Main Page: Difference between revisions

From Essential
Jump to navigation Jump to search
(Veille hebdo GitHub trending - ajout projets pertinents)
 
(43 intermediate revisions by the same user not shown)
Line 39: Line 39:


; 1. Construire un assistant IA privé
; 1. Construire un assistant IA privé
* Déployer une stack type '''Open WebUI + Ollama + GPU'''
* Déployer une stack type '''Hermes WebUI + Ollama + GPU'''
* Ajouter un modèle de chat et un modèle de résumé
* Ajouter un modèle de chat et un modèle de résumé
* Brancher des données internes via '''RAG + embeddings'''
* Brancher des données internes via '''RAG + embeddings'''
Line 71: Line 71:
* les déploiements sont industrialisés,
* les déploiements sont industrialisés,
* l’infrastructure reste '''compréhensible, portable et réutilisable'''.
* l’infrastructure reste '''compréhensible, portable et réutilisable'''.
Chaque sortie IA est mesurée en temps réel, les modèles faibles sont remplacés automatiquement, et les tâches sans valeur sont coupées. L'autonomie vient de mécanismes techniques qui fonctionnent quand personne ne regarde — pas de règles écrites dans un doc.


[[File:SUMMARY-DIAGRAM-7311e6b1-aede-4989-ade2-a42d1a6e0ff2.png|thumb|right|Main page summary]]
[[File:SUMMARY-DIAGRAM-7311e6b1-aede-4989-ade2-a42d1a6e0ff2.png|thumb|right|Main page summary]]
Line 82: Line 84:
! Catégorie !! Service !! Rôle
! Catégorie !! Service !! Rôle
|-
|-
| API || [https://api.ailab.infocepo.com:wait-2026-06 LLM] || Modèles de chat, code, RAG, OCR
| API || [https://api-nothink.ailab.infocepo.com/docs LLM] || Modèles de chat, code, RAG, OCR
|-
|-
| API || [https://api-audio2txt.ailab.infocepo.com/docs STT] || Transcription audio
| API || [https://api-audio2txt.ailab.infocepo.com/docs STT] || Transcription audio
Line 90: Line 92:
| API || [https://github.com/ynotopec/api-realtime-ai realtime-ai] || Temps réel WebSocket / WebRTC
| API || [https://github.com/ynotopec/api-realtime-ai realtime-ai] || Temps réel WebSocket / WebRTC
|-
|-
| API || [https://api.ailab.infocepo.com:wait-2026-06 IMAGE2TXT] || OCR / VLM via endpoint dédié
| API || [https://api-nothink.ailab.infocepo.com/docs IMAGE2TXT] || OCR / VLM via endpoint dédié
|-
|-
| API || [https://api-summary.ailab.infocepo.com:wait-2026-06/docs summary] || Résumé de textes longs
| API || [https://api-summary.ailab.infocepo.com:wait-2026-12/docs summary] || Résumé de textes longs
|-
|-
| API || [https://text-embeddings.ailab.infocepo.com:wait-2026-06/docs text2embeddings] || Embeddings pour RAG
| API || [https://api-embedding.ailab.infocepo.com/docs EMBEDDINGS] || Embeddings pour RAG
|-
|-
| API || [https://chromadb.ailab.infocepo.com:wait-2026-06 ChromaDB] || Base vecteur
| API || [https://chromadb.ailab.infocepo.com:wait-2026-12 ChromaDB] || Base vecteur
|-
|-
| API || [https://api-txt2image.ailab.infocepo.com/docs TXT2IMAGE] || Génération d’images
| API || [https://api-txt2image.ailab.infocepo.com/docs TXT2IMAGE] || Génération d’images
Line 102: Line 104:
| API || [https://api-diarization.ailab.infocepo.com/docs diarization] || Segmentation locuteurs
| API || [https://api-diarization.ailab.infocepo.com/docs diarization] || Segmentation locuteurs
|-
|-
| Observabilité || [https://grafana.ailab.infocepo.com:wait-2026-06 monitoring] || Dashboards techniques
| Observabilité || [https://grafana.ailab.infocepo.com:wait-2026-12 monitoring] || Dashboards techniques
|-
|-
| Observabilité || [https://uptime-kuma.ailab.infocepo.com:wait-2026-06/status/ai status] || Disponibilité des services
| Observabilité || [https://uptime-kuma.ailab.infocepo.com:wait-2026-12/status/ai status] || Disponibilité des services
|-
|-
| Observabilité || [https://web-stat.c1.ailab.infocepo.com:wait-2026-06 web-stat] || Statistiques web
| Observabilité || [https://web-stat.c1.ailab.infocepo.com:wait-2026-12 web-stat] || Statistiques web
|-
|-
| Observabilité || [https://api.ailab.infocepo.com:wait-2026-06/ui LLM-stat] || Vue API / usage
| Observabilité || [https://api.ailab.infocepo.com:wait-2026-09/ui LLM-stat] || Vue API / usage
|-
|-
| Outils || [https://datalab.ailab.infocepo.com:wait-2026-06 dataLab] || Environnement de travail hors-production
| Outils || [https://datalab.ailab.infocepo.com:wait-2026-12 dataLab] || Environnement de travail hors-production
|-
|-
| Outils || [https://translate-rt.ailab.infocepo.com realtime translation] || Traduction
| Outils || [https://translate-rt.ailab.infocepo.com realtime translation] || Traduction
Line 121: Line 123:
= Nouveautés =
= Nouveautés =


