Tech Radar Hebdo : AMD ROCm, Argo CD 4.0, Guardrails Kyverno, OpenClaw Enterprise & CI augmentée

Retrouvez les faits marquants de la veille technologique menée par le laboratoire d’intelligence d’Aperta Scientia pour les cursus AS200 (DevOps Platform Engineer) et AS300 (AI Platform Engineer).

---

1. Inférence LLM sur GPU AMD — Red Hat AI Inference 3.5 (ROCm) + Podman rootless

Benchmark pas-à-pas d’un serveur d’inférence compatible OpenAI exécuté sur un GPU AMD Radeon, servi par Red Hat AI Inference (stack vLLM + llm-d) dans un conteneur Podman rootless et instrumenté par GuideLLM (méthodologie PSAP, paliers de concurrence de 1 à 650).

• Points clés : Vérification de la pile ROCm (amd-smi, modules amdgpu, /dev/kfd et /dev/dri), exposition GPU maîtrisée via —device et —group-add=keep-groups (runtime OCI crun requis), image registry.redhat.io/rhaii/vllm-rocm-rhel9:3.5.0. Signal fort : l’inférence d’entreprise n’est plus mono-constructeur, AMD devient un chemin de production supporté aux côtés de NVIDIA.
• Impact Cursus AS300 : Module Serving LLM & Inférence Distribuée (AI267) — hétérogénéité matérielle (NVIDIA / AMD ROCm), images d’inférence supportées, méthodologie de benchmark GuideLLM et densité GPU.

---

2. CI augmentée par l’IA — Pipeline Failure Analyzer (1 étape sur 5)

Retour d’expérience Red Hat sur le triage d’échecs de CI : 80 jobs en échec et jusqu’à 50 000 lignes de logs par job, réduits en quelques minutes à quelques causes racines.

• Points clés : Architecture volontairement contrainte — seule l’étape « Analyze » mobilise un LLM, les quatre autres (nettoyage déterministe des logs, assemblage du rapport, création de tickets, publication wiki) restent du code Python. Résultat : coût d’inférence borné, sorties reproductibles, non-déterminisme confiné au raisonnement causal.
• Impact Cursus AS200 : Module Construction, CI/CD & Automatisation (DO288) — pipelines robustes et introduction d’un usage LLM encadré (garde-fous déterministes, coût, non-déterminisme).

---

3. Argo CD 4.0 — la communauté Argo dessine l’avenir du GitOps

À l’occasion d’ArgoCon North America 2026, la communauté Argo (Argo CD, Workflows, Rollouts, Events) a ouvert le processus de vision pour Argo CD 4.0.

• Points clés : Retours terrain mis en avant — Argo CD au-delà de 60 000 applications, Argo CD « on satellites », et Argo Workflows pour le machine learning sur de gros volumes de données. Les quatre projets Argo restent des briques composables, chacune utilisable indépendamment.
• Impact Cursus AS200 : Module GitOps & Delivery Déclaratif (DO288 / DO380) — Argo CD à grande échelle, Argo Rollouts (progressive delivery) et Argo Workflows pour les pipelines data/ML.

---

4. « Guardrails, not gates » — la policy comme primitive de plateforme (Kyverno)

Article de fond CNCF : la policy doit accompagner (guardrail) plutôt que bloquer (gate). Les quatre métiers de la policy — validate, mutate, generate, verify — sont rééquilibrés.

• Points clés : La plupart des parcs Kubernetes sont « 90 % validation » alors que mutation et generation portent l’essentiel du levier d’expérience développeur. Recommandations : messages de refus actionnables, déploiement progressif des politiques (audit → warn → enforce) et policy traitée comme un produit versionné plutôt qu’une configuration figée.
• Impact Cursus AS200 : Module Gouvernance de Plateforme & Admission (DO280 / DO380) — Kyverno (validate/mutate/generate/verify), conception de guardrails et rollout progressif des politiques.

---

5. OpenClaw Enterprise — un plan de contrôle ouvert pour les agents d’entreprise

Red Hat, NVIDIA, OpenAI et la communauté contribuent en open source à OpenClaw Enterprise, un plan de contrôle d’entreprise pour déployer et opérer des agents persistants multi-utilisateurs et multi-équipes.

• Points clés : Sandboxing d’agents, AI gateways, AgentOps/traçage et évaluation. En complément, une méthode de testabilité des « skills » d’agents est formalisée : auteur assisté (skill-creator), évaluation du déclenchement (promptfoo, assertion skill-used) et exécution en intégration continue.
• Impact Cursus AS300 : Module Agents IA & Gouvernance (AI267) — runtimes d’agents, plans de contrôle ouverts, évaluation de comportement et tests de « skills » en CI.

---

6. Sources & Références Techniques

• Red Hat Emerging Technologies — Benchmarking enterprise LLMs on AMD GPUs with Red Hat AI Inference and Podman : next.redhat.com
• Red Hat Developer Blog — How we cut CI failure triage from hours to minutes using AI : developers.redhat.com
• Red Hat Developer Blog — Master your skills: Building skills you can trust : developers.redhat.com
• Red Hat Blog — OpenClaw Enterprise, an open foundation for enterprise agents : redhat.com
• CNCF — ArgoCon North America 2026: the Argo community looks toward CD 4.0 : cncf.io
• CNCF — Guardrails, not gates: rethinking policy in platform teams : cncf.io