E2B

E2B est une infrastructure open source permettant d'exécuter du code généré par l'IA dans des bacs à sable cloud sécurisés. Fondée en 2023 par Vasek Mlejnsky et Tomas Valenta, la startup tchéco-américaine résout un problème spécifique : lorsqu'un agent IA écrit du code, il faut bien que quelque chose l'exécute de manière sécurisée, à grande échelle, sans mettre en danger le système hôte ou les autres locataires. E2B fournit cette couche d'exécution. Chaque bac à sable est un environnement Linux isolé propulsé par des microVM Firecracker, la même technologie d'hyperviseur conçue par AWS pour Lambda. Ainsi, chaque exécution bénéficie d'un noyau léger dédié au lieu de le partager avec les locataires voisins. L'entreprise a levé 21M$ en série A menée par Insight Partners en juillet 2025, portant son financement total à 32M$, et rapporte que 88 % des entreprises du Fortune 100 utilisent la plateforme, aux côtés de clients tels que Perplexity, Hugging Face, Manus et Groq.

Le produit principal est le bac à sable : un ordinateur Linux éphémère et programmable qu'un agent IA peut contrôler via des SDK Python ou TypeScript. Les agents peuvent écrire et exécuter du Python, JavaScript, Ruby, C++ ou tout autre langage compatible Linux ; installer des paquets via pip, npm ou apt ; gérer des fichiers ; ouvrir des terminaux ; et exécuter des processus longs jusqu'à 24 heures par session. E2B propose également un SDK Code Interpreter pour diffuser des résultats enrichis (graphiques, tableaux, data frames) vers les applications appelantes, un bac à sable Desktop avec VNC pour les agents nécessitant une interface graphique, et une option d'auto-hébergement pour les équipes souhaitant déployer la stack sur leur propre cloud. La licence Apache-2.0 couvre l'intégralité du SDK et du runtime principal. En avril 2026, le dépôt principal compte 12 000 étoiles GitHub, 883 forks et un rythme de publication hebdomadaire actif.

Ce que fait réellement E2B en avril 2026

Le bac à sable d'E2B est un environnement Linux avec état (stateful) : il persiste au sein d'une session, de sorte qu'un agent peut installer un paquet à l'étape un, écrire un fichier à l'étape deux, et exécuter du code qui importe ce paquet à l'étape trois — sans redémarrer. Les bacs à sable démarrent en moins de 200 ms dans la même région AWS, avec une configuration par défaut de 2 vCPU et 0.5GB de RAM sur la version gratuite, pouvant évoluer jusqu'à 16 vCPU et 64GB de RAM sur les offres Pro et Enterprise. Les sessions durent jusqu'à 1 heure sur l'offre Hobby et 24 heures sur l'offre Pro, avec une capacité de pause de 30 jours qui suspend la facturation tout en préservant l'état du bac à sable.

Le SDK Code Interpreter étend le bac à sable de base pour les flux de travail en data science. Il diffuse les résultats d'exécution, y compris les graphiques matplotlib, les DataFrames pandas et les sorties standard stdout/stderr, sous forme de blocs typés vers l'application appelante. Perplexity utilise ce SDK pour afficher des graphiques interactifs directement dans les résultats de recherche : lorsqu'un utilisateur pose une question riche en données, l'agent de Perplexity écrit du Python, l'exécute dans un bac à sable E2B, et le graphique apparaît dans la réponse. Denis Yarats, CTO de Perplexity, a décrit l'intégration : "Nous avons mis E2B en place et en production en moins d'une semaine. Nous exécutons désormais des millions de bacs à sable E2B chaque mois."

E2B Desktop fournit un bac à sable graphique avec un accès VNC pour les agents qui ont besoin de contrôler un navigateur ou une application de bureau. Manus, l'agent de recherche autonome devenu l'un des systèmes agentiques les plus en vue début 2025, s'appuie sur cette fonctionnalité. Tao Zhang, cofondateur de Manus, a expliqué : "Manus utilise 27 outils différents, et il a besoin d'E2B pour disposer d'un ordinateur virtuel complet."

La compatibilité des frameworks couvre LangChain, LlamaIndex, LangGraph, AutoGen et toute stack d'agent personnalisée. La compatibilité des modèles est intentionnellement agnostique vis-à-vis des LLM : E2B fonctionne avec OpenAI, Anthropic, Mistral, Llama, Groq et tout modèle générant du texte de code. Cet agnosticisme est un choix de conception délibéré — la plateforme se positionne comme une infrastructure, et non comme une couche qui enferme les équipes chez un fournisseur de modèles particulier.

