Everpure a présenté une nouvelle architecture axée sur la « primauté des données » pour aider les entreprises à préparer leurs informations en vue de projets d’intelligence artificielle. Anciennement connue sous le nom de Pure Storage, la société a profité de Pure Accelerate 2026 pour annoncer Everpure Data Intelligence, intégrant les capacités de 1touch.io dans sa stratégie d’Enterprise Data Cloud.

L’idée principale est claire : de nombreuses entreprises investissent des millions dans des modèles, des GPU, des agents et des plateformes d’IA, mais leurs données restent dispersées entre applications, bases de données, clouds publics, SaaS, stockage local et systèmes hérités. Cette fragmentation complique la gouvernance et la sécurité. Elle nuit également à la qualité des réponses générées par l’IA, tout en augmentant les coûts liés aux tokens, à la réplication et à la préparation des données.

Everpure cherche à déplacer le centre de gravité du système vers la donnée. Plutôt que de considérer chaque système d’entreprise comme un silo avec sa propre signification, il propose que l’information soit découvrable, classifiable, contextualisée et gouvernée dès la couche de données. Un objectif ambitieux, mais qui cible l’un des problèmes les moins visibles et les plus coûteux de l’IA d’entreprise : savoir quelles données existent, où elles se trouvent, ce qu’elles signifient et qui peut y accéder.

Du stockage performant à la donnée sémantique

Pendant des années, Pure Storage a bâti sa position sur le stockage flash, la simplicité opérationnelle et le modèle Evergreen. Avec le changement de nom en Everpure et l’acquisition de 1touch, la société souhaite élargir cette vision : il ne suffit pas de stocker efficacement ; il faut transformer ces données en une base prête pour l’IA, la conformité et l’automatisation.

Everpure Data Intelligence repose sur trois capacités principales : la découverte universelle, la gouvernance automatisée et le contexte prêt pour l’IA. La plateforme vise à localiser données structurées et non structurées, à identifier les informations sensibles, à tracer leur provenance et à créer un graphe sémantique qui connecte données brutes et leur valeur métier.

Contrairement à une vision classique du stockage, qui se concentre uniquement sur la sauvegarde, cette approche met l’accent sur le contexte. Un fichier, une table ou un enregistrement n’ont pas la même valeur si leur signification, leur origine, leur contenu personnel ou leur potentiel pour un agent d’IA sont inconnus. Everpure souhaite que cette information accompagne chaque donnée, plutôt que d’être enfermée dans chaque application.

Pourquoi l’IA a besoin de données plus petites mais plus précises

Un argument clé de l’annonce concerne le coût des modèles. Les entreprises tentent souvent d’améliorer la qualité de leurs systèmes d’IA en augmentant le contexte, en connectant plus de sources ou en envoyant davantage de données dans leurs modèles. Si cette stratégie peut fonctionner à court terme, elle augmente rapidement les coûts et les risques.

En revanche, si une organisation connaît précisément quelles informations sont essentielles, elle peut alimenter ses agents et modèles avec moins de données, mais mieux sélectionnées. Cela réduit la taille du contexte, le nombre de tokens inutiles et l’exposition aux données sensibles. Cela facilite également la traçabilité : si une réponse provient de données avec une provenance claire et une signification définie, son auditabilité est améliorée.

L’idée de « données auto-descriptives » ne signifie pas que chaque fichier portera automatiquement toutes ses règles en lui. Cela veut dire que la plateforme doit associer en permanence métadonnées, sémantique, relations et politiques à l’information pour que les applications et agents puissent la consulter en toute sécurité.

Dans une architecture d’IA agentique, cela revêt une importance cruciale. Un agent manipulant des données mal classifiées pourrait filtrer des informations privées, mélanger des contextes, agir sur des données obsolètes ou générer des réponses convaincantes mais erronées.

Enterprise Data Cloud s’élargit avec plus d’automatisation

Everpure a également annoncé des améliorations de son Enterprise Data Cloud, sa plateforme unifiée de stockage et de gestion des données en environnement d’entreprise. La société évoque un « plan de données unifié » et un « plan de contrôle intelligent », deux couches visant à transférer au stockage physique certaines dynamiques propres au cloud : élasticité, automatisation, mobilité des charges et réduction de l’intervention humaine.