== Nouveautés 29/05/2026 ==
== Nouveautés 20/07/2026 ==
* Qwen3.7 vient de faire un grand bon qualitatif en agentique tout en étant l'un des moins chers
* [https://translate-rt.ailab.infocepo.com '''Traduction temps réel'''] : réduction significative des hallucinations lors des silences, diminution de la latence et ajout de la plupart des langues en TTS.
* compatibilité Open WebUI avec Agentic RAG
* [https://api-tts-omnivoice.ailab.infocepo.com '''TTS Omnivoice'''] : Qualité TTS augmenté et ajout plus global des langues (600).
* upgrade [https://translate-rt.ailab.infocepo.com '''realtime translation'''] : réduction significative des hallucinations lors des silences, diminution de la latence et ajout de la plupart des langues en TTS
* [https://api-lightrag.ailab.infocepo.com '''LightRAG'''] : LightRAG est un framework RAG avancé et léger qui combine graphes de connaissances et recherche vectorielle pour une analyse contextuelle profonde et efficace.
* ajout de [https://api-tts-omnivoice.ailab.infocepo.com '''TTS Omnivoice'''] : Qualité TTS augmenté et ajout plus global des langues (600)
* [https://api-reranker.ailab.infocepo.com '''API reranker'''] : [https://github.com/ynotopec/api-reranker git].
* ajout de [https://api-lightrag.ailab.infocepo.com '''lightRAG'''] : LightRAG est un framework RAG avancé et léger qui combine graphs de connaissances et recherche vectorielle pour une analyse contextuelle profonde et efficace.
* [https://api-embedding.ailab.infocepo.com '''API embedding'''] : Mise à jour des paramètres RAG optimisation : bge-m3 (chunk 1200, 100 overlap). [https://github.com/ynotopec/api-embedding git]
* ajout de [https://api-reranker.ailab.infocepo.com '''API reranker''']
* [https://github.com/ynotopec/api-llm-privacy-proxy '''privacy-filter'''] : filtrage données personnelles.
* ajout de [https://api-embedding.ailab.infocepo.com '''API embedding''']
* [https://github.com/multica-ai/andrej-karpathy-skills '''Un seul fichier CLAUDE.md'''] inspiré d'Andrej Karpathy pour transformer Claude en un vrai ingénieur logiciel.
* [https://huggingface.co/openai/privacy-filter '''privacy-filter'''] : filtrage données personnelles
* [https://github.com/ynotopec/qwen36-sglang '''Qwen3.6'''] : Qwen3.6 delivers substantial upgrades in agentic coding and thinking preservation than previous Qwen models. Déployé avec [https://huggingface.co/nvidia/Qwen3.6-35B-A3B-NVFP4 NVIDIA/Qwen3.6-35B-A3B-NVFP4] — quantisation NVFP4 optimisée pour l'inférence GPU NVIDIA.
* Un seul fichier [https://github.com/multica-ai/andrej-karpathy-skills '''CLAUDE.md'''] inspiré d’Andrej Karpathy pour transformer Claude en un vrai ingénieur logiciel.
* [https://github.com/NousResearch/hermes-agent '''Hermes Agent'''] : l'agent qui s'améliore et grandit avec toi.
* Ajout de '''qwen3.6''' : Qwen3.6 delivers substantial upgrades in agentic coding and thinking preservation than previous Qwen models.  
* [https://github.com/anomalyco/opencode '''opencode'''] : CLI coder à comparer avec Aider / OpenHands. (⚠️ migration : ancienne URL `github.com/sst/opencode` → redirige vers `anomalyco/opencode`)
* [https://github.com/NousResearch/hermes-agent '''Hermes Agent'''] : l’agent qui s’améliore et grandit avec toi.
* [https://github.com/ynotopec/api-convert2md '''api-convert2md'''] : extraction de tableaux pour RAG compatible Open WebUI.
* [https://github.com/ynotopec/api-audio2txt-gemma4 '''gemma4 STT'''] : API de transcription compatible OpenAI. La qualité est très bonne. Il faut comparer avec Whisper3-turbo. Il est plus gourmant en mémoire. Il ne retourne pas de "timestamp" "sentence".
* Ajout de [https://github.com/ynotopec/coder-brain/blob/main/first-architecture.md '''brains expérimentaux'''].
* [https://github.com/ynotopec/api-audio2txt-qwen3 '''qwen3 STT'''] : API de transcription compatible OpenAI. La qualité est moins bonne en français que Whisper3-turbo. Mais il faudrait tester avec d'autres langues. Il peut théoriquement prendre beaucoup de charge avec le backend actuel vLLM.
* '''cohere STT''' : premiers tests non convainquants. Certainement pertinent dans la transcription monolangue, mais non adapté au multilangue. Il faut définir la langue avant transcription. Il ne retourne pas de "timestamp" "sentence".
* [https://github.com/sst/opencode '''opencode'''] : CLI coder à comparer avec Aider / OpenHands.
* DGX Spark : architecture CPU ARM.
* Ajout de [https://github.com/ynotopec/api-convert2md '''api-convert2md'''] : extraction de tableaux pour RAG compatible Open WebUI.
* Mise à jour des paramètres '''RAG optimisation'''.
* Ajout de [https://github.com/ynotopec/coder-brain/blob/main/first-architecture.md '''experimental brains'''].
* Ajout de [https://github.com/ynotopec/legal-agent '''legal-agent'''].
* Ajout de [https://github.com/ynotopec/legal-agent '''legal-agent'''].
* Ajout de [https://github.com/ynotopec/ai-security '''ai-security'''].
* Ajout de [https://github.com/ynotopec/ai-security '''ai-security'''].
* Ajout de [https://langextract.ailab.infocepo.com '''langextract'''] : démo extraction d’entités.
* [https://langextract.ailab.infocepo.com '''langextract'''] : démo extraction d'entités. (⚠️ nécessite authentification)
* Ajout de [https://sam-audio.c1.ailab.infocepo.com:wait-2026-06 '''sam-audio'''] : séparation audio sémantique.
* [https://sam-audio.ailab.infocepo.com '''sam-audio'''] : séparation audio sémantique.
* Ajout de '''API Realtime''' : WebRTC / WebSocket bidirectionnel basse latence.
* Ajout de l'[https://github.com/ynotopec/api-realtime-ai '''API Realtime'''] : WebRTC / WebSocket bidirectionnel basse latence.


----
----
Line 157: Line 152:
* Ajouter [https://github.com/vllm-project/guidellm '''GuideLLM'''] : capacity planning / benchmark réaliste.
* Ajouter [https://github.com/vllm-project/guidellm '''GuideLLM'''] : capacity planning / benchmark réaliste.
* Ajouter [https://github.com/NVIDIA-NeMo/Guardrails '''NeMo Guardrails'''] : garde-fous et politiques.
* Ajouter [https://github.com/NVIDIA-NeMo/Guardrails '''NeMo Guardrails'''] : garde-fous et politiques.
* '''Coût unitaire par tâche''' : chaque API doit exposer son prix/ml/token en temps réel — pas une facture mensuelle.
* '''Qualité auto''' : précision/hallucination rate branchés sur les sorties IA, avec rollback automatique si qualité < seuil.


