Qu’est-ce que K3s ?
K3s est une distribution Kubernetes livrée sous forme d'un binaire de moins de 100 Mo. Elle reste conforme au Kubernetes amont et embarque containerd, le réseau Flannel, CoreDNS, Traefik pour l'ingress, un répartiteur de charge de services, un stockage local-path et un contrôleur Helm, chacun pouvant être désactivé ou remplacé. Un serveur unique stocke l'état du cluster dans SQLite par défaut ; trois serveurs ou plus forment un cluster haute disponibilité sur etcd intégré, et MySQL, MariaDB ou Postgres externes fonctionnent aussi.
Le projet est né chez Rancher Labs, a été donné à la CNCF en juin 2020 et SUSE le présente comme un projet Sandbox de la CNCF, dont SUSE est un contributeur majeur. Le logiciel est sous Apache 2.0, sans édition payante ; SUSE vend du support via son abonnement Rancher Prime, avec jusqu'à cinq ans de support par version.
Pour le GPU, K3s détecte le NVIDIA container runtime au démarrage, l'ajoute à sa configuration containerd et fournit une RuntimeClass nommée nvidia. Les numéros de version suivent Kubernetes : v1.37.2+k3s1 et v1.36.6+k3s1 sont sorties le 3 novembre 2026.
K3s vaut-il le coup ?
K3s est la manière raisonnable de placer des services d'inférence et d'agents sous Kubernetes quand on dispose de quelques machines plutôt que d'une équipe plateforme. Parce qu'il s'agit d'un Kubernetes conforme, les charts Helm pour serveurs de modèles, le NVIDIA device plugin et la plupart des opérateurs s'installent sans modification, et la documentation ne demande que 2 cœurs et 2 Go de RAM pour un nœud serveur et 512 Mo pour un agent, hors charges de travail. Le dépôt compte environ 34 400 étoiles sur GitHub, et le projet vise des correctifs moins d'une semaine après l'amont et de nouvelles versions mineures sous 30 jours.
La prise en charge du GPU est presque automatique, avec un piège bien connu. Installez les paquets du container runtime de NVIDIA sur l'hôte, redémarrez K3s, et il inscrit le runtime dans containerd ; les pods demandent alors nvidia.com/gpu et indiquent runtimeClassName: nvidia. Le NVIDIA device plugin attend toutefois que nvidia soit le runtime par défaut, et des utilisateurs, dans une longue discussion GitHub de K3s, rapportent que le plugin plante en boucle tant qu'ils n'ont pas défini --default-runtime nvidia ou modifié le modèle config.toml.tmpl de K3s. Le GPU Operator de NVIDIA fonctionne aussi, mais son toolkit doit pointer vers le socket containerd propre à K3s et vers ses chemins de configuration ; la documentation de K3s n'en parle pas et le guide d'installation actuel de NVIDIA ne cite pas K3s.
Le mode mono-nœud par défaut est un vrai compromis. SQLite sur un serveur n'offre aucune bascule. La haute disponibilité exige trois serveurs ou plus sur etcd intégré, en nombre impair pour garder le quorum, et la documentation prévient qu'etcd écrit trop pour des cartes SD ou de l'eMMC : les machines en périphérie ont besoin d'un SSD. Un serveur unique peut passer à etcd plus tard en redémarrant avec --cluster-init. Le port VXLAN de Flannel, le 8472, doit rester derrière un pare-feu, car selon la documentation l'exposer ouvre le réseau du cluster à n'importe qui. GitHub recense trois avis de sécurité pour le projet, le dernier une faille modérée de path traversal lors de la restauration d'instantanés etcd, publiée en juin 2026.
Sur un seul hôte GPU qui fait tourner un serveur de modèles, une base vectorielle et une API d'agents, Docker Compose suffit généralement : il réserve les GPU par service avec un bloc devices et ne laisse aucun plan de contrôle à corriger. K3s devient rentable dès qu'il y a un deuxième hôte GPU sur lequel répartir la charge, un besoin de mises à jour progressives, ou des dizaines de sites en périphérie à gérer depuis Git, précisément le cas pour lequel SUSE vend Rancher Prime. SUSE ne publie pas le prix de ce support sur sa page K3s.
Là où il fait la différence
Une équipe ML de deux personnes avec trois serveurs GPU
Répartir des serveurs de modèles et une API d'agents sur les trois machines sans placer les conteneurs à la main
Installez K3s avec le script curl sur chaque hôte, ajoutez les paquets runtime de NVIDIA, démarrez les serveurs avec --default-runtime nvidia et déployez le device plugin et les serveurs de modèles via Helm. L'ordonnanceur place les pods là où des GPU sont libres ; le logiciel ne coûte rien, le vrai coût est d'apprendre kubectl et de mettre à jour trois nœuds à chaque version.
Le responsable informatique d'une chaîne de 40 magasins qui exécute de petits modèles de vision sur des mini-PC en boutique
Faire tourner le même conteneur d'inférence dans chaque magasin et tout mettre à jour depuis un seul endroit
Chaque magasin exécute un K3s mono-nœud sur SQLite, qui demande 2 cœurs et 2 Go pour K3s lui-même. Rancher Prime ajoute la gestion de flotte GitOps entre clusters et le support de l'éditeur, sur devis ; sans lui, l'équipe assure seule les mises à jour et la supervision de chaque site.
