Présentation du contrôle plane
Env zero propose EZ Control, un service SaaS disponible en accès anticipé, destiné à piloter les flux de travail agentiques en DevOps. Le produit détecte en continu les dérives d’infrastructure et, selon les politiques définies par les équipes, propose ou exécute des remédiations. Aucun code d’instrumentation n’est requis dans les pipelines existants, ce qui simplifie le déploiement.
Architecture et mécanismes
Le cœur du système repose sur une base de données de gestion de configuration (CMDB) obtenue grâce à l’acquisition de CloudQuery. Sur cette CMDB, env zero a ajouté une couche d’ontologie couvrant 80 plugins et près de 2 300 types de ressources, incluant les clusters Kubernetes et les services majeurs d’AWS, Google Cloud et Microsoft Azure. Cette ontologie relie chaque ressource à son code déclaratif, à son propriétaire, à son coût, à ses dépendances, à ses politiques et à ses risques associés.
Les équipes peuvent exprimer une intention en langage naturel ; un modèle de traitement du langage (probablement un LLM) la traduit en un workflow autonome qui exploite la topologie fournie par l’ontologie. Le workflow s’appuie sur le Model Context Protocol (MCP) pour permettre à d’autres agents IA d’accéder aux métadonnées et de collaborer. Après chaque action, un scan post‑remédiation vérifie la clôture du problème, garantissant traçabilité, réversibilité et auditabilité.
EZ Control propose quatre niveaux d’automatisation : observation uniquement, proposition de correctif, exécution avec approbation humaine, et exécution autonome dans des garde‑fous prédéfinis. Le système peut réappliquer les déclarations IaC, créer automatiquement des pull‑request pour les changements intentionnels, et signaler les défauts de code source.
Analyse des impacts et limites
En centralisant la gouvernance des ressources générées par des agents IA, la plateforme répond à un problème croissant : les outils IaC traditionnels ne voient pas les ressources créées à la vitesse machine. En reliant chaque actif à son code et à ses politiques, EZ Control réduit le risque de dérive non détectée et améliore la visibilité pour les ingénieurs.
Cependant, l’efficacité du contrôle dépend fortement de la qualité de l’ontologie. Une couverture incomplète ou des métadonnées erronées peuvent entraîner des faux positifs ou des remédiations inappropriées. De plus, la définition de politiques précises et de garde‑fous robustes reste une responsabilité des équipes, ce qui peut limiter l’adoption du mode autonome. Le produit étant en phase d’accès anticipé, aucune donnée de performance ou d’incident de sécurité n’est publiée, ce qui rend difficile l’évaluation de son impact à grande échelle.
Enfin, la capacité à fonctionner avec plusieurs langages IaC (au‑delà de Terraform ou OpenTofu) offre une flexibilité notable, mais introduit une complexité supplémentaire dans la normalisation des états et la résolution des conflits entre outils. Les équipes devront donc équilibrer les gains d’automatisation avec les exigences de gouvernance et de conformité.
