machine0 : des machines virtuelles cloud sur mesure pour agents IA autonomes

Barnaby Malet, fondateur de machine0 (Y Combinator S26), vient de lancer une plateforme CLI qui provisionne des machines virtuelles cloud persistantes, facturées à la minute et optimisées pour les agents IA autonomes. Une réponse technique à un problème émergent : les agents passent d’usages éphémères à des workloads de longue durée nécessitant compute dédié, GPUs haut de gamme et disponibilité 24/7.

Une infrastructure pensée pour les agents qui ne s’arrêtent jamais

Le 18 août 2026, Barnaby Malet a présenté machine0 sur Hacker News avec une démonstration claire du problème qu’il cherche à résoudre. Les agents IA évoluent : un agent de code travaillant sur une fonctionnalité complexe tourne désormais 6 à 8 heures d’affilée, les orchestrations d’entraînement et de reinforcement learning (RL) s’étalent sur plusieurs jours, et des projets comme OpenClaw ou Hermes fonctionnent en permanence, 24 heures sur 24.

Cette transition d’agents éphémères – qui répondent ponctuellement à une requête – vers des agents persistants crée de nouveaux besoins d’infrastructure. Faire tourner plusieurs agents en parallèle sur un ordinateur portable sature rapidement CPU et RAM, les GPUs nécessaires au training ou au RL sont rarement disponibles en local, et fermer son laptop interrompt brutalement les tâches en cours. Sans parler du risque sécurité : un agent en mode « --yolo » sur une machine personnelle devient une porte d’entrée pour l’exfiltration de credentials en cas d’attaque par injection de prompt.

machine0 répond à ces contraintes avec une proposition simple : machine0 new mybox provisionne une VM cloud dédiée, accessible en SSH, avec IP statique, endpoint HTTPS et facturation à la minute. L’agent – ou le développeur – peut ensuite se gérer de manière autonome via CLI ou via le protocole MCP (Model Context Protocol), un standard ouvert lancé par Anthropic fin 2024 qui permet aux agents de communiquer avec des outils externes de façon structurée.

Un positionnement technique précis : NixOS, Ubuntu, et GPUs à la demande

Les VMs proposées tournent sous NixOS ou Ubuntu, avec accès root complet et volumes persistants allant jusqu’à 16 To. Les configurations s’échelonnent de 1 vCPU / 1 Go de RAM jusqu’à 60 vCPU / 240 Go de RAM. Côté GPU, machine0 donne accès à des cartes haut de gamme – H100, H200, L40S, MI300X – exposées directement au système invité, sans couche de virtualisation intermédiaire.

Le modèle de facturation à la minute, à partir de 0,013 $ de l’heure, se distingue des offres traditionnelles facturées à l’heure. Pour des workloads d’agents imprévisibles – un bug résolu en 12 minutes ou une tâche qui s’étire sur 3 heures –, cette granularité réduit le gaspillage et aligne les coûts sur la valeur réellement créée. Les VMs peuvent être suspendues pour arrêter la facturation, puis reprises depuis un snapshot avec le même nom, la même configuration et la même région.

Selon les sources disponibles, machine0 garantit un SLA de 99,99 % au niveau VM – soit un maximum de 52 minutes d’indisponibilité par an – et déploie son infrastructure sur quatre à cinq régions (US East/West, UK, EU, Asie). Chaque VM reçoit une IP publique statique et un endpoint HTTPS automatique au format <vm>.mac0.io.

CLI et MCP : une interface pour développeurs et agents

Le choix d’une interface en ligne de commande (CLI) plutôt qu’un portail web traduit une cible claire : développeurs et agents IA eux-mêmes. Toutes les commandes – new, ls, get, start, stop, suspend, reboot – supportent une sortie JSON, facilitant l’automatisation et l’intégration dans des workflows d’agents.

Le support du protocole MCP va plus loin : il expose les mêmes opérations (gestion de machines, d’images, de clés SSH, exécution distante) aux agents via un serveur MCP distant. Concrètement, un agent compatible MCP peut provisionner lui-même sa VM, installer les dépendances nécessaires, lancer ses tâches et nettoyer les ressources une fois le travail terminé – sans intervention humaine.

Ce positionnement « CLI-first » rappelle celui d’AWS dans les années 2000, qui misait sur des APIs pour machines plutôt que sur des interfaces graphiques pour humains. Si les agents IA deviennent effectivement les principaux consommateurs d’infrastructure cloud, machine0 construit l’API pour cette nouvelle catégorie d’utilisateurs.

Un segment négligé par les hyperscalers

Les géants du cloud – AWS, Azure, Google Cloud Platform – dominent le marché de l’infrastructure IA, mais se concentrent principalement sur l’entraînement de grands modèles et les workloads batch prévisibles. Le segment des agents autonomes persistants reste largement inexploité. Des acteurs comme Modal, RunPod ou Replicate ciblent l’inférence et l’accès GPU, mais aucun ne se positionne explicitement sur les agents de longue durée avec persistance d’état.

