# Cloud Pathways devient disponible en GA sur GKE pour le calcul IA

_Publié le 9 novembre 2026 — https://ip73.fr/2026/11/09/cloud-pathways-devient-disponible-en-ga-sur-gke-pour-le-calcul-ia/_

Cloud Pathways, le runtime distribué pour les charges de travail d'apprentissage automatique, est désormais disponible en version GA sur Google Kubernetes Engine (GKE). Ce système, initialement conçu par Google DeepMind pour entraîner des modèles de pointe comme Gemini, permet aux entreprises d'accéder à une capacité de calcul massive sur des flottes hétérogènes d'accélérateurs, incluant les TPU v5p, Trillium (v6e) et Ironwood (TPU 7x).

L'enjeu principal que Pathways adresse, c'est la complexité de programmer des workflows MPMD (Message Passing Multiple Device) lorsque l'on passe à des milliers d'accélérateurs. Les architectures multi-contrôleurs traditionnelles deviennent rapidement ingérables. Cloud Pathways résout ce problème en imposant une architecture à contrôleur unique. En configurant JAX avec `JAX_PLATFORMS=proxy` et `pathwaysutils`, un unique processus client orchestre plusieurs grandes tranches de TPU, comme si elles étaient toutes connectées localement.

Ce changement repose fondamentalement sur l'Interim Framework Runtime (IFRT). Selon les développeurs d'OpenXLA, l'IFRT est une API de haut niveau qui sert d'interface entre un framework utilisateur, tel que PyTorch ou TensorFlow, et les runtimes sous-jacents. Son objectif est de rendre ces frameworks portables sur une large gamme de configurations matérielles. Ce passage à IFRT est une bifurcation de l'API existante, PjRt. PjRt était initialement conçu pour masquer les différences mineures entre les générations de TPU ou de GPU sur un hôte local, mais il était sollicité pour gérer des scénarios de distribution à l'échelle de milliers d'accélérateurs. L'IFRT permet de mieux supporter ces cas d'usage.

## Orchestration et résilience au niveau du cluster

Le package `pathwaysutils` fournit les outils nécessaires pour exploiter cette puissance. Il permet de réorganiser (*reshard*) des tableaux et des PyTrees directement sur les travailleurs Pathways, sans que les tenseurs ne transitent par la mémoire du contrôleur. De plus, il apporte une résilience notable. Le gestionnaire (*Manager*) surveille la santé des tranches et permet une reprise de calcul élastique. En cas de défaillance matérielle, la charge de travail peut être redimensionnée à N-1 tranches sans faire planter le client.

Prof. Sashikumaar Ganesan, fondateur de ZenteiQ, a souligné l'impact de cette fiabilité : « Nos ingénieurs ML n'ont plus à passer des heures à surveiller l'état des tâches ou à gérer des redémarrages manuels. »

## Les outils pour les développeurs

Pour ceux qui veulent s'y mettre, les outils sont variés. Il existe des intégrations clientes Python, ainsi que des générateurs de manifestes Kubernetes JobSet pour déployer les charges de travail sur GKE. On peut même lancer des sessions interactives grâce au Shared Pathways Service, permettant de partager un pool de tranches TPU en continu pour le débogage. Des acteurs majeurs, comme des laboratoires d'IA de premier plan, utilisent déjà cette plateforme pour des tâches critiques, notamment l'inférence en production sur des dizaines de milliers de TPU v5p et Trillium.

L'intégration avec Cluster Director, qui étend Cloud Pathways aux clusters Slurm, montre que cette approche de contrôle unifié s'étend au-delà de l'environnement GKE natif. Il faut cependant surveiller comment cette migration vers IFRT impactera les équipes qui migrent depuis l'ancien modèle PjRt, car les chemins de migration, bien que conçus pour être simples au départ, pourraient devenir plus complexes au fur et à mesure que les API divergent.

## Sources

- [xla/xla/python/ifrt/README.md at main · openxla/xla](https://github.com/openxla/xla/blob/main/xla/python/ifrt/README.md), github.com
- [GitHub - AI-Hypercomputer/pathways-utils: Package of Pathways-on-Cloud utilities](https://github.com/AI-Hypercomputer/pathways-utils), github.com
- [Cloud Pathways, a distributed ML runtime for massive accelerator fleets, now GA](https://cloud.google.com/blog/topics/ai-infrastructure/cloud-pathways-a-distributed-ml-runtime-is-ga/), Google Cloud, 9 novembre 2026
- [Google makes Pathways generally available on Google Kubernetes Engine](https://cryptobriefing.com/google-cloud-pathways-gke-general-availability/), Crypto Briefing, 9 novembre 2026