Les entreprises n'ont plus une seule porte d'entrée IA, un point d'entrée central unique par lequel les personnes accèdent à l'IA. Elles en ont plusieurs, et la combinaison change sans cesse. L'assistant de codage populaire aujourd'hui pourrait être remplacé par quelque chose de plus récent dans six mois. Les agents s'ajoutent, des applications internes sont construites, et de nouveaux fournisseurs de modèles arrivent plus vite que l'IT ne peut suivre. Chaque nouvelle porte d'entrée ouverte ajoute une autre ligne directe vers un fournisseur de modèles, un autre ensemble d'autorisations à configurer, et une autre lacune de visibilité.
Glean AI Gateway est conçu pour changer cela. Il se place entre vos surfaces IA et les modèles et outils qu'elles utilisent, offrant à l'IT et à la sécurité un seul endroit pour gouverner l'accès aux modèles et à MCP, l'utilisation des jetons et la sécurité, quelle que soit la porte d'entrée IA que les employés empruntent aujourd'hui ou demain.
Contrôler les coûts à travers des portes d'entrée IA changeantes
Parce que les coûts des modèles de pointe sont élevés et s'accumulent rapidement, l'absence de contrôles de dépenses partagés est l'un des premiers endroits où le problème des multiples portes d'entrée devient douloureux. Sans couche de gouvernance, il n'existe aucun moyen fiable d'empêcher l'utilisation de modèles coûteux pour des tâches légères, ni d'éviter que les dépenses en jetons ne dépassent le budget avant que quelqu'un ne s'en aperçoive.
Glean AI Gateway permet aux administrateurs de contrôler les dépenses en définissant des limites budgétaires et des quotas par utilisateur, par application. Lorsqu'une personne approche de sa limite, le système bascule automatiquement vers un modèle moins coûteux afin que le travail continue sans interruption. Comme ces contrôles vivent dans la passerelle plutôt que dans chaque porte d'entrée individuelle, ils s'appliquent de manière cohérente partout.
Mais le levier le plus important est le choix du modèle. Glean AI Gateway est agnostique vis-à-vis des modèles, prenant en charge plus de 30 modèles parmi les fournisseurs open source et propriétaires, notamment Claude, Gemini, OpenAI, NVIDIA, et bien plus encore. Cela signifie que les organisations ne sont pas liées aux prix ni à la feuille de route d'un seul fournisseur. Le bon modèle peut être associé à la bonne tâche, qu'il s'agisse d'un modèle de pointe pour un raisonnement complexe ou d'un modèle open source plus léger pour des tâches à volume élevé et à moindre enjeu. La flexibilité de combiner les modèles est en soi une stratégie de coût, et le fait d'avoir tout cela disponible via une seule couche gouvernée signifie que les économies se multiplient sur chaque porte d'entrée plutôt que de ne profiter qu'aux équipes qui font de bons choix par hasard.
Savoir où vont réellement les jetons et les outils MCP
Même avec des contrôles de dépenses en place, la plupart des organisations restent dans le flou lorsqu'il s'agit de comprendre quelles tâches sont traitées avec l'IA. Savoir où vont réellement les jetons et les outils MCP est ce qui rend possibles l'attribution des coûts, le suivi de l'adoption, la surveillance des performances et la détection des menaces. ;
La répartition des dépenses en jetons par modèle et par application permet d'anticiper les coûts avant qu'ils ne deviennent incontrôlables. L'utilisation des outils MCP montre quelles capacités suscitent un véritable intérêt et quels cas d'usage sont prêts à être déployés à grande échelle. La latence et les taux d'erreur des modèles, visibles dans la même vue opérationnelle que le reste de la pile IA, permettent de détecter les problèmes de performance de manière proactive. La visibilité sur les invocations d'outils MCP et les schémas d'accès donne à la sécurité le signal nécessaire pour repérer les anomalies avant qu'elles ne deviennent des incidents. ;
Sans une couche d'observabilité couvrant chaque surface, les dépenses restent non attribuées, l'adoption demeure opaque, la dégradation des modèles passe inaperçue, et la sécurité se retrouve sans la détection nécessaire pour agir. ;
Appliquer une gouvernance qui ne se réinitialise pas à chaque nouvelle porte d'entrée
La visibilité et les contrôles des coûts comptent, mais ils ne répondent pas à la question plus profonde : l'IA se comporte-t-elle réellement de façon cohérente et sûre sur chaque porte d'entrée ? Cela exige une gouvernance qui accompagne la requête plutôt qu'une gouvernance qu'il faut reconstruire à chaque fois qu'une nouvelle porte d'entrée apparaît.
