Aller au contenu

Sujets populaires

AI Management L’IA est désormais un poste de dépenses.
Traitez-la comme tel.

Suivez les modèles, les expériences, les GPU et les licences utilisateur, d’un balayage d’hyperparamètres sur un cluster d’entraînement à l’abonnement ChatGPT que quelqu’un a passé en note de frais. Une classe d’actifs, gouvernée comme toutes les autres.

Réserver une démo Voir le tableau de l’IA fantôme
Masquer le détail technique

La cinquième classe d’actifs · une plateforme

Une classe d’actifs

Quatre couches gouvernées

  • Agents

    MCP

    Chaque appel d’outil audité, limité en portée et soumis à un suivi de quota.

    Serveur Model Context Protocol

  • Modèles et expériences

    ML

    Exécutions, ensembles d’exécutions, artefacts et lignage des jeux de données.

    Registre de modèles

  • Calcul d’entraînement

    GPU

    Exécuteurs redimensionnés, migrés et arrêtés.

    Moteur de recommandations à 26 contrôles

  • Licences utilisateur et clés d’API

    LICENCE

    Abonnements détectés, classés et récupérés.

    Moteur de licences SaaS

Le modèle de données et le moteur de politiques sont ceux qui gèrent déjà les quatre autres classes d’actifs.

En bref

Les dépenses d’IA augmentent plus vite que leur suivi.

La finance voit une facture d’IA. L’ingénierie voit un cluster de puissance de calcul coûteux. La sécurité voit un outil d’IA que personne n’a approuvé, avec accès aux données clients. Chaque équipe détient une partie du tableau, personne ne le détient en entier, et la facture augmente chaque mois. CerteroX réunit chaque outil, abonnement et charge de travail d’IA dans une même fiche : vous voyez ce qui est utilisé, ce que cela coûte et qui l’a validé.

  • Coût

    Cessez de payer pour des IA que personne n’utilise.

    Les abonnements d’IA inutilisés sont détectés et récupérés, et la puissance de calcul de vos propres projets d’IA est contrôlée par le même moteur de coûts qui analyse déjà vos dépenses cloud, afin d’y repérer le gaspillage.

  • Risque

    Sachez quels outils d’IA détiennent vos données.

    Chaque outil d’IA utilisé est détecté, classé selon l’étendue de sa diffusion et évalué selon les accès qui lui ont été accordés. Vous décidez de ce qui est approuvé, de ce qui est bloqué et de ce qui est laissé tel quel.

  • Effort

    Une plateforme, pas un outil de plus.

    L’IA est gouvernée de la même manière que vos ordinateurs portables, vos logiciels et votre cloud, par la même équipe. Si vous utilisez déjà d’autres produits CerteroX, l’ajout de l’IA ne demande aucun travail d’intégration.

Vous consultez le détail technique complet. Désactivez-le pour afficher la version courte.

Masquer le détail technique
couches gouvernées : agents, modèles, calcul, licences utilisateur
4 couches gouvernées : agents, modèles, calcul, licences utilisateur
Produits CerteroX exposant un serveur MCP
5 Produits CerteroX exposant un serveur MCP
contrôles de coûts appliqués aux parcs GPU
26 contrôles de coûts appliqués aux parcs GPU
niveaux de risque d’adoption dans le tableau de l’IA fantôme
3 niveaux de risque d’adoption dans le tableau de l’IA fantôme
Le problème

La finance voit une facture d’IA. L’ingénierie voit un cluster GPU. La sécurité voit un LLM non autorisé avec accès aux données clients.

Personne ne voit les trois, et les dépenses se cumulent de mois en mois.

Finance Facture · mensuelle
Services d’IA 1 poste de facture
  • Éditeur Non détaillé sur la facture
  • Équipe Non détaillé sur la facture
  • Modèle Non détaillé sur la facture
  • Licences utilisateur Non détaillé sur la facture

Quatre champs non détaillés

Angle mort : quelle équipe, quel modèle, et qui l’utilise réellement.

Ingénierie Exécuteurs · en direct

10 en cours · 5 inactifs · 17 arrêtés

Angle mort : la facture, le nombre de licences utilisateur, la date de renouvellement du contrat.

