Les ambitions en matière d’AI montent en flèche au sein des entreprises, celles-ci testant de nouveaux modèles, cas d’utilisation et infrastructures dans divers secteurs. Pour transformer cette activité en valeur commerciale reproductible, il faut une base de production reliant données, infrastructure, gouvernance, applications et expertise sectorielle.
À mesure que les charges de travail liées à l’AI se déploient sur le cloud, sur site et en périphérie, ces interdépendances deviennent plus difficiles à gérer, que ce soit pour une organisation ou un fournisseur de technologie agissant seul. Les partenariats d’écosystème permettent de réunir des compétences complémentaires et de tracer un chemin plus clair de l’expérimentation à l’échelle d’entreprise.
Lors du AI Infra Summit 2026 à Santa Clara, Trusha Pandya, responsable de la stratégie de partenariats chez Lenovo, a discuté des besoins des entreprises lors du passage de l’expérimentation à la production et de la manière dont les compétences complémentaires de l’écosystème peuvent faciliter cette transition à grande échelle.
Notre étude The AI Impact Imperatives, 2026 renforce l’importance de la collaboration. Parmi les organisations mobilisant déjà une expertise externe en AI, 90 % affirment que les partenaires accélèrent la montée en puissance et le délai de rentabilisation, tandis que 89 % estiment que les partenaires augmentent l’impact commercial des initiatives d’AI menées en production.
Du pilote à la production
De nombreuses entreprises ont défini des cas d’utilisation, sécurisé des investissements et testé l’AI à travers plusieurs fonctions. La complexité croît lorsqu’un projet pilote réussi doit fonctionner de manière fiable à une beaucoup plus grande échelle.
« Les ambitions ne manquent pas en ce moment », souligne Pandya. « La question désormais est : comment passer d’un environnement de POC à un environnement de production, et comment passer à l’échelle? »
La production introduit un ensemble de considérations plus vaste.
- Les données doivent être accessibles et encadrées par une gouvernance.
- L’infrastructure doit soutenir la performance et l’économie des charges de travail.
- La propriété doit être claire, tandis que la sécurité, l’exploitation et l’optimisation continue doivent être considérées dès le départ.
Notre recherche 2026, The Blueprint for AI Leadership, illustre l’importance de la fondation sous-jacente. Les leaders en AI sont huit fois plus susceptibles que les suiveurs d’exprimer leur confiance dans leur base de données pour les initiatives GenAI, soit 74 % contre 9 %.
Pandya constate le même défi du point de vue de l’infrastructure.
« Les projets AI ne manquent pas. Le financement de ces projets AI ne manque pas non plus. Mais comment faire en sorte que ces projets se déploient dans différents segments de l’organisation, et comment maintenir cet élan? »
Pérenniser cet élan suppose des infrastructures et des capacités opérationnelles capables de soutenir l’AI à mesure que la demande augmente et que les cas d’utilisation se multiplient dans l’entreprise.
Des compétences complémentaires pour une fondation plus solide
Les partenariats au sein de l’écosystème peuvent aider à connecter les diverses couches essentielles à l’évolutivité de l’AI.
Notre alliance stratégique avec Lenovo réunit des compétences en Edge Computing, AI hybride à la périphérie, Cloud hybride, GPU-as-a-Service et espace de travail numérique. Grâce à un Centre d’Excellence dédié, nous co-innovons et mettons à l’échelle des solutions intégrées répondant à de véritables cas de transformation, du déploiement intelligent en périphérie aux architectures infonuagiques hybrides optimisées pour l’AI.
Pandya a décrit le partenariat de manière concrète. Lenovo apporte des capacités d’infrastructure couvrant les centres de données jusqu’à la périphérie, tandis que nous apportons une expertise sectorielle, en intégration et en exploitation, qui aide à appliquer ces technologies dans des environnements d’entreprise complexes.
« Vous êtes les experts. Vous êtes sur le terrain. Vous connaissez le secteur », dit-elle. « Quelle meilleure façon que de mobiliser votre expertise pour fournir ensemble une solution globale à nos clients? »
Connecter ces compétences peut aider les entreprises à aligner les décisions en matière d’infrastructure sur le processus d’affaires en transformation, les données requises et le modèle opérationnel nécessaire au soutien de la solution.
Commencer par le résultat d’affaires
L’économie de l’AI rend cet alignement de plus en plus important.
À mesure que les entreprises augmentent l’inférence et déploient davantage d’agents, les choix d’infrastructure ont un impact direct sur le cas d’affaires. La bonne architecture dépend de la valeur de la charge de travail, de l’emplacement des données, de la rapidité des décisions requises et du degré de contrôle souhaité par l’organisation.
« La discussion ne devrait pas porter sur le coût de l’infrastructure », explique Pandya. « Il faut revenir à la base : quel est le résultat d’affaires et comment intégrer tous ces indicateurs clés de performance? »
Productivité, efficacité opérationnelle et croissance peuvent chacune nécessiter différentes combinaisons de modèles, d’infrastructures et de services. En commençant par le résultat souhaité, les entreprises peuvent façonner leur environnement technologique autour des exigences et de la rentabilité de chaque cas d’utilisation.
Cela prend particulièrement tout son sens dans les environnements AI hybrides. Les charges de travail peuvent s’étendre à l’infrastructure privée, au cloud ou à la périphérie, selon les besoins en matière de données, de performance, de sécurité et de coût. Notre alliance avec Lenovo vise justement à soutenir cette diversité, incluant le nuage hybride et l’AI hybride à la périphérie.
L’AI physique élargit le défi de l’écosystème
Les besoins d’infrastructure et de partenariat continueront d’évoluer à mesure que l’AI s’intègre davantage dans les environnements physiques.
L’AI agentique étend l’automatisation des flux de travail numériques, tandis que l’AI physique introduit l’intelligence dans les machines, les dispositifs et les environnements opérationnels réels. Cela accroît la demande en infrastructure de périphérie, connectivité, données opérationnelles et intégration avec les systèmes physiques.
« Alors qu’on passe de l’AI agentique à l’AI physique, l’intelligence deviendra beaucoup plus profonde », affirme Pandya. « On s’appuiera sur davantage d’information à la périphérie. »
Lenovo positionne son infrastructure AI selon une approche hybride visant à offrir l’AI là où résident les données de l’entreprise, en combinant solutions AI, plateformes AI hybrides, expertise et services pour accompagner le parcours du pilote à la production.
À mesure que ces environnements deviennent plus distribués, les entreprises auront de plus en plus besoin de partenaires capables de combiner infrastructure, ingénierie, connaissance sectorielle, exploitation et gouvernance, selon les besoins propres à chaque entreprise.
Pandya s’attend à ce que la demande pour un soutien intégré augmente.
« Elles ne voudront pas dépendre de dix fournisseurs ou partenaires différents », dit-elle.
De solides partenariats d’écosystème peuvent simplifier cet environnement en regroupant les bonnes capacités autour d’un résultat partagé. Pour les entreprises passant du pilote à la production, cette coordination peut aider à créer la fondation, le modèle opérationnel et la flexibilité nécessaires pour déployer l’AI à grande échelle, de manière durable.