Où se situe E2B par rapport à Modal et Anthropic Code Execution

Trois plateformes dominent l'espace d'exécution de code pour les agents IA en 2026, et elles diffèrent mécaniquement sur des points cruciaux pour les décisions de mise en production.

Modal utilise des conteneurs gVisor pour l'isolation : une approche de virtualisation qui intercepte les appels système Linux au niveau de l'OS, offrant une sécurité sans la lourdeur d'un hyperviseur complet. Cela permet aux conteneurs de Modal de démarrer plus rapidement (démarrages à froid P95 inférieurs à la seconde) et d'être moins chers par seconde de CPU ($0.0000131/s contre $0.000014/s pour E2B), mais gVisor partage un noyau hôte entre les locataires via un filtre d'appels système. Les microVM Firecracker d'E2B offrent à chaque bac à sable un noyau dédié, ce qui rend les failles au niveau du noyau plus difficiles à exploiter. Le marché principal de Modal est l'inférence GPU et l'entraînement ML à grande échelle : il fournit un accès aux GPU H100, H200 et B200 avec une facturation à la seconde et, depuis juillet 2025, des snapshots de mémoire GPU qui réduisent les démarrages à froid vLLM de 45 secondes à moins de 5 secondes. Modal propose le sandboxing d'agents comme fonctionnalité secondaire. E2B n'offre aucun accès GPU. Les développeurs concevant des systèmes d'agents qui nécessitent également une inférence GPU combinent généralement E2B (pour l'exécution de code) avec Modal (pour le service de modèles), plutôt que de choisir l'un au détriment de l'autre.

L'outil Code Execution d'Anthropic est la voie la plus simple pour les équipes qui développent déjà exclusivement sur Claude. Il fournit l'exécution Python comme un outil API natif, facturé via la tarification existante des tokens Claude sans compte d'infrastructure séparé. Le compromis est un verrouillage strict (lock-in) : l'outil n'est disponible que lors de l'appel aux modèles Claude. Il ne prend en charge que Python (pas de JavaScript, pas de terminal), ne dispose d'aucun système de fichiers persistant entre les appels et ne permet pas l'installation de paquets personnalisés au-delà d'une stack scientifique préinstallée. Pour une équipe gérant une stack multi-modèles ou souhaitant changer de modèles au fil du temps, l'outil d'Anthropic crée une dette technique. E2B fonctionne avec n'importe quel LLM et l'état du bac à sable persiste à travers plusieurs étapes de l'agent au sein d'une session. L'approche E2B nécessite plus de travail d'intégration et une relation de facturation distincte, mais produit une architecture plus portable.

"E2B a révolutionné les capacités de nos agents en tant qu'alternative avancée au Code Interpreter d'OpenAI." -- Kevin J. Scott, CTO/CIO de Groq, page d'accueil d'E2B, 2025

"E2B nous permet de faire évoluer nos cycles d'entraînement en lançant des centaines de bacs à sable lors de nos expériences." -- Lewis Tunstall, Ingénieur de recherche chez Hugging Face, page d'accueil d'E2B, 2025

À quoi ressemble la réalité du bac à sable pour agents

Faire fonctionner un bac à sable de base prend environ 10 minutes. Installez le SDK (pip install e2b), créez une clé API, et le premier bac à sable s'exécute avec trois lignes de Python. La documentation inclut des exemples pratiques (cookbooks) pour les intégrations avec Anthropic, OpenAI et des modèles open source. Plusieurs clients — Lindy, Manus — font état d'une intégration complète en moins d'une journée. "Il n'a fallu qu'une heure pour intégrer E2B de bout en bout. Les performances sont excellentes", a déclaré Maciej Donajski, CTO de Manus.

L'expérience quotidienne pour les créateurs d'agents est généralement simple pour les tâches de courte durée. Un bac à sable démarre, l'agent exécute son code, les résultats reviennent, le bac à sable se ferme. La facturation est véritablement à la seconde, de sorte qu'une exécution de code de 3 secondes coûte des fractions de centime. Les problèmes surviennent lorsque les tâches deviennent plus longues et plus parallèles. La configuration du délai d'expiration (timeout) du bac à sable présente des cas limites documentés : le ticket GitHub #879 (2025) décrit un utilisateur définissant un délai de 24 heures et voyant son bac à sable expulsé en cinq minutes. La documentation d'E2B signale cela comme un point de friction connu, qualifiant le système de timeout de "concept le plus déroutant d'E2B". Les équipes exécutant de vastes pipelines d'agents en parallèle signalent que la facturation à la seconde grimpe rapidement et de manière imprévisible lorsque les agents se déploient dans des dizaines de bacs à sable simultanés ou se bloquent en cours d'exécution. Il n'y a pas de plafond de coûts intégré ni de coupe-circuit sur les offres Hobby ou Pro.