La pénurie actuelle de GPUs H100 et H200 – avec des délais d’approvisionnement de 6 à 12 mois et des prix à l’achat autour de 30 000 $ l’unité – rend l’accès à la demande particulièrement différenciant. Pour une startup ou une équipe de recherche, louer ces GPUs à l’heure via machine0 devient une alternative économiquement viable à l’achat, comparable à la location d’une Ferrari plutôt qu’à son acquisition.

Le timing du lancement coïncide avec plusieurs dynamiques de marché : la standardisation du protocole MCP, l’amélioration des modèles de langage permettant des agents autonomes plus fiables, et l’émergence de frameworks d’agents (LangChain, AutoGPT, CrewAI) créant une demande structurée pour ce type d’infrastructure. Selon les prévisions de Gartner, 33 % des applications logicielles intégreront des agents IA d’ici 2028.

Sécurité : un argument sous-estimé mais stratégique

Au-delà des performances et du pricing, machine0 met en avant un argument sécurité souvent négligé : l’isolation des agents. Faire tourner un agent autonome sur sa machine personnelle, avec accès aux credentials GitHub, AWS ou aux variables d’environnement sensibles, expose à des risques d’exfiltration en cas d’attaque par injection de prompt ou de compromission d’une dépendance.

En déportant l’exécution dans une VM cloud dédiée, jetable et isolée, machine0 réduit le « blast radius » d’un incident. L’agent tourne dans un environnement contrôlé, sans accès direct aux secrets de production du développeur. Pour les entreprises, cet argument pourrait devenir déterminant : la sécurité est souvent le dernier frein à l’adoption de nouvelles technologies en environnement de production.

Si machine0 renforce ce positionnement avec des certifications (SOC 2, ISO 27001), des audits de sécurité publics et des fonctionnalités de gouvernance (audit logs, gestion fine des permissions, chiffrement), la plateforme pourrait se différencier durablement sur le marché B2B, où la conformité et la traçabilité comptent autant que le prix.

Perspectives : adoption, concurrence et questions ouvertes

À court terme (1 à 3 mois), machine0 devrait attirer les early adopters : startups issues de Y Combinator, développeurs d’agents IA expérimentaux, chercheurs en machine learning. Les premières études de cas – comparaisons de coûts machine0 versus AWS/Azure pour des workloads agents spécifiques – permettront d’affiner le positionnement tarifaire et de valider le product-market fit.

À moyen terme (6 à 12 mois), plusieurs scénarios se dessinent. En cas d’adoption forte, machine0 pourrait lever une série A (10 à 20 millions de dollars), étendre son équipe et sa capacité GPU, et nouer des partenariats stratégiques avec Anthropic ou OpenAI pour devenir la plateforme de référence pour agents. Un scénario alternatif verrait la startup pivoter vers une niche spécifique – par exemple, une plateforme dédiée aux coding agents uniquement – si l’adoption sur les VMs génériques reste modeste. Un rachat par un hyperscaler ou une plateforme IA reste également possible, pour intégrer la technologie et l’équipe dans une offre existante.

Le principal risque concurrentiel vient des hyperscalers eux-mêmes : AWS, Azure ou Google Cloud pourraient lancer des offres similaires avec un pricing agressif et une intégration profonde dans leurs écosystèmes respectifs. Dans ce cas, machine0 devrait se différencier par une expérience développeur supérieure, des fonctionnalités spécialisées pour agents, et la rapidité d’innovation propre aux startups.

Plusieurs questions restent ouvertes. Quelle sera la « killer app » qui démontrera la valeur des agents persistants 24/7 au grand public – l’équivalent du « moment iPhone » pour les agents IA ? Le protocole MCP deviendra-t-il le standard d’interopérabilité ou restera-t-il un protocole parmi d’autres ? Comment le marché résoudra-t-il la pénurie de H100/H200 : nouveaux fournisseurs (AMD, Google TPU), baisse de la demande, ou innovation architecturale réduisant le besoin en GPU ? Et surtout, les agents IA vont-ils cannibaliser le travail humain ou augmenter la productivité – avec quelles implications socio-économiques ?

Conclusion

machine0 ne vend pas simplement du compute cloud : la startup résout le « laptop closure problem » des agents IA. En transformant les agents en entités persistantes indépendantes de la machine personnelle du développeur, machine0 débloque des cas d’usage impossibles auparavant – agents apprenant en continu, orchestrations multi-jours, collaboration inter-agents. C’est un pari sur le timing du marché plus que sur la technologie : si la vague des agents IA autonomes se matérialise comme prévu, machine0 est idéalement positionné pour la capter.

Reste à savoir si les agents IA deviendront effectivement les principaux consommateurs d’infrastructure cloud dans les années à venir – et si machine0 saura construire des effets de réseau défendables face à la concurrence des hyperscalers. La réponse déterminera si cette startup infrastructure devient une référence de l’écosystème IA, ou un acteur de niche racheté par un géant du cloud.