Listen à article
Les ambitions en matière d’AI augmentent rapidement dans les entreprises, avec des organisations qui testent de nouveaux modèles, cas d’utilisation et infrastructures dans plusieurs fonctions. Transformer cette activité en valeur d’affaires reproductible nécessite une base de production qui relie données, infrastructure, gouvernance, applications et expertise sectorielle.
À mesure que les charges de travail d’AI se répartissent entre le cloud, les environnements sur site et en périphérie, ces dépendances deviennent plus difficiles à gérer pour toute organisation ou fournisseur de technologie isolément. Les partenariats dans l’écosystème permettent de réunir des capacités complémentaires et d’établir un parcours plus clair, de l’expérimentation à l’échelle de l’entreprise.
Au AI Infra Summit 2026 à Santa Clara, Trusha Pandya, Chief Partner Strategist chez Lenovo, a expliqué ce dont les entreprises ont besoin pour passer de l’expérimentation à la production et pourquoi des capacités complémentaires à travers l’écosystème facilitent cette transition à grande échelle.
Notre recherche The AI Impact Imperatives, 2026 souligne l’importance de la collaboration. Parmi les organisations ayant déjà recours à une expertise externe en AI, 90 % affirment que les partenaires accélèrent le démarrage et la concrétisation de la valeur, tandis que 89 % constatent que les partenaires augmentent l’impact d’affaires des initiatives AI arrivant en production.
Du projet pilote à la production
De nombreuses entreprises ont identifié des cas d’utilisation, sécurisé des investissements et testé l’AI dans plusieurs fonctions. Une plus grande complexité apparaît lorsqu’un pilote réussi doit fonctionner de façon fiable à grande échelle au sein de l’entreprise.
« Les ambitions ne manquent pas en ce moment, dit Pandya. La question maintenant, c’est comment passer d’un environnement de POC à un environnement de production, et comment passer ensuite à l’échelle? »
La production amène un plus large éventail de considérations.
- Les données doivent être accessibles et gouvernées.
- L’infrastructure doit soutenir la performance et l’économie de la charge de travail.
- La propriété doit être claire, tandis que la sécurité, les opérations et l’optimisation continue doivent être prises en compte dès le départ.
Notre recherche 2026, The Blueprint for AI Leadership, illustre l’importance de la base sous-jacente. Les leaders en AI sont huit fois plus susceptibles que les suiveurs d’exprimer leur confiance dans leur fondation de données pour les initiatives GenAI, soit 74 % contre 9 %.
Pandya observe le même défi du point de vue de l’infrastructure.
« Les projets d’AI ne manquent pas. Les budgets pour ces projets d’AI non plus. Mais comment prendre ces projets et les déployer à travers différents segments d’une entreprise, et comment maintenir cette dynamique? »
Maintenir cette dynamique requiert des capacités d’infrastructure et d’opérations aptes à soutenir l’AI à mesure que la demande augmente et que les cas d’utilisation s’étendent à l’ensemble de l’organisation.
Des capacités complémentaires pour une base plus solide
Les partenariats dans l’écosystème peuvent aider à connecter les différentes couches nécessaires à l’échelle AI.
Notre alliance stratégique avec Lenovo réunit des capacités dans l’Edge Computing, l’AI hybride à la périphérie, le nuage hybride, le GPU en tant que service et le Digital Workplace. Par l’entremise d’un Centre d’excellence dédié, nous co-innovons et faisons évoluer des solutions intégrées répondant à des cas réels de transformation, allant des déploiements intelligents en périphérie aux architectures cloud hybrides optimisées pour l’AI.
Pandya a décrit ce partenariat de façon concrète. Lenovo apporte des capacités d’infrastructure, du centre de données à la périphérie, tandis que nous offrons l’expertise sectorielle, d’intégration et d’opérations pour appliquer ces technologies dans des environnements d’entreprise complexes.
« Vous êtes les experts. Vous intervenez sur le terrain. Vous possédez la connaissance du secteur, » dit-elle. « Quelle meilleure façon de tirer parti de votre expertise pour offrir ensemble une solution globale à nos clients? »
Connecter ces capacités permet d’aligner les décisions d’infrastructure avec le processus d’affaires ciblé, les données requises et le modèle d’exploitation nécessaire pour soutenir la solution.
Partir du résultat d’affaires
L’économie de AI rend cet alignement toujours plus important.
À mesure que les entreprises font évoluer l’inférence et déploient plus d’agents, les choix d’infrastructure ont un impact direct sur le dossier d’affaires. La bonne architecture dépend de la valeur de la charge de travail, de la localisation des données, de la rapidité de prise de décision requise et du niveau de contrôle dont l’organisation a besoin.
« La discussion ne devrait pas porter sur le coût de l’infrastructure, » indique Pandya, « mais sur le point de départ : quel est le résultat d’affaires souhaité, et comment intégrer tous ces différents KPI? »
La productivité, l’efficacité opérationnelle et la croissance nécessitent chacune des combinaisons différentes de modèles, d’infrastructures et de services. Partir du résultat visé aide les entreprises à adapter l’environnement technologique selon l’économie et les besoins de chaque cas d’utilisation.
Cela devient particulièrement pertinent dans les environnements AI hybrides. Les charges de travail peuvent s’étendre sur des infrastructures privées, dans le cloud et en périphérie, selon les besoins en données, performance, sécurité et coûts. Notre alliance avec Lenovo vise à soutenir cette diversité, notamment le nuage hybride et l’AI hybride à la périphérie.
L’AI physique amplifie le défi de l’écosystème
Les exigences en matière d’infrastructure et de partenariats continueront d’évoluer à mesure que l’AI s’imposera davantage dans les environnements physiques.
L’AI agentique prolonge l’automatisation dans les flux de travaux numériques, alors que l’AI physique amène l’intelligence dans les machines, les appareils et les environnements opérationnels réels. Cela génère une demande accrue pour l’infrastructure en périphérie, la connectivité, les données opérationnelles et l’intégration aux systèmes physiques.
« En passant de l’AI agentique à l’AI physique, l’intelligence va s’approfondir encore plus, » souligne Pandya. « Elle s’appuiera sur davantage d’information à la périphérie. »
Lenovo positionne son infrastructure AI autour d’une approche hybride conçue pour rapprocher l’AI de l’endroit où résident les données d’entreprise, en intégrant solutions d’AI, plateformes d’AI hybrides ainsi que l’expertise et les services en AI pour accompagner la transition 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, opérations et gouvernance en fonction des besoins d’affaires spécifiques.
Pandya prévoit une augmentation de la demande pour un soutien intégré plus poussé.
« Ils ne voudront pas dépendre de dix fournisseurs ou partenaires différents qui interviennent, » dit-elle.
De solides partenariats d’écosystème peuvent simplifier cet environnement en réunissant les bonnes capacités autour d’un objectif commun. Pour les entreprises qui passent du pilote à la production, cette coordination permet d’établir les fondations, le modèle d’exploitation et la flexibilité requis pour faire évoluer l’AI de façon durable.
