Cisco et NVIDIA rendent Splunk AI déployable sur site et dans des environnements isolés

Cisco a dévoilé une nouvelle architecture prévalidée qui associe son logiciel d’exécution IA à l’infrastructure réseau de la société, à l’accélération GPU fournie par NVIDIA et aux plateformes de gestion de conteneurs telles que Kubernetes ou Red Hat OpenShift. Cette combinaison, commercialisée sous le nom de Cisco AI POD for Splunk, permet aux entreprises de déployer à la fois Splunk Enterprise et le tout‑nouveau Splunk AI Assistant dans des environnements très variés : des data‑centers classiques, des clouds privés hébergés sur site, voire des réseaux totalement isolés, sans recourir à un service cloud public.

L’intégration de Splunk dans le cadre de la Cisco Secure AI Factory ajoute une couche de sécurité qui surveille l’ensemble du cycle de vie des modèles d’intelligence artificielle, depuis la phase d’entraînement jusqu’à la mise en production. Cisco indique que les clients peuvent ainsi héberger des modèles comme Deep Time Series Model, Google Gemma 4 ou OpenAI GPT‑OSS 20B, tout en préparant le support de modèles ouverts NVIDIA Nemotron qui devrait arriver dans les prochains mois.

Observabilité renforcée des agents

Le nouveau module Splunk Agent Observability offre une visibilité détaillée sur le comportement et les performances des agents IA déployés. Il collecte des métriques précises sur l’utilisation du GPU, la taille et l’activité des bases vectorielles, la consommation de mémoire et l’orchestration des conteneurs. En parallèle, il applique des garde‑fous d’exécution destinés à prévenir les dérives de modèles, tout en suivant les coûts liés à la tokenisation grâce à la fonction Tokenomics, qui attribue chaque jeton consommé aux modèles Claude Code, Codex et Cursor et anticipe les dépenses futures.

Outils d’intégration et de visibilité

Observability Studio simplifie l’intégration d’OpenTelemetry dès la phase de collecte des données, permettant aux équipes de standardiser leurs traces, métriques et logs. L’application Network Intelligence, quant à elle, relie la topologie du réseau, l’état des équipements Cisco et les événements réseau aux données ingestées par Splunk, offrant ainsi une vue unifiée qui combine l’infrastructure sous‑jacente et les charges de travail IA. Cette visibilité croisée aide les opérateurs à identifier rapidement les goulets d’étranglement ou les incidents de sécurité.

Principaux bénéfices pour les entreprises

• Déploiement local garantissant la souveraineté des données et la conformité aux exigences réglementaires.
• Sécurité renforcée grâce à la surveillance continue du cycle de vie des modèles au sein de la Cisco Secure AI Factory.
• Visibilité complète des ressources GPU, de la consommation mémoire et des coûts de tokenisation, facilitant l’optimisation budgétaire.
• Compatibilité avec les principaux modèles d’IA open source et propriétaires, offrant une flexibilité d’adoption.

Cisco précise que le produit ainsi que le Splunk AI Assistant sont déjà disponibles pour les clients qui souhaitent les tester immédiatement. Le module Agent Launchpad, conçu pour simplifier le déploiement et la gestion des agents IA, devrait quant à lui être mis à disposition d’ici la fin de l’année 2026, élargissant encore la palette d’outils accessibles aux équipes d’exploitation.

Network World rappelle toutefois que, même si la solution renforce la souveraineté des données, la responsabilité du placement, de la sécurisation et de l’exploitation de l’infrastructure reste entièrement entre les mains du client. L’éditeur met en garde contre l’idée que le déploiement sur site élimine tous les risques ou coûts, insistant sur la nécessité d’une gouvernance rigoureuse, d’une expertise technique solide et d’un suivi continu pour maîtriser les modèles d’IA à grande échelle.

Les organisations françaises, soucieuses de respecter les exigences de confidentialité et de conformité nationale, devront vérifier que l’infrastructure déployée répond aux obligations du RGPD, notamment en matière de traçabilité des traitements, de gestion des consentements et de sécurisation des flux de données. Elles devront également s’assurer que les garde‑fous de la Cisco Secure AI Factory sont correctement configurés, que les coûts de tokenisation sont monitorés de façon proactive et que les équipes disposent des compétences nécessaires pour gérer les modèles open source et propriétaires dans un environnement isolé.