• Docs
  • Talk to an expert
Blog
Blog
BlogProduitÉtudes de casNouvellesPerspectives
Blog

Upsun vs Google Cloud Run pour les charges de travail IA (2026)

Agents IAenvironnements de prévisualisationl'allocation des ressources
16 novembre 2026
Partager
Cette page a été rédigée en anglais par nos experts, puis traduite par une IA pour vous y donner accès rapidement! Pour la version originale, c’est par ici.

Remarque : les tarifs et les fonctionnalités peuvent avoir changé depuis la publication. Consulte la documentation de chaque fournisseur pour connaître les informations actuelles

Le choix entre Upsun Cloud et Google Cloud Run pour l’IA dépend de l’endroit où se situe la partie la plus exigeante de la charge de travail : dans le modèle ou dans l’application qui l’entoure. Google Cloud Run et Upsun Cloud exécutent tous deux des charges de travail d’IA conteneurisées, mais chacun s’articule autour d’une unité différente.

Cloud Run s’articule autour du conteneur. Les services, les tâches et les pools de travailleurs s’exécutent sur Google Cloud, avec des GPU NVIDIA L4 et RTX PRO 6000 Blackwell, des services qui s’adaptent jusqu’à zéro, et un accès natif à Vertex IA et Gemini.

Upsun Cloud s’articule autour de l’application. L’appli, ses bases de données, ses workers et ses conteneurs de tâches à la demande sont définis ensemble dans un seul fichier .upsun/config.yaml ; chaque branche Git dispose de son propre environnement, et la même configuration se déploie sur AWS, Azure, Google Cloud ou OVHcloud. Upsun Cloud n’utilise pas de GPU et n’héberge pas de modèles.

Cette comparaison porte sur la manière dont chaque plateforme gère les agents IA et les tâches en arrière-plan, les GPU, l’accès aux données, les environnements de test, l’isolation, la conformité et la tarification.

En bref, comment se comparent Upsun et Cloud Run ?

Fonctionnalité

Google Cloud Run

Upsun Cloud

Fonctionne surUniquement sur Google CloudAWS, Azure, Google Cloud, OVHcloud
Types de charges de travailServices, tâches, pools de travailleurs, fonctionsApplications, workers, cron, conteneurs de tâches
Durée maximale d'une requête ou d'une exécution60 min par requête ; 168 h par tâche de job24 h par exécution de tâche
Réduire à zéroOuiConteneurs de tâches uniquement
Bases de données et cachesProduits distincts (Cloud SQL, Memorystore)Services au sein d'un même projet
Environnements par brancheBalises de révision ; pas de clonage de donnéesChaque branche hérite des données et des services
Isolation du code non fiablegVisor ou microVM ; sandbox en avant-premièreConteneurs ; bubblewrap recommandé
Configurationgcloud, YAML ou Terraform.upsun/config.yaml dans Git
FacturationÀ la demande ou par instancePar seconde de ressources allouées

Qu'est-ce que chaque plateforme propose pour les charges de travail IA ?

Google Cloud Run exécute des conteneurs sur l’infrastructure en tant que service de Google (HTTP et gRPC), des tâches (exécutées jusqu’à leur achèvement), des pools de travailleurs et des fonctions. Les bases de données, les caches, les secrets et les files d’attente proviennent d’autres produits Google Cloud, tels que Cloud SQL, Memorystore, Secret Manager et Pub/Sub, connectés via la configuration IAM et VPC.

Upsun Cloud exécute des applications, des workers en arrière-plan, des tâches cron et des conteneurs de tâches à la demande, en plus de services gérés comme PostgreSQL, MariaDB, Redis, OpenSearch et RabbitMQ, tous définis dans le fichier .upsun/config.yaml et déployés via un push Git. Upsun Cloud ne dispose ni de GPU ni de service géré d’hébergement de modèles ; les fonctionnalités d’IA font donc généralement appel à des API de modèles externes.    
 

