top of page

Le don d’OpenShell par NVIDIA place la sécurité des agents sous une gouvernance partagée

il y a 1 heure
14 min de lecture
Illustrative photograph. Photo: Anastasia Shuraeva / Pexels.

NVIDIA a annoncé le 10 novembre sa contribution d’OpenShell à une gouvernance communautaire, parallèlement à des outils d’infrastructure qui se trouvent encore à différents stades de maturité. Le don d’OpenShell par NVIDIA place un runtime, l’environnement logiciel qui exécute et supervise les agents, au sein de la Cloud Native Computing Foundation. La question centrale porte sur le degré de contrôle opérationnel que l’infrastructure partagée offre aux entreprises déployant des logiciels autonomes.

L’annonce s’adresse aux équipes qui exploitent des agents d’IA, des systèmes logiciels qui utilisent des modèles et des outils pour accomplir des tâches. Ces équipes ont besoin d’autorisations applicables, d’environnements de travail persistants et d’une infrastructure capable de répondre à une demande fluctuante. L’open source leur donne du code à examiner, mais l’exploitation de ce code exige toujours des décisions de sécurité, de la maintenance et une responsabilité claire.

Google participe à cette histoire via Agent Substrate, son framework destiné à exploiter des environnements d’agents sur Kubernetes, le système open source de gestion des charges de travail applicatives. NVIDIA contribue à ce projet tout en développant ses propres logiciels d’infrastructure. La tension principale se situe entre l’infrastructure partagée et la responsabilité que conserve chaque opérateur. La propriété communautaire peut élargir la participation sans faire disparaître les décisions de déploiement.

Le don d’OpenShell par NVIDIA modifie sa gouvernance, pas sa maturité du jour au lendemain

La Cloud Native Computing Foundation, ou CNCF, a accueilli OpenShell comme projet Sandbox lors de KubeCon + CloudNativeCon North America. Sandbox est une catégorie de maturité précoce, distincte des stades Incubating et Graduated de la fondation.

Dans son annonce sur la gouvernance d’OpenShell, la CNCF décrit une infrastructure qui impose des limites applicables autour de l’accès des agents aux données, aux secrets et aux réseaux. La fondation indique également qu’OpenShell adopte Cedar, un langage permettant d’exprimer des politiques d’autorisation.

Le changement immédiat concerne les acteurs pouvant façonner la couche de sécurité, plutôt qu’une déclaration générale selon laquelle chaque déploiement est prêt.

Cette distinction importe, car la gouvernance et la maturité logicielle répondent à des questions différentes. La gouvernance détermine comment les contributeurs discutent les changements, résolvent les désaccords et influencent l’orientation du projet. La maturité opérationnelle concerne le comportement en cas de défaillance, la compatibilité entre versions et la capacité à prendre en charge des charges de travail exigeantes.

Une fondation fournit un cadre de collaboration. Elle ne remplace pas l’évaluation qu’une entreprise doit mener pour son propre déploiement.

La description de la transition communautaire par l’équipe du projet présente une évolution vers l’organisation neutre ai-openshell. Elle identifie des mainteneurs issus de NVIDIA, Red Hat, Docker et Canonical, ainsi que des projets visant à élargir la participation et à établir une feuille de route publique.

L’équipe indique également que l’investissement d’ingénierie de NVIDIA se poursuivra. La contribution modifie donc la gouvernance tout en préservant un rôle continu pour l’entreprise à l’origine du projet.

Pour les acheteurs en entreprise, cet arrangement soulève une question plus utile que celle de savoir si NVIDIA reste impliquée. Il s’agit de déterminer si d’autres organisations peuvent maintenir les intégrations de manière significative, influencer les priorités et participer aux décisions de publication.

Un projet peut bénéficier d’un contributeur majeur issu d’une entreprise tout en développant une communauté plus large. La solidité de cet arrangement se révèle dans le travail de maintenance quotidien.

Les correctifs de sécurité ont besoin de relecteurs. Les changements ont besoin de documentation. Les opérateurs ont besoin d’une explication claire lorsqu’une mise à niveau modifie un comportement.

Ces activités fournissent des preuves plus solides d’une gouvernance partagée que l’annonce seule. Elles montrent si la participation dépasse les soutiens déclaratifs pour s’étendre au travail nécessaire au maintien d’une infrastructure utilisable.

