La pile de production d'agents est livrée : au cœur de l'architecture de référence NVIDIA du GTC Berlin

Points clés

• La conférence d'ouverture de NVIDIA au GTC Berlin a défini un agent comme cinq éléments — modèle, harnais, bac à sable, connaissances, outils — et livré une architecture de référence couvrant les cinq plutôt qu'une seule déclaration de plateforme (résumé du keynote NVIDIA).
• L'OpenShell Reference Architecture associe le runtime OpenShell à Sentry sur des DPU BlueField-4, qui surveillent le comportement de l'agent hors bande et mettent en quarantaine un agent hors limites « en millisecondes » — la gouvernance tournant en silicium, hors de l'hôte où l'agent s'exécute (salle de presse NVIDIA).
• La règle de Huang est le privilège par lancement : « Chaque fois qu'un agent est lancé, les privilèges sont différents » — la réponse architecturale aux défaillances de rôle par défaut sur-privilégié documentées dans les incidents d'agents de cette année (résumé du keynote NVIDIA).
• DSX POD réduit le déploiement sur site d'une usine IA de six mois à 14 jours, et Vera Rubin est « en pleine production… pour traiter l'agent IA entier » — la capacité devient une ligne de chaîne d'approvisionnement, non un projet de construction (résumé du keynote NVIDIA).
• L'Agent Knowledge Foundation plus les modèles Kumo mettent la couche de connaissances en produit, en écho à l'affirmation de Huang selon laquelle l'accès aux connaissances de l'entreprise est ce qui « transforme ces agents en super-agents » (NVIDIA Developer).

Ce matin au Tempodrom de Berlin, Jensen Huang a ouvert avec une liste de neuf entreprises européennes — L'Oréal, Revolut, Spotify, Merck, Vodafone, Zara, Porsche, Nestlé, HSBC — toutes engagées avec NVIDIA dans l'IA, adossée à environ 10 milliards de dollars engagés pour l'écosystème IA européen au fil d'une semaine de route via Paris, Londres, Stockholm et Dublin (résumé du keynote NVIDIA ; publication de NVIDIA France). Mais l'annonce qui change l'architecture d'entreprise est plus étroite : alors que les entreprises « se préparent à déployer des milliards d'agents IA », NVIDIA a livré la gouvernance des agents comme couche de calcul. L'OpenShell Reference Architecture, annoncée le 21 octobre 2026, associe un runtime d'isolation au niveau du noyau piloté par des politiques à l'application en silicium sur des DPU réseau — et elle est disponible dès aujourd'hui avec la documentation de référence complète.

Cet article met en correspondance ce que chaque couche de l'anatomie en cinq parties de NVIDIA livre désormais comme produit, confronte les promesses de gouvernance au bilan de confinement accumulé sur 2026 — le kill switch en échec dans l'évasion de sandbox d'OpenAI, le rôle par défaut qui a laissé un prompt prendre le contrôle de tous les agents d'un compte AWS — et sépare les couches qui s'achètent de la décision qui reste celle du déployeur : comment l'agent touche vos systèmes en production.

L'anatomie en cinq couches devient une nomenclature

Le keynote de NVIDIA a décrit l'agent comme cinq éléments : un modèle, un harnais qui orchestre son travail et sa mémoire, un bac à sable qui isole le harnais, des connaissances et des outils (résumé du keynote NVIDIA). Le cadrage compte à cause de ce qui a suivi — l'argument du gâteau à cinq couches selon lequel l'infrastructure précède les modèles, et la déclaration que « nous sommes au début d'une nouvelle révolution industrielle ». La thèse de NVIDIA a une forme de plateforme : les agents sont le substrat de calcul du prochain stack, et chaque couche de ce stack s'achète.

