Distinction entre les agents d'intelligence artificielle et Kubernetes dans la boucle de contrôle
20 octobre 2026 · 2 min de lecture
Également publié en עברית
Kubernetes et les agents d'intelligence artificielle présentent des similitudes dans leur fonctionnement, mais ils ne sont pas interchangeables. Un contrôleur Kubernetes surveille l'état actuel, le compare à un état souhaité et agit pour combler l'écart, tandis qu'un agent d'intelligence artificielle est utile lorsque le résultat souhaité est clair mais que le chemin pour y parvenir ne l'est pas.
L'intégration des outils d'agents dans la pile native du nuage a progressé au cours des dix huit derniers mois. La CNCF a accepté des cadres de travail pour agents dans son Sandbox, et le groupe de travail Kubernetes SIG Apps a lancé Agent Sandbox comme sous projet pour l'exécution sécurisée des charges de travail d'agents.
Un modèle architectural sécurisé combine le raisonnement et le contexte fournis par l'agent avec le contrôle de l'exécution conservé par les opérateurs, les moteurs de politique et d'autres systèmes déterministes. Le projet kagent, membre du Sandbox de la CNCF, illustre ce modèle en exécutant des agents d'intelligence artificielle comme des ressources Kubernetes connectées à Helm, à l'observabilité et à divers outils personnalisés.
Dans ce système, les opérations de lecture non sensibles peuvent être automatiques, alors que les modifications comme l'application, le correctif ou la suppression de ressources nécessitent une approbation explicite. Cela permet à l'agent de mener des investigations sans donner une autorité sans restriction sur le cluster à un processus de raisonnement incertain.
La boucle opérationnelle résultante suit les étapes d'observation, de diagnostic, de proposition, d'approbation, de réconciliation et de vérification. Le raisonnement agentique intervient lors des trois premières étapes, tandis que Kubernetes et ses opérateurs gèrent la réconciliation. La vérification finale confirme si le changement a produit le résultat prévu.
L'exemple de Karpenter montre que remplacer la logique d'un opérateur par un grand modèle de langage rendrait la boucle de contrôle moins prévisible. Un agent basé sur kagent doit travailler au dessus de Karpenter pour inspecter les configurations, les journaux et les métriques afin d'expliquer pourquoi un comportement diverge de l'objectif. L'agent produit alors un correctif de configuration précis qui passe par une porte d'approbation avant que Karpenter ne procède à la réconciliation.
De même, pour une mise à jour de graphique Helm gérée par Argo CD, l'agent peut analyser les notes de version et les manifestes pour identifier les risques opérationnels. Il transforme ces conclusions en une demande de modification ciblée, tandis qu'Argo CD se charge d'appliquer la mise à jour.