← Retour au blog
AiEnviron 8 min de lecture

NVIDIA ouvre NVKE, un plan de contrôle Kubernetes pour ses GPU

Publié le 11 nov. 2026
NVIDIA ouvre NVKE, un plan de contrôle Kubernetes pour ses GPU

La partie gênante de l’infrastructure GPU arrive après la livraison des cartes : confier une part de leur capacité à une équipe, d’une manière que cette équipe peut utiliser sans recevoir la machine entière.

C’est le problème que vise dsx-ai-factory/nvke, et le nom est littéral : NVIDIA Kubernetes Engine. NVIDIA l’a publié sous Apache 2.0, le code est en Go sur la version 1.27.3, et le projet est en préversion. Il a pris environ 345 étoiles par jour cette semaine, ce qui, pour un dépôt d’infrastructure totalisant 809 étoiles, signifie que l’essentiel de son public l’a trouvé ces derniers jours.

Ce que c’est, dans les mots de NVIDIA

Le README soigne les définitions, et ce soin mérite d’être repris parce qu’il évite beaucoup de confusion.

NVIDIA est explicite : NVKE n’est ni une distribution Kubernetes ni une variante de Cluster API. Le projet se présente comme une usine auto-hébergée à clusters Kubernetes. Un cluster d’amorçage jetable monte un cluster de gestion. Le plan de gestion qui tourne sur ce cluster de gestion provisionne ensuite, à la demande, de nombreux clusters de charge de travail isolés et gère leur cycle de vie.

Une installation comporte donc deux types de clusters. Le cluster de gestion fait tourner le plan de gestion NVKE et les contrôleurs d’infrastructure. Les clusters de charge de travail font tourner les applications clientes, chacun avec son plan de contrôle, son etcd et ses pools de nœuds. Vous exploitez le plan de gestion. Vos clients utilisent leurs clusters via l’API Kubernetes et kubectl, et de leur côté cela ressemble à un service managé.

C’est la forme qu’une équipe plateforme finit par construire à la main dans un neocloud, un laboratoire ou une entreprise avec ses propres baies GPU. Il faut bien que quelqu’un possède le milieu ennuyeux : provisionner des machines, joindre des nœuds, remplacer du matériel défaillant, monter les versions de Kubernetes, et le faire locataire par locataire sans contamination croisée. NVKE est ce milieu, conditionné.

L’identité est la partie intéressante

La plupart des composants sont attendus. Ce qui m’a surpris, c’est l’identité des nœuds.

Les nœuds s’attestent via SPIFFE/SPIRE avec leur TPM avant de recevoir des identifiants de jointure. Si vous vous êtes déjà demandé comment un cluster sait que la machine qui demande à le rejoindre est bien celle que vous avez provisionnée et pas autre chose qui a trouvé l’endpoint, voilà la réponse, et c’est la bonne. L’attestation se fait sur du matériel, pas sur un jeton recopié depuis une config map.

Le chiffrement des données etcd est disponible par cluster, ce qui, pour un déploiement multi-locataire, est un minimum et non une option.

Les machines viennent de NVIDIA Infra Controller, ou NICo, seul fournisseur d’infrastructure compatible en préversion. C’est une vraie contrainte. Si votre matériel est géré par autre chose, ce n’est pas encore interchangeable.

L’essayer sans GPU

Le plus sympathique dans le dépôt est le démarrage local, qui lance un plan de gestion de développement et un cluster de charge de travail sur des machines simulées. Aucun compte NVIDIA n’est nécessaire. Il faut un hôte ou une VM Linux, amd64 ou arm64, au moins 6 CPU, 12 GiB de mémoire libre, 100 GiB de disque libre, Docker et la prise en charge du TPM virtuel. Sur macOS, on passe par une VM Colima.

L’objectif de l’exercice est étroit et pratique : atteindre un cluster de charge de travail et vérifier que ses nœuds affichent Ready. Si cela fonctionne, vous avez vu toute la boucle sans toucher au silicium.

Compiler depuis les sources est l’autre chemin, et c’est rafraîchissant de banalité :

git clone https://github.com/dsx-ai-factory/nvke.git
cd nvke
make build

Cela produit neuf binaires dans bin/ : agent, updater, controller, nvkectl, capd-reboot-controller, nvke-os-image-check, management-engine, tenant-api, operator-api. La compilation ne démarre pas de plan de gestion et ne crée pas de cluster, ce qui paraît évident jusqu’au jour où l’on lance une cible make qui fait exactement cela.

