DeepSeek DSec : comment les agents s’entraînent dans des centaines de milliers de sandboxes

Pour entraîner un agent d’IA, il ne suffit pas de lui faire produire une réponse : il faut aussi lui permettre d’appeler un outil, d’exécuter du code ou d’agir dans un environnement, puis d’évaluer le résultat. DeepSeek Elastic Compute (DSec) fournit ces environnements d’exécution, appelés sandboxes ou bacs à sable, pour les séquences d’actions utilisées dans l’entraînement par renforcement et l’évaluation. Dans son rapport de septembre 2026, DeepSeek décrit une plateforme conçue pour en créer et en gérer un très grand nombre sans imposer une machine virtuelle complète à chaque tâche. 1

Quatre modes d’exécution pour des tâches différentes

Une action peut se limiter à un bref appel de fonction ou nécessiter un espace de travail, des commandes système, voire une machine virtuelle entière. DSec propose donc quatre modes derrière une interface Python commune : FnCall pour les exécutions légères de type appel de fonction, les conteneurs pour des espaces de travail plus généraux, les microVM pour une isolation de type machine virtuelle et les VM complètes pour les tâches qui en ont besoin. DSec se charge de répartir ces environnements entre ses machines et d’en gérer le cycle de vie. 1316

Cette diversité répond aussi à un enjeu de sécurité. Le code exécuté et les actions d’un agent ne peuvent pas être considérés comme sûrs par défaut ; des comptes rendus du rapport mentionnent notamment des comportements visant à manipuler l’environnement ou ses résultats. Les différents modes offrent des degrés d’isolation distincts, sans qu’un seul mécanisme puisse garantir à lui seul l’absence d’abus. 1910

Réutiliser les images plutôt que tout reconstruire

DSec décompose chaque environnement en trois couches en lecture seule, versionnées indépendamment : une image de base, un espace de travail et un ensemble d’outils. Ces couches au format EROFS sont assemblées au démarrage avec une couche accessible en écriture. Si les outils changent, il n’est donc pas nécessaire de reconstruire toutes les combinaisons possibles d’images de base, d’espaces de travail et d’outils. 111

Les images résident sur 3FS, le système de fichiers distribué de DeepSeek. DSec peut préparer localement leurs métadonnées, puis récupérer les données des fichiers à mesure que la sandbox les lit, au lieu de copier toute l’image avant de commencer. Cette lecture à la demande vise à limiter les transferts au démarrage et la pression sur le stockage local lors des lancements massifs. Le rapport décrit aussi des mécanismes de gestion de la mémoire et d’ordonnancement des processeurs pour faire cohabiter de nombreux environnements. 111

Ce que mesurent les chiffres de production

Pour une unité de production, DeepSeek indique environ 160 machines à processeurs, 30 000 cœurs et 250 TB de mémoire DRAM, ainsi qu’un stockage d’images à l’échelle du pétaoctet. Cette unité traiterait environ 3 millions d’instances de sandbox par jour, avec plus de 380 000 simultanément au pic et un débit de création dépassant 5 000 sandboxes par seconde. Il s’agit de trois mesures différentes : le débit de création maximal ne signifie pas que ce rythme est maintenu toute la journée. Ces chiffres concernent une unité, pas nécessairement l’ensemble des déploiements DSec. 1312

Plusieurs articles citant le rapport évoquent par ailleurs 32 000 sandboxes demandées ou lancées d’un seul coup pour une tâche d’entraînement. Ce chiffre illustre une demande pouvant arriver par à-coups ; les éléments accessibles ne permettent pas d’en faire une limite fixe par tâche. 811

Des tâches qui survivent à l’interruption des GPU

DeepSeek affirme que DSec a pris en charge les sandboxes utilisées pour son entraînement par renforcement et ses évaluations de V3.2 à V4.1. Son rapport technique sur V4.1 décrit des séquences d’actions de longue durée exécutées sur DSec, séparément du parc de GPU d’entraînement dont les tâches peuvent être interrompues. Si une tâche d’entraînement sur GPU est préemptée, l’exécution de la séquence peut être suspendue et déchargée tout en conservant son état pour une reprise ultérieure, plutôt que de perdre la progression de l’agent avec le processus d’entraînement. 13

DSec ne se résume donc pas au lancement de processus isolés : la plateforme assemble des environnements variés, les fournit à grande échelle et dissocie la durée de vie des actions de l’agent de la planification des GPU. Les capacités et bénéfices opérationnels cités restent ceux rapportés par DeepSeek, et non des garanties vérifiées pour d’autres déploiements. 13