Sécurité Autorisations OAuth
Application LLM non reconnue risque 88
drive.readonly mail.read offline_access

Consenti par 41 utilisateurs · jamais revu

Module de synthèse de réunions risque 57
calendar.read profile

Angle mort : qui le paie, et s’il s’agit même d’un outil de l’entreprise.

CerteroX voit les trois.

En savoir plus

Réserver une démo
Dans le produit

L’IA fantôme, classée selon la part de l’organisation qui l’utilise déjà.

Dix personnes sur un assistant conversationnel, c’est une question de politique. Mille, c’est un incident en attente de rapport. Le tableau classe chaque outil détecté par niveau selon la part de l’organisation, évalue l’autorisation qu’il détient et vous offre un seul endroit pour décider.

AI Management / IA fantôme

Interface illustrative · données d’exemple

Risque d’adoption, classé

Niveau 1 : adoption large plus de 25 % de l’organisation

Niveau 2 : émergent de 5 % à 25 %

Niveau 3 : isolé moins de 5 %

ChatGPT

OpenAI · détecté via navigateur + OAuth

Géré
74

Score de risque des autorisations OAuth

Évalué de 0 à 100 selon la sensibilité des données, l’étendue des portées, le schéma de consentement et l’inactivité.

Sensibilité des données
82
Étendue des portées
61
Schéma de consentement
78
Inactivité
24

Portées accordées

drive.file email offline_access
  • Tenant entreprise détecté
  • SSO imposé pour 61 % des utilisateurs
  • 148 licences utilisateur inutilisées depuis 30 jours ou plus

Workflow

Nouvel utilisateur → affecter au pool budgétaire IA, exiger le SSO

Historique de l’autorisation

  1. 14 févr. Première détection
  2. 06 juin Autorisation revue
  3. 01 sept. Prochaine revue

Statut IA fantôme

Trois signaux
Extension de navigateur, fournisseur d’identité et connecteur de l’éditeur, convergeant vers une même fiche application.
Workflow de statut
Géré, bloqué ou ignoré. Le même workflow que celui du catalogue SaaS, pour que rien ne reste en suspens.
Score de risque
Autorisations OAuth évaluées de 0 à 100 selon la sensibilité des données, l’étendue des portées, le schéma de consentement et l’inactivité.
Les quatre piliers

Les quatre piliers, appliqués à l’IA.

Les quatre mêmes questions que nous posons pour un ordinateur portable, une base de données Oracle ou un bucket S3, désormais posées pour les modèles, les expériences, les GPU et les licences utilisateur, avec les mêmes moteurs pour y répondre.

01 Visibilité

Quelles IA sont déjà là ?

Chaque outil d’IA utilisé est repéré et inscrit dans un registre.

  • Extension de navigateur
  • Fournisseur d’identité
  • Connecteur de l’éditeur

Navigateur, fournisseur d’identité et connecteur de l’éditeur

  • Détection de l’IA fantôme à partir des tags de fonctionnalités des applications, et non d’une liste statique
  • Adoption des outils d’IA classée selon la part de l’organisation qui les utilise
  • Registre de modèles avec gestion des versions, et versionnage des jeux de données avec traçabilité
Afficher l’autre 5
  • Suivi des tâches, exécutions et runsets ML avec journaux de console et jalons
  • Visibilité sur les exécuteurs : la capacité de calcul qui exécute réellement chaque charge de travail
  • Indicateurs personnalisés avec valeurs cibles et tendance souhaitée
  • Classements des exécutions et des modèles par indicateur
  • Instrumentation Spark via le collecteur d’agent Delight

8 fonctionnalités nommées

02 Optimisation

Combien cela nous coûte-t-il ?

Les exécuteurs ML sont rattachés à des pools de coûts dotés de budgets.

  • Parc GPU
  • Licences IA
  • API de modèles

Parc GPU, licences IA et API de modèles dans un même pool de coûts

  • Le moteur de recommandations complet à 26 contrôles appliqué aux exécuteurs ML
  • Redimensionnement et passage à une génération plus récente des GPU et des instances d’entraînement
  • Récupération des licences utilisateur d’IA via le moteur de licences SaaS
Afficher l’autre 4
  • Détection des exécuteurs à courte durée de vie pour une migration vers des instances spot et préemptibles
  • Pools de coûts ML/IA dédiés, dotés de leurs propres budgets
  • Réglage des hyperparamètres via des gabarits réutilisables d’ensembles d’exécutions
  • Opportunités de migration interrégions et intercloud pour les charges d’entraînement

7 fonctionnalités nommées

03 Gestion

Qui les exploite, et comment ?

