Les VM qui font tourner les agents mobiles (Instinct, Claude Code)

L'analyse des infrastructures d'Instinct et Claude Code révèle une évolution notable dans l'architecture des agents IA mobiles, qui ne s'exécutent plus localement sur l'appareil de l'utilisateur mais s'appuient sur des machines virtuelles distantes. Cette approche permet de déporter la puissance de calcul nécessaire tout en offrant un environnement isolé pour l'exécution des tâches. Les deux plateformes partagent une base technique commune en utilisant des microVM Firecracker, basées sur KVM, mais divergent significativement dans leur gestion de la mémoire, de la sécurité et de l'intégration du modèle de langage.

Claude Code fonctionne avec une microVM hautement verrouillée, où le système d'initialisation est un binaire Rust personnalisé (`process_api`) agissant comme PID 1. Cette configuration remplace systemd pour offrir un contrôle granulaire de l'opérateur à l'intérieur de l'espace locataire. La sécurité est renforcée par une séparation stricte des disques : l'utilisateur dispose d'un volume writable persistant, tandis que le code de l'agent réside sur des partitions read-only. Le modèle d'IA, quant à lui, n'est pas présent dans la VM. L'inférence est transmise via Server-Sent Events (SSE) à travers une passerelle de sortie (egress gateway) MITM, sans connexion entrante directe, ce qui isole la machine virtuelle d'internet tout en lui permettant de solliciter le modèle. Le cycle de vie de la VM est géré par l'hôte, avec un temps de démarrage d'environ 430 ms pour l'initialisation et 6,4 secondes pour le lancement du harness, assurant une reprise rapide de session malgré la destruction du calcul lors des phases d'inactivité.

Instinct adopte une stratégie différente bien qu'il repose également sur Firecracker via la location de sandbox E2B. Au lieu d'un init minimaliste, la VM lance une distribution Ubuntu complète avec systemd et un environnement de bureau XFCE, démarrant en environ 1,26 seconde. La distinction majeure réside dans la gestion de la persistance et de la mémoire : là où Claude Code maintient un état de conversation sur disque, Instinct externalise totalement la mémoire "long terme" dans un dépôt git stocké sur S3. L'agent écrit ses souvenirs sous forme de fichiers Markdown avec des wiki-links, effectuant des commits en tant qu'auteur (`git author`). Ce dépôt, compressé en bundle git, est synchronisé via des identifiants STS (Security Token Service) à courte durée de vie, permettant une auto-récupération du sandbox en cas de fuite des identifiants. La VM elle-même est considérée comme éphémère et jetable, ne servant que de surface d'exécution temporaire.

Le traitement des données sensibles et l'exécution des outils illustrent l'approche "zero-trust" d'Instinct. Contrairement à Claude Code qui embarque le binaire Bun du harness dans la VM, Instinct ne place aucune logique d'inférence ou de secrets dans la sandbox. Les identifiants et les tâches complexes, comme la navigation sur le web ou les paiements, sont gérés via une API GraphQL externe (`api.instinct.com`). Pour les actions nécessitant une authentification utilisateur, comme commander de la nourriture ou réserver un vol, Instinct utilise un pool de navigateurs cloud distincts (Chrome Leases). Le sandbox acquiert un bail sur un profil de navigateur contenant les cookies et sessions sauvegardés, manipule la page à distance, puis libère le bail sans jamais stocker les cookies localement. Les mots de passe sont injectés via un système de Vault serveur, garantissant qu'aucun secret ne transite jamais par la VM jetable.

Ces architectures mettent en lumière deux philosophies pour l'exécution d'agents autonomes. Claude Code optimise l'isolation et l'autonomie de la VM avec un système d'exploitation minimaliste et une couche d'application intégrée, tandis qu'Instinct traite la VM comme un terminal sans état, déportant l'intelligence, la mémoire et les identités vers des services backend gérés. Les deux solutions, cependant, convergent sur l'utilisation de la virtualisation légère pour fournir des environnements sécurisés et reproductibles, essentiels à l'adoption des agents IA sur des appareils mobiles aux ressources limitées.