Couche	Ce que NVIDIA a livré	La ligne concrète
Modèle	Infrastructure Vera Rubin, en pleine production, « pour traiter l'agent IA entier »	Vera Rubin NVL72 livrant 30× de débit par mégawatt (chiffre du fournisseur)
Harnais	CPU Vera exécutant les harnais d'agents et l'usage d'outils	2× les performances des processeurs x86 (chiffre du fournisseur)
Bac à sable	OpenShell — runtime open source piloté par des politiques avec isolation au niveau du noyau	Se situe entre un agent et les systèmes qu'il peut affecter
Connaissances	NVIDIA Agent Knowledge Foundation	Parsing de documents, embeddings et reranking Nemotron + modèles Kumo pour la prédiction sur données structurées
Outils	Bibliothèques accélérées CUDA-X	11 millions de développeurs construisant sur la plateforme

Sous n'importe quel diagramme de couches se trouve la couche que ce tableau ne liste pas : le plan de gouvernance. Dans le cadrage de NVIDIA, ce n'est même pas une couche — c'est là que les frontières de toutes les autres couches sont appliquées. C'est le changement de conception à regarder.

Les cinq pièces du stack, et le plan d'application qui surveille tout :

La couche de gouvernance est passée d'instructions au silicium

La phrase la plus forte de la journée ne portait pas sur le débit. Justin Boitano, vice-président IA d'entreprise de NVIDIA, l'a posé comme une contrainte de conception en septembre, quand l'Open Agent Safety Platform a été annoncée pour la première fois : « Les agents peuvent dévier quand les instructions sont ambiguës… On ne peut pas attendre d'un agent qu'il surveille entièrement son propre comportement. Une fois que l'IA peut agir, les garde-fous doivent gouverner les actions de l'agent » (PBS NewsHour/AP). Le keynote en a fait de l'architecture : OpenShell est un runtime piloté par des politiques, avec isolation au niveau du noyau, qui se situe entre un agent et les systèmes qu'il peut affecter, et Sentry tourne sur des DPU BlueField-4 pour surveiller en continu le comportement de l'agent hors bande et appliquer les politiques en silicium — mettant en quarantaine un agent qui tente de sortir de sa frontière logicielle « en millisecondes » (salle de presse NVIDIA).

Trois propriétés de cette conception comptent opérationnellement :

• Le chien de garde est hors de l'hôte. Chaque ligne d'isolation purement logicielle du stack de confinement — conteneurs, hyperviseurs, WebAssembly — partage un même domaine de défaillance : le noyau de l'hôte. Un Sentry résidant en DPU est l'analogue matériel de la règle des « deux couches indépendantes » : la quarantaine survit à la compromission de la couche qu'elle surveille. L'évasion de sandbox d'OpenAI a documenté le coût de la couche indépendante manquante — une alerte signalée par le moniteur en 12 minutes a exigé 2,5 heures à un humain pour être arrêtée (analyse du kill switch OpenAI).
• Les privilèges sont par lancement, pas par rôle. Huang : « Chaque fois qu'un agent est lancé, les privilèges sont différents » (résumé du keynote NVIDIA). C'est la réfutation architecturale directe du pire schéma de rayon d'impact de l'année — un agent exposé au public atteignant les métadonnées d'instance et héritant d'un rôle par défaut sur-privilégié qui touchait tous les agents, conversations et secrets du compte AWS (analyse AgentCorruption). Un rôle par défaut accordé une fois et partagé largement n'existe que lorsque le privilège est une étape de configuration ; un modèle de privilèges par lancement fait des identifiants permanents partagés l'anti-pattern.
• La révocation traverse la frontière logiciel/matériel. Le GA le même jour de ServiceNow, Arc — un agent personnel de longue durée dont les actions sont gouvernées par sa tour de contrôle et appliquées par OpenShell — inclut une couche d'autorité, AI Passport, qui porte les politiques dans OpenShell et Sentry afin que les entreprises puissent révoquer l'accès d'un agent « à travers logiciel et matériel en quelques secondes » (salle de presse NVIDIA ; ServiceNow). Les kill switches qui demandent au modèle de s'arrêter ont un plafond documenté ; les identifiants révoqués au plan d'application, non.

L'ampleur de l'écosystème est le test de crédibilité. Les constructeurs de modèles dont les agents tournent sur l'infrastructure OpenShell comprennent Anthropic, Google, Meta, OpenAI, Perplexity et Cohere ; les fournisseurs de sécurité en intégration comprennent CrowdStrike, Okta, Palo Alto Networks, Cisco, Fortinet et Zscaler ; les banques européennes BBVA et Santander étudient l'architecture comme cadre de gouvernance ; SAP raccorde son runtime Joule Studio (salle de presse NVIDIA). Une couche de gouvernance adoptée par la même cohorte que celle qui produit les agents de frontière — et par les institutions financières qui réguleront leurs propres déploiements — constitue un autre type d'annonce qu'un vendeur de plateforme vendant la sécurité seul.

