Résumé Technique : Guérison Cloud Sûre et Adaptative avec PASE

1. Énoncé du Problème

Les systèmes d'IA modernes basés sur le cloud, caractérisés par des microservices et des composants hétérogènes (ex: orchestrateurs de conteneurs, accélérateurs d'inférence), font face à des défis importants pour maintenir la fiabilité. Les anomalies locales peuvent se propager à travers les chaînes de dépendances, déclenchant des défaillances en cascade. Les difficultés fondamentales de la gestion des fautes incluent :

• Hétérogénéité et Complexité : Les symptômes de défaillance sont distribués entre les journaux (logs), les métriques et les alarmes, avec des correspondances non bijectives entre les observations et les causes racines.
• Limites des Approches Existantes :
  • Les systèmes basés sur des règles reposent sur des seuils statiques et ne parviennent pas à se généraliser aux déploiements évolutifs ou aux modèles de fautes inédits.
  • Les techniques basées sur des modèles (ex: réseaux bayésiens) deviennent excessivement coûteuses à maintenir à mesure que les systèmes passent à l'échelle et changent.
  • Les hybrides actuels LLM-DRL : Bien que la combinaison des Grands Modèles de Langage (LLM) pour la compréhension sémantique et de l'Apprentissage par Renforcement Profond (DRL) pour l'optimisation de politique soit prometteuse, les implémentations existantes sont souvent séquentielles et faiblement couplées. Elles traitent généralement le LLM comme un interprète d'état passif et l'agent DRL comme un sélecteur de politique en aval opérant dans un espace d'action prédéfini. Cette conception sous-utilise les capacités de planification générative du LLM et manque d'une étape de vérification dédiée de pré-exécution, ce qui conduit à des actions de récupération fragiles, particulièrement lors de conditions de faute novatrices.

2. Méthodologie : Le Cadre PASE

Le papier propose PASE (Planning-Aware Semantic self-hEaling engine), un changement de paradigme qui reconceptualise la récupération de fautes dans le cloud comme une tâche de synthèse de programme neuro-symbolique. Au lieu de sélectionner des actions par étape unique, PASE génère des plans de récupération multi-étapes via une boucle étroite « raisonner-planifier-vérifier-adapter ».

2.1 Description Sémantique Unifiée des Observations et Synthèse de Plan

• Description Sémantique de la Scène : Les observations hétérogènes brutes ($O_t$), comprenant les logs, les métriques et les alarmes, sont mappées par un LLM en une description textuelle structurée ($D_t$). Cela préserve les informations relationnelles et causales souvent perdues lors de la vectorisation.
• Moteur de Synthèse de Plan (PSE) : Un LLM agit comme le planificateur central. Étant donné la description sémantique $D_t$ et une bibliothèque de Primitives de Récupération ($R$) paramétrables (ex: Restart, ScaleOut, Reroute), le PSE génère un plan de récupération structuré $\Pi_t$. Ce plan est une séquence ou un graphe de primitives avec des paramètres instanciés, permettant des stratégies multi-étapes dynamiques et adaptées à des contextes de faute spécifiques.

2.2 Modèle de Monde Neuro-Symbolique (NSWM) pour la Vérification

Pour atténuer les risques d'hallucination et d'incohérence des plans générés par le LLM, PASE emploie un Modèle de Monde Neuro-Symbolique.

• Fonction : Le NSWM apprend la dynamique stochastique du système cloud au niveau des primitives de récupération. Il prédit les transitions d'état et les changements attendus dans les indicateurs de santé ($\Delta H$) lorsqu'une primitive est appliquée.
• Simulation et Scoring : Avant l'exécution, le NSм effectue un déroulement de simulation (rollout) du plan candidat $\Pi_t$. Il calcule un Score de Faisabilité du Plan ($F(\Pi_t)$), défini comme une somme pondérée négative des risques de violation de ressources et de la sévérité résiduelle attendue de la faute.
• Décision : Les plans ne sont exécutés que si $F(\Pi_t)$ dépasse un seuil de sécurité $\tau$, garantissant la fiabilité avant toute intervention dans le monde réel.

2.3 Optimisation de Meta-Prompt via l'Apprentissage par Renforcement

Pour s'adapter à de nouveaux modèles de fautes sans nécessiter un réentraînement complet et coûteux, PASE introduit un Optimiseur de Meta-Prompt (MPO).

• Mécanisme : Un agent DRL (utilisant le Soft Actor-Critic, SAC) apprend à générer des plongements de prompts continus ($p_t$) qui conditionnent le PSE.
• Signal de Récompense : Le MPO est optimisé sur la base d'une récompense composite incluant l'efficacité de la récupération, l'efficacité des ressources, et une récompense façonnée si le score de pré-exécution du NSWM était élevé.
• Adaptation : Cela permet au système d'ajuster rapidement la trajectoire de raisonnement du LLM en apprenant des stratégies de prompting optimales pour des types de fautes non vus, plutôt que de réapprendre les politiques de récupération de zéro.