Le don d’OpenShell par NVIDIA est par conséquent important en tant que changement de cadre institutionnel pour le projet. Il ouvre une voie de développement partagé autour de contrôles que les entreprises devraient autrement évaluer individuellement.

Cette voie présente une valeur pratique avant même que le projet ne franchisse une autre étape de maturité. Les organisations peuvent comparer leurs exigences, examiner les changements proposés et partager leur expérience de déploiement.

Le statut Sandbox doit néanmoins rester visible dans les discussions d’approvisionnement et les évaluations techniques. Retirer cette réserve transformerait une étape précoce de gouvernance en une affirmation de maturité plus forte que ne le justifient les éléments disponibles.

Les équipes plateforme héritent des décisions que les agents ne peuvent pas prendre

La proposition de sécurité d’OpenShell repose sur une séparation des responsabilités. Un agent choisit des actions pour accomplir une tâche ; l’infrastructure détermine les actions que son environnement lui permet d’exécuter.

Cette séparation devient importante lorsqu’un agent rencontre des instructions trompeuses ou prend une décision erronée. Une demande écrite lui enjoignant d’agir avec prudence n’établit pas la même limite qu’une opération refusée.

L’annonce pousse les équipes plateforme à définir les autorisations comme une politique opérationnelle, plutôt que de les laisser dans les instructions de l’application.

Jim Bugwadia de Nirmata apporte une perspective pratique dans une analyse de la CNCF consacrée aux contrôles de politique des agents. Il décrit des contrôles concernant l’accès aux fichiers, le comportement des processus, les requêtes réseau et les identifiants, c’est-à-dire les secrets utilisés pour authentifier l’accès.

Son analyse identifie également des responsabilités qui restent hors du périmètre d’OpenShell. Les équipes plateforme décident toujours quels images logiciels peuvent s’exécuter, combien de ressources d’infrastructure reçoit un environnement et qui peut modifier les autorisations.

Il est utile d’expliciter cette limite. Installer une couche d’application des règles ne dit pas à une organisation ce que sa politique devrait autoriser.

Prenons l’exemple d’un assistant d’ingénierie qui examine un problème logiciel. Il a besoin d’un accès au dépôt et de l’autorisation d’exécuter des tests, mais sa tâche ne nécessite pas intrinsèquement un accès illimité aux systèmes de production.

La question organisationnelle difficile est de savoir qui rend cette distinction applicable. Les développeurs d’applications comprennent le flux de travail, tandis que les équipes de sécurité comprennent les conséquences d’un accès plus large.

Les ingénieurs plateforme doivent ensuite mettre en place un déploiement qui applique systématiquement la limite convenue. Si ces groupes partent d’hypothèses différentes, un runtime d’agent ne peut pas les réconcilier automatiquement.

Cela déplace une partie de la discussion d’achat au-delà des capacités du modèle. Les acheteurs doivent également comprendre comment les autorisations sont approuvées, révisées et examinées après un incident.

Un assistant qui accomplit une tâche avec succès peut tout de même utiliser davantage d’autorité que l’organisation ne l’avait prévu. Les indicateurs de réussite doivent donc coexister avec des preuves concernant les ressources auxquelles le système a accédé.

La charge opérationnelle évolue aussi avec le temps. Une autorisation adaptée à la revue d’un dépôt peut être excessive pour une recherche documentaire ou insuffisante pour une tâche de publication approuvée.

Les équipes ont besoin d’un processus permettant de modifier les autorisations sans faire des permissions étendues la réponse par défaut à chaque action bloquée.

C’est là que l’infrastructure partagée crée à la fois une opportunité et une exigence. Une implémentation commune donne aux organisations un objet concret à examiner ensemble.

Elle expose également les décisions de politique qu’elles doivent assumer elles-mêmes. Un projet ouvert ne peut pas décider quels dossiers internes sont sensibles ni qui doit autoriser leur accès.

Pour les équipes qui gèrent des éléments de preuve techniques, une base de connaissances interrogeable peut aider à préserver les notes d’évaluation et les décisions de déploiement. Cette documentation facilite les revues, tandis que le runtime reste chargé d’appliquer les limites configurées.