Un développeur indépendant qui auto-héberge une pile d'agents sur une station de travail à un seul GPU
Décider si Ollama, Qdrant et une API d'agents doivent passer sous Kubernetes
Docker Compose réserve le GPU par service avec un bloc devices et n'a pas de plan de contrôle. K3s ajoute des redémarrages sur contrôle de santé et des mises à jour progressives, au prix de sa propre empreinte et d'un nouvel outillage ; sur une machine, Compose suffit en général, et K3s prend son sens à l'arrivée d'un deuxième hôte GPU.
Avant de vous engager
- Mise en route
- curl -sfL https://get.k3s.io | sh - installe un service systemd ou openrc et écrit un kubeconfig dans /etc/rancher/k3s/k3s.yaml ; les workers rejoignent le cluster avec K3S_URL et le jeton de /var/lib/rancher/k3s/server/node-token. Binaires pour x86_64, armhf, arm64 et s390x.
- Intégrations
- L'outillage Kubernetes standard (kubectl, Helm, pilotes CSI, cloud controller managers ; les pilotes de stockage et fournisseurs cloud in-tree sont retirés). NVIDIA, crun et plusieurs runtimes WebAssembly sont détectés automatiquement ; le GPU Operator demande CONTAINERD_CONFIG et CONTAINERD_SOCKET réglés sur les chemins de K3s.
- Données et confidentialité
- Apache 2.0, sans édition payante. L'état du cluster réside dans SQLite, dans etcd intégré ou dans une base externe que vous gérez. Gardez le port 8472 (Flannel VXLAN) hors d'internet. Trois avis de sécurité sur GitHub, le plus récent modéré (juin 2026).
- Coût à grande échelle
- Le logiciel est gratuit. La documentation dimensionne un serveur à 2 vCPU et 4 Go pour jusqu'à 350 agents et à 4 vCPU et 8 Go pour jusqu'à 900 ; trois serveurs à 4 vCPU et 8 Go atteignent environ 1 200 agents. Les GPU dominent la facture, et le support Rancher Prime est sur devis.
- Limites
- 78 issues et pull requests ouvertes. Le mode rootless est expérimental et limité à un nœud ; la haute disponibilité exige un nombre impair de serveurs ; l'installation du GPU Operator est une voie documentée par la communauté, non officielle.
Les points forts
- Kubernetes conforme dans un binaire de moins de 100 Mo
- Détecte le NVIDIA container runtime et fournit une RuntimeClass nvidia
- Un nœud serveur ne demande que 2 cœurs et 2 Go de RAM
- Jusqu'à cinq ans de support payant via SUSE Rancher Prime
Les points faibles
- Le NVIDIA device plugin exige nvidia comme runtime par défaut
- Le GPU Operator demande des chemins containerd propres à K3s et n'est pas documenté ici
- Le mode par défaut à un serveur sur SQLite n'a pas de bascule
- Plus à apprendre et à maintenir que Docker Compose sur un seul hôte
Idéal pour
Les petites équipes qui font tourner des services d'inférence ou d'agents sur quelques machines GPU ou de nombreux sites en périphérie et veulent Kubernetes sans équipe plateforme.
Alternatives à K3s
K3s : questions fréquentes
- K3s vaut-il le coup ?
- Un Kubernetes taillé pour une poignée de machines GPU ou une flotte de sites en périphérie, même si sur une seule machine Docker Compose fait encore l'affaire avec moins d'entretien. Nous lui donnons 4.4 sur 5.
- Combien coûte K3s ?
- Gratuit et open source sous Apache 2.0, sans édition payante. Le support commercial passe par SUSE Rancher Prime (jusqu'à cinq ans par version) ; tarifs sur devis.
- Quels sont les inconvénients de K3s ?
- Le NVIDIA device plugin exige nvidia comme runtime par défaut; le GPU Operator demande des chemins containerd propres à K3s et n'est pas documenté ici; le mode par défaut à un serveur sur SQLite n'a pas de bascule; plus à apprendre et à maintenir que Docker Compose sur un seul hôte.
- À qui s’adresse K3s ?
- Les petites équipes qui font tourner des services d'inférence ou d'agents sur quelques machines GPU ou de nombreux sites en périphérie et veulent Kubernetes sans équipe plateforme.
- Combien coûte K3s pour une équipe ou en production ?
- Le logiciel est gratuit. La documentation dimensionne un serveur à 2 vCPU et 4 Go pour jusqu'à 350 agents et à 4 vCPU et 8 Go pour jusqu'à 900 ; trois serveurs à 4 vCPU et 8 Go atteignent environ 1 200 agents. Les GPU dominent la facture, et le support Rancher Prime est sur devis.
- K3s est-il sûr pour les données de l’entreprise ?
- Apache 2.0, sans édition payante. L'état du cluster réside dans SQLite, dans etcd intégré ou dans une base externe que vous gérez. Gardez le port 8472 (Flannel VXLAN) hors d'internet. Trois avis de sécurité sur GitHub, le plus récent modéré (juin 2026).
- Quelles sont les meilleures alternatives à K3s ?
- Les alternatives les plus proches que nous avons testées sont Ollama, Mesh LLM et vLLM.
Réponses vérifiées le 9 nov. 2026.
Vous éditez K3s ? Affichez cette note sur votre site