Comment Cloud Run et Upsun exécutent-ils les agents IA et les tâches en arrière-plan ?

Upsun Cloud exécute les agents sous forme de workers toujours actifs, de tâches cron planifiées ou de conteneurs de tâches. Un conteneur de tâches démarre à la suite d’un appel d’API, exécute une commande pendant 24 heures maximum (1 heure par défaut) et est supprimé lorsqu’il se termine. Par défaut, trois tâches s’exécutent en parallèle ; les tâches en cours sont annulées avant un déploiement sur le même environnement, et c’est l’appelant qui gère les nouvelles tentatives. 

Cloud Run exécute les agents sous forme de services (chaque requête dure jusqu’à 60 minutes), de tâches (chaque tâche dure jusqu’à 168 heures, ou 1 heure avec un GPU) ou de pools de workers, qui n’ont pas de point de terminaison HTTP et s’adaptent manuellement ou via un autoscaler externe. L’Agent Development Kit (ADK) de Google se déploie sur Cloud Run avec la commande `adk deploy cloud_run`.

Comment chaque plateforme connecte-t-elle un agent aux bases de données et aux services ?

La force de Cloud Run, c’est son large éventail de possibilités : un agent peut utiliser Cloud SQL, Memorystore, Pub/Sub, BigQuery et Vertex IA. En contrepartie, il faut tout assembler. Chacun est un produit distinct avec ses propres rôles IAM, sa configuration réseau et son provisionnement, et chaque environnement a besoin de ses propres copies. Les secrets proviennent de Secret Manager, sous forme de variables d’environnement ou de volumes montés.

Sur Upsun Cloud, PostgreSQL, Redis, OpenSearch et d’autres services sont déclarés dans le fichier .upsun/config.yaml, et une application, un worker ou une tâche y accède via les relations répertoriées dans PLATFORM_RELATIONSHIPS. Les clés API des modèles sont stockées en tant que variables sensibles, qui font partie des secrets et de la configuration d’environnement d’Upsun. 

Comment fonctionnent les environnements de test pour les fonctionnalités d’IA ?

Les balises de révision de Cloud Run attribuent à une nouvelle révision sa propre URL sans lui envoyer de trafic de production. Les bases de données et autres services sous-jacents ne sont pas clonés ; une révision balisée utilise donc les services auxquels elle est configurée pour accéder.

Sur Upsun Cloud, chaque branche ou pull request dispose d’un environnement qui hérite des données et des services de son parent, y compris les bases de données, le stockage réseau et les files d’attente. Pour les fonctionnalités IA, ça veut dire qu’un changement de prompt, de récupération ou d’agent peut être testé sur des données réalistes avant d’être fusionné. 

Comment le code non fiable généré par un modèle est-il isolé ?

Chaque instance Cloud Run est placée en sandbox : les instances de première génération utilisent gVisor, tandis que celles de deuxième génération, que les tâches et les pools de travailleurs utilisent systématiquement, s’exécutent sous forme de microVM. Les sandboxes Cloud Run, en préversion depuis juillet 2026, exécutent le code généré sans accès aux variables d’environnement du service ni au serveur de métadonnées, sans frais supplémentaires.

Upsun Cloud exécute les charges de travail dans des conteneurs Linux avec isolation des espaces de noms, suppression des capacités, profil seccomp, limites cgroup et isolation réseau. Pour le code non fiable, Upsun recommande d’exécuter bubblewrap à l’intérieur de la tâche ; cette fonctionnalité n’est pas intégrée, et les conteneurs de tâches n’offrent pas encore de limitation des sorties. 

Quelle plateforme répond aux exigences du multicloud et de la conformité ?

Cloud Run fonctionne uniquement sur Google Cloud, où il s’intègre étroitement à Vertex AI, Gemini et IAM. Cloud Run est couvert par les programmes ISO 27001, SOC 2 et PCI DSS de Google, et par l’accord de partenariat HIPAA de Google Cloud.

