Les réseaux d’entreprise se remplissent d’agents d’IA, créant un angle mort de gouvernance pour les dirigeants qui gèrent des infrastructures multi-cloud. Alors que les différentes unités commerciales se précipitent pour adopter les technologies génératives, les DSI se retrouvent avec des écosystèmes peuplés d’actifs fragmentés et non surveillés. Cela reflète les défis de l’ombre de l’IT de l’ère du cloud, mais implique des acteurs autonomes capables d’exécuter une logique commerciale et d’accéder à des données sensibles. IDC prévoit que le nombre d’agents d’IA déployés activement dépassera un milliard d’ici 2029, soit une augmentation de quarante fois par rapport aux niveaux actuels. Rien qu’au cours du premier semestre 2025, la création d’agents a augmenté de 119%. Pour les dirigeants d’entreprise, le défi immédiat passe de la construction de ces agents à leur localisation, audit et gouvernance sur différentes plateformes. Salesforce a répondu à cette fragmentation en étendant les capacités de son MuleSoft Agent Fabric, en introduisant des outils de découverte automatisés conçus pour centraliser la gestion des agents d’IA, quel que soit leur origine.
La visibilité reste le problème central pour les équipes de sécurité et d’exploitation. Lorsque les équipes marketing déploient des agents d’IA sur une plateforme et que les équipes logistiques construisent sur une autre, la gouvernance efficace devient difficile car l’IT central perd une vue consolidée de la main-d’œuvre numérique de l’organisation. L’architecture mise à jour de MuleSoft aborde cette question via les ‘Agent Scanners’. Ces outils patrouillent en continu les principaux écosystèmes – y compris 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 le sous-tend. Les scanners extraient des métadonnées détaillant les capacités de l’agent, les LLM qui le pilotent et les points de données spécifiques auxquels il est autorisé à accéder. Ces informations sont ensuite normalisées dans des spécifications standard Agent-to-Agent (A2A), créant un profil uniforme pour les actifs indépendamment du fournisseur sous-jacent. Andrew Comstock, SVP et GM de MuleSoft, a déclaré : « Les organisations les plus performantes de la prochaine décennie seront celles qui exploitent pleinement la diversité du paysage multi-cloud de l’IA. Les capacités étendues de MuleSoft Agent Fabric vous donnent la liberté d’innover sur n’importe quelle plateforme tout en maintenant la visibilité et le contrôle unifiés nécessaires pour évoluer. »
Les agents non gérés créent une inefficacité financière et une exposition au risque. Considérez un CISO dans le secteur bancaire. Dans le cadre des opérations standard, la vérification d’un nouvel agent de traitement de prêt implique de poursuivre manuellement la documentation auprès des équipes de développement. Le catalogage automatisé permet aux équipes de sécurité de visualiser immédiatement les bases de données financières auxquelles un agent accède et de vérifier ses niveaux d’autorisation sans intervention manuelle. Cette capacité garantit que les équipes de sécurité voient des données en temps réel plutôt que des instantanés obsolètes.
D’un point de vue financier, la visibilité entraîne la consolidation. Les grandes entreprises souffrent fréquemment de redondances où des équipes régionales acquièrent ou construisent indépendamment des outils similaires. Par exemple, un fabricant multinational pourrait avoir trois équipes distinctes payant pour des agents de synthèse distincts sur différentes plateformes. En utilisant le MuleSoft Agent Visualizer pour filtrer le parc par type de fonction, les responsables des opérations peuvent identifier ces chevauchements. La consolidation de ces éléments en un seul actif performant réduit les coûts de licence redondants et permet de réaffecter le budget vers le développement novateur.
L’innovation se produit souvent en périphérie, où les data scientists construisent des outils sur mesure en dehors des canaux d’approvisionnement formels. Le Agent Fabric étendu aborde cela en permettant l’enregistrement d’agents « fait maison » et de serveurs de protocole de contexte de modèle (MCP) via une URL. Cela est particulièrement pertinent pour des secteurs comme la logistique, où des équipes peuvent construire des outils internes pour l’optimisation de bases de données propriétaires. Au lieu de rester cachés, ces actifs peuvent être enregistrés et rendus découvrables pour être réutilisés dans toute l’entreprise.
La transition vers une « entreprise agentic » nécessite un changement de gouvernance concernant la manière dont les actifs IT sont suivis, rendant obsolètes les jours de gestion des intégrations via des feuilles de calcul obsolètes incompatibles 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 de balayage automatisés pour établir une base de vérité. Une fois cette base établie, les politiques de gouvernance doivent exiger que tous les agents – qu’ils soient achetés ou construits – exposent leurs capacités et leurs privilèges d’accès aux données dans un format standardisé comme A2A pour faciliter la surveillance. Enfin, les cadres peuvent utiliser la visibilité fournie par ces outils pour auditer les dépenses, identifier les fonctionnalités en double dans les environnements cloud et les fusionner pour contrôler le coût total de possession (TCO). Alors que les organisations passent des programmes pilotes au déploiement à grande échelle, le différenciateur ne sera pas l’intelligence des agents individuels, mais la cohérence du réseau qui les connecte.