== Backlog / Veille Technologique ==
== Backlog / Veille Technologique ==


=== Agents IA & Orchestration ===
=== Agents IA & Orchestration ===
* [https://github.com/Zackriya-Solutions/meetily '''meetily''' ] — Assistant IA de reunion local avec transcription Parakeet/Whisper en direct, diarisation et resume Ollama. 100% local, aucun cloud.
* [https://github.com/wonderwhy-er/DesktopCommanderMCP '''DesktopCommanderMCP''' ] — Serveur MCP pour Claude : controle terminal, recherche fichiers et edition de diffs.
* [https://github.com/openai/codex-plugin-cc '''codex-plugin-cc''' ] — Utiliser Codex depuis Claude Code pour reviewer du code ou deleguer des taches.
* [https://github.com/TencentCloud/CubeSandbox '''CubeSandbox''' ] — Sandbox instantanee, concurrente, securisee et leger pour agents IA.
* [https://github.com/ogulcancelik/herdr '''herdr''' ] — Multiplexeur d'agents qui vit dans votre terminal.
* [https://github.com/bradautomates/claude-video '''claude-video''' ] — Donner a Claude la capacite de regarder des vidéos : download, extraction frames, transcription.
* [https://github.com/iOfficeAI/OfficeCLI '''OfficeCLI''' ] — Suite Office construite pour agents IA : lire, modifier, automatiser Word, Excel, PowerPoint en binaire unique.
* [https://github.com/tt-a1i/archify '''archify''' ] — Skill agent : generer de beaux diagrammes d'architecture avec export PNG/JPEG/WebP/SVG.
* [https://github.com/alirezarezvani/claude-skills '''claude-skills''' ] — 345 skills et plugins pour agents de codage (30+ agents, 70+ commandes, 330+ skills) pour Claude Code, Codex, Gemini CLI, Cursor, et 8+.
* [https://github.com/ChromeDevTools/chrome-devtools-mcp '''chrome-devtools-mcp''' ] — Chrome DevTools pour agents de codage via MCP.
* [https://github.com/paperclipai/paperclip Paperclip] — Orchestrateur open-source pour coordonner et superviser une équipe d'agents IA autonomes
* [https://github.com/paperclipai/paperclip Paperclip] — Orchestrateur open-source pour coordonner et superviser une équipe d'agents IA autonomes
* [https://github.com/openclaw/openclaw OpenClaw]
* [https://github.com/openclaw/openclaw OpenClaw]
* [https://github.com/colbymchenry/codegraph '''codegraph''' ] — Indexation locale des graphes de code pour agents (Hermes, Claude, Codex sync auto).
* [https://github.com/Egonex-AI/Understand-Anything '''Understand-Anything''' ] — Transforme tout code en graphe de connaissances interactif explorable et questionnable.
* [https://github.com/All-Hands-AI/OpenHands OpenHands] — Agent IA autonome pour le développement logiciel
* [https://github.com/All-Hands-AI/OpenHands OpenHands] — Agent IA autonome pour le développement logiciel
* [https://github.com/langgenius/dify Dify] — Plateforme de développement d'applications IA (LLM Ops)
* [https://github.com/langgenius/dify Dify] — Plateforme de développement d'applications IA (LLM Ops)
Line 168: Line 178:
* [https://github.com/langchain-ai/langchain LangChain] — Framework pour applications basées sur les LLM
* [https://github.com/langchain-ai/langchain LangChain] — Framework pour applications basées sur les LLM
* [https://github.com/FlowiseAI/Flowise FlowiseAI] — Build LLM apps visually
* [https://github.com/FlowiseAI/Flowise FlowiseAI] — Build LLM apps visually
* Rasa — Framework open-source pour chatbots et assistants vocaux
* [https://github.com/RasaHQ/rasa '''Rasa'''] — Framework open-source pour chatbots et assistants vocaux
* DeepResearch — Recherche approfondie automatisée par IA
* [https://github.com/DeusData/codebase-memory-mcp '''codebase-memory-mcp''' ] - Serveur MCP haute performance pour l'indexation de codebases en graphe de connaissances persistant.
 
* [https://github.com/Panniantong/Agent-Reach '''Agent-Reach''' ] - Donnez des yeux a vos agents IA pour naviguer le web entier (Twitter, Reddit, YouTube, GitHub) en CLI, sans frais API.
=== Génération Vidéo ===
* [https://github.com/NVIDIA/SkillSpector '''SkillSpector''' ] - Scanner de securite pour les competences d'agents IA : detecte vulnerabilites, patterns malveillants et risques.
* [https://huggingface.co/SulphurAI/Sulphur-2-base Sulphur-2-base] — Modèle vidéo uncensored basé sur LTX 2.3 (t2v, i2v natif)
* [https://github.com/withastro/flue '''flue''' ] - Framework sandbox pour agents IA -- isolation et execution securisee de plugins/agents.
 
* [https://github.com/addyosmani/agent-skills '''agent-skills''' ] - Skills d'ingenierie de qualite production pour les agents de codage IA (Claude, Cursor, etc.).
=== Audio & TTS ===
* [https://huggingface.co/Supertone/supertonic-3 Supertonic-3] — TTS léger pour inférence locale, ONNX Runtime, zéro cloud
* '''faster-whisper (mutualisé)''' — Transcription speech-to-text optimisée
* [https://github.com/resemble-ai/chatterbox Chatterbox] —
* [https://huggingface.co/Qwen/Qwen3-Omni-30B-A3B-Instruct Qwen3-Omni-30B-A3B-Instruct] — Modèle multimodal Qwen (audio + texte + image)
 
=== Génération & Édition d'Images ===
* [https://huggingface.co/HiDream-ai/HiDream-O1-Image HiDream-O1-Image] — Modèle unifié pixel-level (UiT), sans VAE externe — t2i, édition, personnalisation jusqu'à 2048×2048
* [https://huggingface.co/dx8152/Qwen-Edit-2509-Multiple-angles Qwen-Edit-2509-Multiple-angles] — Édition d'images multi-angles
 
=== RAG & Traitement de Documents ===
* '''RAG sur PDF avec images'''
* [https://huggingface.co/ibm-granite/granite-docling-258M granite-docling-258M] — Parsing structuré de documents IBM Granite
* [https://github.com/deepset-ai/haystack Haystack] — Framework RAG end-to-end (deepset)
* '''Mem0''' — Mémorie à long terme pour agents IA
* '''meilisearch''' — Moteur de recherche full-text
 
=== APIs à Développer ===
* '''Classificateur IA''' — Classification de contenu
* '''Résumé mutualisé''' — API de résumé de texte partagée
* '''KV (LDAP user / group)''' — Clé-valeur avec annuaire LDAP
* '''NER''' — Reconnaissance d'entités nommées
* '''Compressor''' — Compression de contenu
 
=== Infrastructure & Backend ===
* '''Temporal''' — Orchestration de workflows critiques
* [https://github.com/appwrite/appwrite Appwrite] — Backend as a service open-source
* [https://github.com/vllm-project/semantic-router Semantic Router] — Routage sémantique de requêtes vLLM
* [https://github.com/KeygraphHQ/shannon Shannon] —
* [https://github.com/airbytehq/airbyte Airbyte] — Plateforme ETL/ELT open-source
* [https://github.com/supabase/supabase Supabase] — Alternative open-source Firebase (PostgreSQL, Auth, etc.)
* '''Metabase''' — Analytics et dashboards open-source
* '''N8N''' — Workflow automation open-source
* '''AppFlowy''' — Suite collaborative open-source (alternative Notion)
* '''Scalabilité''' — Axe d'amélioration
 
=== Outils Dev ===
* [https://github.com/Aider-AI/aider Aider] — Assistant de codage IA en ligne de commande
* [https://github.com/continuedev/continue Continue] — Extension IDE IA (VS Code, JetBrains)
* '''MCP LLM''' — Modèle de langage via Model Context Protocol
 
= Assistants IA & outils cloud =
 
== Assistants IA ==
 
; '''ChatGPT'''
* [https://chatgpt.com ChatGPT] – Assistant conversationnel public, utile pour exploration, rédaction, expérimentation rapide.
 
; '''Assistants IA auto-hébergés'''
* [https://github.com/open-webui/open-webui Open WebUI] + [https://ollama.com Ollama] + GPU 
: Stack typique pour assistant privé, API OpenAI-compatible et expérimentation locale.
* [https://github.com/ynotopec/summarize Private summary] 
: Outil de résumé local, rapide et hors ligne.
 