La pression s’exerce le plus directement sur les organisations qui font passer les agents de démonstrations à un travail continu. Elles doivent déterminer qui est responsable de l’environnement une fois que l’équipe applicative a terminé son intégration initiale.

Sans cette responsabilité, les logiciels partagés risquent de devenir un autre composant dont tout le monde dépend et que personne n’entretient de manière cohérente.

Agent Substrate de Google s’attaque au coût de l’attente

Les autorisations des agents ne constituent qu’une partie du problème d’infrastructure. Les environnements d’agents doivent également persister pendant que leurs utilisateurs, outils ou modèles mettent du temps à répondre.

Maintenir un environnement disponible consomme des ressources. Le reconstruire après chaque pause introduit des délais et risque de faire perdre l’état de travail, c’est-à-dire les informations nécessaires à la poursuite d’une tâche.

Agent Substrate de Google traite ce problème de cycle de vie. Dans sa description technique de l’exécution des agents, NVIDIA explique comment le projet associe les sessions à un pool partagé de workers.

Les environnements inactifs peuvent être sauvegardés puis restaurés avec leur mémoire et leurs fichiers. NVIDIA décrit également des travaux reliant cette couche d’exécution à Dynamo, son framework d’inférence, et à KAI Scheduler, son allocateur de ressources de cluster.

Le projet de Google et OpenShell traitent de problèmes opérationnels connexes, mais ils ne doivent pas être considérés comme des produits interchangeables.

Cette distinction aide à expliquer la contribution de NVIDIA à un framework initialement développé par Google. Une plateforme a besoin à la fois d’une réponse à la question de ce qu’un agent peut faire et d’un moyen d’exploiter efficacement son environnement.

D’un point de vue architectural, le maintien de composants distincts peut offrir de la flexibilité aux opérateurs. L’application des autorisations et l’ordonnancement des environnements ne nécessitent pas forcément des calendriers de publication ou des choix d’implémentation identiques.

Cette flexibilité crée toutefois du travail d’intégration. Les équipes doivent établir comment l’identité, les autorisations et l’environnement de travail d’un agent restent associés lorsque l’exécution est suspendue ou déplacée.

Un environnement qui reprend correctement doit conserver les limites adaptées à sa tâche. Préserver les fichiers ne répond pas à lui seul à la question de savoir si son autorisation précédente reste valide.

Il s’agit d’une implication opérationnelle de l’architecture, et non de la preuve d’une défaillance signalée. L’annonce n’établit pas que toutes les combinaisons possibles ont été validées.

La même prudence s’applique à la planification des capacités. Libérer des ressources durant les périodes d’inactivité semble attrayant, mais les bénéfices réels dépendent de la manière dont les charges de travail alternent entre activité et attente.

Un assistant fréquemment actif présente un schéma différent d’une session laissée intacte entre les demandes des utilisateurs. Une évaluation doit représenter la charge de travail prévue.

La comparaison modifie aussi la manière dont les équipes plateforme devraient interpréter les affirmations relatives à la densité. Prendre en charge un grand nombre de sessions enregistrées est différent de servir de nombreuses tâches simultanément actives dans un délai de réponse acceptable.

Les acheteurs devraient demander quelle condition décrit un benchmark. Sans cela, un titre sur le nombre d’agents pris en charge peut masquer les ressources nécessaires lorsque ces agents deviennent actifs ensemble.

La collaboration place ici Google et NVIDIA sur une voie d’infrastructure partagée, même s’ils conservent des intérêts commerciaux distincts. Traiter l’annonce comme une simple compétition entre eux ferait manquer cette relation.

Leurs approches illustrent plutôt pourquoi la question de la gouvernance importe. Les entreprises veulent des composants capables de fonctionner ensemble sans que chaque décision architecturale ne doive provenir du même fournisseur.

Cette ambition reste dépendante des détails d’implémentation. Les plans d’intégration donnent une direction ; une compatibilité documentée et un déploiement reproductible établissent une combinaison utilisable.

Pour les opérateurs, le résultat pertinent est un système cohérent, avec des responsabilités clairement attribuées. Ajouter des projets n’aide que si leurs périmètres restent compréhensibles lors des mises à niveau, des défaillances et des audits de sécurité.

