Solution
Infrastructures privées et hybrides
Conception et déploiement d’infrastructures privées et hybrides, sur site ou chez un hébergeur. Intégration des serveurs, des clusters de virtualisation, du stockage et des réseaux pour héberger applications et plateformes de données.
Architecture et réalisation
Calcul et virtualisation
Environnements de serveurs physiques et de machines virtuelles pour l’exécution des services.
Stockage et données
Architecture du stockage, des bases de données et des échanges entre systèmes.
Plateformes hybrides
Intégration des services privés avec les environnements cloud et les applications.
Décisions de conception
Architecture de clusters de virtualisation avec stockage partagé et réseaux séparés pour l’administration, les applications et les migrations de VM. Le stockage partagé permet à plusieurs hôtes d’accéder aux volumes des VM pour les redémarrer sur un autre hôte. La réplication des baies et les chemins SAN multiples assurent la continuité de ces accès lorsque la configuration retenue le permet.
Exemple d’application
Un environnement peut séparer les services applicatifs, les données et l’administration, avec des capacités et des chemins d’accès définis pour chaque couche.
Livrables techniquesArchitecture, configuration des hôtes et du stockage, segmentation et procédures d’exploitation
Réalisations associées
Une plateforme de calcul exécute les analyses Python et R de séries d’échantillons génomiques dans des conteneurs. Chaque exécution conserve les références des fichiers d’entrée, du Git commit, de l’image du conteneur et des paramètres pour comparer les résultats et relancer le pipeline sur un autre jeu de données.
Apache Airflow
Docker
GitHub
Kubernetes
Linux
PostgreSQL
Pure Storage
Python
R
Terraform
Composants et flux
- Catalogue PostgreSQL pour les jeux de données, les paramètres et la provenance ; stockage partagé pour les fichiers et résultats
- Images Docker construites depuis des versions GitHub identifiées, puis exécution par Airflow et Kubernetes
- Traitements Python et R, publication des résultats et journalisation des exécutions
Un agent interroge un index des dossiers contractuels et transmet les passages autorisés à un modèle Llama hébergé sur la plateforme privée. Les permissions de l’utilisateur filtrent les documents avant la recherche. La réponse cite les pièces du dossier et les textes de référence utilisés.
- Docker
.NET
Microsoft Entra ID
Infomaniak
LangChain- Linux
Llama (Meta)
Model Context Protocol
Microsoft 365- PostgreSQL
- Python
Composants et flux
- Extraction des documents Microsoft 365 et des corpus de référence, puis indexation textuelle et vectorielle dans PostgreSQL
- Agent LangChain utilisant un modèle Llama et des outils MCP de recherche en lecture, avec filtrage des droits et limitation des appels
- Contrôle du contexte disponible avant génération et présentation des références dans une application .NET
Développement et intégration
- Serveurs Linux et Windows
- Virtualisation, conteneurs et stockage
- Identités et services d’infrastructure
- Automatisation et exploitation
Les systèmes concernés
- Serveurs, NAS/SAN et plateformes de virtualisation
- Bases de données et applications
- Azure, Google Cloud et services hébergés
Service associéServeurs et hébergement →
Solutions complémentaires
Parlons de votre projet
Un échange sur la conception, le développement et la mise en production de votre projet.