== Développement, modèles & veille ==
 
; '''Découverte de modèles'''
* [https://huggingface.co/models Models Trending]
 
; '''Évaluation & benchmarks'''
* [https://arena.ai/leaderboard/code Agentic Evaluation]
 
; '''Outils de développement & fine-tuning'''
* [https://github.com/trending?since=weekly Project Trending]
* [https://grok.com News search]
 
== Matériel IA & GPU ==
* NVIDIA GH200
* DGX Spark
* [https://www.mouser.fr/ProductDetail/BittWare/RS-GQ-GC1-0109?qs=ST9lo4GX8V2eGrFMeVQmFw%3D%3D GROQ LLM accelerator]
 
----
 
= API Realtime AI (DEV) =
 
'''Statut :''' environnement DEV, remplaçante prévue de l’API OpenAI pour les cas temps réel.
 
== Configuration ==
{| class="wikitable"
! Variable !! Valeur
|-
| OPENAI_API_BASE || <code>wss://api-realtime-ai.ailab.infocepo.com:wait-2026-06/v1</code>
|-
| OPENAI_API_KEY || <code>sk-XXXXX</code>
|}
 
== Dépôt GitHub ==
* [https://github.com/ynotopec/api-realtime-ai ynotopec/api-realtime-ai]
 
== Page de test ==
* <code>external-test/half-duplex.html</code> — annulation d’écho + mode half-duplex.
 
== Compatibilité ==
Remplacer l’URL OpenAI par <code>$OPENAI_API_BASE</code> pour tester compatibilité et performances.
 
----
 
= API LLM (OpenAI compatible) =
 
* URL de base : <code>https://api.ailab.infocepo.com:wait-2026-06/v1</code>
* Création du token : [https://llm-token.ailab.infocepo.com:wait-2026-06 OPENAI_API_KEY]
* Documentation : [https://api.ailab.infocepo.com:wait-2026-06 Documentation API]
 
== Liste des modèles ==
<pre>
curl -X GET \
  'https://api.ailab.infocepo.com:wait-2026-06/v1/models' \
  -H 'Authorization: Bearer sk-XXXXX' \
  -H 'accept: application/json' \
  | jq | sed -rn 's#^.*id.*: "(.*)".*$#* \1#p' | sort -u
</pre>
 
== Modèles ouverts & endpoints internes ==
 
''Dernière mise à jour : 2026-04-20''
 
Les modèles ci-dessous correspondent à des '''endpoints logiques''' exposés derrière une passerelle.
 
{| class="wikitable"
! Endpoint !! Description / usage principal
|-
| '''ai-multilingual''' || '''qwen3.6 fp8''' en mode '''nothink''' – multilingual
|-
| '''ai-tools''' || '''qwen3.6 fp8''' – tâches agentiques et outils
|-
| '''ai-thinking''' || '''qwen3.6 fp8''' – thinking
|-
| '''ai-vision''' || '''qwen3.6 fp8''' en mode '''nothink''' – vision/OCR
|-
| '''ai-embedding''' || '''bge-m3''' – recherche sémantique
|-
| '''ai-stt''' || '''whisper3-turbo''' – transcription vocale multilingual
|-
| '''ai-tts''' || '''Kokoro-82M''' – TTS multilingual limité ''(actuel, internal dev)''
|-
| '''ai-tts-next''' || '''OmniVoice''' – TTS multilingual en évaluation
|-
| '''ai-image''' || '''OpenDalle''' – image génération
|}
 
== Exemple bash ==
<pre>
export OPENAI_API_MODEL="ai-chat"
export OPENAI_API_BASE="https://api.ailab.infocepo.com:wait-2026-06/v1"
export OPENAI_API_KEY="sk-XXXXX"
 
promptValue="Quel est ton nom ?"
jsonValue='{
  "model": "'${OPENAI_API_MODEL}'",
  "messages": [{"role": "user", "content": "'${promptValue}'"}],
  "temperature": 0
}'
 
curl -k ${OPENAI_API_BASE}/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d "${jsonValue}" 2>/dev/null | jq '.choices[0].message.content'
</pre>
 
== Vue infra LLM ==
[[File:Litellm-proxy-mermaid-diagram-2024-03-24-205202.png|thumb|right]]
 
'''DEV (au choix)'''
* '''A.''' <code>LiteLLM → vLLM/SgLang</code> : tests perf / compatibilité
* '''B.''' <code>LiteLLM → Ollama</code> : simple, rapide à itérer
* '''C.''' <code>Ollama</code> direct : POC ultra-léger
 
'''DEV – modèle FR / résumé'''
* <code>LiteLLM → Ollama /v1</code>
 
'''PROD'''
* '''Standard :''' <code>LiteLLM → vLLM/SgLang</code>
* '''Pont DEV→PROD :''' <code>LiteLLM (DEV) → LiteLLM (PROD) → vLLM/SgLang</code>
 
'''Notes :'''
* '''LiteLLM''' = passerelle unique (clés, quotas, logs)
* '''vLLM/SgLang''' = performance / stabilité en charge
* '''Ollama''' = simplicité de prototypage
 
----
 
= API Image to Text =
 
* Utilise l’API LLM avec un endpoint adapté à l’OCR / VLM.
* Modèle recommandé : <code>ai-vision</code>
 
== Exemple bash ==
<pre>
OPENAI_API_KEY=sk-XXXXX
 
base64 -w0 "/path/to/image.png" > img.b64
 
jq -n --rawfile img img.b64 \
'{
  model: "ai-vision",
  messages: [
    {
      role: "user",
      content: [
        { "type": "text", "text": "Décris cette image." },
        {
          "type": "image_url",
          "image_url": { "url": ("data:image/png;base64," + ($img | rtrimstr("\n"))) }
        }
      ]
    }
  ]
}' > payload.json
 
curl https://api.ailab.infocepo.com:wait-2026-06/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  --data-binary @payload.json
</pre>
 
== Exemple Python ==
<pre>
import base64
import json
import requests
import os
 
API_KEY = os.getenv("OPENAI_API_KEY")
MODEL = "ai-vision"
IMG_PATH = "/path/to/image.png"
API_URL = "https://api.ailab.infocepo.com:wait-2026-06/v1/chat/completions"
 
with open(IMG_PATH, "rb") as f:
    img_b64 = base64.b64encode(f.read()).decode("utf-8")
 
payload = {
    "model": MODEL,
    "messages": [
        {
            "role": "user",
            "content": [
                {"type": "text", "text": "Décris cette image."},
                {
                    "type": "image_url",
                    "image_url": {"url": f"data:image/png;base64,{img_b64}"}
                }
            ]
        }
    ]
}
 
headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json"
}
 
response = requests.post(API_URL, headers=headers, data=json.dumps(payload))
 
if response.ok:
    print(json.dumps(response.json(), indent=2, ensure_ascii=False))
else:
    print(f"Erreur {response.status_code}: {response.text}")
</pre>
 
----
 
= API STT =
 
* URL : <code>https://api-audio2txt.ailab.infocepo.com/v1</code>
* Clé : <code>OPENAI_API_KEY=sk-XXXXX</code>
* Modèle : <code>whisper-1</code>
* Documentation : [https://api-audio2txt.ailab.infocepo.com/docs API STT docs]
 