Les runsets provisionnent leurs propres runners cloud et suivent chaque exécution.

Lignes illustratives du registre de modèles
churn-propensity v7 Production
doc-embed-base v3 Préproduction
ticket-router v11 Archivé

Registre de modèles · exemple illustratif

  • Serveur Model Context Protocol exposant la plateforme aux agents IA
  • Jetons MCP à portée limitée par organisation, avec audit complet des appels d’outils
  • Orchestration de runsets qui provisionne des runners cloud à la demande
Afficher l’autre 4
  • Suivi des expériences avec artefacts, tags, étapes et jalons
  • Modèles de classement pour comparer les modèles de façon reproductible
  • Assistant conversationnel intégré au produit, sur vos propres données de coûts et d’actifs
  • Prise en charge des plugins MCP externes pour appeler d’autres serveurs

7 fonctionnalités nommées

04 Gouvernance

A-t-il le droit de faire cela ?

Approuvez, encadrez et justifiez l’usage de l’IA avant qu’il ne devienne un incident.

0 Révoquer au-delà de 85 100

Seuil de risque sur le score d’autorisation

  • Workflow de statut de l’IA fantôme : gérée, bloquée ou ignorée
  • Notation du risque des autorisations OAuth pour les outils d’IA ayant accès aux données
  • Évaluation des risques selon la sensibilité des données et l’exposition RGPD, HIPAA et SOC 2
Afficher l’autre 4
  • Budgets d’IA par application avec seuils d’alerte et critiques
  • Chaque appel d’outil par un agent IA audité et soumis à un suivi de quota
  • Automatisation des workflows pour alerter, bloquer ou révoquer dès la détection
  • Piste d’audit complète sur le provisionnement et la révocation des licences utilisateur d’IA

7 fonctionnalités nommées

CerteroX AI Management peut vous aider

Réserver une démo
Là où nous nous démarquons

Trois points qu’aucune page concurrente ne met en avant.

La gouvernance de l’IA est le plus souvent vendue comme un tableau de bord greffé sur un catalogue SaaS. Voici les éléments qui ne fonctionnent que si la plateforme sous-jacente gouverne déjà tout le reste.

01

Les dépenses d’IA arrivent dans quatre budgets différents

La licence utilisateur, la clé d’API, le parc GPU et l’agent atterrissent dans des budgets différents, sous des responsables différents, et chacun dérape à sa manière. CerteroX les gouverne tous, car il gouverne déjà le SaaS, le cloud, les actifs et l’identité. Une seule position de gouvernance couvre l’ensemble.

Quatre formes · trois moteurs

  • SaaS Management
  • Cloud Management
  • AI Management

02

Votre plateforme est un serveur MCP

Chaque produit CerteroX expose un serveur Model Context Protocol avec des jetons à portée limitée et un audit de chaque appel. Vos agents d’IA peuvent interroger directement vos actifs technologiques, la facture cloud et la position de licences, et vous voyez exactement ce qu’ils ont demandé.

mcp · audit des appels d’outils Illustratif · journal d’exemple
Heure Agent Appel d’outil Portée du jeton Résultat
17:02:11 finops-copilot certerox.cloud.expenses.query pool:ml-research ok 142 ms
17:02:14 finops-copilot certerox.sam.licence.position publisher:oracle ok 88 ms
17:02:19 sec-triage certerox.saas.grants.list risk>=70 ok 201 ms
17:02:22 sec-triage certerox.saas.grants.revoke grant:8c1f refusé quota
17:02:26 asset-desk certerox.itam.devices.search site:eu-west ok 63 ms
$

Recommandations · exécuteurs ML

6 sur 26 affichés

  • Instances arrêtées mais non désallouées
  • Redimensionnement des instances
  • Passage à une génération d’instance plus récente
  • Instances à courte durée de vie : candidates spot
  • Images abandonnées et snapshots obsolètes
  • Opportunité de migration inter-régions

Chaque contrôle a ses propres seuils, exclusions de pools et comptes ignorés. Rien n’a été réécrit pour les GPU.