Pour une installation réelle, vous fournissez vous-même les machines, le réseau, les images de nœuds et les registres, et vous configurez l’accès à NICo. Le dépôt compagnon nvkr, NVIDIA Kubernetes Recipes, construit les images de nœuds et les composants NVKE à partir d’entrées épinglées, et porte les preuves de build et de release. Séparer « ce qui est construit » de « ce qui est déployé » est la bonne couture, et cela donne aux artefacts une histoire de provenance distincte du plan de contrôle.

La section des limites se lit comme un aveu

C’est là que NVKE gagne un peu de confiance.

La préversion arrive avec des avertissements explicites, dans le README et non enfouis dans un wiki. L’authentification de l’API est désactivée et l’API utilise du HTTP simple après l’installation. Il est attendu que vous configuriez l’authentification et un accès protégé avant d’admettre des appelants. Le cluster de gestion ne se met pas à jour, ne monte pas en charge et ne se remplace pas lui-même. Il n’existe ni procédure de mise à jour du plan de gestion, ni procédure de sauvegarde et de restauration. Les images de nœuds FDE sont réservées à l’évaluation et n’offrent aucune confidentialité des données au repos.

Cette liste est inhabituelle. La plupart des annonces de préversion écrivent « pas pour la production » et passent à autre chose. NVIDIA énumère les façons précises dont vous allez souffrir, ce qui vous permet de décider si votre évaluation est sûre.

Pour qui prévoit un déploiement : HTTP simple plus absence d’authentification signifie que le plan de gestion doit se trouver derrière une frontière réseau que vous contrôlez, point. Ce n’est pas un « nous durcirons plus tard », c’est un « ne routez pas cela ».

À qui cela s’adresse

Trois groupes, en gros.

Le premier est quiconque exploite un cloud GPU. Si vous vendez des clusters Kubernetes sur votre propre matériel, le calcul construire-ou-acheter d’un plan de contrôle est pénible, parce que ce n’est pas ce que les clients paient et c’est ce qui vous réveille à 3 h du matin. Un plan de contrôle Apache 2.0 avec une surface kubectl pour les locataires est attractif même en qualité préversion, parce que vous pouvez lire le code.

Le second est la grande entreprise avec une équipe plateforme centrale et des clients internes. Le modèle « l’opérateur gère le plan, les clients reçoivent des clusters » correspond à la façon dont une banque ou un industriel alloue réellement de la capacité GPU : un ticket, un quota et un espace de noms isolé, pas un cluster partagé avec un espoir de RBAC.

Le troisième est la recherche. Un isolement multi-locataire avec un etcd par cluster et une attestation TPM est proche de ce dont une université a besoin quand quatre laboratoires partagent une baie DGX et que l’un d’eux fait quelque chose qui ne doit pas être visible des autres.

Ce n’est pas pour une équipe seule avec huit GPU. Vous passeriez plus de temps sur le plan de contrôle que sur les modèles.

La lecture stratégique

La stratégie logicielle de NVIDIA est cohérente depuis un moment : rendre le matériel facile à consommer et laisser la couche d’orchestration gratuite. CUDA, NCCL, Triton, NIM, et maintenant un plan de contrôle Kubernetes. Rien de tout cela n’est là où se trouve la marge. Tout cela rend le silicium plus utilisable, et c’est là où se trouve la marge.

Il y a aussi un angle concurrentiel. Le récit du Kubernetes managé pour GPU a surtout été celui des hyperscalers, parce qu’ils possèdent à la fois le service de plan de contrôle et le matériel. NVKE offre la même forme à quiconque a des baies, et sans envoyer la charge de travail chez AWS. Pour un cloud souverain ou un acheteur d’industrie régulée, c’est une option réelle qui n’existait pas en open source auparavant.

L’objection, c’est la maintenance. Un plan de contrôle est un service qu’on met à jour selon un calendrier, qu’on patche un vendredi et qu’on reconstruit quand l’instantané etcd est corrompu. Ce n’est pas une bibliothèque dont on change la version dans un lockfile. L’absence de chemin de mise à jour du plan de gestion dans la préversion n’est pas un trou de documentation, c’est la partie la plus difficile du problème, et NVIDIA ne l’a pas encore résolue en public.

Alors traitez ceci comme la préversion d’une architecture plutôt que d’un produit. Lisez le code, lancez le démarrage local, formez-vous un avis sur la question de savoir si le modèle d’amorçage par cluster jetable tient quand le cluster de gestion lui-même doit bouger. C’est cette question, et non le catalogue de modèles, qui détermine si un plan de contrôle Kubernetes pour GPU est vraiment un logiciel banalisé.

Apache 2.0 signifie que vous pouvez forker si la réponse est non. C’est la valeur réelle de cette publication.

Articles associés