EN DIRECT
Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|Google présente "Gemini 4 Carbon", nouvelle étape de sa gamme de modèles28/10/26 · Google|DeepMind dévoile Genie 4, une nouvelle génération de modèle de monde27/10/26 · Google DeepMind|Anthropic dépose son dossier d'introduction en bourse, dominé par les risques26/10/26 · Anthropic|Une politique robotique entraînée uniquement en simulation égale les meilleurs systèmes réels26/10/26|OpenAI dévoile GPT-6.1 Terra, un modèle taillé pour l'usage d'ordinateur26/10/26 · OpenAI|L'IA de Google reste évasive sur l'issue de l'élection américaine de 202028/10/26 · Google|NVIDIA dévoile Nemotron 3.5 Transcribe, un modèle de transcription multilingue pilotable par prompt28/10/26 · NVIDIA|OpenAI et ServiceNow élargissent leur partenariat autour des workflows d'entreprise28/10/26 · OpenAI|Des start-ups défuntes revendent leurs données pour entraîner des IA28/10/26|Anthropic élargit son programme AI for Science à 20 fondations et instituts de recherche28/10/26 · Anthropic|Anthropic détaille les premiers résultats de Claude appliqué au développement de médicaments27/10/26 · Anthropic|GEPA-Curator : filtrer les échecs pour mieux entraîner les agents LLM27/10/26|
Tooléditeur officiel

Modal Sandboxes

Tool : Une action précise que l’IA peut appeler · nécessite modal

Sandboxes serverless avec GPU à la demande.

Le choix quand l'agent doit exécuter du calcul lourd.

Score global
6.1 /10
Sécu : une réserve, lire la fiche
Utilité
7.0
Fiabilité
6.0
Sécurité
Une réserve
Facilité
Technique · Technique

La sécurité reflète la destination des données, les permissions demandées et les incidents recensés à la date de vérification. Ce n’est pas une garantie d’absence de risque : vérifiez le mode de déploiement et les connexions que vous activez.

Ce que ça fait, concrètement

Exécuter du code généré par un modèle de langage ou du code non fiable sur sa propre machine expose à des risques réels. Modal Sandboxes répond à ce problème en fournissant des conteneurs isolés, créés à la demande, dans lesquels on peut lancer n'importe quelle commande sans mettre en danger l'environnement local.

Concrètement, on instancie un Sandbox via l'API Python (ou les SDK JavaScript et Go), on lui passe des commandes shell ou Python, on lit les sorties en temps réel, puis on le termine. Chaque Sandbox passe par des états bien définis : créé, planifié, démarré, prêt, terminé. On peut y monter des volumes, ouvrir des tunnels réseau, attacher des GPU et configurer des sondes de disponibilité pour savoir exactement quand le conteneur est prêt à recevoir du trafic.

Cet outil s'adresse aux développeurs qui construisent des agents IA, des pipelines de test automatisés ou des environnements d'exécution de code utilisateur. Il convient aussi à ceux qui veulent lancer des dépendances arbitraires ou des scripts de configuration sans polluer leur image de base.

En revanche, il ne convient pas à des usages sans compétences en Python ou sans besoin d'isolation : pour des tâches simples sans code non fiable, la complexité d'un Sandbox serverless n'est pas justifiée.

Ce que ça propose

  • ·Création de conteneurs isolés à la demande via Sandbox.create, sans infrastructure à gérer.
  • ·Exécution de commandes arbitraires (shell, Python, etc.) à l'intérieur du Sandbox avec lecture des sorties en temps réel.
  • ·Support des GPU à la demande pour les tâches de calcul intensif (payant).
  • ·Cycle de vie observable avec des états distincts : Created, Scheduled, Started, Ready, Finished.
  • ·Sondes de disponibilité TCP ou Exec pour détecter automatiquement quand le Sandbox est prêt.
  • ·Timeout configurable jusqu'à 24 heures, avec timeout d'inactivité pour arrêter automatiquement un Sandbox inutilisé.
  • ·Compatibilité multi-langages : SDK Python, JavaScript et Go disponibles.
  • ·Snapshots du système de fichiers pour préserver l'état d'un Sandbox et le restaurer dans un nouveau conteneur.

En pratique

Prix
Freemium0,13 $ par vCPU-heure ; GPU en plus.
Usage commercial
Usage commercial : oui
Disponible sur
sdk-python
Hôte
modal
Interface FR
Non

Sécurité et données

Pastille
Sécu : une réserve, lire la fiche
Capacités
litécritexécuteréseau
Vos données
Données chez l’éditeur
Permissions
Exécution isolée.
Maintenance
Active

Liens et dépôt vérifiés le 25 octobre 2026 · ajoutée le 1 janvier 2022

Comment installer Modal Sandboxes

1. Créez un compte sur modal.com et récupérez votre token d'API. 2. Installez le SDK Python avec : pip install modal 3. Authentifiez-vous avec : modal token new (ne partagez jamais ce token). 4. Dans votre script, récupérez ou créez une App avec modal.App.lookup("mon-app", create_if_missing=True). 5. Créez un Sandbox avec modal.Sandbox.create(app=sb_app) et exécutez vos commandes via sb.exec(...). 6. Terminez toujours le Sandbox avec sb.terminate() pour libérer les ressources.
pip install modal

Documentation officielle ↗

Dans la même catégorie

Toute la catégorie Code →