HPE déploie l’IA agentique au plus près des données

HPE propose un modèle d’IA agentique pour les données financières, publié le 26 octobre 2026. Le principe consiste à déployer les agents près des données, plutôt qu’à déplacer systématiquement celles-ci vers un nuage public. Ces logiciels peuvent raisonner entre plusieurs systèmes et exécuter des tâches en plusieurs étapes, sous supervision humaine. Les cas cités incluent la clôture continue, le rapprochement avec traitement des exceptions, la détection des fraudes et anomalies, ainsi que la production de preuves d’audit à la demande. L’article est signé par Joe Fuchs, responsable mondial de la mise en marché sectorielle pour les services financiers et l’assurance chez HPE. Lire l’article original

Les contraintes concernent la confidentialité, les règles de juridiction et les contrats qui encadrent les données financières. Ces règles déterminent leur lieu de résidence, les personnes autorisées à y accéder et la manière de documenter les décisions automatisées. Les coûts constituent un autre frein cité. La duplication des données, leur déplacement et les frais de sortie peuvent réduire le rendement attendu. Les équipes finance et FinOps interviennent donc dans la planification de l’IA. Les systèmes centraux anciens ajoutent une contrainte de temps, car la gravité des données peut transformer une migration en programme pluriannuel. HPE appelle son modèle transversal le « Fourth Cloud ».

HPE rapproche les agents des données

Le modèle proposé organise les charges de travail entre environnements privés, souverains, hybrides et publics. Chaque environnement doit recevoir les traitements selon un équilibre entre performance, conformité, coût et résilience. HPE présente cette couche comme un dispositif de contrôle commun, plutôt qu’une destination supplémentaire. Pour les données déjà hébergées dans le nuage, l’entreprise met en avant ses réseaux conçus pour l’IA. Pour les données conservées dans les centres informatiques, elle propose de maintenir leur emplacement et d’y déployer les agents. Des modèles en code ouvert peuvent être configurés avec les grands livres, les politiques et les règles de risque de l’organisation.

La souveraineté porte aussi sur le lieu d’exécution des modèles, les personnes pouvant consulter les requêtes et les résultats, ainsi que les journaux. L’objectif décrit est celui d’agents intégrés aux processus réels, avec des limites sur leurs actions autonomes. La résilience opérationnelle exige également des preuves, selon l’article. HPE cite des restaurations testées, des copies immuables, des points de restauration propres et des éléments démontrant le retour des services critiques dans les tolérances prévues. HPE Zerto est présenté comme un outil de restauration d’opérations fiables. Cette approche associe donc déploiement local, contrôle des accès et capacité documentée de reprise.

HPE assemble l’infrastructure financière

L’architecture intégrée associe le calcul, le stockage, le nuage hybride et les réseaux à l’échelle du rack. HPE estime que la performance dépend de l’ensemble du système, car un accélérateur privé de données devient une ressource inutilisée. La gamme citée comprend HPE ProLiant Compute, HPE Cray Supercomputing, HPE Alletra, HPE GreenLake et Morpheus. Elle inclut aussi Zerto et OpsRamp pour la reprise et les opérations. HPE Networking s’appuie sur Apstra Data Center Director pour l’automatisation fondée sur l’intention et sur Mist AI pour les opérations réseau. HPE Private Cloud AI et HPE AI Factory complètent cette offre de déploiement souverain. Présentation de HPE

Les services HPE visent à faire passer les agents du projet pilote à la production. Les services réseau doivent moderniser la structure qui transporte les flux d’IA. HPE Financial Services propose d’aligner l’investissement sur les résultats opérationnels et mentionne des options de financement fondées sur la consommation. L’article affirme que cette intégration peut réduire le temps consacré à extraire, rapprocher et reformater les données. Il cite également la réduction du temps passé à résoudre les problèmes de performance entre plusieurs fournisseurs. Le choix présenté par HPE est donc précis : conserver les données à leur emplacement, exécuter l’intelligence auprès d’elles et prouver le contrôle des deux éléments.