== Exemple Python ==
<pre>
import requests
 
OPENAI_API_KEY = 'sk-XXXXX'
 
url = 'https://api-audio2txt.ailab.infocepo.com/v1/audio/transcriptions'
headers = {
    'Authorization': f'Bearer {OPENAI_API_KEY}',
}
files = {
    'file': ('file.opus', open('/path/to/file.opus', 'rb')),
    'model': (None, 'whisper-1')
}
 
response = requests.post(url, headers=headers, files=files)
print(response.json())
</pre>
 
== Exemple curl ==
<pre>
[ ! -f /tmp/test.ogg ] && wget "https://upload.wikimedia.org/wikipedia/commons/1/17/Fables_de_La_Fontaine_Livre_1_01.ogg" -O /tmp/test.ogg
 
export OPENAI_API_KEY=sk-XXXXX
 
curl https://api-audio2txt.ailab.infocepo.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F model="whisper-1" \
  -F file="@/tmp/test.ogg"
</pre>
 
== Notes ==
* Plusieurs formats audio sont acceptés.
* Le flux final est normalisé en '''16 kHz mono'''.
* Pour une qualité optimale : privilégier '''OPUS 16 kHz mono'''.
 
== UI ==
* [https://translate-rt.ailab.infocepo.com translate-rt]
 
----
 
= API TTS =
 
* URL : <code>https://api-tts-omnivoice.ailab.infocepo.com/v1</code>
* Clé : <code>OPENAI_API_KEY=sk-XXXXX</code>
* Documentation : [https://tts.ailab.infocepo.com:wait-2026-06/docs API TTS docs]
 
== Exemple ==
<pre>
export OPENAI_API_KEY=sk-XXXXX
 
curl https://api-tts-omnivoice.ailab.infocepo.com/v1/audio/speech \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-4o-mini-tts",
    "input": "Bonjour, ceci est un test de synthèse vocale.",
    "voice": "coral",
    "instructions": "Speak in a cheerful and positive tone.",
    "response_format": "opus"
  }' | ffplay -i -
</pre>
 
----
 
= API Text to Image =
 
* URL : <code>https://api-txt2image.ailab.infocepo.com/v1</code>
* Clé API : <code>OPENAI_API_KEY=sk-...</code>
* Documentation : [https://api-txt2image.ailab.infocepo.com/docs API TXT2IMAGE docs]
 
== Exemple ==
<pre>
export OPENAI_API_KEY=EMPTY
 
curl https://api-txt2image.ailab.infocepo.com/v1/images/generations \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -d '{
    "prompt": "a photo of a happy corgi puppy sitting and facing forward, studio light, longshot",
    "n": 1,
    "size": "1024x1024"
  }'
</pre>
 
----
 
= API Diarization =
 
* Documentation : [https://api-diarization.ailab.infocepo.com/docs API Diarization docs]
 
== Exemple ==
<pre>
wget "https://upload.wikimedia.org/wikipedia/commons/6/60/Mike_Peters_on_Politics_and_Emotion_%28Interview_1984%29.mp3" -O /tmp/test.mp3
 
curl -X POST "https://api-diarization.ailab.infocepo.com/upload-audio/" \
  -H "Authorization: Bearer token1" \
  -F "file=@/tmp/test.mp3"
</pre>
 
----
 
= API Summary =
 
* Documentation : [https://api-summary.ailab.infocepo.com:wait-2026-06/docs API Summary docs]
 
== Exemple ==
<pre>
text="The tower is 324 metres tall and is one of the most recognizable monuments in the world."
 
json_payload=$(jq -nc --arg text "$text" '{"text": $text}')
 
curl -X POST https://api-summary.ailab.infocepo.com:wait-2026-06/summary/ \
  -H "Content-Type: application/json" \
  -d "$json_payload"
</pre>
 
----
 
= API Text Embeddings =
 
* URL : <code>https://text-embeddings.ailab.infocepo.com:wait-2026-06</code>
* Documentation : [https://text-embeddings.ailab.infocepo.com:wait-2026-06/docs Documentation]
 
== Exemple ==
<pre>
curl -k https://text-embeddings.ailab.infocepo.com:wait-2026-06/embed \
  -X POST \
  -d '{"inputs":"What is Deep Learning?"}' \
  -H 'Content-Type: application/json'
</pre>
 
----
 
= API DB Vectors (ChromaDB) =
 
== Production ==
* URL : <code>https://chromadb.ailab.infocepo.com:wait-2026-06</code>
* Token : <code>XXXXX</code>
 
== Lab ==
<pre>
export CHROMA_HOST=https://chromadb.c1.ailab.infocepo.com:wait-2026-06
export CHROMA_PORT=443
export CHROMA_TOKEN=XXXX
</pre>
 
== Exemple curl ==
<pre>
curl -v "${CHROMA_HOST}"/api/v1/collections \
  -H "Authorization: Bearer ${CHROMA_TOKEN}"
</pre>
 
== Exemple Python ==
<pre>
import chromadb
from chromadb.config import Settings
 
def chroma_http(host, port=80, token=None):
    return chromadb.HttpClient(
        host=host,
        port=port,
        ssl=host.startswith('https') or port == 443,
        settings=(
            Settings(
                chroma_client_auth_provider='chromadb.auth.token.TokenAuthClientProvider',
                chroma_client_auth_credentials=token,
            ) if token else Settings()
        )
    )
 
client = chroma_http(CHROMA_HOST, CHROMA_PORT, CHROMA_TOKEN)
collections = client.list_collections()
print(collections)
</pre>
 
== Déployer sa propre instance ==
<pre>
export nameSpace=your_namespace
domainRoot=ailab.infocepo.com
 
helm repo add chroma https://amikos-tech.github.io/chromadb-chart/
helm repo update
 
helm upgrade --install chromadb chroma/chromadb -n ${nameSpace} \
  --set chromadb.apiVersion="0.4.24" \
  --set ingress.enabled=true \
  --set ingress.hosts[0].host="${nameSpace}-chromadb.${domainRoot}" \
  --set ingress.hosts[0].paths[0].path=/ \
  --set ingress.hosts[0].paths[0].pathType=ImplementationSpecific \
  --set ingress.annotations."cert-manager\.io/cluster-issuer"=letsencrypt-prod \
  --set ingress.tls[0].secretName=${nameSpace}-chromadb.${domainRoot}-tls \
  --set ingress.tls[0].hosts[0]="${nameSpace}-chromadb.${domainRoot}"
 
kubectl -n ${nameSpace} patch ingress/chromadb --type=json \
  -p '[{"op":"add","path":"/metadata/annotations/nginx.ingress.kubernetes.io~1proxy-body-size","value":"0"}]'
</pre>
 
== Récupérer le token ==
<pre>
kubectl --namespace ${nameSpace} get secret chromadb-auth \
  -o jsonpath="{.data.token}" | base64 --decode && echo
</pre>
 
----
 
= Registry =
 
* URL : [https://registry.ailab.infocepo.com:wait-2026-06 registry.ailab.infocepo.com:wait-2026-06]
* Login : <code>user</code>
* Password : <code>XXXXX</code>
 
== Exemple ==
<pre>
curl -u "user:XXXXX" https://registry.ailab.infocepo.com:wait-2026-06/v2/_catalog
</pre>
 
== Exemple K8S ==
<pre>
deploymentName=
nameSpace=
 
kubectl -n ${nameSpace} create secret docker-registry pull-secret \
  --docker-server=registry.ailab.infocepo.com:wait-2026-06 \
  --docker-username=user \
  --docker-password=XXXXX \
  --docker-email=contact@example.com
 
kubectl -n ${nameSpace} patch deployment ${deploymentName} \
  -p '{"spec":{"template":{"spec":{"imagePullSecrets":[{"name":"pull-secret"}]}}}}'
</pre>
 
----
 
= Stockage objet externe (S3) =
 
* Endpoint : <code>https://s3.ailab.infocepo.com:wait-2026-06</code>
* Access key : <code>XXXX</code>
* Secret key : <code>XXXX</code>
 
Un bucket nommé <code>ORG</code> a été créé pour stocker des documents de démonstration.
 
