Contexte et enjeux des agents privés
Les agents IA qui génèrent du code, traitent des réclamations ou orchestrent des flux métier sont désormais déployés à l’échelle de l’entreprise. Cette évolution a déplacé le problème de la gouvernance vers les équipes plates‑formes, qui doivent appliquer les mêmes principes cloud‑native – orchestration, télémétrie, observabilité et contrôle d’accès basé sur les rôles (RBAC) – à des flottes d’agents. Selon Purnima Padmanabhan, directrice de la division Tanzu chez Broadcom, les agents possèdent une "agency" : ils interprètent une intention et décident d’une action, ce qui crée une tension entre autonomie et supervision.
Architecture du runtime Tanzu Platform Agent Foundations
Broadcom a intégré le runtime Tanzu Platform Agent Foundations à VMware Private AI Cloud. Ce composant fournit un environnement sandbox où chaque modèle, outil et jeu de données doit être explicitement lié. Les données sont pré‑traitées par des « curated data products » qui assurent le découpage (chunking), la vectorisation et le contrôle d’accès, évitant ainsi aux agents un accès direct aux sources brutes. En pratique, le runtime applique un principe de refus par défaut : aucune ressource n’est disponible tant qu’elle n’a pas été autorisée via l’identité de l’agent et les politiques RBAC.
Mécanismes de sécurisation et analyse des vulnérabilités
Pour garantir la confiance, Broadcom scanne à la fois ses dépôts commerciaux et les projets open source avec l’outil Mythos. La société étend son programme de sécurité Spring et Java aux environnements Python et Node.js, et a publié en juin le plus grand correctif de sécurité en 23 années de stewardship de Spring. Padmanabhan a souligné que les vulnérabilités détectées ne se limitent pas aux failles de bas niveau ; elles peuvent entraîner la chute complète d’une infrastructure d’entreprise. La combinaison d’une sandbox, d’une gestion d’identités et de la surveillance continue constitue le socle de la résilience.
Implications opérationnelles et limites
Le modèle proposé permet aux équipes de développer, sécuriser et exécuter des agents rapidement, tout en conservant la maîtrise des accès aux données. Cependant, la dépendance à un runtime propriétaire introduit un point de concentration : toute faille du runtime affecte l’ensemble des agents déployés. De plus, le besoin de « curated data » implique des coûts de transformation et de gouvernance des données qui ne sont pas détaillés par Broadcom. Enfin, le timing de l’adoption reste crucial : les organisations qui déploient ces agents tôt peuvent transformer l’IA en source de revenu, tandis que les retardataires risquent de perdre un avantage concurrentiel.