2.4 Boucle d'Entraînement et d'Exécution

Le cadre opère à travers trois phases coordonnées :

1. Pré-entraînement du NSWM : Entraîné sur des journaux historiques pour prédire les résultats des primitives.
2. Warm-up du MPO : Le MPO est entraîné en simulation avec un prompt de base fixe.
3. Fine-tuning Conjoint : L'ensemble de la boucle est affiné par des interactions avec le monde réel.
   Lors du fonctionnement en ligne, le système génère une description, produit un prompt, synthétise un plan, le vérifie via le NSWM, et l'exécute uniquement s'il est faisable.

3. Contributions Clés

1. Formulation Neuro-Symbolique : Le papier formule la récupération de fautes dans le cloud comme un problème de synthèse de programme, déplaçant l'unité de décision de la sélection d'action par étape unique vers la génération de plans multi-étapes.
2. Boucle de Planification Vérifiée : Il conçoit une boucle fermée couplant un synthétiseur basé sur un LLM avec un modèle de monde neuro-symbolique pour le filtrage de faisabilité, améliorant la fiabilité avant exécution.
3. Guidage par Meta-Learning : Il introduit un optimiseur de meta-prompt basé sur le DRL qui adapte le prompting dans un espace d'embedding continu, permettant une adaptation efficace aux types de fautes inédits.

4. Résultats Expérimentaux

Des expériences ont été menées sur un jeu de données de fuite de fautes basé sur OpenStack ("Failure-Dataset-OpenStack"), comparant PASE à des bases telles que IFSHM (LLM+DRL), Deformable DETR-FD, GCN-FR, et des systèmes basés sur des règles.

• Efficacité de Récupération : PASE a réduit le Temps Moyen de Récupération du Système (MTTR) à 72,3 secondes, une amélioration de 40 % par rapport à la base IFSHM (85,1s) et nettement supérieure aux autres méthodes.
• Détection de Faute : PASE a atteint un F1-score de Détection de Faute de 0,942, surpassant la base IFSHM (0,918) et les autres méthodes de pointe.
• Sécurité et Vérification : Le score de faisabilité du NSWM a montré une corrélation de 92 % avec les taux de succès réels des plans. La variante "Exécution Directe (Sans Vérification)" a résulté en un score de sécurité nettement plus bas (0,58) par rapport au PASE complet (0,89).
• Adaptabilité : Face à une nouvelle faute de type "deadlock hybride CPU-Mémoire", PASE (via le MPO) a augmenté le succès de la récupération de 40 % à plus de 80 % en 15 épisodes d'interaction. En revanche, la base IFSHM nécessitait un fine-tuning complet du prompt et convergeait à une performance inférieure (75 %).
• Études d'Ablation : Supprimer le NSWM a augmenté le MTTR à 97,8s et a abaissé le score de sécurité à 0,65. Supprimer l'Optimiseur de Meta-Prompt a augmenté les étapes d'adaptation de 15 à 38, confirmant la nécessité de la vérification et de la méta-optimisation.

5. Signification et Revendications

Le papier affirme que PASE fait progresser la gestion autonome des systèmes en unifiant le raisonnement basé sur les LLM avec la vérification assistée par modèle et le guidage par méta-apprentissage. Sa principale signification réside dans :

• Changement de Paradigme : Aller au-delà de l'utilisation des LLM comme encodeurs passifs ou du DRL comme simples sélecteurs de politique. PASE positionne le LLM comme un moteur de planification actif qui génère des programmes de récupération structurés.
• Sécurité et Fiabilité : En intégrant un modèle de monde neuro-symbolique, le cadre traite les risques d'« hallucination » des LLM, garantissant que les actions de récupération sont vérifiées pour leur faisabilité avant exécution.
• Adaptation Rapide : La stratégie d'optimisation de meta-prompt permet au système de s'adapter à des types de fautes auparavant inconnus avec beaucoup moins d'épisodes d'interaction que les méthodes traditionnelles de fine-tuning ou de prompting statique.

Les auteurs reconnaissent des limites, notant que le planificateur LLM actuel repose sur un fine-tuning hors ligne et que l'optimiseur de meta-prompt nécessite des données d'interaction considérables. Des travaux futurs sont proposés pour se concentrer sur l'apprentissage continu en ligne, la compression de modèle pour le déploiement edge-cloud, et l'extension du cadre à des environnements multi-cloud fédérés.