----
 
= RAG optimisation =
 
* Embeddings : <code>BAAI/bge-m3</code>
* <code>chunk_size=1200</code>
* <code>chunk_overlap=100</code>
* LLM : <code>qwen3.6</code>
* Pour les PDF mixtes : '''PDF → image → OCR / VLM''' peut améliorer les résultats.
 
----
 
= Processus usine IA =
 
{| class="wikitable" style="width:80%;"
! Étape !! Description !! Outils utilisés !! Responsable(s)
|-
| 1 || Idée || - || Équipe projet
|-
| 2 || Développement || Environnement Onyxia / lab || Équipe projet
|-
| 3 || Déploiement || CI/CD, GitHub, Kubernetes || Équipe DevOps
|-
| 4 || Surveillance || Uptime-Kuma, dashboards || Équipe DevOps
|-
| 5 || Alertes || Mattermost || Équipe DevOps
|-
| 6 || Support infrastructure || - || Équipe SRE
|-
| 7 || Support applicatif || - || Équipe applicative
|}
 
----
 
= Environnements =
 
== Hors production ==
* Utiliser [https://datalab.ailab.infocepo.com:wait-2026-06 datalab]
* Support : canal Mattermost Offre IA
* Le pseudo utilisateur doit respecter la convention interne
* Demander si besoin un accès Linux + Kubernetes
 
== Production (best-effort) ==
* Publier le code applicatif, les secrets (format SOPS), le Dockerfile et le code infra (Helm ou manifests K8S) sur Git
* Demander un namespace
* Lire la documentation de surveillance associée
 
== Limites de l’infrastructure ==
* Les charges GPU sont intentionnellement limitées en journée.
 
----
 
= Cloud Lab & projets d’audit =
 
[[File:Infocepo.drawio.png|400px|Cloud Lab reference diagram]]
 
Le '''Cloud Lab''' fournit des scénarios reproductibles : audit d’infrastructure, migration cloud, automatisation, haute disponibilité.
 
== Projet d’audit ==
; '''[[ServerDiff.sh]]'''
Script Bash d’audit permettant de :
* détecter les dérives de configuration,
* comparer plusieurs environnements,
* préparer un plan de migration ou de remédiation.
 
== Exemple de migration cloud ==
[[File:Diagram-migration-ORACLE-KVM-v2.drawio.png|400px|Cloud migration diagram]]
 
{| class="wikitable"
! Tâche !! Description !! Durée (jours)
|-
| Audit infrastructure || 82 services, audit automatisé via '''ServerDiff.sh''' || 1.5
|-
| Diagramme d’architecture || Conception visuelle et documentation || 1.5
|-
| Contrôles de conformité || 2 clouds, 6 hyperviseurs, 6 To RAM || 1.5
|-
| Installation plateforme cloud || Déploiement des environnements cibles || 1.0
|-
| Vérification de stabilité || Premiers tests fonctionnels || 0.5
|-
| Étude d’automatisation || Identification des tâches répétitives || 1.5
|-
| Développement des templates || 6 templates, 8 environnements, 2 clouds / OS || 1.5
|-
| Diagramme de migration || Illustration du processus || 1.0
|-
| Écriture du code de migration || 138 lignes (voir '''MigrationApp.sh''') || 1.5
|-
| Stabilisation || Validation de la reproductibilité || 1.5
|-
| Benchmark cloud || Comparaison vs legacy || 1.5
|-
| Réglage des temps d’arrêt || Calcul du downtime || 0.5
|-
| Chargement VM || 82 VMs : OS, code, 2 IP par VM || 0.1
|-
! colspan=2 align="right"| '''Total''' !! 15 jours.homme
|}
 
=== Vérifications de stabilité (HA minimale) ===
{| class="wikitable"
! Action !! Résultat attendu
|-
| Extinction d’un nœud || Tous les services redémarrent automatiquement sur les autres nœuds
|-
| Extinction / redémarrage simultané de tous les nœuds || Les services repartent correctement après reboot
|}
 
----
 
= Architecture web & bonnes pratiques =
 
[[File:WebModelDiagram.drawio.png|400px|Reference web architecture]]
 
Principes de conception :
 
* privilégier une infrastructure '''simple, modulaire et flexible''',
* rapprocher le contenu du client (GDNS ou équivalent),
* utiliser des load balancers réseau (LVS, IPVS),
* comparer les coûts et éviter le '''vendor lock-in''',
* pour TLS :
** '''HAProxy''' pour les frontends rapides,
** '''Envoy''' pour les cas avancés (mTLS, HTTP/2/3),
* pour le cache :
** '''Varnish''', '''Apache Traffic Server''',
* favoriser les stacks open-source,
* utiliser files, buffers, queues et quotas pour lisser les pics.
 
== Références ==
* [https://wikitech.wikimedia.org/wiki/Wikimedia_infrastructure Wikimedia infrastructure]
* [https://github.com/systemdesign42/system-design System Design GitHub]
 
----
 
= Comparatif des grandes plateformes cloud =
 
{| class="wikitable"
! Fonctionnalité !! Kubernetes !! OpenStack !! AWS !! Bare-metal !! HPC !! CRM !! oVirt
|-
| '''Outils de déploiement''' || Helm, YAML, ArgoCD, Juju || Ansible, Terraform, Juju || CloudFormation, Terraform, Juju || Ansible, Shell || xCAT, Clush || Ansible, Shell || Ansible, Python
|-
| '''Méthode de bootstrap''' || API || API, PXE || API || PXE, IPMI || PXE, IPMI || PXE, IPMI || PXE, API
|-
| '''Contrôle routeur''' || Kube-router || Router/Subnet API || Route Table / Subnet API || Linux, OVS || xCAT || Linux || API
|-
| '''Contrôle firewall''' || Istio, NetworkPolicy || Security Groups API || Security Group API || Linux firewall || Linux firewall || Linux firewall || API
|-
| '''Virtualisation réseau''' || VLAN, VxLAN || VPC || VPC || OVS, Linux || xCAT || Linux || API
|-
| '''DNS''' || CoreDNS || DNS-Nameserver || Route 53 || GDNS || xCAT || Linux || API
|-
| '''Load balancer''' || Kube-proxy, LVS || LVS || Network Load Balancer || LVS || SLURM || Ldirectord || N/A
|-
| '''Stockage''' || Local, cloud, PVC || Swift, Cinder, Nova || S3, EFS, EBS, FSx || Swift, XFS, EXT4, RAID10 || GPFS || SAN || NFS, SAN
|}
 
Cette table sert de point de départ pour choisir la bonne stack selon :
* le niveau de contrôle souhaité,
* le contexte (on-prem, cloud public, HPC…),
* les outils d’automatisation existants.
 
