Contexte et défi technique

Les agents autonomes, contrairement aux chatbots, exécutent des actions concrètes dans l’infrastructure d’une entreprise. Cette capacité les rend non‑déterministes : on définit un objectif, mais on ne prédit pas les étapes exactes pour l’atteindre. Selon Joe Fernandes, vice‑président de Red Hat AI, ce comportement contredit l’hypothèse fondamentale de la sécurité logicielle traditionnelle, qui repose sur un code déterministe exécutant des chemins prévisibles.

Architecture de protection en couches

Red Hat a introduit un sandbox dédié aux agents OpenClaw, intégré à la plateforme OpenShell – runtime open‑source lancé en mars par Nvidia, avec Red Hat comme membre fondateur. Le sandbox isole chaque agent dans un Kata Container disposant de son propre noyau, puis le place éventuellement dans une machine virtuelle via OpenShift Virtualization. Cette double isolation limite les vecteurs d’escalade en séparant le code de l’agent du système hôte et du réseau interne.

Parallèlement, Red Hat applique des contrôles d’égress réseau qui filtrent les flux sortants, empêchant un agent compromis d’établir des communications non autorisées vers l’extérieur.

Masquage des identifiants et gestion d’identité

OpenShell masque les clés d’accès au moment de l’injection (« masked on the way in ») et les restitue uniquement à la sortie (« swapped on the way out »). Ainsi, même si un agent tente de divulguer ses informations, il ne transmet que des jetons factices, préservant les secrets réels. Chaque agent reçoit également une identité unique, liée à un jeu de permissions minimal. Cette identité s’intègre aux systèmes d’authentification d’entreprise, permettant une autorisation granulaire : on définit explicitement ce que l’agent peut faire, mais surtout ce qu’il ne peut pas faire.

Scalabilité et perspectives d’évolution

Le projet OpenClaw Enterprise, développé en partenariat avec OpenAI, vise à orchestrer des milliers d’agents personnels à l’échelle de l’entreprise. La version preview d’OpenShell dans Red Hat AI montre que la couche de sécurité a atteint un « stable milestone », selon Fernandes, ce qui rend la solution prête pour une utilisation en production. Toutefois, la visibilité sur les métriques de performance et les coûts d’isolation (Kata Containers + VM) reste limitée, ce qui constitue une contrainte pour les déploiements massifs.