Thèse Méthodes Agentiques pour la Gestion du Continuum Numérique avec Fédération de Clusters H/F Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris Télécom Paris École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris Laboratoire de recherche : Laboratoire de Traitement et Communication de l'Information Direction de la thèse : Chih-Kai HUANG ORCID 0000000222825893 Début de la thèse : 2027-09-01 Date limite de candidature : 2027-01-15T23:59:59 Bien que la fédération permette le déploiement et la coordination entre plusieurs clusters, la gestion à l'exécution reste difficile. En pratique, de nombreuses tâches importantes nécessitent encore une intervention humaine, souvent dans le cadre du Site Reliability Engineering (SRE). Ces tâches incluent la surveillance de l'état des clusters à partir de métriques, de journaux, d'événements et d'autres signaux d'exécution, la détection d'anomalies, la décision de déclencher ou non une action, ainsi que la coordination d'actions correctives ou adaptatives entre les clusters. Ces tâches deviennent particulièrement complexes dans des environnements de continuum géodistribué, où les signaux d'exécution peuvent être incomplets, retardés ou incohérents, et où l'état des clusters peut évoluer rapidement. La situation devient encore plus complexe lorsque les clusters membres hébergent à la fois des charges de travail gérées par la fédération et des applications gérées localement, car la couche de fédération ne dispose alors que d'une visibilité et d'un contrôle partiels sur l'état local des clusters. Cela soulève trois défis principaux : (1) comment obtenir une compréhension fiable de l'état des clusters à partir de signaux d'exécution incomplets ou bruités ; (2) comment concevoir des mécanismes sûrs et efficaces pour réagir et s'adapter dans des situations d'incertitude et de contrôle limité ; et (3) comment coordonner ces décisions entre les clusters tout en maintenant la stabilité globale du système et les objectifs plus larges d'orchestration.

Les travaux précédents ont abordé plusieurs aspects de la gestion à l'exécution dans les environnements distribués. Acala [9] réduit la surcharge de surveillance par l'agrégation des métriques, tandis qu'AdapPF [10] adapte dynamiquement les intervalles de surveillance dans les fédérations Kubernetes. Cependant, obtenir une connaissance fiable de l'état du système à partir de données d'exécution incomplètes, retardées ou incohérentes reste difficile. Des travaux récents ont également exploré l'utilisation d'agents d'IA pour les opérations SRE. AIOpsLab [11], ITBench [12] et SREGym [13] proposent des environnements pour évaluer ces agents sur des tâches opérationnelles et des scénarios de défaillance. STRATUS [14] utilise des agents spécialisés pour détecter, diagnostiquer et atténuer les défaillances. KubeIntellect [15] utilise des agents basés sur de grands modèles de langage (LLM) pour la gestion de Kubernetes. Cependant, ces travaux se concentrent principalement sur les opérations SRE au sein de services cloud ou de clusters Kubernetes individuels, sans prendre en compte l'observabilité limitée, l'autonomie locale et les besoins de coordination des environnements fédérés multi-clusters.

Pour répondre à ces défis, ce projet de doctorat explorera comment les méthodes agentiques peuvent être intégrées à la gestion à l'exécution des fédérations multi-clusters dans le continuum informatique géodistribué. Il étudiera comment ces méthodes peuvent contribuer à l'observation, à la prise de décision et à la coordination à l'exécution, dans des conditions dynamiques caractérisées par une observabilité partielle et un contrôle limité. Les travaux pourront inclure l'intégration de frameworks de surveillance, l'échange de données tenant compte du contexte, les graphes de connaissances étiquetés, les mécanismes d'aide à la décision basés sur l'apprentissage et les modèles issus de la théorie des jeux pour la coordination distribuée. Les méthodes proposées seront évaluées à l'aide d'applications réalistes basées sur des microservices, déployées dans de véritables environnements fédérés multi-clusters au sein du continuum informatique géodistribué. Ce projet contribuera à poser les bases des futures infrastructures numériques, plus autonomes, résilientes et évolutives, tout en réduisant considérablement les interventions humaines. Les infrastructures informatiques modernes s'étendent de plus en plus des objets connectés (Internet of Things, IoT) aux noeuds edge et fog, jusqu'aux centres de données cloud centralisés, répartis sur de vastes zones géographiques, formant ainsi un continuum informatique IoT-Edge-Cloud géodistribué [1, 2]. Dans ce continuum, les ressources de calcul sont réparties entre différents sites et différentes couches d'infrastructure, avec des rôles et des capacités variés. Cette architecture permet aux applications d'effectuer des calculs à proximité des sources de données, tout en bénéficiant des capacités de traitement plus importantes disponibles dans les infrastructures edge et cloud.