Glean AI Gateway applique les autorisations de données existantes afin que les modèles n'opèrent que sur ce qu'un utilisateur est déjà autorisé à voir. En plus de cela, des contrôles d'accès granulaires permettent aux organisations d'aller plus loin en précisant exactement quels utilisateurs peuvent accéder à quels modèles et outils MCP. Les modèles de sécurité IA s'exécutent également de manière uniforme sur les outils MCP et les fournisseurs de modèles. C'est particulièrement important parce que ni MCP ni les modèles open source n'offrent des garanties de sécurité intégrées. Le protocole ne les impose pas, et les fournisseurs open source laissent à l'entreprise le soin de les définir. Glean AI Gateway comble cette lacune, afin que la détection d'injection de prompt et le filtrage de contenu s'appliquent de manière cohérente, quelle que soit la porte d'entrée d'où provient une requête ou le modèle qui la traite.
Le résultat, c'est que quels que soient les modèles et les outils MCP utilisés, ils sont gouvernés de la même manière sur chaque porte d'entrée IA. Au lieu d'ajouter la sécurité après coup, elle est intégrée dès le départ, ce qui permet à l'organisation d'avancer plus vite en toute confiance.
Un contexte d'entreprise intégré
La plupart des passerelles se situent entre les portes d'entrée IA et les modèles, et s'arrêtent là. Glean AI Gateway fait quelque chose de différent : il connecte cette couche au graphe d'entreprise de Glean, qui indexe les données de votre organisation et cartographie les relations entre vos applications, vos personnes et vos workflows. Cela signifie que chaque porte d'entrée travaille à partir de la même vision partagée et précise de votre entreprise, plutôt que d'une vision fragmentée ou incomplète.
La différence de qualité de sortie est mesurable. Lors d'un benchmark comparant des outils MCP prêts à l'emploi, le contexte de Glean a été préféré 2,5x plus souvent, et les outils MCP prêts à l'emploi ont utilisé 30% de jetons de plus que Glean pour parvenir à une réponse satisfaisante. Un meilleur contexte ne produit pas seulement de meilleures réponses. Il les produit plus efficacement, en amplifiant les bénéfices de coût du choix du modèle et des contrôles de dépenses déjà intégrés à la passerelle.
La fondation sur laquelle les portes d'entrée IA sont construites
Les portes d'entrée IA que vos employés utilisent continueront à évoluer. Ce qui ne doit pas changer, c'est la qualité, la sécurité et la gouvernance de ce sur quoi elles reposent. Glean AI Gateway offre aux entreprises une couche qui contrôle les coûts grâce au choix du modèle et aux limites de dépenses, montre où vont réellement les jetons et les outils MCP, applique une gouvernance cohérente sur chaque porte d'entrée, et garantit que chaque modèle travaille à partir du même contexte d'entreprise partagé et de haute qualité, plutôt que d'une vision fragmentée.
Les organisations qui avanceront le plus vite avec l'IA ne seront pas celles qui adopteront le plus de portes d'entrée. Ce seront celles qui auront construit la bonne fondation en dessous.
Disponibilité : Glean AI Gateway entre en beta privée. La prise en charge des LLM est disponible initialement pour Claude Code et Codex, avec MCP pris en charge sur un large ensemble de portes d'entrée IA, notamment Claude, ChatGPT, et plus encore. Si votre organisation navigue dans un ensemble croissant et changeant de portes d'entrée IA, demandez une démonstration.