----
 
= Haute disponibilité, HPC & DevSecOps =
 
== Haute disponibilité avec Corosync & Pacemaker ==
[[File:HA-REF.drawio.png|400px|HA cluster architecture]]
 
Principes :
* clusters multi-nœuds ou multi-sites,
* fencing via IPMI,
* provisioning PXE / NTP / DNS / TFTP,
* pour 2 nœuds : attention au split-brain,
* 3 nœuds ou plus recommandés en production.
 
=== Ressources fréquentes ===
* multipath, LUNs, LVM, NFS,
* processus applicatifs,
* IP virtuelles, DNS, listeners réseau.
 
== HPC ==
[[File:HPC.drawio.png|400px|Overview of an HPC cluster]]
 
* orchestration de jobs (SLURM ou équivalent),
* stockage partagé haute performance,
* intégration possible avec des workloads IA.
 
== DevSecOps ==
[[File:DSO-POC-V3.drawio.png|400px|DevSecOps reference design]]
 
* CI/CD avec contrôles de sécurité intégrés,
* observabilité dès la conception,
* scans de vulnérabilité,
* gestion des secrets,
* policy-as-code.
 
----
 
= News & trends =
 
* [https://www.youtube.com/@lev-selector/videos Top AI News]
* [https://betterprogramming.pub/color-your-captions-streamlining-live-transcriptions-with-diart-and-openais-whisper-6203350234ef Real-time transcription with Diart + Whisper]
* [https://github.com/openai-translator/openai-translator OpenAI Translator]
* [https://opensearch.org/docs/latest/search-plugins/conversational-search Opensearch with LLM]
 
----
 
= Formation & apprentissage =
 
* [https://www.youtube.com/watch?v=4Bdc55j80l8 Transformers Explained]
* Labs, scripts et retours d’expérience concrets dans le projet Cloud Lab
 
----
 
= Liens cloud & IT utiles =
 
* [https://cloud.google.com/free/docs/aws-azure-gcp-service-comparison Cloud Providers Compared]
* [https://global-internet-map-2021.telegeography.com/ Global Internet Topology Map]
* [https://landscape.cncf.io/?fullscreen=yes CNCF Official Landscape]
* [https://wikitech.wikimedia.org/wiki/Wikimedia_infrastructure Wikimedia Cloud Wiki]
* [https://openapm.io OpenAPM]
* [https://access.redhat.com/downloads/content/package-browser Red Hat Package Browser]
* [https://www.silkhom.com/barometre-2021-des-tjm-dans-informatique-digital Baromètre TJM IT]
* [https://www.glassdoor.fr/salaire/Hays-Salaires-E10166.htm Indicateurs salariaux IT]
 
----
 
= Outils collaboratifs =
 
== Dépôts de code ==
* [https://github.com/ynotopec GitHub ynotopec]
 
== Base de connaissance ==
* ce wiki
 
== Messagerie ==
* contact interne / support selon les projets
 
== SSO ==
* [https://auth-lab.ailab.infocepo.com:wait-2026-06/auth Keycloak]
 
== MLflow ==
* [[MLFlow|MLFlow]]
 
----
 
= À propos & contributions =


Suggestions de corrections, améliorations de schémas, retours d’expérience ou nouveaux labs bienvenus.


Ce wiki a vocation à rester un '''laboratoire vivant''' pour l’IA, le cloud et l’automatisation.
* [https://github.com/bytedance/deer-flow '''deer-flow''' ] - SuperAgent open-source a horizon long : recherche, codage et creation avec sandboxes, memoires, outils, sous-agents et passerelle de messages.
* [https://github.com/stablyai/orca '''Orca''' ] - ADE pour travailler avec une flotte d'agents paralleles. Lancez n'importe quel agent de codage avec votre propre abonnement, disponible sur desktop et mobile.
* [https://github.com/aws/agent-toolkit-for-aws '''agent-toolkit-for-aws''' ] - Serveurs MCP, competences et plugins officiels supports par AWS pour aider les agents IA a construire sur AWS.
* [https://github.com/topoteretes/cognee '''cognee''' ] - Plateforme de memoire IA open-source pour agents. Offrez a vos agents une memoire a long terme persistante via un moteur de graphe de connaissances auto-hebergt.
* [https://github.com/alibaba/page-agent '''page-agent''' ] - Agent GUI en-page JavaScript. Controlez les interfaces web en langage naturel.
* [https://github.com/BuilderIO/agent-native '''agent-native''' ] - Framework pour construire des applications natives pour agents IA.
* [https://github.com/earendil-works/pi '''pi''' ] — Toolkit agent IA : API LLM unifiée, boucle agent, TUI et CLI de codage en une seule stack.
* [https://github.com/tirth8205/code-review-graph '''code-review-graph''' ] — Grappe de code locale persistante pour MCP et CLI — réduction de contexte 8.2x pour revue de code IA.
* [https://github.com/openinterpreter/openinterpreter '''openinterpreter''' ] — Agent de codage open-source pour modèles ouverts (Deepseek, Kimi, Qwen) avec exécution terminal.
* [https://github.com/openai/codex '''codex (OpenAI)''' ] — Agent de codage léger d'OpenAI qui s'exécute directement dans le terminal.
* [https://github.com/ibelick/ui-skills '''ui-skills''' ] — Compétences de design pour ingénieurs UI : audits, systèmes de design et refactoring visuel.
* [https://github.com/kangarooking/cangjie-skill '''cangjie-skill''' ] — Transformer livres, podcasts et vidéos en compétences AI exécutables pour agents de codage.
* [https://github.com/mattpocock/skills '''mattpocock/skills''' ] — Skills d'ingénierie pour agents IA — TDD, tests, design de codebase et modélisation de domaine.
* [https://github.com/Nutlope/hallmark '''hallmark''' ] — Compétence de design anti-slop IA pour Claude Code, Cursor et Codex : tests de qualité et auto-critique intégrés.

Latest revision as of 11:03, 20 July 2026

Discover cloud and AI on infocepo.com

infocepo.com – Cloud, AI & Labs

Bienvenue sur le portail infocepo.com.

Ce wiki documente l’écosystème Cloud, IA, automatisation et lab d’Infocepo. Il s’adresse aux :

  • administrateurs systèmes,
  • ingénieurs cloud,
  • développeurs,
  • étudiants,
  • curieux qui veulent apprendre en pratiquant.

L’objectif est simple : transformer la théorie en scripts réutilisables, schémas, architectures, APIs et laboratoires concrets.