Les régions Upsun Cloud tournent sur AWS, Azure, Google Cloud et OVHcloud, ainsi que sur IBM Cloud via sa marketplace. Pour les organisations dont les applications et les agents sont répartis entre plusieurs fournisseurs, chacun avec son propre pipeline, son runbook et son processus d’audit, ça permet d’avoir une configuration cohérente et des preuves d’audit sans avoir à rapprocher manuellement des consoles distinctes. Upsun est certifié ISO 27001, dispose d’un rapport SOC 2 de type 2 et est conforme à la norme PCI DSS de niveau 1 pour ses régions AWS, Azure et Google Cloud ; les charges de travail HIPAA ne tournent que dans la région US-4. 

Comment se comparent les modèles de tarification ?

Les services Cloud Run utilisent soit une facturation à la requête, qui alloue du CPU uniquement pendant le traitement d’une requête et ajoute des frais par requête, soit une facturation par instance, qui facture l’intégralité du cycle de vie de l’instance. Les services peuvent être réduits à zéro, et un forfait mensuel gratuit s’applique.

Upsun Cloud facture les ressources à la seconde selon leur allocation, le CPU et la mémoire étant définis par application, worker ou service. Les applications et les workers tournent en continu, tandis que les conteneurs de tâches ne sont facturés que lorsqu’une exécution est active.    

Quand choisir l’une ou l’autre plateforme ?

Cas d'utilisation

Choisis

Propose un modèle auto-hébergé sur des GPUCloud Run
Repose sur Vertex IA, Gemini et d'autres services Google CloudCloud Run
Gère un trafic web irrégulier qui doit pouvoir être réduit à zéroCloud Run   

 
Exécute des tâches en arrière-plan ou des exécutions d'agents avec des pics de chargeUpsun Clou   
 
C'est un agent qui lit et écrit dans la base de données propre à l'applicationUpsun Cloud
Chaque branche doit être testée avec les données et les services de l'appliUpsun Cloud
Appartient à une organisation qui exploite des applications sur plusieurs cloudsUpsun Cloud
Nécessite une inférence GPU et une appli avec des agentsUpsun Cloud pour l'appli, une plateforme GPU pour l'inférence

Foire aux questions 

Est-ce qu'Upsun Cloud peut fonctionner sur Google Cloud ?

Oui. Upsun Cloud dispose de zones hébergées sur Google Cloud, notamment en Suisse (ch-1), en Allemagne (de-2) et au Royaume-Uni (uk-1), ainsi que sur AWS, Azure et OVHcloud.

Une application Upsun peut-elle utiliser Gemini ou Vertex IA ?

Oui. Une application, un worker ou une tâche sur Upsun Cloud peut appeler Gemini ou Vertex IA via leurs API, les identifiants étant stockés sous forme de variables d'environnement sensibles. 

Les agents Google ADK peuvent-ils fonctionner sur Upsun Cloud ?

L'ADK est un framework de code ; un agent ADK peut donc s'exécuter en tant qu'application, worker ou conteneur de tâche Upsun qui appelle Gemini ou une autre API de modèle. Le raccourci adk deploy cloud_run est spécifique à Cloud Run. 

Est-ce qu’Upsun est moins cher que Cloud Run pour les charges de travail IA ?

Aucun des deux n’est moins cher pour toutes les charges de travail IA : Cloud Run revient généralement moins cher pour les services inactifs la plupart du temps, tandis que la différence est moins marquée pour une appli toujours active disposant de sa propre base de données, de ses propres workers et de ses propres agents.

Restez informé

Abonnez-vous à notre newsletter mensuelle pour les dernières mises à jour et nouvelles.

Déployez en toute liberté.
Essayez Upsun gratuitement.

Développez avec DispatchDéployez avec Cloud