Northflank

Northflank est une plateforme de déploiement full-stack fondée à Londres en 2019 par le PDG Will Stewart et le CTO Fredrik Brix. La plateforme résout un problème spécifique qui hante les équipes d'ingénierie en pleine croissance : Kubernetes est la bonne architecture pour les charges de travail en production, mais son exécution nécessite une expertise DevOps substantielle. Northflank construit une abstraction conviviale pour les développeurs au-dessus de Kubernetes afin que les équipes puissent déployer des applications conteneurisées, des bases de données gérées, des tâches planifiées, des services d'inférence GPU et des bacs à sable d'exécution de code IA sans avoir à écrire de YAML. En novembre 2024, l'entreprise avait levé 22,3 millions de dollars de financement, triplé ses revenus d'une année sur l'autre et gérait plus d'un million de déploiements de conteneurs par mois pour plus de 70 000 développeurs en production.

La plateforme couvre l'ensemble de la stack applicative : pipelines CI/CD déclenchés par Git, environnements de prévisualisation éphémères par pull request, PostgreSQL, MySQL, MongoDB, Redis et RabbitMQ gérés, charges de travail GPU sur NVIDIA H100 et B200, et bacs à sable basés sur des microVM pour l'exécution sécurisée de code IA. Sa fonctionnalité phare est le Bring Your Own Cloud (BYOC) : les équipes déploient via l'interface utilisateur et l'API de Northflank, mais le calcul s'exécute dans leur propre compte AWS, GCP, Azure, Oracle Cloud ou Civo. Northflank sert actuellement plus de 2 000 startups et entreprises et a traité plus de 130 milliards de requêtes.

Ce que fait réellement Northflank en mai 2026

Northflank fonctionne comme un plan de contrôle (control plane) qui se situe entre votre flux de développement et l'infrastructure cloud sur laquelle vous vous exécutez. Vous pushez du code sur Git, Northflank construit une image de conteneur, l'exécute en tant que service de longue durée ou tâche, provisionne la base de données dont il a besoin et l'expose derrière un équilibreur de charge avec TLS. C'est la base. Les parties intéressantes sont ce qui se passe autour de cette base.

Les environnements de prévisualisation sont l'une des fonctionnalités les plus utiles en pratique : lorsqu'un développeur ouvre une pull request, Northflank lance automatiquement une copie complète de la stack applicative, avec sa propre base de données, ses variables d'environnement et son routage, afin que les relecteurs puissent tester la modification réelle dans un environnement identique à la production. Fini les décalages du type « ça marche sur ma machine » entre la relecture et la fusion. Les modèles vous permettent de définir la topologie complète d'un projet sous forme de code, les modèles brouillons fonctionnant comme des flux de travail de pull request pour les modifications d'infrastructure.

La prise en charge des GPU couvre les cas d'inférence et d'entraînement de l'IA qui sont devenus essentiels pour de nombreuses équipes produit. Le matériel disponible va du A100 40GB à $1.42/h jusqu'au H100 à $2.74/h et au B200 à $5.87/h, avec une optimisation des instances spot qui analyse automatiquement AWS, GCP et Azure pour trouver la capacité disponible la moins chère. L'allocation fractionnée de GPU est prise en charge, vous n'êtes donc pas obligé de louer un GPU complet pour un point de terminaison d'inférence peu sollicité. Une instance PostgreSQL équipée de pgvector est un ajout en un clic pour les équipes qui construisent des pipelines RAG, s'exécutant de manière adjacente au service d'inférence dans le même projet.

La capacité de bac à sable (sandbox) est particulièrement pertinente pour les outils de codage IA et les applications agentiques. Northflank exécute des bacs à sable basés sur des microVM en utilisant Kata Containers (avec Cloud Hypervisor) et gVisor, sélectionnables par charge de travail en fonction des exigences de sécurité. Kata fournit une isolation de VM au niveau matériel ; gVisor fournit une interception des appels système avec une surcharge moindre. Le temps de démarrage à froid est d'environ 200ms. C'est l'infrastructure que des produits comme Writer et Sentry utilisent pour exécuter du code multi-locataire non approuvé à grande échelle. Northflank rapporte traiter 2 millions de microVM par mois sur ces charges de travail. Pour les équipes qui construisent des assistants de codage IA devant exécuter en toute sécurité du code soumis par les utilisateurs, cette capacité est testée en production plutôt qu'expérimentale.

Le 11 novembre 2024, Northflank a annoncé un financement de 22,3 millions de dollars : une série A de 16 millions de dollars menée par Bain Capital Ventures et un tour d'amorçage de 6,3 millions de dollars mené par Vertex Ventures US, avec la participation de Kindred Ventures, Pebblebed, Tapestry VC et Uncorrelated Ventures. Parallèlement à cette annonce, Northflank a révélé que ses revenus avaient triplé d'une année sur l'autre et a présenté une feuille de route comprenant la prise en charge du matériel ARM, la mise en cache locale de Docker pour des builds plus rapides, l'extension du BYOC à d'autres fournisseurs de cloud et un plan de contrôle d'entreprise auto-déployable pour les déploiements sur site.

