Article rédigé en collaboration avec Bisatel Telecom

Pourquoi l’explosion de l’IA générative rend la stratégie « cloud-first » obsolète

Pendant près d’une décennie, la doctrine informatique dominante tenait en une formule simple : tout migrer vers le cloud public, réduire les infrastructures internes au strict minimum et laisser les géants américains gérer la puissance de calcul. Cette approche, baptisée « cloud-first », a structuré les budgets IT de milliers d’entreprises françaises, y compris chez les revendeurs et intégrateurs qui recommandaient cette voie à leurs clients par défaut. Mais l’arrivée massive de l’IA générative a bouleversé cette équation en à peine trois ans. Les modèles de langage, les agents autonomes et les outils de génération d’image ou de vidéo consomment une puissance de calcul si considérable que les factures cloud explosent, parfois de façon incontrôlable, obligeant de nombreuses directions informatiques à revoir en profondeur leur stratégie de déploiement, y compris du côté de la connectivité et du choix d’un opérateur mobile virtuel capable d’accompagner cette transition.

Ce retournement n’est pas anecdotique. Il touche aussi bien les grands comptes que les PME, et il redessine les priorités d’achat en matière de matériel, de réseau et de logiciel. Pour les professionnels de l’IT et de la téléphonie qui conseillent leurs clients au quotidien, comprendre pourquoi le tout-cloud vacille devient une nécessité stratégique autant qu’un argument commercial.

Ce qui frappe le plus les observateurs du secteur, c’est la vitesse à laquelle ce basculement s’est produit. Il aura fallu moins de temps pour que l’IA générative fragilise le dogme du tout-cloud que pour que ce même dogme s’impose au cours des années précédentes. Les directions financières, longtemps habituées à des courbes de coût cloud relativement prévisibles, découvrent des factures qui doublent d’un mois sur l’autre sans qu’aucun changement d’usage majeur ne le justifie clairement. Cette imprévisibilité budgétaire, à elle seule, suffit souvent à remettre en question des choix d’infrastructure pris quelques années plus tôt.

Le postulat du tout cloud mis à l’épreuve par la déferlante générative

Pourquoi l’IA générative Enterre la Stratégie Cloud-First. L’idée de départ du cloud-first reposait sur un raisonnement économique solide : mutualiser des ressources informatiques gigantesques entre des milliers de clients permettait de réduire les coûts unitaires et d’éviter aux entreprises d’investir dans du matériel qu’elles n’utiliseraient qu’à temps partiel. Ce modèle fonctionnait remarquablement bien pour l’hébergement web, la bureautique en ligne ou le stockage de fichiers. Mais l’IA générative change la nature même de la charge de calcul. Entraîner ou faire fonctionner un grand modèle de langage nécessite des processeurs graphiques spécialisés, rares et coûteux, dont la demande mondiale dépasse largement l’offre disponible. Selon plusieurs cabinets d’analyse comme Juniper Research et IDATE, la progression de la charge de calcul liée à l’inférence générative dépasse désormais très largement le rythme de baisse des prix habituellement observé dans le cloud public.

Résultat concret pour les entreprises : les factures explosent, parfois multipliées par trois ou quatre en quelques trimestres, sans qu’aucune optimisation classique ne parvienne à contenir la hausse. De grands groupes technologiques ont commencé à rapatrier une partie de leurs charges de travail vers des infrastructures internes ou des centres de données dédiés, un mouvement que les analystes appellent la « repatriation » du cloud. Ce phénomène, marginal il y a encore deux ans, devient un sujet de discussion central dans les comités de direction. Pour les revendeurs et intégrateurs, cette évolution ouvre une fenêtre commerciale inédite : proposer des architectures hybrides, mieux dimensionnées et moins dépendantes d’un seul fournisseur devient un argument différenciant. Certains acteurs spécialisés vont plus loin en combinant connectivité mobile flexible et solutions de traitement local, un opérateur MVNO francophone reconnu proposant déjà ce type d’accompagnement clé en main pour les intégrateurs qui souhaitent diversifier leur offre.

Cette remise en cause touche également les hypothèses de dimensionnement réseau. Un modèle d’IA générative interrogé en continu par des dizaines de collaborateurs génère un trafic de données très différent d’une messagerie professionnelle classique, avec des pics de charge difficiles à anticiper et une sensibilité accrue à la moindre latence. Les équipes techniques qui avaient bâti leurs schémas directeurs autour d’usages bureautiques classiques doivent désormais composer avec des flux beaucoup plus lourds et beaucoup plus imprévisibles, ce qui pousse mécaniquement à reconsidérer la part de traitement qu’il est raisonnable de laisser transiter en permanence vers un fournisseur cloud unique.

