TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge est un cadre agentic déployable en périphérie qui génère et répare automatiquement des configurations de réseaux définis par logiciel (SDN) en s'appuyant sur une représentation graphique des topologies, une récupération assistée par des graphes neuronaux et une boucle itérative d'agents spécialisés pour la planification, la génération et la vérification via des tests Topotest.

L'essentiel

🌐 TopoEdge : Le "Mécanicien de Réseau" qui travaille sur place

Imaginez que vous devez configurer un réseau informatique complexe (comme celui d'une grande entreprise ou d'un fournisseur d'accès). C'est un peu comme construire une ville avec des routes, des feux de circulation et des panneaux de signalisation. Si vous faites une erreur de calcul, tout le trafic peut se bloquer, et c'est très difficile de trouver où est le problème.

Le problème actuel, c'est que les outils automatiques sont souvent trop "bêtes" : ils écrivent du code sans vraiment comprendre la forme de la ville (la topologie). De plus, pour des raisons de sécurité et de confidentialité, les entreprises préfèrent souvent que ces calculs soient faits sur place (sur leurs propres serveurs locaux) plutôt que d'envoyer leurs données vers un super-ordinateur dans le cloud.

TopoEdge est une nouvelle solution intelligente qui résout ces deux problèmes. Voici comment elle fonctionne, étape par étape, avec des analogies simples.

---

1. La Carte au Trésor (TopoRAG) 🗺️

Imaginez que vous êtes un nouveau mécanicien face à une voiture bizarre. Au lieu de deviner comment la réparer, vous avez une bibliothèque de voitures similaires que vous avez déjà réparées avec succès.

• L'idée : TopoEdge ne regarde pas seulement le texte du code. Elle regarde la forme du réseau (qui est connecté à qui).
• L'analogie : C'est comme si le système prenait une photo de votre réseau actuel, la transformait en une empreinte digitale unique, et cherchait dans sa bibliothèque la voiture (le réseau) qui ressemble le plus à la vôtre.
• Le résultat : Il trouve immédiatement un "modèle de réussite" (un réseau similaire qui fonctionnait parfaitement) et la recette exacte (le code) utilisée pour le réparer. C'est ce qu'ils appellent TopoRAG : une aide-mémoire basée sur la forme du réseau.

2. L'Équipe de 3 Experts (Les Agents) 🤖👷‍♂️🔧

Au lieu d'avoir un seul robot qui essaie de tout faire (et qui se trompe souvent), TopoEdge utilise une petite équipe de trois "agents" (des programmes d'intelligence artificielle spécialisés) qui travaillent ensemble sur un ordinateur local (comme un Raspberry Pi, un petit boîtier pas cher).

1. Le Planificateur (L'Architecte) : Il regarde la voiture similaire trouvée dans la bibliothèque. Il dit : "Ok, pour ce type de réseau, on doit faire ceci, puis cela. Voici le plan général." Il ne touche pas encore aux vis, il fait juste le plan.
2. Le Générateur (Le Mécanicien) : Il prend le plan et écrit le code réel (les instructions pour les routeurs). Il est très précis car il sait exactement quels outils utiliser.
3. Le Vérificateur (Le Contrôleur Technique) : C'est le plus important. Il prend le code écrit et le teste immédiatement dans un simulateur.
   • Si ça marche : Bravo, on a fini !
   • Si ça plante : Il ne dit pas juste "Erreur". Il regarde le bruit du moteur, identifie exactement quel boulon est mal serré, et dit au Mécanicien : "Change juste cette vis, ne touche pas au reste."

Ce trio tourne en boucle : Planifier → Générer → Vérifier → Réparer, jusqu'à ce que tout fonctionne.

3. Les Freins et Accélérateurs Intelligents 🚦

Pour que ce système fonctionne vite sur un petit ordinateur (sans se faire épuiser), TopoEdge a deux petits assistants de gestion :

• Le Gestionnaire de Budget (L'Adaptateur) : Il regarde la difficulté de la tâche.
  • Si le réseau est simple : Il dit au robot : "Fais vite, 2 ou 3 essais suffisent."
  • Si le réseau est complexe : Il dit : "Prends ton temps, tu as droit à plus d'essais."
  • Cela évite de gaspiller de l'énergie sur des tâches faciles.
• Le Censeur de Syntaxe (Le Gardien) : Quand le Mécanicien écrit le code, ce gardien s'assure qu'il n'utilise que des mots autorisés et des formats corrects.
  • Analogie : C'est comme un correcteur orthographique qui empêche le robot d'écrire "rouge" au lieu de "rouge" (faute de frappe) ou d'inventer des commandes qui n'existent pas. Cela évite des erreurs bêtes qui feraient perdre du temps.