"Northflank est bien plus facile que d'assembler plusieurs outils. C'est la plateforme idéale pour déployer des conteneurs dans notre compte cloud, en évitant la complexité des grands clouds et de Kubernetes. C'est plus puissant et flexible qu'un PaaS traditionnel, le tout au sein de notre VPC." - David Cramer, cofondateur et CPO chez Sentry, novembre 2024

Où se situe Northflank par rapport à Modal et Render

Northflank occupe une partie différente du marché par rapport à ses comparaisons les plus fréquentes, et les différences sont architecturales plutôt que cosmétiques.

Modal est une plateforme de calcul serverless centrée sur Python, conçue spécifiquement pour les flux de travail d'IA et de science des données. La principale différence réside dans la portée et la flexibilité. Modal utilise exclusivement gVisor pour l'isolation ; Northflank prend en charge à la fois Kata Containers et gVisor avec une sélection par charge de travail. Modal exige que toutes les images de conteneurs soient définies via son SDK Python, ce qui vous enferme dans leur pipeline de création d'images. Northflank accepte n'importe quelle image OCI de n'importe quel registre sans modification. Modal est uniquement géré, sans option BYOC et avec des durées de session limitées par le SDK qui restreignent les boucles d'agents de longue durée. Northflank prend en charge des durées de session illimitées et un BYOC complet sur AWS, GCP, Azure et OCI. La différence de prix est significative : le H100 de Modal coûte environ $7.25/h lorsque le CPU, la RAM et le stockage sont additionnés ; le H100 de Northflank est à $2.74/h tout compris. Le compromis est que Modal est plus simple pour un ingénieur IA Python qui veut juste décorer une fonction et obtenir un point de terminaison évolutif, tandis que Northflank nécessite plus de configuration mais vous donne une stack d'infrastructure complète aux côtés du calcul GPU. Les équipes qui n'ont besoin que de l'exécution de fonctions IA serverless et qui ne se soucient pas de l'hébergement d'applications, des bases de données ou du BYOC trouveront Modal plus simple. Les équipes qui construisent des produits IA complets avec de multiples composants trouveront Northflank plus cohérent. Pour des comparaisons spécifiques d'inférence serverless, Modal reste le spécialiste des charges de travail ML purement Python.

Render est le concurrent le plus proche dans la catégorie générale des PaaS, mais l'écart s'est considérablement creusé au cours des deux dernières années. Render n'a aucune prise en charge des GPU. Northflank prend en charge H100, B200, A100, L40S, et plus encore. Render n'a pas de prise en charge BYOC ; tout s'exécute sur la propre infrastructure de Render, ce qui crée des complications de résidence des données et de conformité pour les entreprises clientes. Le niveau gratuit de Render met les applications en veille après une période d'inactivité ; le niveau Sandbox de Northflank garde les services toujours actifs. Render nécessite des mises à niveau vers des forfaits payants pour les adresses IP statiques ; Northflank les inclut dans tous les niveaux. Sur les bases de données gérées, Render prend en charge PostgreSQL et Redis nativement mais nécessite une configuration manuelle pour MongoDB et d'autres moteurs. Northflank gère PostgreSQL, MySQL, MongoDB, Redis et RabbitMQ comme des fonctionnalités de plateforme de premier ordre. Le seul domaine où Render gagne systématiquement est la simplicité pour les débutants : son interface est moins dense, le chemin de GitHub à l'application déployée est plus court, et les ressources communautaires sont plus importantes. Si l'exigence principale est de déployer une application web ou une API sans GPU, sans flux de travail complexes ou sans besoins de conformité d'entreprise, la moindre friction de Render est un réel avantage. Mais pour les équipes qui auront éventuellement besoin d'une prise en charge GPU ou de conserver les données dans leur propre compte cloud, commencer sur Render signifie une migration ultérieure. Les développeurs comparent souvent Northflank à RunPod pour les charges de travail purement GPU, bien que RunPod n'ait pas l'hébergement d'applications full-stack et la capacité BYOC de Northflank.

"Quiconque est familier avec Kubernetes devrait se sentir comme chez lui." - eschatology, Hacker News, février 2023

Railway et Fly.io complètent la comparaison. Railway est l'option la plus conviviale pour les débutants avec le chemin le plus rapide du dépôt à l'application en cours d'exécution, mais n'a pas de prise en charge GPU ni de BYOC. Fly.io offre plus de contrôle sur l'infrastructure avec un routage anycast sur son propre réseau, mais n'a pas de BYOC ni de GPU géré. Les deux valent la peine d'être considérés pour l'hébergement pur d'applications sans charges de travail IA ; pour les équipes qui s'attendent à avoir besoin de GPU ou de contrôles de conformité, Northflank est le choix le plus durable.

