Luminarys AI dévoile une plateforme d'agents IA avec isolation des compétences et exécution en cluster

Luminarys AI propose une approche plus stricte et plus orientée ingénierie des agents IA. Plutôt que de donner aux outils un accès quasi complet au système, la plateforme isole chaque compétence dans un bac à sable WebAssembly, permet d'écrire les compétences dans différents langages et fait passer les scénarios agentiques à l'échelle sur un cluster de machines hétérogènes. La plateforme se présente comme une réponse aux limites que rencontrent les équipes lorsqu'elles mettent des agents IA en production. Le problème est particulièrement visible quand l'agent ne se contente pas de générer du texte, mais doit agir : lire des fichiers, appeler des services, transférer des données entre différents systèmes.

Aujourd'hui, le marché impose souvent un choix entre deux modèles peu satisfaisants. Le premier consiste à accorder à l'agent un accès trop large au système de fichiers, aux processus ou aux opérations réseau, en espérant que la configuration des droits et les vérifications internes le maintiendront dans des limites acceptables. Le second verrouille au maximum le système à coups de validations manuelles : l'automatisation perd alors vite son intérêt et se transforme en une suite d'approbations permanentes. Selon les développeurs, aucune de ces deux options ne règle le problème au niveau de l'exécution : si le code d'une compétence est mal écrit, il reste capable de tenter de sortir du comportement attendu.

L'idée centrale de Luminarys AI est d'isoler les compétences non seulement logiquement, mais aussi techniquement. Chaque compétence tourne dans un environnement WebAssembly, qui forme un bac à sable distinct aux frontières d'accès plus prévisibles. Cette approche compte particulièrement pour les systèmes agentiques, où un même orchestrateur peut appeler des dizaines d'outils hétérogènes : traitement de fichiers, requêtes réseau, intégrations avec des API externes. Lorsque l'isolation est intégrée au runtime, au lieu de reposer uniquement sur des conventions et des fichiers de configuration, les équipes gagnent en contrôle sur la sécurité et le comportement de chaque module. Le risque qu'une erreur dans une compétence affecte l'ensemble de l'hôte ou les composants voisins s'en trouve réduit.

Deuxième grand chantier : le passage à l'échelle sur une infrastructure hétérogène. Les développeurs soulignent que de nombreuses solutions existantes savent paralléliser des agents au sein d'un même dépôt ou sur un ensemble de serveurs identiques, mais fonctionnent moins bien lorsque l'infrastructure est mixte. Concrètement, il s'agit de clusters de machines x86 et ARM, de nœuds edge placés près de la source des données, d'appareils IoT et de nœuds de calcul locaux qui doivent exécuter une partie des tâches sans latence superflue.

Luminarys AI se positionne comme une plateforme capable de router les appels entre ces nœuds et de répartir le travail en tenant compte des différences d'architecture. Pour les entreprises qui construisent des systèmes agentiques hors d'un périmètre purement cloud, cela pourrait constituer un différenciateur important.

La plateforme met aussi l'accent sur la modularité et le multilinguisme. Dans les plateformes agentiques classiques, plugins et compétences sont souvent liés à un seul langage principal, ce qui restreint le choix des outils et oblige l'équipe à tout aligner sur une pile unique. Avec Luminarys AI, les compétences peuvent être écrites en Go, Rust ou AssemblyScript et s'exécuter côte à côte sur un même hôte.

Cela ouvre un scénario de développement plus pragmatique : confier à Rust les parties critiques en performances et en ressources, garder la logique d'infrastructure et réseau en Go, et assembler en AssemblyScript les modules plus familiers aux équipes web. La plateforme elle-même reste modulaire : les compétences peuvent être mises à jour, combinées et mises à l'échelle indépendamment les unes des autres.

Au fond, Luminarys AI tente de traiter d'un coup trois points de douleur des agents IA : une véritable isolation de l'exécution, la portabilité entre différents types de matériel et le libre choix du langage pour chaque compétence. Si cette architecture confirme ses avantages sous des charges réelles, le marché pourrait voir émerger une catégorie plus mature de plateformes agentiques, où la sécurité et le fonctionnement en cluster ne sont pas greffés après coup sur un framework de base, mais intégrés aux fondations du système dès le départ. Pour les équipes déjà arrivées en production, cela pourrait compter davantage que n'importe quelle nouvelle démonstration d'agent « intelligent ».

C'est précisément sur ce type de problèmes que les projets agentiques cassent le plus souvent après la phase pilote.