensuite. «
La transition vers une « entreprise agentique » nécessite un changement de gouvernance autour de la manière dont les actifs informatiques sont suivis, rendant incompatible l’époque de la gestion des intégrations via des feuilles de calcul obsolètes avec la vitesse de déploiement des agents d’IA.
Les dirigeants doivent supposer que leur inventaire d’agents d’IA est incomplet et déployer des outils d’analyse automatisés pour établir une base de vérité. Une fois cette référence établie, les politiques de gouvernance devraient exiger que tous les agents – qu’ils soient achetés ou créés – exposent leurs capacités et leurs privilèges d’accès aux données dans un format standardisé comme A2A pour faciliter la surveillance.
Enfin, les dirigeants peuvent utiliser la visibilité fournie par ces outils pour auditer les dépenses, en identifiant les fonctionnalités en double dans les environnements cloud et en les fusionnant pour contrôler le coût total de possession (TCO).
À mesure que les organisations passent des programmes pilotes au déploiement de masse, le différenciateur ne sera pas l’intelligence des agents individuels, mais la cohérence du réseau qui les relie.