Une innovation notable est Evergreen//One Overdrive, prévue pour le troisième trimestre 2026. Cette fonction permettra d’absorber, de manière temporaire, des pics de performance jusqu’à 25 % au-dessus de la ligne de base, sans avoir à augmenter durablement la capacité souscrit. En cas de charges imprévisibles, cette flexibilité évite le surdimensionnement de l’infrastructure.

Ce tableau reflète la direction prise par le secteur : moins d’administration manuelle, plus d’opérations automatisées globales. Les responsables d’infrastructure ne doivent plus seulement savoir si un tableau fonctionne, mais comprendre son comportement, ses risques, sa conformité, ses charges actives et sa capacité disponible à l’échelle du parc.

Assistants de gestion de stockage, avec précaution

L’intégration de Copilot Workflow Execution illustre la montée en puissance du langage naturel dans les opérations d’infrastructure. Everpure propose que les administrateurs puissent planifier, valider et exécuter des opérations via des instructions en langage naturel, dans des flux sécurisés.

Cette démarche peut faire gagner du temps, mais elle impose des contrôles rigoureux. Dans le stockage, une erreur d’exécution peut impacter des bases de données, des applications critiques, des sauvegardes ou des environnements de production. Le véritable enjeu n’est pas seulement de « parler à l’infrastructure », mais de valider chaque action, d’appliquer les droits d’accès, de simuler les impacts et d’enregistrer les décisions.

Everpure n’est pas seule sur cette voie. Tout le marché de l’infrastructure intègre des assistants, de l’analyse prédictive et des opérations semi-autonomes. La différence résidera dans la confiance qu’ils génèrent et dans leur capacité à réellement simplifier la gestion, plutôt que d’ajouter une couche supplémentaire à administrer.

Sécurité et conformité dès la couche de données

Autre aspect essentiel : la sécurité. La détection améliorée des anomalies cyber et les fonctions de conformité répondent à une réalité bien connue : la donnée est une cible majeure des attaques. Ransomware, vol d’identifiants, accès anormaux et mouvements latéraux ne s’observent pas toujours facilement depuis une seule console ou application.

Everpure propose de surveiller la télémétrie de tout l’environnement pour repérer des motifs coordonnés, des connexions suspectes ou des comportements déviants. En croisant cette information avec la classification sensible et le traçage, le système peut hiérarchiser la gravité des incidents.

À l’ère de l’IA, ce point gagne en importance. Les agents peuvent interroger des données, générer des rapports, déplacer des informations ou s’intégrer à des applications critiques. Si la classification et les politiques ne sont pas claires, le risque ne provient pas seulement d’attaquants externes, mais aussi d’automatisations internes mal gouvernées.

Le stockage comme système d’enregistrement partagé

L’approche d’Everpure se résume à une idée : les applications et les agents doivent lire et contribuer à la donnée, mais pas en être propriétaires. Ce modèle critique remet en question le paradigme ancien de l’IT d’entreprise, où chaque application possède son propre univers : base de données, logique, droits, définitions et copies.

Ce modèle fonctionnait pendant des années parce que chaque application traitait des processus spécifiques. Mais l’IA nécessite des croisements de contexte. Un agent en vente pourrait avoir besoin de données CRM, facturation, support, inventaire, contrats et documentation technique. Si chaque source utilise des définitions ou politiques différentes, la fiabilité sera compromise.

Cette transition ne sera pas aisée. De nombreuses entreprises disposent de décennies d’applications, ERP, CRM, bases de données, feuilles de calcul, data lakes, outils SaaS et référentiels documentaires. Transformer tout cela en un « corpus d’intelligence fiable » nécessite plus qu’une plateforme. Cela exige un vrai gouvernance, des processus structurés et des décisions organisationnelles.

Le EDC Success Blueprint pour concrétiser le changement

Pour faciliter cette transformation, Everpure a lancé l’EDC Success Blueprint, une méthode étape par étape pour bâtir et faire évoluer une Enterprise Data Cloud. Elle débute par une évaluation de préparation pour repérer les risques immédiats liés à l’infrastructure et à la sécurité, puis propose d’avancer par dix piliers opérationnels vers une architecture plus automatisée et efficace.

Ce type de guide a une valeur pratique s’il aide à hiérarchiser les priorités. Beaucoup d’entreprises parlent d’IA sans connaître précisément comment commencer avec leurs données. La tentation est souvent de lancer des pilotes avec un modèle, pour découvrir après que les données sont dupliquées, obsolètes, mal classifiées ou dispersées.

