Le 13 octobre 2026, NVIDIA a annoncé la publication en open source de la plateforme Run:ai complète, plan de contrôle et services de cluster compris. Elle orchestre les charges d’intelligence artificielle et les ressources GPU sur Kubernetes. Le Community Product ne requiert ni abonnement Run:ai payant ni droit au support, mais le support entreprise de NVIDIA n’est pas inclus et l’organisation qui déploie la plateforme fournit son infrastructure. NVIDIA détaille le périmètre de la publication et les conditions du Community Product.
Le dépôt officiel indique que le code logiciel de Run:ai est sous licence Apache License 2.0. Certains éléments tiers imbriqués dans le dépôt relèvent de licences distinctes, répertoriées séparément. Le dépôt NVIDIA Run:ai comprend aussi le plan de contrôle, les services de cluster, un installateur, une interface en ligne de commande et de la documentation.
Quatre composants, quatre rôles
NVIDIA présente quatre composants qui peuvent être adoptés indépendamment. Ils couvrent des besoins différents : planifier les charges GPU, fractionner les ressources d’un GPU, gérer leur répartition entre équipes ou décrire des charges Kubernetes.
| Composant | Fonction | Limite ou relation importante |
| KAI Scheduler | Planifie le placement des charges GPU ; prend en charge notamment la planification groupée, le partage équitable, les quotas, le placement selon la topologie et le partage des GPU. | Peut être déployé dans un cluster existant sans installer toute la plateforme Run:ai. |
| GPU Fractioning Operator | Intègre à Kubernetes les fractions de GPU natives de CUDA et fournit des métriques par pod. | Indépendant du planificateur ; le pilote CUDA impose une limite de mémoire à chaque fraction. |
| KAI Resource Management | Organise l’allocation des GPU entre projets et services, avec garanties, partage, quotas et groupes de nœuds. | Peut être associé à KAI Scheduler. |
| Workload Map | Bibliothèque Go utilisable hors ligne pour décrire et gérer différents types de charges Kubernetes. | Ne planifie pas les charges, ne les met pas en file d’attente, ne les met pas à l’échelle automatiquement et ne les propage pas entre clusters. |
Ces rôles permettent de choisir la couche pertinente sans confondre description d’une charge et planification de son exécution. NVIDIA précise que GPU Fractioning Operator s’appuie sur une capacité disponible dans CUDA 13.4. L’annonce de NVIDIA décrit les fonctions et les limites des quatre composants.
Comment s’organise un déploiement autogéré ?
Chaque installation comprend un plan de contrôle et au moins un cluster Run:ai. Le plan de contrôle centralise la gestion des ressources, la soumission des charges, leur suivi et les analyses ; les services de cluster étendent les fonctions de planification et de gestion des charges de Kubernetes.
NVIDIA documente deux topologies : héberger le plan de contrôle et le premier cluster sur le même cluster Kubernetes, ou placer le plan de contrôle sur un cluster dédié relié à un ou plusieurs clusters Run:ai. Dans le second cas, une connexion réseau entre eux est nécessaire. La plateforme est documentée pour Kubernetes et OpenShift, dans des environnements connectés ou isolés du réseau.
NVIDIA décrit trois méthodes d’installation : Guided Installation, Manual Helm et Base Command Manager. Cette dernière est réservée à la version avec support. La documentation d’installation NVIDIA détaille les topologies, les environnements et les méthodes de déploiement.
Ce que l’équipe d’exploitation doit prendre en charge
L’organisation qui autohéberge Run:ai fournit et exploite le matériel, le système d’exploitation, la distribution Kubernetes, le réseau et le stockage. La documentation NVIDIA cite aussi GPU Operator et Prometheus parmi les prérequis. NVIDIA prend en charge les images de la plateforme et les charts Helm ; l’infrastructure sous-jacente reste du côté de l’opérateur.
Les images et les charts Helm du Community Product sont accessibles sur NVIDIA NGC sans clé API. Leur téléchargement suppose toutefois l’acceptation des conditions applicables aux logiciels NVIDIA et des conditions propres au produit. Pour le Support-Entitled Release, une clé API NGC est nécessaire ; cette version ajoute des accords de niveau de service et d’autres avantages de support. Le choix porte donc autant sur les responsabilités d’exploitation et le niveau d’assistance que sur les composants Run:ai eux-mêmes.
