Les entreprises sont sous pression pour transformer leurs investissements dans l’infrastructure AI en valeur mesurable. Les modèles et la puissance de calcul ne cessent de progresser, mais la performance et l’économie de l’AI dépendent également de la façon dont le calcul, le stockage, les données et les utilisateurs sont connectés.

Cette pression est visible dans notre The AI Impact Imperatives, 2026, une recherche qui a révélé que la période de retour sur investissement médiane attendue pour les principaux investissements en AI est d’environ 18 mois. Dans The Value Edge: Powering the Next Era of TMT, une recherche menée avec Economist Enterprise, seulement un tiers des 202 cadres C-suite sondés disposaient d’un cadre pour mesurer l’impact commercial de l’AI. 

Lors du AI Infra Summit 2026 à Santa Clara, Clayton Wagar, chef du secteur AI et réseautage à haute performance chez Nokia, a examiné comment l’architecture réseau fondamentale peut soutenir la performance, la flexibilité et le rendement de l’investissement (ROI) de l’AI à mesure que les entreprises prennent de l’ampleur. 

Le réseau fait partie du système AI

Les charges de travail AI rassemblent la puissance de calcul, la mémoire, le stockage et les données qui peuvent se trouver dans une même baie, dans un centre de données ou dans plusieurs emplacements. Le transfert d’informations entre ces ressources fait du réseau une composante essentielle de la performance globale du système.

« Le réseau lui-même est ce qui fournit cette marge de manœuvre, qui nous permet de former les connexions techniques entre toutes ces composantes », a déclaré Wagar. 

Avec l’AI de plus en plus distribuée, ces connexions dépassent les centres de données individuels. Les entreprises pourraient avoir besoin d’accéder à l’infrastructure à travers des environnements privés, des services Cloud et des installations réparties géographiquement, alors que l’inférence a lieu de plus en plus près des utilisateurs et des appareils.

Pour Wagar, l’architecture et l’orchestration du réseau permettent à ces ressources de fonctionner ensemble comme un système élargi.

Notre collaboration avec Nokia dans le domaine du réseautage de centres de données reflète cette priorité. Ensemble, nous combinons les fabrics leaf-spine de nouvelle génération avec l’automatisation intelligente et l’excellence technique pour aider les entreprises à développer leur infrastructure plus rapidement, simplifier les opérations et réduire le coût total de possession tout au long du cycle de vie réseau. 

Ajuster la conception réseau à la charge de travail

La planification de la capacité devient plus complexe lorsque la demande en AI et la technologie évoluent rapidement. Les entreprises doivent prendre des décisions d’infrastructure qui soutiennent la croissance future sans payer pour des capacités inutiles pour leurs charges de travail.

Wagar soutient que les organisations peuvent faire ces choix en partant des besoins de la charge de travail, plutôt qu’en présumant que chaque déploiement nécessite la technologie la plus récente.

« Il n’est pas toujours nécessaire d’acheter le dernier gadget », a-t-il indiqué. « On peut aller loin avec les technologies d’aujourd’hui. »

Des architectures standardisées et des technologies éprouvées peuvent offrir une voie pragmatique pour les entreprises qui bâtissent ou développent leur infrastructure AI. La disponibilité, l’expertise opérationnelle, le pouvoir d’achat et les économies d’échelle peuvent tous influencer la bonne conception.

La distribution modifie l’économie

L’économie de l’infrastructure AI peut aussi varier selon la localisation. Les coûts d’électricité, la capacité disponible et l’accès à la puissance de calcul diffèrent selon les régions et peuvent évoluer dans le temps.

Pour les entreprises présentes sur plusieurs sites, la connectivité influence l’emplacement d’exécution des charges de travail et la façon dont la capacité peut être partagée. Wagar pointait le déplacement des charges entre emplacements comme l’un des moyens pour l’architecture réseau de fournir plus de flexibilité aux organisations dans la gestion de l’économie de leur infrastructure. 

Cette flexibilité dépend de l’interconnexion entre centres de données, Clouds et autres domaines d’infrastructure. Les réseaux sont la couche de connexion à l’intérieur des centres de données, entre les installations et jusqu’aux utilisateurs et appareils, permettant aux ressources réparties de fonctionner comme une composante d’une infrastructure AI élargie.

Pour les entreprises, cela crée davantage d’options quant à la manière dont l’infrastructure est déployée et utilisée au fur et à mesure que la demande évolue.

L’automatisation devient un impératif de mise à l’échelle

L’exploitation de ces environnements pose un autre défi. À mesure que l’infrastructure AI croît, le nombre d’appareils, de connexions et de changements que les équipes réseau doivent gérer augmente également.

L’automatisation peut aider les équipes à réagir plus rapidement et à opérer à plus grande échelle, mais Wagar souligne que la rapidité accentue également les conséquences d’une mauvaise décision.

« L’automatisation accélère les choses. Donc, vous pouvez amplifier les erreurs », a-t-il mentionné. 

Il a décrit une progression graduelle vers des opérations réseau plus autonomes. L’AI peut, dans un premier temps, assister les personnes au niveau de la documentation, du contexte et des tâches opérationnelles avant d’assumer une plus grande responsabilité dans la gestion de l’environnement.

« Je ne pense pas que nous éliminerons complètement l’humain, car nous restons les seuls à pouvoir discerner ce qui est le mieux pour notre entreprise », a déclaré Wagar. 

Cette supervision humaine devient encore plus cruciale à mesure que l’automatisation joue un plus grand rôle dans les opérations réseau.

Le rôle de l’automatisation est de plus en plus lié à l’évolutivité et à la performance. Wagar a noté qu’il y a quelques années, les discussions sur l’automatisation réseau étaient souvent centrées sur la réduction des coûts. L’infrastructure AI fait évoluer l’enjeu vers le maintien de grands environnements sains, réactifs et gérables. 

Les choix d’infrastructure façonnent le ROI de l’AI

Le ROI de l’AI dépend en partie de l’efficacité avec laquelle les ressources sous-jacentes peuvent être exploitées. L’architecture réseau influence l’interaction entre calcul, stockage et données, l’emplacement d’exécution des charges de travail et l’efficacité d’exploitation de l’infrastructure à mesure qu’elle évolue.

Cela fait de la conception réseau une partie intégrante de la décision d’investissement. Les entreprises ont besoin d’une capacité et d’une flexibilité suffisantes pour les charges de travail prévues, ainsi que d’un modèle opérationnel capable de s’adapter à l’évolution des exigences.

« On ne peut pas simplement continuer à jeter de l’argent là-dessus. Il faut être intelligent dans la façon dont on gère ces éléments », a déclaré Wagar. 

Les choix fondamentaux concernant l’architecture réseau, l’orchestration et l’automatisation détermineront la rapidité à laquelle les entreprises pourront déployer l’AI, l’efficacité avec laquelle elles utiliseront leur infrastructure et la capacité à transformer les investissements croissants en résultats d’affaires mesurables.