Cinq pannes informatiques majeures en une semaine, Microsoft en tête : des infrastructures conçues pour une autre époque peinent à suivre le rythme et à répondre aux exigences de l’ère de l’IA

Le 17 novembre, la NSA a confirmé une panne touchant NSANet, son réseau interne de transmission d’informations classifiées. L’incident a été classé « Code jaune », le deuxième niveau le plus élevé de son système d’alerte à trois niveaux. Le même jour, une mise à jour d’un système interne chez Apple a provoqué d’importantes perturbations touchant son portail destiné aux employés, ses systèmes de connexion internes, l’accès à distance par VPN et des services grand public, dont iCloud, l’App Store et Apple Pay. Les activités de vente et de réparation ont été interrompues dans de nombreux magasins à travers le monde.

TMGM Analysis: Financial Market News, Economic Calendar & Market Insights

La veille, un bug logiciel affectant les systèmes matériels sur site de JPMorgan avait retardé le traitement des transactions. Downdetector a enregistré plus de 3 000 signalements de panne, tandis que des clients de Bank of America, de Wells Fargo et d’autres établissements ont également fait état de perturbations connexes. Trois jours auparavant, la FAA avait ordonné la suspension des décollages à l’échelle nationale à la suite d’une défaillance des communications, entraînant l’annulation de plus de 5 100 vols et le retard de près de 10 000 autres. Cette série d’incidents avait commencé le 12 novembre, lorsque les principaux services de Microsoft 365 étaient tombés en panne dans au moins 70 pays. Outlook, Teams et Copilot avaient cessé de fonctionner simultanément, et les perturbations s’étaient prolongées pendant plus de deux jours.

Six jours. Cinq systèmes critiques. Aucun de ces incidents n’a été identifié comme une attaque, et aucun n’a été attribué à l’IA. Pourtant, cette lecture des événements, selon laquelle il s’agirait à chaque fois d’une défaillance technique isolée et sans origine malveillante, révèle précisément un problème plus difficile à résoudre qu’une attaque.


Microsoft : comment une « augmentation de capacité » s’est transformée en panne de deux jours

Selon le rapport préliminaire destiné aux clients publié par Microsoft le 15 novembre et la reconstitution des événements réalisée par Bloomberg, la panne a commencé par une opération courante de redirection du trafic des utilisateurs. Dans la soirée du 11 novembre, le trafic de Teams a été automatiquement acheminé vers un autre système de serveurs prenant en charge le trafic d’Outlook. Conjuguée à une capacité déjà réduite par un problème distinct, cette opération a déclenché un bug resté latent dans les centres de données de l’entreprise depuis juillet : face à l’afflux de trafic, les serveurs ont épuisé leur mémoire et ont commencé à tomber en panne.

Plus grave encore, le système de basculement automatique de Microsoft a redirigé du trafic supplémentaire vers d’autres serveurs qu’il considérait comme opérationnels, propageant ainsi la panne. Au pic de trafic professionnel du matin du 12 novembre, plus de 80 % des serveurs Outlook ne répondaient plus. Il a ensuite fallu à Microsoft 15 heures supplémentaires pour identifier le problème avant de commencer à déployer un correctif.

Les explications de Ramanna, vice-président exécutif de Microsoft, ont mis en évidence un angle mort dans les procédures de test de l’entreprise : les profils de trafic et les configurations matérielles simulés dans ses laboratoires ne reflétaient pas les conditions réelles. Les tests portaient généralement sur des systèmes plus anciens et moins puissants, alors que le bug à l’origine des pannes s’est révélé « plus destructeur » sur du matériel plus récent.

Mais le facteur humain mérite autant d’attention que l’explication technique. Sur Blind, un forum professionnel anonyme, un utilisateur présenté comme un employé de Microsoft a affirmé que les équipes chargées de l’infrastructure centrale de Microsoft 365 avaient connu plusieurs vagues de licenciements et de départs volontaires ces dernières années. Des ingénieurs qui assuraient depuis longtemps la maintenance des systèmes historiques étaient partis, laissant les équipes restantes peiner à diagnostiquer rapidement les défaillances complexes. Les opérations de retour à une version antérieure, qui prenaient auparavant environ 45 minutes, pouvaient désormais durer cinq heures. Au cours de cet incident, les outils internes de gestion des incidents auraient, à un moment donné, cessé de se charger correctement, obligeant des ingénieurs de différents services à travailler ensemble jusque tard dans la nuit pour examiner le code et les architectures de services hérités d’anciens collègues.

Microsoft n’a pas répondu publiquement à ces affirmations. Celles-ci concordent toutefois avec la durée inhabituellement longue des perturbations et l’incapacité des tentatives de retour à une version antérieure à résoudre le problème.


Ce qui se joue réellement : un décalage croissant entre le rythme de l’IA et le renouvellement des infrastructures

Aucun de ces cinq incidents n’a été attribué à l’IA. Microsoft a explicitement nié toute implication de « l’IA ou d’agents », tandis que la FAA et la NSA ont également écarté l’IA comme facteur. Mais « ne pas être causé par l’IA » et « être sans rapport avec l’ère de l’IA » sont deux choses différentes.

Ce qui se dessine, c’est une divergence entre deux courbes. L’une représente la fréquence des changements et l’intensité des charges de travail induites par l’IA : les profils de trafic évoluent, les configurations matérielles changent et les mises à jour logicielles s’accélèrent, tandis que les environnements de test et les capacités de réponse aux incidents peinent à suivre. L’autre représente les cycles de renouvellement des infrastructures : les câbles en cuivre et les routeurs de la FAA s’inscrivent dans des cycles qui se mesurent en décennies, les réseaux de la NSA évoluent sur plusieurs générations, et la capacité de Microsoft à assurer en interne la maintenance des systèmes historiques s’érode trimestre après trimestre.

L’IA permet de détecter un grand nombre de vulnérabilités dans les systèmes à une vitesse sans précédent. Cela exerce une pression énorme sur les entreprises et les organismes publics pour qu’ils les corrigent immédiatement, souvent en déployant plusieurs correctifs à la fois, ce qui met à rude épreuve des systèmes qui n’ont jamais été conçus pour absorber des changements aussi rapides. Le lien de causalité n’est pas ici que l’IA crée des vulnérabilités, mais qu’elle accélère le rythme des changements alors que les systèmes qui doivent les absorber ont été conçus pour un rythme plus lent.

Le cas de Microsoft illustre particulièrement bien ce mécanisme. Le bug était resté latent depuis juillet. Une opération courante de redirection du trafic l’a déclenché. Le basculement automatique en a amplifié les effets. Et la perte d’expertise dans la maintenance des systèmes historiques a rendu le rétablissement inhabituellement lent. Aucune de ces étapes, prise isolément, ne relevait de l’IA, mais chacune s’est déroulée sous la pression de l’expansion des services cloud portée par l’IA.