3 étapes pour commencer cette semaine
La plupart des organisations d’ingénierie disposent déjà de tout ce dont elles ont besoin pour commencer. La chaîne d’outils d’analyse statique est là : Checkov, tfsec, KICS, Trivy et OPA Conftest prennent tous en charge des politiques de durabilité configurables par rapport aux artefacts Terraform, Kubernetes YAML et Dockerfile sans remplacement de pipeline. Le pipeline CI/CD est là : GitHub Actions, GitLab CI, Jenkins, Tekton et Azure DevOps Pipelines prennent tous en charge le blocage des contrôles de qualité par rapport aux sorties des outils de stratégie. La couche de spécification est là : les modules Terraform, les schémas de valeurs des graphiques Helm, les contrôleurs d’admission Kubernetes et les enregistrements de décisions architecturales sont déjà contrôlés en version dans la plupart des organisations d’ingénierie matures. Et surtout, cette approche est une approche totalement autonome et indépendante des agents d’ingénieurs en IA. La couche de gouvernance n’inspecte pas quel agent ou modèle a généré l’artefact d’infrastructure. Il applique la politique contre la sortie. Que le Terraform provienne d’un pipeline agent personnalisé, d’une suggestion de Copilot ou d’un ingénieur humain, la porte s’applique de la même manière. Les seules choses qui manquent véritablement sont les définitions des contraintes de durabilité inscrites dans la spécification et les règles politiques intégrées au pipeline CI/CD pour les appliquer. Trois étapes comblent cet écart.
- Auditez vos spécifications IaC pour les contraintes de durabilité. Ouvrez un module Terraform actif ou une charte Helm et localisez les valeurs par défaut du type de machine, les valeurs par défaut des demandes de ressources de pod et les valeurs par défaut de l’image de base. Pour la plupart des organisations, celles-ci reposent sur des valeurs sûres et familières sans aucune justification de durabilité. Définissez trois contraintes : un plafond maximal de type de machine pour chaque niveau de charge de travail, un plafond de demande de ressources de pod dérivé de l’utilisation mesurée et une politique d’image de base exigeant des équivalents sans distribution ou Alpine. Contrôlez la version de ces contraintes ainsi que les spécifications qu’elles régissent.
- Ajoutez une stratégie Checkov ou tfsec à votre pipeline CI. Une stratégie signalant les pools de nœuds GKE configurés au-dessus du seuil e2-standard-4 sans justification documentée peut être mise en œuvre en moins d’une heure à l’aide de l’API de vérification personnalisée de Checkov. Câblez-le comme une porte de blocage, pas comme un avertissement. Cet ajout unique crée une application immédiate et indépendante de l’agent pour chaque commit Terraform de votre référentiel.
- Intégrez les contraintes de durabilité avant de faire évoluer vos pipelines agents. Le moment où l’effet de levier est le plus important se situe maintenant, avant que les agents d’ingénieurs en IA autonomes ne génèrent une infrastructure à l’échelle organisationnelle complète. Chaque pipeline agentique qui entre en production sans contraintes de durabilité dans ses spécifications devient une source systématique d’infrastructures surapprovisionnées et à forte intensité de carbone qui s’aggravent quotidiennement. Il est bien plus difficile de moderniser la gouvernance après l’exécution de centaines de services générés par des agents que de contraindre la génération à la source des spécifications.
Ce qui nous attend
Le défi de durabilité évoqué ici ne concerne pas l’énergie consommée par l’agent ingénieur en IA lui-même, mais les décisions d’infrastructure à long terme codées dans les artefacts qu’il génère. L’ingénierie des infrastructures durables n’est plus une discipline opérationnelle. Il s’agit d’une nécessité architecturale, et c’est au niveau de la spécification que cette nécessité doit être prise en compte. Lorsque les agents d’ingénierie IA autonomes génèrent des manifestes Terraform, Kubernetes et des configurations Docker à grande échelle, les organisations qui intègrent des contraintes de durabilité dans les spécifications exécutées par ces agents construiront une infrastructure efficace, à coûts contrôlés et prête à être réglementée par construction. Ceux qui ne le feront pas élaboreront un programme de remédiation qui, à grande échelle, deviendra peu pratique.
L’urgence n’est pas spéculative. IEEE Spectrum rapporte que les émissions de Microsoft ont augmenté de 23 % depuis sa référence de 2020 et celles de Google de 51 % depuis 2019, l’infrastructure d’IA étant le principal moteur. Les centres de données mondiaux sont en passe de consommer plus d’électricité que le Japon d’ici 2030. Une fraction importante de cette charge est constituée d’une infrastructure surapprovisionnée qu’un agent autonome d’ingénieur en IA a généré à partir d’une spécification qui n’a jamais demandé d’efficacité. Le coût de la contrainte est faible. Le coût composé de l’alternative ne l’est pas.