4. Les Résultats : Pourquoi c'est génial ? 🏆

Les chercheurs ont testé TopoEdge sur 200 cas différents. Voici ce qu'ils ont découvert :

• Sans TopoEdge (Le robot seul) : Il réussit seulement 55 % du temps. Il perd beaucoup de temps à deviner.
• Avec TopoEdge (L'équipe avec la bibliothèque) : Il réussit 89 % du temps ! C'est presque aussi bien que les super-ordinateurs centraux les plus puissants (qui réussissent à 93 %), mais en travaillant sur un petit ordinateur local.
• La clé du succès : C'est la capacité à trouver un réseau similaire qui a déjà fonctionné. Cela évite de réinventer la roue à chaque fois.

En Résumé 🎯

TopoEdge, c'est comme avoir un mécanicien de génie qui travaille dans votre garage (pas dans le cloud), qui possède une bibliothèque de manuels de réparation basés sur la forme de votre voiture, et qui est aidé par une équipe de trois experts qui vérifient chaque étape avant de passer à la suivante.

C'est plus rapide, plus sûr (vos données restent chez vous), et ça fonctionne même avec du matériel informatique peu coûteux. C'est une façon intelligente de rendre les réseaux informatiques plus robustes sans avoir besoin de super-ordinateurs géants.

Résumé technique

1. Problématique

La configuration des réseaux définis par logiciel (SDN) est devenue complexe et fragile. Les artefacts de configuration actuels souffrent de plusieurs limitations majeures :

• Fragilité topologique : Les configurations sont souvent cassées par de simples variations de la topologie du réseau, entraînant des échecs sémantiques silencieux difficiles à diagnostiquer.
• Manque de boucle de rétroaction : Les outils d'automatisation existants se concentrent sur la syntaxe et les modèles, mais manquent souvent de conscience topologique explicite et ne ferment pas la boucle avec des retours d'exécution réels.
• Contraintes opérationnelles : De nombreux opérateurs préfèrent une inférence locale (sur site) pour des raisons de confidentialité, de sécurité et de coût, ce qui empêche l'utilisation de modèles centraux massifs. Cependant, le matériel de bord (edge) est contraint en ressources, rendant difficile le déploiement de grands modèles de langage (LLM) sans optimisation.

2. Méthodologie : Le Framework TopoEdge

TopoEdge est un cadre agentic (multi-agent) déployable en périphérie (edge), conçu pour générer et réparer des configurations SDN de bout en bout. Son architecture repose sur trois piliers principaux :

A. TopoRAG (Retrieval-Augmented Generation ancrée dans la topologie)

Au lieu de générer des configurations à partir de zéro, TopoEdge utilise la topologie du réseau comme signal stable pour transférer des motifs de configuration.

• Représentation : Chaque topologie (fichier JSON) est convertie en un graphe non orienté au niveau des routeurs. Les nœuds sont encodés avec des caractéristiques structurelles (type de périphérique, degré, etc.).
• Encodage : Un réseau de neurones à graphes (GCN) de trois couches, entraîné par apprentissage contrastif (InfoNCE), apprend une représentation vectorielle des topologies.
• Récupération : Pour une nouvelle topologie cible, le système recherche le "voisin le plus proche" dans une base de cas vérifiés. Il récupère ainsi la topologie de référence, le code Python exécutable (driver) associé et les tests de validation.
• Contexte : Ces éléments forment le contexte TopoRAG, qui ancre la génération dans des solutions éprouvées.