Souveraineté des données, réglementation et confidentialité

Au delà de la seule question du coût, l’explosion de l’IA générative a remis sur le devant de la scène un enjeu longtemps secondaire dans les arbitrages cloud-first : la souveraineté des données. Envoyer en permanence des documents internes, des échanges clients ou des données personnelles vers des serveurs génériques situés hors d’Europe pose désormais un problème réglementaire concret. Le règlement européen sur l’IA, entré progressivement en application, impose des obligations de traçabilité et de transparence renforcées pour les systèmes considérés à risque, tandis que le RGPD continue d’exiger une maîtrise fine du lieu de traitement des données personnelles. La CNIL a multiplié les rappels à l’ordre concernant l’usage professionnel d’outils d’IA générative grand public, insistant sur le fait que la commodité ne dispense jamais d’une analyse d’impact sérieuse.

Cette pression réglementaire pousse un nombre croissant d’organisations, en particulier dans la santé, la banque et l’industrie, à repenser où et comment elles traitent leurs données sensibles avant même de choisir quel modèle d’IA utiliser. Plutôt que d’envoyer systématiquement chaque requête vers un service cloud distant, certaines entreprises optent pour des architectures qui gardent une partie du traitement au plus près de la donnée, notamment sur les objets connectés et les capteurs industriels qui génèrent un volume croissant d’informations à la source. Cette logique de traitement distribué s’appuie souvent sur une infrastructure de connectivité flexible, à l’image d’une plateforme IoT en marque blanche capable de gérer des flottes hétérogènes d’appareils tout en gardant le contrôle du transit des données.

Le retour en grâce de l’edge computing et des architectures hybrides

Face à ce double mur du coût et de la conformité, une architecture longtemps jugée secondaire retrouve une place centrale dans les schémas directeurs informatiques : l’edge computing, c’est à dire le traitement des données au plus près de l’endroit où elles sont produites, sur des serveurs locaux, des postes de travail puissants ou des équipements industriels dédiés. Les progrès techniques réalisés sur les modèles de langage compacts changent la donne. Il est désormais possible de faire tourner des modèles génératifs performants sur du matériel raisonnablement accessible, sans dépendre en permanence d’une connexion vers un centre de données distant. Pour un réparateur ou un intégrateur, cela ouvre un nouveau marché : celui du conseil en dimensionnement matériel et en architecture hybride, où seule une partie du trafic sensible transite encore vers le cloud public.

Les analystes d’ABI Research et de Mordor Intelligence observent une accélération nette des investissements dans les infrastructures périphériques, portée notamment par les secteurs industriels et logistiques qui ne peuvent pas se permettre la moindre latence réseau pour des applications critiques. L’Union internationale des télécommunications souligne également que la multiplication des objets connectés dans les usines et les entrepôts renforce mécaniquement le besoin de traitement local, ne serait ce que pour limiter la quantité de données brutes à transmettre. Cette évolution ne signe pas la mort du cloud public, loin de là, mais elle change profondément sa fonction : il devient un outil parmi d’autres dans une architecture pensée au cas par cas, plutôt qu’une destination par défaut choisie avant même d’avoir analysé le besoin réel.

Pour un intégrateur ou un réparateur de proximité, cette bascule technique se traduit par une demande très concrète de la part des clients professionnels : des postes de travail plus puissants capables de faire tourner localement des assistants d’IA, des serveurs de bureau dimensionnés pour de l’inférence légère, et une connectivité fiable capable de relier ces îlots de traitement local entre eux sans dépendre d’une seule liaison internet. Le rôle du technicien de proximité évolue ainsi d’un simple installateur de matériel vers celui de véritable architecte de petites infrastructures hybrides, une compétence encore rare sur le marché français et donc particulièrement valorisable commercialement.

Vers une stratégie choisie plutôt qu’une stratégie par défaut

Le vrai changement introduit par l’IA générative n’est donc pas un rejet du cloud, mais l’abandon d’une doctrine automatique au profit d’une analyse cas par cas. Les entreprises les plus avancées raisonnent désormais en fonction de la sensibilité de la donnée, du besoin de latence et du volume de calcul réellement nécessaire, avant de décider où placer chaque brique applicative. Cette approche, que certains observateurs commencent à appeler « cloud smart » ou « cloud pertinent », remplace progressivement le réflexe cloud-first dans les schémas directeurs les plus récents.

Pour les revendeurs, réparateurs et intégrateurs IT et mobile, cette bascule représente une opportunité concrète de repositionnement. Le conseil en architecture hybride, la gestion de flottes d’appareils connectés et la maîtrise de la connectivité deviennent des compétences recherchées par des clients qui ne savent souvent pas par où commencer. La multiplication des équipements professionnels équipés d’eSIM, du terminal de paiement mobile au capteur industriel, illustre bien cette montée en puissance des architectures distribuées, un guide pratique de la marque blanche eSIM offrant justement des pistes concrètes pour accompagner cette diversification vers la gestion de connectivité pour flottes d’objets connectés. L’IA générative n’a pas rendu le cloud obsolète en tant que tel : elle a rendu obsolète l’idée qu’il fallait y aller les yeux fermés.