La gestion des applications dans un tel environnement est difficile, car les conditions d'exécution ne restent pas stables. Les dispositifs et les noeuds de calcul peuvent rejoindre ou quitter l'environnement au fil du temps, et leurs ressources disponibles peuvent également varier de manière dynamique [3]. Les conditions réseau varient selon les sites et les technologies d'accès, ce qui affecte la latence, la bande passante, la fiabilité et la connectivité [4]. Le problème devient encore plus complexe pour les applications d'intelligence artificielle, qui nécessitent souvent des GPU ou d'autres matériels spécialisés et doivent respecter des exigences strictes de performance, telles qu'une faible latence et un débit élevé [5]. Ces défis rendent indispensable une orchestration efficace pour coordonner le placement des applications et la gestion des ressources à travers le continuum informatique.

Kubernetes [6] est devenu la plateforme d'orchestration la plus largement adoptée et offre des fonctionnalités avancées pour le déploiement des applications et la gestion des ressources. Il constitue ainsi une base pour la gestion des applications dans le continuum informatique. Cependant, les applications déployées dans cet environnement doivent souvent s'étendre sur plusieurs sites, différentes couches d'infrastructure et plusieurs domaines administratifs, ce qui dépasse les capacités de gestion d'un seul cluster. Cela motive l'utilisation de fédérations multi-clusters. Des frameworks tels que Karmada [7] et UnBound [8] fournissent une couche de fédération permettant le déploiement et la coordination entre les clusters. Dans ces architectures, un cluster de gestion héberge le plan de contrôle de la fédération, tandis que les clusters membres exécutent les charges de travail et conservent leur autonomie dans la gestion de leurs propres ressources et des applications administrées localement.

---

Modern computing infrastructures increasingly span Internet-of-Things (IoT) devices, edge and fog nodes, and centralized cloud data centers distributed over large geographic areas, forming a geo-distributed IoT-Edge-Cloud computing continuum [1, 2]. In this continuum, computing resources are spread across different locations and infrastructure layers with different roles and capacities. This design allows applications to place computation close to where data is generated, while still relying on the larger processing capacity available at the edge and in cloud platforms.

Managing applications in such an environment is difficult because the runtime conditions do not remain stable. Devices and computing nodes may join or leave over time, and their available resources may also change dynamically [3]. Network conditions vary across sites and access technologies, which affect latency, bandwidth, reliability, and connectivity [4]. The problem becomes harder for AI applications, which often require GPUs or other specialized hardware, and must satisfy strict performance targets such as low latency and high throughput [5]. These challenges make effective orchestration essential for coordinating application placement and resource management across the computing continuum.

Kubernetes [6] has become the most widely adopted platform for orchestration and provides strong support for application deployment and resource management. It therefore becomes a foundation for managing applications in the computing continuum. However, applications deployed in this environment often need to span multiple sites, different infrastructure layers, and administrative domains, which goes beyond what a single cluster can effectively support. This motivates federated multi-cluster operation. Frameworks such as Karmada [7] and UnBound [8] provide a federation layer for deployment and coordination across clusters. In such architectures, a management cluster hosts the federation control plane, while member clusters run workloads and retain local authority over their own resources and locally managed applications.