Ce que le projet d'acquisition de Portkey par Palo Alto réussit — et ce que les entreprises doivent encore définir

Les entreprises ont déployé l'IA en production : les agents sont opérationnels, les flux de travail sont actifs et les démonstrations sont un succès. Mais sous cet élan, un problème de sécurité émerge discrètement. Qui accède à quels modèles ? Quelles données transitent par ces systèmes ? Des garde-fous efficaces sont-ils en place ? Pour la plupart des organisations, la réponse honnête est : pas entièrement.

C'est précisément cette lacune qui rend l'intention de Palo Alto Networks d'acquérir Portkey si logique. Portkey se positionne entre les applications d'entreprise et les fournisseurs de LLM comme OpenAI, Anthropic et Mistral, gérant le routage, le basculement, la mise en cache, le suivi des coûts et l'observabilité. Sous l'égide de Palo Alto, cette fonctionnalité serait filtrée par le prisme de la sécurité et de la gouvernance, des contrôles d'accès, des garde-fous et d'une visibilité sur les modèles consultés et par qui. Pour une entreprise de cybersécurité, c'est une extension naturelle et stratégique. Mais ce que cela révèle sur l'orientation de l'infrastructure d'IA en entreprise est l'aspect le plus important. Apprentissage automatique et intelligence artificielle

Le fossé infrastructurel dont personne n'a parlé

Au cours des deux dernières années, les entreprises ont progressé rapidement en matière d'IA. Les copilotes, les agents IA et les flux de travail basés sur les LLM sont désormais des éléments incontournables de la production en entreprise. Pourtant, cette progression rapide au niveau de la couche applicative se fait au détriment de la mise en place d'une infrastructure de support robuste.

Le résultat ? Les équipes exploitent l'IA en production avec une visibilité limitée sur le comportement des agents. Les données de l'étude 2026 sur l'IA en entreprise de TrueFoundry révèlent que plus de 75 % des équipes ne disposent pas d'une journalisation unifiée sur l'ensemble de leurs modèles et flux de travail d'agents. Plus de 40 % ne découvrent les coûts de l'IA qu'après utilisation, sans alertes en temps réel ni contrôle budgétaire. Et 83 % signalent une amplification des jetons, où une tâche censée consommer 1 000 jetons finit par en consommer 8 000 ou plus en raison des chaînes d'appels des agents. Les pics de latence sont difficiles à diagnostiquer, et le suivi des causes profondes des défaillances nécessite souvent un effort d'ingénierie qui aggrave le problème initial.

À quoi sert réellement une passerelle IA

Une passerelle IA est une couche de contrôle située entre les applications d'entreprise et les grands modèles de langage qui les alimentent. Plutôt que de laisser les applications appeler directement des fournisseurs comme OpenAI ou Anthropic, les requêtes transitent par la passerelle, centralisant ainsi le routage, l'observabilité, la fiabilité et la gestion des coûts en un seul point.

Si un fournisseur ralentit ou tombe en panne, la passerelle redirige le trafic. En cas de pic de coûts, les équipes peuvent en identifier les causes en temps réel. Un comportement inattendu des invites révèle des journaux de suivi complets pour enquête. Tester un nouveau modèle ne nécessite pas de redéployer les applications. Logiciel

Pour les équipes gérant plusieurs fonctionnalités d'IA, cette infrastructure devient rapidement essentielle. Sans elle, il n'existe aucun point d'inférence unique pour les politiques, aucune vue unifiée de l'activité de la pile IA, et aucun moyen propre d'attribuer les coûts ou d'enquêter sur les incidents.

Les passerelles IA vont bien au-delà de la sécurité

La sécurité et la gouvernance constituent une dimension essentielle de ce qu'offre une passerelle, et une raison légitime pour laquelle la décision de Palo Alto est stratégiquement cohérente. Mais les entreprises ont également besoin de contrôle des coûts, de surveillance des performances, de flexibilité vis-à-vis des fournisseurs, de gouvernance des données et de routage des modèles, y compris la prise en charge d'options privées et open source. Les passerelles axées principalement sur la sécurité obligent les équipes informatiques et d'ingénierie à assembler plusieurs outils pour combler les lacunes.

• En savoir plus
• Gestion des données
• Stockage cloud
• Logiciel
• Sécurité informatique
• Apprentissage automatique et intelligence artificielle

L'industrie dans son ensemble en prend conscience. Selon le guide du marché 2025 de Gartner pour les passerelles IA, d'ici 2028, 70 % des équipes d'ingénierie logicielle développant des applications multimodales utiliseront des passerelles IA pour améliorer la fiabilité et optimiser les coûts, et pas seulement pour la sécurité. Gartner définit une passerelle IA comme une technologie qui « agit comme un intermédiaire entre les applications et divers services ou modèles d'IA », fournissant un panneau de contrôle central pour sécuriser, gouverner et observer les charges de travail d'IA. Cette portée est délibérément large.

Les organisations qui réussissent cette transition considèrent la passerelle IA comme une infrastructure fondamentale plutôt que comme un complément de sécurité ou une réflexion après coup. Elles l'intègrent dès le départ dans la pile, tout comme elles le feraient pour une passerelle API ou un maillage de services, et étendent leur surface d'outils par-dessus, et non l'inverse.

Questions clés avant de construire ou d'acheter

Pour les équipes d'entreprise qui évaluent les options de passerelle IA, ou qui se demandent si elles en ont réellement besoin, les questions à se poser sont les suivantes :

• Avons-nous une visibilité sur chaque appel LLM en production, y compris les coûts et la latence ?
• Pouvons-nous rediriger le trafic si un fournisseur tombe en panne ou devient trop coûteux ?
• Avons-nous la flexibilité d'utiliser à la fois des API commerciales et des modèles auto-hébergés ?
• Où transitent les données sensibles et qui les contrôle ?

Si la réponse honnête à l'une de ces questions est « pas vraiment », il existe une lacune infrastructurelle qu'il convient de combler. À mesure que l'IA passe de projets expérimentaux à des fonctionnalités produit essentielles, le coût lié au maintien de cette lacune ne fait qu'augmenter.

Le rachat de Portkey par Palo Alto marque un tournant décisif : les passerelles IA sont désormais reconnues comme une infrastructure d'entreprise indispensable. La question est maintenant de savoir dans quelle mesure les entreprises choisiront de s'appuyer sur elles.

À propos de TrueFoundry :

TrueFoundry propose une passerelle IA de niveau entreprise qui englobe une passerelle LLM, une passerelle MCP et une passerelle d'agents, permettant aux entreprises de connecter, d'observer et de gouverner en toute sécurité l'accès aux modèles, outils, garde-fous et agents depuis un plan de contrôle unique. La passerelle IA permet des charges de travail agentiques sécurisées, efficaces et pérennes grâce à des connexions unifiées et composables entre les différents fournisseurs.

Au-delà de la couche passerelle, TrueFoundry permet aux organisations de déployer et d'entraîner des LLM personnalisés sur GPU, d'héberger des serveurs MCP et d'exécuter des agents personnalisés, le tout via une interface native Kubernetes. La plateforme prend en charge les installations sur site et en VPC, tant pour la passerelle IA que pour les environnements de déploiement. TrueFoundry garantit une conformité de niveau entreprise avec les normes SOC 2, HIPAA et ITAR. Grâce à ses fonctionnalités intégrées d'autoscaling, de mise en cache et d'optimisation des ressources, TrueFoundry permet aux organisations de construire, déployer et gouverner des systèmes d'IA de manière sécurisée, efficace et sur une pile technologique pérenne. Pour en savoir plus, visitez truefoundry.com