Economie de la donnée: Splunk casse le coût du tout-indexé

Splunk veut rompre avec une équation longtemps difficile à contourner: plus une entreprise collecte, conserve et indexe de télémétrie, plus ses coûts peuvent rapidement grimper.
À l’occasion de son événement .conf26 à Denver, l’éditeur a présenté une évolution profonde de sa plateforme pour dissocier davantage valeur analytique, volume de données et ressources consommées.
Au cœur de cette transformation, Cisco Data Fabric sert de cadre architectural. AI-Powered Data Management prépare et oriente les flux, Machine Data Lake permet de conserver de gros volumes à moindre coût. De plus, Federated Search interroge les données là où elles résident, sans imposer leur déplacement systématique. Splunk fait aussi évoluer son modèle économique avec Activity-Based Pricing, Value Insights et des mécanismes destinés à mieux corréler consommation, usage et valeur.
L’autre changement important concerne l’IA. AI Tier et Cisco AI POD for Splunk séparent les traitements IA du cœur de la plateforme. Ils permettent de les exécuter sur des infrastructures accélérées, notamment à base de GPU Nvidia, dans des environnements contrôlés par le client.
Cette nouvelle architecture promet plus de souplesse, mais pose aussi des questions de gouvernance, de maturité sur site (on-premise) et de dépendance à l’écosystème Cisco.
Illustré par plusieurs schémas de .conf26 sur Cisco Data Fabric, Federated Search et Cisco AI POD, l’article analyse comment Splunk recompose l’économie de sa plateforme pour éviter le coût du tout-indexé.