fr.wedoany.com Rapport : Giant Swarm a lancé une plateforme d’agents IA qui traite les agents comme des charges de travail indépendantes et orchestrées, s’exécutant dans l’infrastructure Kubernetes propre à l’utilisateur, plutôt que comme des extensions IDE. L’entreprise positionne la plateforme comme une solution autonome, auditable et soigneusement organisée, soulignant que les agents IA doivent fonctionner là où se trouvent les données, et non sur des serveurs externes.
La plateforme considère les agents comme des entités identiques aux autres charges de travail dans un cluster Kubernetes, pouvant être déployées dans le cloud, dans des centres de données privés, en périphérie, ou même dans des réseaux isolés (air gap), sans noyau propriétaire ni service SaaS de rapatriement de données. Henning Lange, PDG de Giant Swarm, a indiqué que l’entreprise exécute son propre cluster d’agents sur la même infrastructure de plateforme depuis mi-2025 pour la revue de code, la classification d’incidents et le traitement de tâches. La plateforme d’agents est désormais ouverte aux tests pour des partenaires et clients sélectionnés, avec un déploiement général prévu plus tard cette année.
Ce nouveau service vise à aider les entreprises à faire face au problème croissant de l’IA fantôme (shadow AI). Une enquête d’IDC de l’année dernière a montré qu’environ 56 % des employés utilisaient des outils d’IA non fournis par leur organisation, et seulement 23 % utilisaient les outils internes de l’entreprise. IBM a constaté qu’une organisation sur cinq subit des préjudices liés à l’IA fantôme, chaque incident augmentant les coûts de 670 000 dollars en moyenne.
Sur le plan technique, la plateforme adopte une approche de moteur de workflow, transformant les schémas répétitifs d’exécution des agents en workflows MCP déterministes. Dans sa propre exploitation, Giant Swarm a ainsi réduit le coût par exécution d’agent à 1/2,8 de son niveau précédent, diminué le nombre d’appels d’outils à 1/17, et exécuté en moyenne environ 500 agents en parallèle. Au printemps 2026, le nombre mensuel de demandes de tirage (pull requests) de l’entreprise a augmenté de plus de 300 % par rapport à l’année précédente, tandis que le nombre d’employés est resté inchangé.
La plateforme d’agents repose sur trois principes directeurs : autonomie, avec des modèles, outils et cadres open source et interchangeables, ainsi qu’un contrôle total des données ; organisation soignée, avec une surveillance continue du marché des agents et une intégration centralisée des composants appropriés ; et préparation pour l’entreprise, prenant en charge la multi-location, la sécurité et l’auditabilité. L’architecture s’appuie sur l’expérience de Giant Swarm en gestion Kubernetes depuis 2014. La plateforme est indépendante du cloud, prenant en charge AWS, Azure, VMware dans les centres de données privés, ainsi que des combinaisons hybrides. La gestion du cycle de vie des clusters repose sur Cluster API, GitOps utilise Flux Operator, le portail développeur utilise Backstage, et l’observabilité s’appuie sur la pile Grafana-LGTM. L’authentification unique peut s’intégrer à Google Workspace ou Microsoft Entra ID, le contrôle d’accès est géré de manière granulaire via Kubernetes RBAC, complété par des politiques réseau. Les clients de référence incluent Adidas, Vodafone, Deutsche Telekom et la Bourse de Stuttgart.
Cette initiative s’aligne sur la tendance du secteur, qui passe d’assistants de programmation individuels à l’orchestration de clusters entiers d’agents. Le framework Gas Town, développé par Steve Yegge en décembre 2025 et lancé début janvier 2026, poursuit un objectif similaire : orchestrer plusieurs agents de programmation en parallèle selon le modèle Kubernetes, et compenser les erreurs via une couche d’orchestration. Le concept selon lequel un modèle de langage ne devient pas automatiquement un agent est également exposé dans Agent Harness : seul un logiciel spécifique autour du modèle peut intégrer l’environnement, les outils, les règles et la boucle d’agent. La plateforme de Giant Swarm peut être considérée comme une implémentation côté plateforme de cette philosophie, et met l’accent sur le fait que les données ne quittent pas l’environnement utilisateur. Pour les entreprises ayant des exigences strictes en matière de protection des données et de conformité, les modes de déploiement local, en air gap ou hybride deviennent des arguments de vente clés.