L’infrastructure Kubernetes de NVIDIA donne aux opérateurs davantage de contrôle et davantage de travail

Parallèlement à ses travaux sur les agents, NVIDIA a présenté NVIDIA Kubernetes Engine et NVIDIA Kubernetes Recipes. Ces projets s’adressent aux fournisseurs qui construisent des services Kubernetes gérés sur des unités de traitement graphique, ou GPU, les processeurs utilisés pour de nombreuses charges de travail d’IA.

La répartition est simple. NVIDIA Kubernetes Engine, abrégé NVKE, gère les clusters, des groupes de machines fonctionnant comme une plateforme applicative partagée. NVIDIA Kubernetes Recipes, ou NVKR, crée les artefacts logiciels utilisés par ces clusters.

La description de NVIDIA concernant la gestion des clusters Kubernetes indique que les opérateurs peuvent adopter les projets ensemble ou indépendamment. Les deux sont disponibles sous licence open source Apache 2.0.

La réserve concernant la disponibilité est importante : les deux projets sont en préversion publique. NVIDIA indique explicitement qu’ils ne sont pas encore recommandés pour des charges de travail de production, et que leurs interfaces comme leurs comportements peuvent évoluer.

L’infrastructure Kubernetes de NVIDIA offre aux opérateurs une base pour construire des services tout en leur laissant la responsabilité de ces services.

Cette configuration séduit les organisations qui souhaitent maîtriser leurs choix de déploiement et l’expérience client. Elle les oblige également à assurer la maintenance du service dont dépendent ces clients.

Il existe une différence importante entre accéder au code et accepter la responsabilité de son exploitation. Un service géré nécessite des procédures de mise à niveau, de reprise, de gestion des pénuries de capacité et de support client.

L’open source rend les détails d’implémentation accessibles à l’examen. Il ne fournit pas les effectifs, ne détermine pas les engagements de support d’une organisation et ne résout pas tous les problèmes de compatibilité.

La séparation entre la création de logiciels et la gestion des clusters est donc significative. Les builds reproductibles, qui enregistrent les éléments nécessaires pour recréer des artefacts logiciels, peuvent faciliter le dépannage et la revue des changements.

Ils donnent aux équipes une base plus claire pour identifier ce qui a changé entre deux déploiements. Cela est particulièrement utile lorsqu’un problème n’apparaît qu’après la mise à jour de plusieurs composants d’infrastructure.

La reproductibilité n’établit toutefois pas qu’une combinaison donnée répond aux exigences d’une organisation. Les équipes doivent encore effectuer des validations adaptées à leur matériel, leurs applications et leurs conditions de défaillance.

Il s’agit de la même tension entre contrôle et responsabilité que celle visible dans l’annonce OpenShell. Un accès accru à l’infrastructure donne aux opérateurs davantage de moyens d’influencer le comportement du système.

Il réduit aussi le nombre de décisions qu’ils peuvent déléguer sans les examiner. Choisir de posséder la plateforme, c’est choisir d’assumer ses conséquences opérationnelles.

Pour les fournisseurs de services, l’importance commerciale dépend de l’exécution. Des briques partagées pourraient réduire le travail d’ingénierie dupliqué, tandis que la différenciation se déplacerait vers la fiabilité, le support et l’intégration spécialisée.

Il s’agit d’une implication analytique, non d’un résultat mesuré issu de l’annonce de préversion. Rien ne permet ici d’affirmer que chaque fournisseur gagnera la même efficacité.

Les clients d’entreprise doivent également distinguer les plans d’intégration des fournisseurs d’un service pris en charge et disponible pour leurs charges de travail. Une annonce peut précéder la documentation de déploiement, les engagements contractuels et l’expérience opérationnelle.

La désignation de préversion donne aux équipes une raison d’évaluer les projets avec soin. Elle ne les oblige pas à considérer cette évaluation comme une décision immédiate de migration.

Pour l’instant, l’infrastructure Kubernetes de NVIDIA élargit les choix d’implémentation disponibles. La question de savoir si ces choix simplifient un environnement donné dépend du travail nécessaire pour les exploiter ensemble.