L’approche d’Everpure est judicieuse car elle positionne la préparation des données avant l’industrialisation de l’IA. Sans cette étape, les projets restent souvent en démonstration, mais échouent en production à cause des coûts, du manque de précision, des problèmes de conformité ou du déficit de confiance.

Une réponse stratégique au cloud

Ce mouvement comporte aussi une dimension concurrentielle. Les grands clouds proposent stockage, bases de données, data lakes, catalogues, gouvernance et services d’IA intégrés. Everpure souhaite défendre la valeur de l’infrastructure technologique propre à l’entreprise et des environnements hybrides, tout en offrant une expérience proche de celle du cloud.

Ce qui explique des fonctions comme Overdrive, la mobilité des charges, la gouvernance unifiée ou le contrôle intelligent. Si les entreprises peuvent bénéficier de l’élasticité, de l’automatisation et de données prêtes pour l’IA sans dématérialiser tout dans une cloud publique, cela augmente l’attractivité, notamment pour les secteurs réglementés, sensibles ou avec de lourdes investissements on-premise.

La réussite reposera sur la capacité des entreprises à exécuter. Elles ne veulent pas seulement des promesses abstraites de « data fabric ». Elles veulent pouvoir réduire le temps de préparation, améliorer la conformité, réduire les coûts liés à l’IA, et simplifier la gestion. Everpure devra le démontrer concrètement avec des déploiements réels.

L’IA d’entreprise commence avant le modèle

Everpure cherche à s’inscrire dans cette tendance qui se renforce : l’IA d’entreprise ne débute pas dans le modèle, mais dans la donnée. Les grands modèles linguistiques, agents ou GPU peuvent être impressionnants, mais leur valeur est compromise si on les alimente avec des informations incomplètes, dupliquées ou non gouvernées.

L’objectif est que l’Enterprise Data Cloud devienne cette couche de confiance : un environnement où les données ne sont pas seulement stockées, mais comprises, protégées, reliées et prêtes à être exploitées par applications et agents. C’est une évolution naturelle pour un fournisseur de stockage, mais également un pari exigeant. Cela implique de rivaliser en gestion de données, sécurité, automatisation et contexte, pas seulement en performance des arrays.

Le marché dira si la « primauté des données » devient une catégorie établie ou un simple terme marketing. La nécessité est réelle : les entreprises ne peuvent faire évoluer leur IA avec des données invisibles, dispersées et sans signification. Si Everpure parvient à transformer cette complexité en une couche opérationnelle simple, elle pourra s’imposer dans la nouvelle infrastructure IA.

La prochaine étape ne sera plus de stocker davantage de données, mais de savoir lesquelles comptent, ce qu’elles signifient, qui peut les utiliser, et comment soutenir des décisions automatiques tout en conservant le contrôle. C’est ici que se joue une grande partie de l’intelligence artificielle d’entreprise.

Questions fréquentes

Qu’a annoncé Everpure lors de Pure Accelerate 2026 ?

Everpure a dévoilé Everpure Data Intelligence et de nouvelles fonctionnalités pour l’Enterprise Data Cloud, visant à aider les entreprises à découvrir, contextualiser et gouverner des données prêtes pour l’IA.

Qu’est-ce qu’Everpure Data Intelligence ?

C’est l’intégration des capacités de 1touch.io pour découvrir, classifier et contextualiser l’information métier dans divers environnements, incluant stockage privé, clouds publics, SaaS et systèmes tiers.

Que signifie « primauté des données » ?

C’est un modèle qui place la donnée comme actif central de l’entreprise. Les applications et agents l’utilisent et l’enrichissent, sans le cloisonner dans des silos isolés.

Que apporte Evergreen//One Overdrive ?

Il permet d’absorber temporairement des pics de performance jusqu’à 25 % au-dessus de la ligne de base, sans augmenter durablement la capacité souscrite.

Pourquoi cela est-il important pour l’IA d’entreprise ?

Parce que les modèles et agents ont besoin de données fiables, classifiées, contextualisées et gouvernées. Sans cette base, les coûts augmentent, la conformité s’en trouve fragilisée, et les réponses risquent d’être incorrectes.

via : investor.everpuredata