L’année 2024 a redistribué les priorités des DSI à une vitesse rarement observée. Entre la généralisation de l’IA générative en production, l’explosion des surfaces d’attaque et la recomposition des architectures cloud, les décisions techniques prises cette année engagent les entreprises pour la décennie à venir.
Informatique confidentielle : la brique de sécurité cloud que les feuilles de route ignorent
Les débats sur le multicloud et la cybersécurité périmétrique masquent un angle mort technique. Déployer des modèles d’IA générative sur des données sensibles (santé, finance, défense) sans chiffrer ces données en cours de traitement revient à verrouiller la porte d’entrée en laissant les fenêtres ouvertes.
A voir aussi : Découvrez le monde fascinant des animaux : actualités insolites, conseils et dossiers complets
C’est le problème que résout l’informatique confidentielle (confidential computing). Le principe repose sur des enclaves matérielles, les TEE (Trusted Execution Environments), qui isolent le code et les données même vis-à-vis de l’hyperviseur ou de l’administrateur du cloud. La donnée reste chiffrée pendant le calcul, pas seulement au repos ou en transit.
Selon Fortune Business Insights, ce segment figure parmi les marchés de sécurité cloud affichant la plus forte croissance projetée d’ici 2034, porté directement par les usages IA et l’externalisation de charges critiques. Nous observons que les grands fournisseurs cloud proposent désormais des instances confidentielles compatibles GPU, ce qui lève le dernier frein au déploiement de modèles de langage sur données réglementées.
Lire également : Tendances, conseils et inspirations : découvrez tout l'univers de la mode actuelle
Pour suivre les sujets informatiques sur Geek Newz, ce type de sujet technique illustre bien les arbitrages concrets que doivent faire les équipes infrastructure en 2024.
Cybersécurité en 2024 : des coûts en trajectoire exponentielle malgré les succès opérationnels
L’année 2024 produit un paradoxe instructif. La cybersécurité des Jeux Olympiques a tenu, saluée comme un succès de coordination entre l’ANSSI, les opérateurs et les prestataires privés. Dans le même temps, le volume global de cyberattaques a explosé sur le reste du tissu économique.
L’Informaticien a documenté cette dualité dans ses dossiers annuels : la concentration des moyens sur un événement ponctuel a mis en lumière le sous-investissement chronique des ETI et PME françaises en matière de détection et de réponse à incident.
Trajectoire des coûts de la cybercriminalité
Les projections sur la période 2024-2029 décrivent une courbe de coûts liés à la cybercriminalité en forte hausse, avec un impact direct sur les budgets IT. Cette trajectoire pousse les DSI à réallouer leurs enveloppes logiciels et solutions vers la détection comportementale, le zero trust et les outils d’orchestration de réponse automatisée (SOAR).
Le lien avec l’IA générative est direct : les attaquants utilisent les mêmes modèles de langage que les défenseurs. La génération automatisée de phishing ciblé rend obsolètes les filtres basés sur des signatures statiques. Les entreprises qui n’intègrent pas de couche d’analyse sémantique dans leur pile de sécurité mail accumulent un retard difficile à rattraper.
IA générative en production : du prototype au pipeline industriel
Le marché a franchi un seuil qualitatif. En 2024, la question n’est plus de savoir si l’IA générative fonctionne, mais comment l’intégrer dans des pipelines de données existants sans créer de dette technique ingérable.
Trois contraintes structurent les déploiements en entreprise :
- Gouvernance des données d’entraînement : traçabilité des jeux de données, conformité RGPD, gestion des biais. Les équipes data doivent documenter chaque source avant toute mise en production.
- Coût d’inférence : faire tourner un modèle de langage à grande échelle sur des requêtes métier génère des factures cloud qui dérapent rapidement sans optimisation (quantification, distillation, mise en cache des embeddings).
- Intégration aux outils métiers : les applications d’intelligence artificielle ne remplacent pas les logiciels existants, elles s’y greffent via des API. La qualité de l’orchestration entre le modèle et le système d’information conditionne la valeur réellement extraite.
Marché des plateformes data science et machine learning
Le segment des plateformes de data science et machine learning poursuit sa structuration rapide. Nous recommandons aux DSI de privilégier les solutions qui intègrent nativement le versioning de modèles, le monitoring de la dérive (drift detection) et des connecteurs vers les principaux lacs de données cloud. Un outil d’innovation qui ne s’intègre pas au socle existant reste un prototype coûteux.
Cloud souverain et edge computing : les architectures hybrides s’imposent
Le débat sur la souveraineté des données a produit des effets concrets en 2024. Plusieurs initiatives de cloud souverain ont atteint le stade de la production, poussées par les exigences réglementaires européennes et par la demande des secteurs publics et bancaires.
En parallèle, le edge computing absorbe une part croissante des charges de calcul temps réel. IoT industriel, véhicules connectés, analyse vidéo en point de vente : ces cas d’usage exigent une latence incompatible avec un aller-retour vers un datacenter centralisé.
L’architecture cible qui émerge combine trois niveaux :
- Un cloud public pour les charges élastiques et l’entraînement de modèles.
- Un cloud souverain ou privé pour les données réglementées et les applications critiques.
- Des nœuds edge pour le traitement local, la pré-inférence et la collecte de données IoT.
Cette stratification impose aux équipes infrastructure de maîtriser l’orchestration multicloud (Kubernetes, service mesh) et de repenser leurs politiques de sécurité réseau. Le périmètre réseau classique n’existe plus quand les données circulent entre trois couches d’infrastructure.
Les métiers du numérique reflètent cette évolution : les profils recherchés en 2024 combinent compétences cloud, cybersécurité et data engineering, trois domaines qui fonctionnaient encore en silos il y a quelques années. Les entreprises qui cloisonnent encore ces fonctions dans des équipes séparées perdent en réactivité face aux incidents comme face aux opportunités d’innovation.