Les résultats de démarrage de Snapshot exigent une lecture prudente

NVIDIA Snapshot répond à un autre obstacle : remettre en service une charge de travail de service de modèles après son initialisation.

Il utilise le checkpointing, c’est-à-dire la capture de l’état d’une charge de travail en cours d’exécution afin de pouvoir la restaurer ultérieurement. Au lieu de répéter l’initialisation, un environnement compatible reprend à partir de l’état sauvegardé.

Le billet technique de NVIDIA sur la restauration des charges de travail GPU rapporte une évaluation menée par Crusoe avec le modèle GLM-5.3 sur des systèmes NVIDIA HGX B300. Selon NVIDIA, le délai de disponibilité de la charge de travail est passé d’environ huit minutes à 31 secondes.

Il s’agit d’un résultat sur une charge de travail partenaire, rapporté par le fournisseur. Ce n’est pas un benchmark indépendant réalisé pour cet article.

L’amélioration rapportée concerne la disponibilité de la charge de travail, et non une accélération universelle de la génération de réponses.

Cette distinction influence la manière dont les acheteurs d’infrastructure interprètent ce chiffre. Le fait qu’une charge de travail soit prête plus tôt ne démontre pas à quelle vitesse elle traite les requêtes après son démarrage.

Une mesure de restauration ne décrit pas non plus nécessairement l’ensemble du processus de provisionnement. NVIDIA précise que le provisionnement de l’infrastructure et le chargement de l’image de conteneur restent hors du chemin de restauration mesuré.

Sa documentation précise aussi des exigences de compatibilité, notamment l’utilisation du même modèle de GPU et du même pilote pour l’opération de restauration décrite.

Ces limites sont au cœur du résultat. Elles déterminent ce qu’une équipe doit reproduire avant d’espérer un avantage comparable.

Pour un service confronté à une hausse soudaine de la demande, l’initialisation peut retarder l’arrivée de capacité utilisable. Réduire ce délai a une valeur opérationnelle lorsque l’initialisation constitue le goulot d’étranglement pertinent.

Cependant, une restauration plus rapide ne peut pas éliminer une pénurie de machines compatibles. Elle ne peut pas non plus rendre sans importance un stockage lent ou une infrastructure indisponible simplement parce que l’initialisation a été raccourcie.

La bonne évaluation commence donc par le délai réel du service. Les équipes doivent déterminer quelle part provient de l’obtention des ressources, du chargement des logiciels, de l’initialisation de la charge de travail ou de la restauration de l’état sauvegardé.

Cette séparation évite qu’un benchmark précis ne devienne une promesse imprécise. Elle aide également à déterminer si Snapshot répond au problème que rencontre réellement un opérateur.

L’état sauvegardé soulève ses propres questions de gestion. Les opérateurs doivent savoir quelle configuration logicielle a produit un artefact et à quel moment une charge de travail mise à jour exige un remplacement.

Un mécanisme de restauration a également besoin d’un chemin de défaillance défini. Si la restauration ne peut pas se poursuivre, le service doit toujours disposer d’un chemin connu vers la disponibilité.

Il s’agit de questions d’évaluation découlant de la conception, plutôt que d’affirmations selon lesquelles Snapshot échoue dans ces conditions. Elles doivent figurer dans une revue de déploiement, car le résultat de démarrage rapporté n’y répond pas.

La distinction entre la persistance des agents et la restauration des modèles importe également ici. Agent Substrate préserve l’environnement d’un agent ; Snapshot restaure des charges de travail GPU initialisées.

Les deux concernent l’état, mais agissent sur des parties différentes du système. Les traiter comme une fonctionnalité unique brouillerait la responsabilité de chaque composant dans chaque comportement de reprise.

L’exemple partenaire rend l’annonce d’infrastructure concrète. Sa valeur vient de l’identification d’une amélioration spécifique, assortie de conditions explicites.

Préserver ces conditions rend le résultat plus utile aux acheteurs. Le transformer en une affirmation générale sur la vitesse d’inférence le rendrait moins informatif.

Surveillez la participation des mainteneurs, les versions prises en charge et les résultats reproductibles

La prochaine phase de cette annonce devrait être évaluée au moyen de changements observables, plutôt que d’une adoption supposée. Le don d’OpenShell par NVIDIA établit une étape de gouvernance, tandis que les logiciels qui l’entourent suivent des voies distinctes vers la maturité opérationnelle.

