L’éditeur annonce le lancement de Nutanix Agent Gateway qui vise à offrir une gouvernance unifiée pour les déploiements d’IA agentique, qu’ils reposent sur des modèles hébergés dans le cloud public ou sur des modèles privés auto-hébergés. L’annonce illustre l’importance croissante des architectures hybrides dans l’industrialisation de l’IA.
L’IA agentique pousse les entreprises à repenser leur infrastructure. Les agents autonomes ne se contentent plus de répondre à des questions. Ils peuvent interagir avec des outils métier, accéder à des sources de données, appeler des modèles de langage et exécuter des workflows complexes. Cette évolution crée un nouveau défi pour les organisations, qui doivent permettre l’innovation sans perdre le contrôle sur les accès, les données, les coûts et la conformité.
Nutanix annonce dans ce contexte la disponibilité générale de Nutanix Agent Gateway, intégrée à Nutanix Enterprise AI 2.7. La solution fournit un point de contrôle centralisé pour gouverner les agents IA, sécuriser leur accès aux outils d’entreprise et suivre la consommation de tokens à grande échelle. Elle s’inscrit dans la stratégie de Nutanix autour du multicloud hybride et de l’IA d’entreprise. L’un des enjeux principaux concerne la coexistence entre modèles publics et modèles privés. De nombreuses entreprises utilisent des modèles hébergés dans le cloud pour certains cas d’usage, tout en souhaitant déployer des modèles auto-hébergés pour des raisons de coût, de sécurité, de confidentialité ou de souveraineté. Agent Gateway vise à fournir une couche de gouvernance cohérente entre ces différents environnements.
Intégrée à Nutanix Enterprise AI, la solution agit comme une passerelle centralisée pour gérer le trafic entre agents, LLM et outils d’entreprise. Elle permet aux organisations d’appliquer des politiques d’accès, de suivre les usages et de disposer d’une visibilité unifiée sur l’activité des modèles. Les équipes plateformes peuvent ainsi conserver un cadre commun, même lorsque les agents utilisent plusieurs fournisseurs ou plusieurs modes d’hébergement. Cette approche répond aussi au risque de fragmentation des usages. Sans gouvernance centralisée, les équipes peuvent multiplier les accès aux modèles, créer des usages d’IA non maîtrisés ou contourner les cadres établis pour avancer plus vite. Ce phénomène, souvent rapproché du shadow AI, peut exposer l’entreprise à des risques de fuite de données, de non-conformité et de perte de contrôle sur les coûts.
Nutanix Agent Gateway propose plusieurs fonctionnalités pour répondre à ces défis. La gouvernance pour MCP permet de définir des contrôles d’accès granulaires aux serveurs Model Context Protocol, afin que les agents puissent se connecter aux outils métier et aux sources de données privées dans un environnement sécurisé. Les journaux d’audit enregistrent les requêtes MCP pour fournir une piste complète de gouvernance. L’observabilité unifiée centralise la visibilité sur les tokens, les accès MCP et l’activité des LLM. La solution comprend également une API unifiée pour accéder à des modèles de fournisseurs externes et à des modèles auto-hébergés. Cette capacité donne aux développeurs davantage de flexibilité pour choisir le modèle adapté à chaque cas d’usage, tout en permettant aux équipes IT de conserver des politiques de gouvernance communes. La limitation granulaire basée sur les tokens permet enfin de fixer des quotas et de suivre la consommation en temps réel par agent et par équipe.
« Les organisations passent rapidement des projets pilotes à des déploiements d’IA agentique à grande échelle, impliquant des centaines, voire des milliers d’agents autonomes », déclare Sammy Zoghlami, SVP EMEA chez Nutanix. « Sans gouvernance centralisée, il devient difficile de contrôler les coûts, les accès et la conformité. Alors que les agents autonomes se multiplient dans les entreprises, Nutanix Agent Gateway fournit un cadre de gouvernance unifié pour sécuriser et superviser les déploiements d’IA agentique. »
Avec Agent Gateway, Nutanix met en avant une vision hybride de l’IA d’entreprise. Les organisations ne choisiront pas nécessairement entre modèles publics et IA privée, mais devront orchestrer les deux selon leurs besoins. Dans cette logique, la gouvernance, l’observabilité et le contrôle des coûts deviennent des fondations indispensables pour faire passer l’IA agentique du laboratoire aux opérations.
