Le programme AI Conformance, qui avait démarré comme un groupe de travail au sein de la CNCF, est désormais intégré au sein de SIG Architecture de Kubernetes. Cette transition structurelle vise à répondre à l’hétérogénéité des implémentations des infrastructures d’intelligence artificielle au sein de l’écosystème Kubernetes.

L’objectif initial de ce groupe de travail était de contrer la fragmentation de l’écosystème. À mesure que l’adoption des charges de travail IA sur Kubernetes progressait, les fournisseurs développaient leurs stacks d’infrastructure de manières très diverses. Selon les discussions, cela générait des défis de portabilité et des problèmes d’incohérence opérationnelle, ce qui rendait difficile l’utilisation de Kubernetes comme plateforme universelle pour l’IA.

Pour y remédier, le programme a défini des Exigences d’AI Conformance (KARs) qui suivent le cycle de vie des Propositions d’Amélioration Kubernetes (KEPs). Chaque nouvelle exigence doit d’abord être proposée comme un issue sur le projet GitHub dédié. Si elle est acceptée, elle passe par un processus de validation similaire à celui des KEPs, avec des critères stricts pour passer de l’état « SHOULD » à « MUST ».

Ce formalisme impose des étapes bien définies. Par exemple, les exigences doivent être alignées sur le calendrier de publication de Kubernetes. Il y a un gel des KARs avant la « KEP/KAR Freeze », après quoi toute discussion de raffinement doit se faire via les revues de pull requests avant la « Code Freeze ». De plus, à partir de la version 1.37, les tests automatisés deviennent une condition préalable pour toute nouvelle exigence, qu’elle soit « SHOULD » ou « MUST ».

Ce mouvement n’est pas isolé ; il s’inscrit dans une tendance plus large où l’IA devient une préoccupation infrastructurelle de premier plan. Janet Kuo de Google, qui dirige le programme AI Conformance, a expliqué que cette initiative traduit le fait que l’IA n’est plus une niche, mais une catégorie de charges de travail centrale que le contrôle plane doit optimiser.

Le processus exige une transparence constante. Tous les documents de discussion, les conceptions et les décisions sont rendus publics. Les SIG, qui sont l’ossature organisationnelle de Kubernetes, permettent cette répartition de la propriété du code et des décisions. Chaque composant du projet doit être sous la responsabilité d’un SIG, qui est doté d’une charte précisant son périmètre et ses modalités de prise de décision.

Pour les contributeurs, cela signifie que la participation doit se faire en respectant le Code de Conduite de Kubernetes. Les discussions sur la conception des tests d’AI Conformance, par exemple, sont suivies dans un projet GitHub séparé, garantissant que la vérification des exigences est pensée en amont. Il faudra suivre attentivement la manière dont le statut de ces exigences évoluera dans les prochaines versions du projet.

Sources

• community/governance.md at main · kubernetes/community, github.com
• GitHub – kubernetes-sigs/ai-conformance: Definition, proposals, and conformance tests for AI Conformance, github.com
• From Working Group to SIG Architecture: spotlight on AI Conformance, Kubernetes, 29 octobre 2026 (contenu sous licence CC BY 4.0)
• Busy GPUs can hide slow AI inference on Kubernetes, The New Stack, 30 octobre 2026