Contexte et dynamique du marché

Lors de KubeCon/CloudNativeCon NA 2026, la Cloud Native Computing Foundation (CNCF) a présenté le thème « Cloud Native Without Limits ». L’événement a réuni plus de 230 projets actifs et a souligné une adoption accélérée de l’IA dans les charges de travail cloud‑native. Selon le rapport State of Cloud Native Development Q3 2026, le trafic d’inférence IA a connu une multiplication par 4 fois au cours des huit derniers mois, transformant l’inférence en une charge de production native du cloud.

Le nombre de contributeurs CNCF dépasse 350 000, tandis que 21,2 millions de développeurs cloud‑native utilisent quotidiennement la plateforme. Trois quarts de ces développeurs recourent déjà à des agents de codage IA, et deux tiers des organisations qualifiées d’« AI‑driven » standardisent leurs déploiements sur Kubernetes.

Normes, certifications et infrastructures dédiées

Le Kubernetes AI Conformance Program, lancé en 2025, compte aujourd’hui 42 fournisseurs majeurs qui s’engagent à respecter des standards communs. En 2026, la CNCF a introduit de nouvelles certifications AI Kubernetes destinées à former les ingénieurs, du niveau débutant aux experts qualifiés de « Golden Kubestronauts ».

Parmi les solutions présentées, Nutanix a dévoilé Agent Gateway et NKP Metal, permettant l’exécution de charges de travail Kubernetes à la fois sur du matériel nu (bare‑metal) et sur les services managés EKS, AKS ou GKE, offrant ainsi une expérience « dual‑native ». Cette approche vise à réduire la latence d’accès aux ressources matérielles, critère essentiel pour les modèles d’inférence gourmands en GPU.

Gestion des ressources et sécurisation des agents

Le Dynamic Resource Allocation (DRA) introduit l’allocation dynamique de CPU, GPU, mémoire et stockage en fonction du profil d’inférence, limitant le sur‑provisionnement. Google a contribué l’Agent Substrate layer, qui optimise la consommation des centaines de sandbox d’agents en partageant les pools de ressources tout en maintenant l’isolation.

Nvidia a publié OpenShell, un runtime sandboxé conçu pour empêcher les fuites de privilèges et les détournements d’agents. HyperShell, startup derrière Apelogic, a construit un « enveloppe opérationnelle » basée sur OpenShell, définissant des garde‑fous quant aux systèmes accessibles et aux actions autorisées, selon l’intention métier.

Cast AI a présenté Kimchi, un agent capable de générer et déployer des infrastructures à partir d’un prompt, intégrant la révision « agentic » avant la mise en production. Floxdev, quant à elle, a mis en avant son Flox platform, qui crée des environnements reproductibles sans dupliquer les artefacts de la chaîne d’approvisionnement logicielle, réduisant ainsi le coût de calcul et les risques de dérive de configuration.

Observabilité et contrôle en temps réel

La graduation du projet OpenTelemetry en tant que standard d’observabilité a coïncidé avec l’émergence d’outils d’évaluation basés sur l’IA. Splunk, filiale de Cisco, a introduit le modèle Eval‑G1, capable d’exécuter des évaluations de prompts en sub‑secondes à sub‑cent de coût. Le Evaluation Studio permet de créer des garde‑fous via une interface low‑code, tandis qu’une fonctionnalité de tokenomics ajuste dynamiquement les quotas d’utilisation en fonction du comportement de l’agent.

Ces avancées montrent que l’observabilité n’est plus réservée aux SRE : les analystes métier et les LLM peuvent interroger directement les systèmes, déclenchant des corrections avant que les réponses erronées n’atteignent les utilisateurs finaux.