B. Boucle Agente Distribuée (Générer-Vérifier-Réparer)

Le système utilise un contrôleur central coordonnant trois agents spécialisés, tous fonctionnant sur un modèle LLM quantifié (Llama-3.1-8B) déployé sur un cluster de matériel contraint (ex: Raspberry Pi) :

1. Agent de Planification (Planning Agent) : Analyse la topologie cible et la référence récupérée pour produire un plan de configuration cohérent et un squelette par périphérique.
2. Agent de Génération (Generation Agent) : Matérialise les artefacts exécutables (fichiers de configuration et driver Python) en remplissant le squelette.
3. Agent de Vérification (Verify Agent) : Exécute la suite de tests FRRouting Topotest/pytest. En cas d'échec, il compresse les logs en une trace d'échec concise et émet des directives de patch localisées pour l'agent de génération.
   Ce cycle itératif continue jusqu'à la réussite ou l'épuisement du budget d'itérations.

C. Contrôles d'Efficacité pour l'Edge

Pour garantir la viabilité sur du matériel contraint, deux mécanismes légers sont intégrés :

• Contrôleur de Budget d'Inférence Adaptatif : Estime la difficulté du cas (basée sur la similarité topologique et la complexité du graphe) pour allouer dynamiquement des limites de tokens et d'itérations. Les cas faciles reçoivent moins de ressources.
• Décodage Contraint : Restreint la génération de l'agent de configuration à un vocabulaire et un schéma valides (identifiants d'interface, formats d'adresses, commandes autorisées), évitant ainsi la génération de syntaxe illégale et économisant des itérations.

3. Contributions Clés

1. TopoRAG : Un module de récupération sensible à la topologie qui aligne la similarité structurelle des graphes de réseau avec des pilotes SDN vérifiés, fournissant un ancrage structurel pour la génération.
2. Framework Agentic Edge : Une architecture multi-agent distribuée capable de fonctionner sur du matériel contraint, combinant récupération de contexte, boucle de réparation par exécution et contrôle des coûts d'inférence.
3. Validation par Exécution : L'intégration native de la suite de tests Topotest/pytest dans la boucle de réparation, transformant les échecs d'exécution en directives de correction précises.

4. Résultats Expérimentaux

L'évaluation a été menée sur 200 cas de test (Topotest) tenus en réserve, comparant TopoEdge à deux baselines :

• No-TopoRAG : Même architecture, mais sans récupération de topologie (seulement le JSON cible et des connaissances générales).
• Central-LLM : Utilisation d'un modèle centralisé puissant (Claude Code) via API, avec le même protocole de vérification.

Performance (Pass@20 - Taux de réussite après 20 itérations) :

• TopoEdge : 0.890 (178/200 cas réussis).
• No-TopoRAG : 0.550 (110/200 cas). La suppression de la récupération topologique réduit drastiquement la robustesse.
• Central-LLM : 0.930 (186/200 cas). TopoEdge s'en approche de très près, malgré l'utilisation de modèles plus petits et locaux.

Efficacité et Convergence :

• TopoEdge converge plus rapidement (médiane de 5 itérations) que No-TopoRAG (médiane de 9 itérations), réduisant le temps d'exécution et la consommation de tokens.
• Les cas sans TopoRAG nécessitent beaucoup plus d'itérations pour corriger des incohérences structurelles fondamentales.
• L'ablation des contrôleurs (budget adaptatif et décodage contraint) montre une baisse significative de la performance et une augmentation des artefacts invalides.

5. Signification et Impact

TopoEdge démontre qu'il est possible de déployer des systèmes d'IA complexes pour la gestion réseau sur du matériel de bord contraint, sans sacrifier la fiabilité.

• Preuve de concept Edge : Il valide qu'un modèle quantifié de taille moyenne (8B), correctement ancré par des données topologiques et guidé par une boucle de vérification exécutable, peut rivaliser avec des modèles centraux massifs pour des tâches de génération de code critique.
• Importance de la Topologie : L'étude confirme que la similarité topologique est un signal plus fort pour le transfert de connaissances que le texte brut ou les instructions générales.
• Approche Pragmatique : En fermant la boucle avec l'exécution réelle (Topotest) et en utilisant des contrôles de décodage, le système réduit le besoin de "hallucinations" et de corrections syntaxiques, se concentrant sur la correction sémantique.

En résumé, TopoEdge propose une voie viable pour l'automatisation autonome des réseaux SDN en périphérie, alliant efficacité computationnelle et robustesse opérationnelle.