03

La facture GPU passe par les mêmes 26 contrôles que tout le reste

Les exécuteurs ML sont des instances cloud. La détection des ressources abandonnées, le redimensionnement, le passage à une génération plus récente et la migration vers des instances spot s’y appliquent donc automatiquement. L’optimisation des coûts de l’IA n’est pas un produit distinct, car elle n’a pas besoin de l’être.

Les vingt-six, dans Cloud Management
Intégrations

Connecté à chaque couche de la pile.

Les fournisseurs de modèles, la plateforme ML, la puissance de calcul sous-jacente et le protocole que parlent vos agents.

La couche IA va plus loin que cette liste, car la plateforme sous-jacente est déjà connectée à votre fournisseur d’identité, à votre facture cloud et à chaque application SaaS que vous possédez. Ces connexions emportent la couche IA avec elles.

Comment la plateforme se connecte

Fournisseurs de modèles

  • OpenAI
  • Anthropic

Plateformes et frameworks ML

  • Databricks
  • MLflow
  • PyTorch
  • TensorFlow
  • Apache Spark
  • Kubeflow

Calcul et clouds

  • Kubernetes
  • AWS
  • Microsoft Azure
  • Google Cloud
  • Nebius

Protocole des agents

  • Model Context Protocol

Plus tous les connecteurs dont dispose le reste de la plateforme. Voir la liste complète.

FAQ AI Management

AI Management, des réponses claires.

Six questions qu’on nous pose dans chaque échange sur AI Management. Si la vôtre n’en fait pas partie, la réponse tient en un court appel plutôt qu’en un formulaire.

Qu’est-ce qui compte exactement comme « outil d’IA » ici ?

La classification s’appuie sur les balises de fonctionnalités des applications du catalogue. Lorsqu’une application nouvellement cataloguée comporte des capacités d’IA, elle rejoint la vue IA fantôme sans que personne ne modifie de règle, ce qui compte car l’ensemble détecté évolue chaque mois.

Faut-il un agent sur le cluster d’entraînement ?

Non. Les exécuteurs ML sont découverts par les mêmes connecteurs cloud qui lisent déjà votre facturation et votre inventaire de ressources : la couche de calcul ne demande donc aucune empreinte supplémentaire. Les charges Spark peuvent en outre être instrumentées avec le collecteur d’agent Delight si vous souhaitez un détail par exécution.

Peut-on voir l’IA fantôme sans rien bloquer ?

Oui. La détection et l’application des règles sont distinctes. Chaque outil détecté suit un workflow de statut (géré, bloqué ou ignoré) et reste dans l’état que vous choisissez. L’automatisation pour alerter, bloquer ou révoquer est optionnelle, application par application.

Nos propres agents d’IA veulent interroger ces données. Est-ce pris en charge ?

Chaque produit CerteroX expose un serveur Model Context Protocol. Les jetons sont limités à chaque organisation, chaque appel d’outil est audité et soumis à un suivi de quota, et des plugins MCP externes permettent à la plateforme d’appeler vos autres serveurs. Aucun développement spécifique n’est nécessaire au préalable.

L’optimisation des coûts de l’IA est-elle un produit distinct ?

Non, et elle ne devrait pas l’être. Un exécuteur ML est une instance cloud : le moteur de recommandations sait donc déjà quoi en faire. Les 26 contrôles s’exécutent sur le parc GPU. Les licences IA sont récupérées par le moteur de licences SaaS, pour la même raison.

Faut-il d’abord acheter les quatre autres produits ?

Non. Chaque produit CerteroX fonctionne de manière autonome sur un même modèle d’actifs partagé. AI Management donne le meilleur de lui-même aux côtés de SaaS Management et Cloud Management, car les licences utilisateur et les GPU sont gouvernés par ces moteurs, mais les ajouter plus tard n’implique aucun travail d’intégration.

Commencer par l’IA fantôme

Des IA jamais budgétées
tournent déjà.

La démo s’ouvre sur le tableau de l’IA fantôme : les assistants déjà utilisés, les licences utilisateur que personne n’a ouvertes depuis un mois, les API de modèles qui facturent discrètement et ce que coûte réellement un parc d’entraînement.

Réserver une démo

Pas de PDF soumis à formulaire. Simplement un environnement alimenté, un interlocuteur technique dans l’appel et une réponse honnête.