À quoi ressemble la réalité du flux de travail quotidien

Un projet Northflank typique pour une équipe produit IA ressemble à ceci : un service d'inférence Python s'exécute sur un service GPU H100, une API Node.js se trouve devant lui pour gérer l'authentification et le routage, une instance PostgreSQL avec pgvector gère le stockage des embeddings, une instance Redis gère la mise en cache des sessions, et une tâche planifiée exécute le traitement des données chaque nuit. Tout cela vit dans un seul projet Northflank avec des journaux, des métriques et des contrôles de rollback unifiés. Les pipelines CI/CD se déclenchent lors d'un push Git. Des environnements de prévisualisation se lancent automatiquement pour chaque pull request afin que les modifications d'inférence puissent être testées avant la fusion.

La voie BYOC ajoute une couche : au lieu de l'infrastructure gérée par Northflank, l'équipe importe son cluster GKE, EKS ou AKS existant. Le plan de contrôle de Northflank gère les déploiements, les secrets, les bases de données et les pipelines tandis que tout le calcul reste à l'intérieur du VPC du client. C'est l'architecture de Sentry, qui répond aux exigences de souveraineté des données qui empêchent la plupart des entreprises d'adopter un PaaS entièrement géré.

Les temps de build ont été une plainte récurrente. Historiquement, Northflank ne prenait pas en charge la mise en cache locale des couches Docker, ce qui signifie que les builds retéléchargeaient les images de base à partir de zéro à chaque exécution. L'annonce de financement de novembre 2024 a listé des builds plus rapides avec une mise en cache locale comme une priorité de la feuille de route. Des améliorations partielles de la mise en cache ont été déployées jusqu'au début de 2025, mais les équipes avec de grandes images signalent toujours des temps de build plus longs que sur les plateformes avec une mise en cache mature.

Pour les besoins de bac à sable IA, Northflank associe une isolation sécurisée par microVM à une infrastructure full-stack dans la même plateforme. Le même projet qui exécute votre service d'inférence LLM gère également l'exécution en bac à sable pour les sorties de génération de code, évitant ainsi une intégration séparée avec des fournisseurs comme Replicate. Pour les flux de travail de recherche axés sur les GPU, Lambda Labs et Together AI desservent différents segments de ce marché.

Pour qui Northflank est conçu

Northflank sert bien trois publics. Le premier est l'équipe qui migre depuis Heroku, qui a dépassé l'hébergement de base et a besoin d'une prise en charge GPU, d'un meilleur CI/CD et de plus de contrôle sur l'infrastructure, sans embaucher une équipe complète d'ingénierie Kubernetes. La nature full-stack de la plateforme signifie qu'un seul outil couvre ce qui nécessitait auparavant d'assembler une plateforme de déploiement, un hôte de base de données, un système CI/CD et un cloud GPU.

Le deuxième est la startup IA qui a besoin de déployer des modèles open-source (Llama 4, Deepseek, fine-tunes personnalisés) aux côtés de l'infrastructure web traditionnelle qui sert ces modèles aux utilisateurs. L'exécution du service d'inférence et de l'application produit dans le même projet Northflank, sur le même cluster BYOC si nécessaire, simplifie considérablement les opérations par rapport au maintien de deux configurations d'infrastructure distinctes.

Le troisième est l'équipe d'entreprise avec des exigences de conformité (SOC 2, résidence des données RGPD, examens de sécurité internes) qui ne peut pas utiliser un cloud SaaS géré où les données quittent leur VPC. Le modèle BYOC de Northflank répond spécifiquement à cela : l'entreprise bénéficie de l'expérience développeur de Northflank, mais les données et les calculs réels ne quittent jamais le propre compte AWS ou GCP du client.

Ce que Northflank n'est pas

Northflank n'est pas le bon choix pour les développeurs qui veulent l'expérience de déploiement la plus simple possible. Si votre exigence est « connecter GitHub, cliquer sur déployer, obtenir une URL », Railway et Render ont des chemins plus courts vers ce résultat et une meilleure documentation pour les débutants. L'interface de Northflank expose plus de concepts d'infrastructure, ce qui est précieux quand vous en avez besoin mais ajoute des frictions quand ce n'est pas le cas.

Ce n'est pas le choix pour le calcul GPU pur à un coût minimum. Si vous avez besoin de l'accès H100 le moins cher possible et que vous pouvez gérer votre propre configuration de conteneur, RunPod ou Vast.ai seront moins chers que Northflank. À $2.74/h pour le H100 tout compris, Northflank est raisonnable, mais la prime couvre la couche de plateforme plutôt que l'heure de GPU brute.

Northflank n'est pas une plateforme ML gérée. Il n'y a pas de suivi des expériences intégré, de versionnage des ensembles de données ou de registre de modèles. Les équipes qui ont besoin de capacités MLOps exécutent Weights and Biases ou MLflow par-dessus l'infrastructure de Northflank. La plateforme gère le déploiement et l'exécution ; elle ne gère pas le cycle de vie des expériences qui produit les modèles déployés.