Un dirigeant de Meta : Les entreprises ont 20 mois pour adapter leur infrastructure aux agents IA

Barak Yagour, vice-président de l'ingénierie chez Meta Platforms, estime que les entreprises disposent d'environ 20 mois pour reconfigurer leur infrastructure afin de répondre aux exigences des agents IA. S'exprimant lors de la conférence VB Transform 2026, M. Yagour a soutenu que l'infrastructure d'entreprise actuelle, conçue pour les utilisateurs humains, montre des signes de faiblesse face à la charge des agents autonomes.

M. Yagour a rapporté que les requêtes générées par les agents IA traitées par les systèmes de données de Meta ont été multipliées par 30 en seulement six mois. Cette augmentation spectaculaire remet en question deux décennies d'hypothèses sur la conception de l'infrastructure. Cette tendance n'est pas isolée à Meta ; le trafic automatisé a dépassé le trafic humain en ligne l'année dernière et connaît une croissance environ huit fois plus rapide, selon des rapports sectoriels.

Ce changement ébranle simultanément trois hypothèses fondamentales de l'infrastructure de Meta : la capacité, l'identité et la vélocité. M. Yagour a expliqué que là où un ingénieur représentait auparavant une unité de charge, un seul ingénieur peut désormais déclencher plusieurs agents, entraînant des augmentations exponentielles de la demande. De plus, les agents IA ne correspondent pas aux modèles traditionnels d'identité utilisateur, car ils ne sont ni des utilisateurs humains ni des services déployés.

La stratégie de Meta n'est pas de bloquer le trafic IA, mais de rendre son infrastructure "consciente des agents". Cela implique la mise en œuvre de contrôles dynamiques qui comprennent les hiérarchies d'agents et attribuent les coûts à des cas d'utilisation spécifiques. L'entreprise développe également des "environnements de données de confiance" pour permettre aux agents une exploration plus autonome des données tout en maintenant la gouvernance et la sécurité, y compris le masquage des champs sensibles. Meta fait également évoluer sa couche de données pour qu'elle soit plus orientée temps réel et consciente des schémas afin de mieux prendre en charge les besoins en données des modèles d'IA pour la prise de décision et les systèmes de recommandation.