Les modèles personnalisés (templates) permettent aux équipes de préinstaller des dépendances afin que les bacs à sable démarrent avec un environnement prêt à l'emploi plutôt que d'exécuter pip install de zéro à chaque exécution. C'est important pour les charges de travail en production où une installation de paquet de 10 secondes lors d'un démarrage à froid serait inacceptable. Les modèles sont définis dans un format de type Dockerfile et publiés sur le registre d'E2B.

À qui s'adresse E2B

Le point fort d'E2B, ce sont les équipes qui construisent des agents IA en production nécessitant l'exécution de code comme un service d'infrastructure autonome et agnostique aux LLM. L'adoption par le Fortune 100 reflète un cas d'usage d'entreprise spécifique : une grande entreprise a de multiples initiatives IA utilisant différents fournisseurs de modèles, et E2B devient la couche d'exécution commune à toutes. Hugging Face utilise E2B pour ses pipelines d'évaluation d'apprentissage par renforcement, lançant des centaines de bacs à sable en parallèle pour noter les résultats des modèles. Perplexity l'utilise pour alimenter sa fonctionnalité d'analyse de données sur des centaines de millions de recherches mensuelles. Groq l'utilise pour étendre les capacités des agents au-delà de la simple génération de langage.

Les développeurs indépendants créant des frameworks d'agents ou des produits agentiques constituent l'autre public évident. La licence Apache-2.0, la communauté GitHub active (12K étoiles) et les exemples détaillés des cookbooks rendent E2B accessible sans passer par les processus d'achat d'entreprise. L'offre gratuite avec 100$ de crédits uniques est suffisante pour prototyper et valider un flux de travail avant de s'engager sur l'offre Pro à 150$/mois.

Les équipes qui ont besoin d'un accès GPU, d'environnements persistants de longue durée survivant au-delà de 24 heures, ou qui sont liées à un seul fournisseur de LLM trouveront d'autres plateformes plus adaptées. Le seuil de 150$/mois sans offre intermédiaire entre la version gratuite et la version Pro crée un fossé tarifaire qui pousse certains créateurs indépendants vers l'auto-hébergement ou des alternatives.

Ce que n'est pas E2B

E2B n'est pas une plateforme de calcul serverless généraliste. Il n'y a pas d'accès GPU, pas de service de modèles, pas de traitement par lots à une échelle arbitraire. Les développeurs qui ont besoin d'exécuter de l'inférence ML, du fine-tuning ou des pipelines de données sur des GPU devraient plutôt se tourner vers Modal ou RunPod. E2B se concentre étroitement sur le fait de donner aux agents un endroit pour exécuter du code en toute sécurité, et cette focalisation étroite est à la fois sa force et sa limite.

E2B n'est pas un framework d'agents. Il n'a pas d'opinion sur la façon dont les agents sont structurés, dont la mémoire est gérée ou dont les appels d'outils sont séquencés. Il s'intègre avec LangChain, AutoGen et des stacks personnalisées, mais il ne les remplace pas. Les équipes à la recherche d'une plateforme d'agents complète devraient évaluer LangGraph, CrewAI ou Autogen comme couche d'orchestration, avec E2B branché comme substrat d'exécution.

E2B n'est pas un environnement de développement persistant à long terme. Les sessions plafonnent à 24 heures, et il n'y a pas de mécanisme intégré pour créer des points de sauvegarde (checkpoints) et reprendre une tâche sur plusieurs jours. Les équipes créant des produits où les utilisateurs reviennent à un espace de travail en cours (comme un assistant de codage personnel qui se souvient d'un projet sur plusieurs semaines) se heurteront au plafond de durée de session et devront construire une gestion d'état par-dessus. Daytona et Northflank gèrent mieux les modèles d'espaces de travail à plus longue durée de vie.

L'auto-hébergement nécessite une expertise en infrastructure. Le code open source est disponible, mais exécuter des microVM Firecracker sur votre propre matériel ou compte cloud exige des connaissances en Terraform, une expérience en configuration Firecracker et une maintenance opérationnelle continue. La voie de l'auto-hébergement est une option, mais elle n'est pas clé en main. Le BYOC et le sur-site géré (managed on-prem) sont réservés à l'offre Enterprise.