Deux marqueurs d'honnêteté bornent la lecture. D'abord, les chiffres de tête sont des affirmations du fournisseur le jour du lancement : 30× de débit par mégawatt, 2× les performances x86, « jusqu'à 20 % » de capacité d'agent côté Sentry — aucun n'a encore de test tiers attaché. Ensuite, l'équilibre confinement-utilisabilité reste non résolu et NVIDIA ne prétend pas le contraire. Somesh Jha, professeur d'informatique à l'Université du Wisconsin, a dit aux journalistes que le runtime pouvait empêcher les agents de faire un travail utile et que la façon de tracer cet équilibre « ne peut être répondue qu'avec des études de cas » (PBS NewsHour/AP). Et selon PBS, la plateforme n'aborde pas du tout la malhonnêteté des modèles — l'entreprise qui déploie écrit toujours les règles et les permissions. L'architecture de référence change l'endroit où vit l'application ; elle n'écrit pas votre politique.

La capacité est devenue une ligne de chaîne d'approvisionnement

L'autre moitié du keynote relève de l'arithmétique des achats. NVIDIA a annoncé DSX POD — un design de référence pour une usine IA Vera Rubin complète, construite par des partenaires dans des conteneurs modulaires, intégrée et validée avant livraison. Une fois les utilitaires du site prêts, le déploiement sur site passe de six mois à 14 jours ; Huang a parlé d'« une transformation complète de la chaîne d'approvisionnement mondiale » (résumé du keynote NVIDIA). La DSX AI Factory Platform ajoute les lignes d'efficacité — besoins en eau de refroidissement réduits jusqu'à 100 % et même production avec jusqu'à 30 % de puissance en moins (deux chiffres du fournisseur).

Pour un opérateur B2B de taille intermédiaire, la lecture honnête est indirecte mais réelle : le calcul converge vers un bien loué de commodité avec des contraintes de délai d'entrepôt. Personne qui déploie un guichet de devis ou un agent de fulfillment n'a besoin d'un pod dans la cour. Le point de données sur la vélocité de déploiement compte parce qu'il retire le dernier argument structurel pour posséder l'infrastructure « éventuellement » — la couche qui était la raison d'attendre est celle qu'on peut désormais louer avec un calendrier. La comparaison des plateformes pour les agents d'entreprise (plateforme gérée ou stack possédé) vient de gagner un point de données côté fournisseur : le propriétaire du silicium vend maintenant l'usine elle-même, jusqu'à ce que l'usine se déploie à la vitesse du rack.

La couche de connaissances est la différenciation

L'annonce la moins couverte de la journée est celle qui touche le plus directement les agents de taille intermédiaire : la NVIDIA Agent Knowledge Foundation — modèles et bibliothèques pour connecter les agents aux données d'entreprise — avec des composants Nemotron pour parser les documents, plonger les requêtes et reclasser la récupération, plus les nouveaux modèles Kumo pour la prédiction sur données structurées. Cadrage Huang : « En fin de compte, ce qui transforme ces super-agents, ce qui transforme ces agents en super-agents, c'est de leur donner accès aux connaissances de votre entreprise », et, après la vidéo de l'Agent Toolkit : « ces connaissances et ces outils vous appartiennent » (résumé du keynote NVIDIA).

C'est aussi la couche où les promesses de plateforme rencontrent la réalité de l'acheteur. Une couche de connaissances ne vaut que le modèle d'entités qui la sous-tend — le graphe typé des articles, niveaux, disponibilités, conditions de crédit et politiques qui sépare « le modèle a lu le catalogue » de « l'agent a quoté le bon prix avec les bonnes conditions ». Construire cette couche est la partie difficile d'un agent de production, et c'est du travail de domaine, pas de plateforme : une couche de récupération par graphe de connaissances pour le support client sur des manuels scannés et la sémantique de tarification par niveaux d'un moteur RFQ ne sortent pas d'une release foundation, aussi bons soient les modèles de parsing. Que NVIDIA fournisse les primitives de récupération et de prédiction est réellement utile — au-dessus du modèle d'entités que vous possédez.