Le premier signal est une participation plus large à la maintenance. Au cours des prochains mois, observez si des organisations autres que NVIDIA prennent visiblement la responsabilité des revues, des versions, des processus de sécurité et de la maintenance des intégrations.

La propriété partagée devient significative lorsque les organisations accomplissent le travail nécessaire pour pérenniser le projet.

Une liste croissante d’utilisateurs serait encourageante, mais la responsabilité de maintenance apporte un autre type de preuve. Elle montre si l’orientation et la continuité du projet reposent sur une base plus large.

Si des contributeurs externes prennent régulièrement en charge des travaux importants, l’argument en faveur d’une gouvernance communautaire durable se renforce. Si les décisions essentielles restent concentrées, la transition de gouvernance n’aura produit qu’un changement pratique plus limité.

Le deuxième signal est une documentation plus claire sur le support et la compatibilité. Cela comprend l’évolution du statut de préversion publique de NVKE et NVKR, ainsi que des limites d’intégration documentées pour les composants d’agents.

Une version doit expliquer quelles combinaisons sont prises en charge, ce qui change entre les versions et comment les opérateurs se remettent d’une mise à niveau infructueuse. Ces éléments permettent d’évaluer un logiciel pour un environnement spécifique.

Leur arrivée renforcerait l’idée que les composants partagés deviennent une plateforme exploitable. Une incertitude persistante favoriserait des évaluations limitées plutôt que des hypothèses de déploiement à grande échelle.

Le troisième signal est la production de preuves reproductibles sur les charges de travail. Le résultat du partenaire concernant Snapshot fournit aux évaluateurs un point de départ concret, mais une confiance plus large exige des mesures qui préservent la métrique d’origine et divulguent leurs conditions.

Un travail de suivi utile distinguerait le temps de restauration de la disponibilité totale du service. Il expliquerait aussi la compatibilité matérielle, la configuration de stockage, les versions logicielles et le comportement lorsque la restauration échoue.

Des résultats comparables sur des charges de travail supplémentaires renforceraient l’argument en faveur d’une réutilisation pratique. Des résultats dépendant de conditions étroitement correspondantes limiteraient les contextes dans lesquels le bénéfice rapporté s’applique.

Ces signaux doivent rester distincts. Une amélioration de la gouvernance ne valide pas une affirmation de performance, et un benchmark solide n’établit pas un processus de support mature.

L’importance plus large de l’annonce réside dans le lien qu’elle établit entre la sécurité des agents et les systèmes nécessaires pour exploiter des charges de travail d’IA. Ce lien fait de la propriété de la plateforme un élément central de la discussion sur le déploiement de l’IA.

Il donne également aux acheteurs d’entreprise une manière plus concrète d’examiner l’ouverture. Ils peuvent demander qui maintient le code, quelles limites il applique et quelles responsabilités opérationnelles leur incombent encore.

Commencez par les éléments probants pertinents pour votre déploiement. Comparez les exigences en matière d’autorisations avec le modèle d’application proposé, puis examinez les comportements de compatibilité et de reprise. Gardez les étapes de gouvernance distinctes des recommandations de production et des affirmations de performance des partenaires. Demandez-vous si votre équipe peut expliquer qui approuve les accès, qui maintient les intégrations et qui intervient lorsqu’un environnement ne peut pas reprendre. Consignez ces réponses avant d’étendre une évaluation à un engagement de service. Le don d’OpenShell par NVIDIA crée un lieu partagé pour développer une partie de cette infrastructure. Utilisez les prochaines versions, les décisions de maintenance et les évaluations reproductibles pour juger dans quelle mesure cette base partagée correspond au travail que vous avez besoin de faire accomplir aux agents.

 
 

Commencez pour Gratuit

Un premier assistant IA local avec gestion des connaissances personnelles

Pour une meilleure expérience IA,

remio ne supporte que Windows 10+ (x64) et M-Chip Macs actuellement.

Votre partenaire IA au travail
Faites-en plus avec remio

Planifiez. Créez. Livrez.
Tout au même endroit.

bottom of page