← Retour au blog

Tutoriel K8sGPT : Diagnostiquer les incidents Kubernetes avec l'IA

31/01/2026

Chargement…

🚀 Dépannage Kubernetes 2.0 : Intégrez l'IA dans votre terminal avec K8sGPT

Le troubleshooting Kubernetes peut rapidement devenir un cauchemar logistique face à des messages d'erreur cryptiques. Plutôt que de perdre de précieuses minutes à copier-coller des logs dans un navigateur pour chercher sur StackOverflow, pourquoi ne pas intégrer l'intelligence artificielle directement dans votre CLI ?

Ce guide vous explique comment utiliser K8sGPT, un outil qui agit comme un assistant SRE de niveau 1 pour identifier les causes racines et accélérer drastiquement la résolution des incidents.

📋 Prérequis

Avant de transformer votre terminal, assurez-vous d'avoir :

  • Un cluster Kubernetes actif (Minikube, Kind, K3s ou un cluster managé EKS/AKS/GKE).
  • Kubectl configuré avec les droits d'administration sur un namespace de test.
  • Homebrew (sur macOS ou Linux) pour l'installation du paquet.
  • Une clé API (OpenAI pour commencer, ou un accès à LocalAI pour une approche souveraine/locale).

🛠️ Tutoriel pas à pas

1. Installation de la CLI K8sGPT

Commençons par installer l'outil sur votre poste d'administration via Homebrew.

brew tap k8sgpt-ai/k8sgpt
brew install k8sgpt

# Vérification du succès de l'installation
k8sgpt version

2. Configuration du backend IA

K8sGPT nécessite un moteur ("backend") pour analyser et interpréter les logs. Nous utiliserons OpenAI pour ce tutoriel, mais sachez que l'outil supporte également Azure OpenAI, Cohere, Amazon Bedrock ou LocalAI.

# 1. Générez votre token au préalable sur platform.openai.com
# 2. Lancez la configuration (cela ouvrira un prompt pour saisir la clé)
k8sgpt auth add --backend openai --model gpt-3.5-turbo

# Astuce : Pour lister les backends actifs
k8sgpt auth list

3. Simulation d'un incident (Le "Broken Pod")

Pour voir l'outil en action, nous allons volontairement déployer un Pod défaillant (mauvaise image Docker).

Créez le fichier broken-pod.yaml :

apiVersion: v1
kind: Pod
metadata:
  name: broken-app
  namespace: default
spec:
  containers:
  - name: nginx
    image: nginx:tag-qui-n-existe-pas # L'erreur est ici

Appliquez le manifeste :

kubectl apply -f broken-pod.yaml

4. Analyse et diagnostic assisté 🤖

Le Pod va rapidement passer en état ErrImagePull ou ImagePullBackOff. Au lieu de faire un kubectl describe, laissons l'IA travailler.

# Lancer l'analyse avec l'explication détaillée
k8sgpt analyze --explain --filter=Pod --namespace=default

Résultat attendu : L'outil va scanner le cluster, détecter le problème et interroger l'IA. En retour, vous obtiendrez une explication en langage naturel (souvent en anglais par défaut, mais configurable) vous indiquant précisément que le tag de l'image est introuvable sur le registre.

5. Anonymisation des données (Critique pour la Prod)

Envoyer des logs vers une API publique peut présenter des risques. K8sGPT permet d'anonymiser les données sensibles avant l'envoi.

k8sgpt analyze --explain --anonymize

Cette commande masque les noms de ressources et les labels spécifiques avant de transmettre le contexte à l'IA.

🔐 Sécurité et Bonnes Pratiques

L'utilisation de l'IA sur des logs de production demande de la rigueur. Voici les règles d'or :

  • 🛡️ Fuite de données : N'envoyez jamais de variables d'environnement ou de secrets (Secrets K8s) dans les logs analysés. L'option --anonymize est votre meilleure amie.
  • 👤 RBAC : K8sGPT nécessite des droits de lecture (get, list) sur les ressources. Si vous l'installez dans le cluster (mode Operator), créez un ServiceAccount avec des droits restreints (ReadOnly).
  • 🧠 Validation humaine : L'IA est une aide au diagnostic, pas un pilote automatique. Ne jamais copier-coller une commande de correction (kubectl delete, etc.) suggérée par l'IA sans la comprendre.

📈 Industrialisation et Observabilité

Pour aller plus loin qu'une utilisation ponctuelle en CLI, K8sGPT peut s'installer comme un Operator Kubernetes.

  • Intégration Prometheus : L'opérateur expose des métriques sur la santé du cluster.
  • Grafana : Vous pouvez visualiser le nombre d'erreurs détectées et les explications IA directement dans un dashboard Grafana, offrant une vue "Santé du Cluster" enrichie.

✅ Tests et Validation

Avant d'intégrer cet outil dans vos procédures d'astreinte :

  1. Smoke Test : Vérifiez régulièrement la validité du token API via k8sgpt auth list.
  2. Linting : Assurez-vous que la version de K8sGPT installée est compatible avec la version de votre API Server Kubernetes.
  3. Simulation Réseau : Testez la réaction de l'outil face à une NetworkPolicy bloquante (l'IA doit diagnostiquer le timeout).

↩️ Rollback / Plan B

Si l'outil génère trop de bruit ou consomme trop de quota API, la désactivation est simple :

  1. CLI locale : Supprimez l'authentification : k8sgpt auth remove --backend openai.
  2. Mode Opérateur : Désinstallez via Helm :
    helm uninstall k8sgpt -n k8sgpt-system

🔧 Erreurs fréquentes & Diagnostics

Erreur Cause Probable Solution
401 Unauthorized Clé API invalide ou expirée Régénérez une clé et lancez k8sgpt auth update.
Error: unknown command "analyze" Version CLI obsolète Mettez à jour via brew upgrade k8sgpt.
Analyse infinie (hang) Egress bloqué par le cluster Vérifiez les Firewalls/NetworkPolicies vers api.openai.com.

📝 Checklist de mise en prod

  • La clé API est stockée de manière sécurisée (Vault, Secrets, pas en clair dans l'historique bash).
  • L'anonymisation des données (--anonymize) est active.
  • Les droits RBAC sont restreints au strict nécessaire (Read-Only).
  • Une limite de budget (Hard Limit) est configurée sur le compte OpenAI pour éviter les surprises de facturation.

❓ FAQ

Q1. K8sGPT peut-il réparer les erreurs automatiquement ? R: Non, et c'est une sécurité voulue. Il diagnostique et suggère. L'exécution du correctif reste manuelle ou doit passer par votre pipeline GitOps.

Q2. Peut-on utiliser un modèle local pour ne pas sortir de données ? R: Oui ! K8sGPT supporte LocalAI, ce qui permet d'utiliser des modèles comme Llama 2 ou Mistral hébergés directement sur votre infrastructure, garantissant qu'aucune donnée ne sort de votre réseau.

Conclusion

L'intégration de K8sGPT transforme le rôle du SRE en réduisant la charge cognitive liée au debugging ("Toil"). En filtrant le bruit et en vulgarisant les erreurs techniques, il permet de se concentrer sur la résolution de problèmes complexes.

Pour aller plus loin, l'étape suivante consiste à coupler cet outil avec une solution de GitOps comme Argo CD pour visualiser les diagnostics directement dans votre interface de déploiement.