Cloudflare étend Agent Cloud avec une cible claire, faire passer les agents IA du stade expérimental à une exploitation réelle sur son réseau, là où sûreté, persistance et montée en charge.
La manœuvre place le groupe sur le terrain des plateformes capables d’héberger des agents fiables à grande échelle. Il mise sur une infrastructure pour agents apte à soutenir le web agentique et des workloads de longue durée, sans rester bloqué au niveau des démonstrations locales ni des tests internes isolés. Stop.
Du chatbot à l’agent autonome, le virage visé par Cloudflare
Le marché de l’IA glisse du chatbot qui répond vers des systèmes qui agissent. Cloudflare place ce virage au centre d’Agent Cloud : des agents peuvent raisonner, appeler des services, écrire du code puis enchaîner des opérations, bien au-delà d’une fenêtre de conversation classique.
Les cadres techniques hérités du cloud classique peinent déjà à suivre. Ils doivent porter des agents de codage et d’autres outils autonomes, dont le contexte d’exécution varie vite, tandis que la montée en charge devient rude dès qu’une entreprise déploie des cohortes d’agents sur un réseau mondial, avec des coûts et des délais moins tolérés qu’avant désormais.
La manière dont les développeurs conçoivent des logiciels est en train d’évoluer à un niveau fondamental (…) nous nous efforçons de faire de Cloudflare la plateforme incontournable pour le web agentique.
Matthew Prince
Dynamic Workers face aux conteneurs traditionnels
Dynamic Workers sert de rampe de lancement aux appels courts et massifs des agents. Cloudflare oppose ici sa mécanique légère aux conteneurs classiques, plus lourds à initialiser, afin d’exécuter une action, rendre la main, puis repartir sans immobiliser une machine entière.
L’écart apparaît dès l’amorçage. Le service repose sur un runtime à base d’isolats pensé pour l’exécution JavaScript, avec un démarrage en millisecondes. Cloudflare met en avant une isolation sûre et un coût réduit ; la société dit atteindre un lancement jusqu’à 100 fois plus rapide que des conteneurs, ce qui change la donne quand des milliers de tâches partent au même moment, ensemble aujourd’hui. Trois traits résument la différence mise en avant par Cloudflare.
- Un démarrage très bref pour les appels ponctuels.
- Une isolation renforcée sans recourir à un conteneur complet.
- Un coût abaissé quand le volume de requêtes grimpe.
Artifacts donne un socle Git aux workloads autonomes
Avec Artifacts, Cloudflare cible un problème plus discret que l’inférence : le rangement du code produit par les agents. Quand des assistants génèrent des fichiers, testent des variantes et réécrivent des dépôts à répétition, le contrôle de version classique se heurte vite à ses propres limites.
Artifacts répond à cette saturation. La réponse prend la forme d’un stockage compatible Git pensé pour des flux massifs, avec des branches distantes et un foyer permanent pour les projets comme pour leurs données. Cloudflare promet une échelle capable d’absorber des millions de référentiels, afin que les workloads autonomes gardent une base stable sans détourner Git de son usage premier.
Quand une sandbox Linux devient l’atelier d’un agent
Tous les agents ne tiennent pas dans une fonction brève. Quand il faut conserver des fichiers, lancer un compilateur ou garder un service actif, Cloudflare remet en avant ses sandboxes Linux, disponibles sur son réseau pour servir d’atelier durable à des tâches techniques plus lourdes.
Cette formule vise les travaux qui débordent d’une simple requête. L’agent y trouve un environnement Linux persistant, un shell isolé et la possibilité d’installer des packages Python. Il peut cloner un dépôt, exécuter des outils de développement, laisser des processus en arrière-plan et revenir plus tard avec le même système de fichiers de travail complet, ce qui évite de repartir de zéro à chaque étape.
Cloudflare vise ici des usages très concrets.
- Cloner un dépôt puis lancer une batterie de tests.
- Installer des dépendances et exécuter des scripts Python.
- Conserver des processus actifs entre plusieurs étapes de travail.
Think prolonge la durée de vie des agents
La question n’est plus seulement de répondre à une invite, mais de tenir une mission dans la durée. Cloudflare présente Think comme la pièce chargée de laisser un agent raisonner, mémoriser son avancée et reprendre une action sans casser le fil entre plusieurs étapes.
Le moteur vise des parcours plus longs. Adossé au SDK Agents, l’outil prend en charge des tâches multi-étapes appuyées sur une persistance applicative. Cloudflare veut ainsi former une boucle de rétroaction plus robuste : l’agent teste, corrige, relance, puis garde son état entre deux passages, au lieu de repartir d’une simple réponse jetable à chaque nouvelle demande et de perdre sa mémoire de travail au prochain appel.
Choisir ses modèles sans multiplier les fournisseurs
Cloudflare veut éviter un autre frein bien connu des équipes IA : empiler les intégrations pour tester plusieurs modèles. Après Replicate, l’entreprise élargit son offre afin qu’un même produit puisse appeler diverses familles de modèles sans refaire toute la tuyauterie.
La souplesse passe par une même porte d’entrée. L’idée repose sur un catalogue de modèles exposé via une interface unique. Les développeurs peuvent passer d’un service à l’autre par simple bascule de fournisseur, tout en gardant l’accès à des modèles open source et à des offres commerciales. Cette couche unifiée laisse plus de liberté pour ajuster coût, latence ou spécialisation sans multiplier les contrats ni les points d’intégration technique.