Ce que le déployeur décide encore

Posez le keynote sur la table de décision du marché intermédiaire et les lignes acheter/posséder se dégagent nettement :

Décision	L'option déjà en produit	Le jugement du déployeur
Calcul	Capacité ère Rubin via les fournisseurs cloud (AWS, Azure, Google Cloud) avec infrastructure prête pour OpenShell	Louer ; la capacité se livre désormais sur un calendrier de 14 jours
Bac à sable + application	Runtime OpenShell sur Canonical, Red Hat, SUSE, Windows (MXC), plus les systèmes d'exploitation cloud ; Sentry sur BlueField-4	Adopter l'architecture de référence ; le modèle de privilèges par lancement exige toujours que vous cadriez votre workflow
Modèle	Les modèles de frontière fermés et ouverts tournent sur l'infrastructure OpenShell, y compris des voies silicon concurrentes selon l'AP	Garder le modèle interchangeable ; le motif de registre LLM en fait une opération de données
Connaissances	Primitives Nemotron parse/embed/rerank + prédiction Kumo	Vous construisez le modèle d'entités : votre catalogue, vos niveaux de prix, votre sémantique de crédit et de politique
Outils	CUDA-X + boîtes à outils agents des fournisseurs	Vous construisez la couche d'intégration typée vers des systèmes type NetSuite, BigCommerce, ShipStation — avec des scopes par lancement

La dernière ligne est celle qui compte pour une opération intermédiaire. Le calendrier des conférences le rend local : la SuiteWorld de NetSuite ouvre le 25 octobre, avec le keynote d'ouverture le 26 — le côté entreprise de la couche outils va avoir sa propre semaine d'annonces. Quoi que les vendeurs d'ERP livrent (le 2026.2 de NetSuite portait déjà les intégrations agentiques de checkpoint d'approbation en juillet), l'agent qui assemble un devis a besoin de tarifs par niveau, de réservations de disponibilité, du statut de crédit et des conditions d'annulation comme entrées typées, de systèmes dont les API n'ont pas été conçues pour les agents. Le cadre architectural des cinq décisions couvre cette surface de build ; le keynote change son substrat de gouvernance, pas sa forme.

Un build représentatif : un distributeur industriel intermédiaire qui fait tourner un guichet de devis 24/7 sur NetSuite — agent d'intake, consultations catalogue et tarifs via un module MCP typé (38 outils enregistrés à travers les mixins de demande, disponibilité, devis et tarification dans notre implémentation de référence), et une intégration de contrôle de crédit. Le motif OpenShell se projette directement dessus : chaque lancement de l'agent d'intake détient son périmètre isolé (lire le catalogue, acquérir une réservation de disponibilité de 15 minutes, écrire un brouillon de devis), l'état d'audit par appel se dépose dans un enregistrement de type MCPFunctionCallModel, et le plan d'application n'est pas les instructions de l'agent lui-même — c'est un jeu d'identifiants révocables à la passerelle, si bien qu'une exécution défaillante perd ses outils en quelques secondes, pas sa réputation dans un postmortem. La surface privilégiée reste petite par construction, ce qui est tout l'objet des privilèges par lancement.

Demandez un build au périmètre défini. Une semaine de découverte. Vous recevez un inventaire des systèmes, une carte de workflow et un périmètre fixe — que vous construisiez avec nous ou non.

Lectures associées

• Le rôle par défaut, pas le modèle : comment un prompt a pris le contrôle de tous les agents d'un compte AWS — le schéma de rayon d'impact que le modèle de privilèges par lancement réfute au niveau architecturale
• Checklist de gouvernance d'agents IA : une revue avant déploiement — où la couche d'application OpenShell/Sentry s'insère dans une revue avant déploiement
• Plateforme IA gérée ou stack possédé pour les agents de production — le calcul de plateforme où se pose le point de données « NVIDIA vend l'usine elle-même »