Accès rapide

Portail principal

Assistant IA

Liste des pages du wiki

Vue d’ensemble

Infra architecture overview

Démarrer rapidement

Parcours recommandés

1. Construire un assistant IA privé
  • Déployer une stack type Hermes WebUI + Ollama + GPU
  • Ajouter un modèle de chat et un modèle de résumé
  • Brancher des données internes via RAG + embeddings
2. Lancer un lab cloud
  • Créer un petit cluster Kubernetes, OpenStack ou bare-metal
  • Mettre en place un pipeline de déploiement (Helm, Ansible, Terraform…)
  • Ajouter un service IA : transcription, résumé, chatbot, OCR…
3. Préparer un audit ou une migration
  • Inventorier les serveurs avec ServerDiff.sh
  • Concevoir l’architecture cible
  • Automatiser la migration avec des scripts reproductibles

Vue d’ensemble du contenu

  • Guides IA & outils : assistants, modèles, évaluation, GPU, RAG
  • Cloud & infrastructure : Kubernetes, OpenStack, HA, HPC, DevSecOps
  • Labs & scripts : audit, migration, automatisation
  • Comparatifs : Kubernetes vs OpenStack vs AWS vs bare-metal, etc.

Vision

The world after automation

Le but à long terme est de construire un environnement où :

  • les assistants IA privés accélèrent la production,
  • les tâches répétitives sont automatisées,
  • les déploiements sont industrialisés,
  • l’infrastructure reste compréhensible, portable et réutilisable.

Chaque sortie IA est mesurée en temps réel, les modèles faibles sont remplacés automatiquement, et les tâches sans valeur sont coupées. L'autonomie vient de mécanismes techniques qui fonctionnent quand personne ne regarde — pas de règles écrites dans un doc.

Main page summary

Catalogue rapide des services

Services principaux
Catégorie Service Rôle
API LLM Modèles de chat, code, RAG, OCR
API STT Transcription audio
API TTS Synthèse vocale
API realtime-ai Temps réel WebSocket / WebRTC
API IMAGE2TXT OCR / VLM via endpoint dédié
API summary Résumé de textes longs
API EMBEDDINGS Embeddings pour RAG
API ChromaDB Base vecteur
API TXT2IMAGE Génération d’images
API diarization Segmentation locuteurs
Observabilité monitoring Dashboards techniques
Observabilité status Disponibilité des services
Observabilité web-stat Statistiques web
Observabilité LLM-stat Vue API / usage
Outils dataLab Environnement de travail hors-production
Outils realtime translation Traduction
Outils Demos Démonstrateurs

Nouveautés

Nouveautés 20/07/2026

  • Traduction temps réel : réduction significative des hallucinations lors des silences, diminution de la latence et ajout de la plupart des langues en TTS.
  • TTS Omnivoice : Qualité TTS augmenté et ajout plus global des langues (600).
  • LightRAG : LightRAG est un framework RAG avancé et léger qui combine graphes de connaissances et recherche vectorielle pour une analyse contextuelle profonde et efficace.
  • API reranker : git.
  • API embedding : Mise à jour des paramètres RAG optimisation : bge-m3 (chunk 1200, 100 overlap). git
  • privacy-filter : filtrage données personnelles.
  • Un seul fichier CLAUDE.md inspiré d'Andrej Karpathy pour transformer Claude en un vrai ingénieur logiciel.
  • Qwen3.6 : Qwen3.6 delivers substantial upgrades in agentic coding and thinking preservation than previous Qwen models. Déployé avec NVIDIA/Qwen3.6-35B-A3B-NVFP4 — quantisation NVFP4 optimisée pour l'inférence GPU NVIDIA.
  • Hermes Agent : l'agent qui s'améliore et grandit avec toi.
  • opencode : CLI coder à comparer avec Aider / OpenHands. (⚠️ migration : ancienne URL `github.com/sst/opencode` → redirige vers `anomalyco/opencode`)
  • api-convert2md : extraction de tableaux pour RAG compatible Open WebUI.
  • Ajout de brains expérimentaux.
  • Ajout de legal-agent.
  • Ajout de ai-security.
  • langextract : démo extraction d'entités. (⚠️ nécessite authentification)
  • sam-audio : séparation audio sémantique.
  • Ajout de l'API Realtime : WebRTC / WebSocket bidirectionnel basse latence.

Priorités

Top tasks

  • Ajouter Presidio : anonymisation / masquage PII, socle RGPD.
  • Ajouter llm-d : blueprints + charts Kubernetes pour industrialiser les déploiements.
  • Ajouter Dynamo : orchestration inférence multi-nœuds.
  • Ajouter GuideLLM : capacity planning / benchmark réaliste.
  • Ajouter NeMo Guardrails : garde-fous et politiques.
  • Coût unitaire par tâche : chaque API doit exposer son prix/ml/token en temps réel — pas une facture mensuelle.
  • Qualité auto : précision/hallucination rate branchés sur les sorties IA, avec rollback automatique si qualité < seuil.

Backlog / Veille Technologique

Agents IA & Orchestration

  • meetily — Assistant IA de reunion local avec transcription Parakeet/Whisper en direct, diarisation et resume Ollama. 100% local, aucun cloud.
  • DesktopCommanderMCP — Serveur MCP pour Claude : controle terminal, recherche fichiers et edition de diffs.
  • codex-plugin-cc — Utiliser Codex depuis Claude Code pour reviewer du code ou deleguer des taches.
  • CubeSandbox — Sandbox instantanee, concurrente, securisee et leger pour agents IA.
  • herdr — Multiplexeur d'agents qui vit dans votre terminal.
  • claude-video — Donner a Claude la capacite de regarder des vidéos : download, extraction frames, transcription.
  • OfficeCLI — Suite Office construite pour agents IA : lire, modifier, automatiser Word, Excel, PowerPoint en binaire unique.
  • archify — Skill agent : generer de beaux diagrammes d'architecture avec export PNG/JPEG/WebP/SVG.
  • claude-skills — 345 skills et plugins pour agents de codage (30+ agents, 70+ commandes, 330+ skills) pour Claude Code, Codex, Gemini CLI, Cursor, et 8+.
  • chrome-devtools-mcp — Chrome DevTools pour agents de codage via MCP.
  • Paperclip — Orchestrateur open-source pour coordonner et superviser une équipe d'agents IA autonomes
  • OpenClaw
  • codegraph — Indexation locale des graphes de code pour agents (Hermes, Claude, Codex sync auto).
  • Understand-Anything — Transforme tout code en graphe de connaissances interactif explorable et questionnable.
  • OpenHands — Agent IA autonome pour le développement logiciel
  • Dify — Plateforme de développement d'applications IA (LLM Ops)
  • browser-use — Framework pour contrôler les navigateurs via des agents IA
  • LangChain — Framework pour applications basées sur les LLM
  • FlowiseAI — Build LLM apps visually
  • Rasa — Framework open-source pour chatbots et assistants vocaux
  • codebase-memory-mcp - Serveur MCP haute performance pour l'indexation de codebases en graphe de connaissances persistant.
  • Agent-Reach - Donnez des yeux a vos agents IA pour naviguer le web entier (Twitter, Reddit, YouTube, GitHub) en CLI, sans frais API.
  • SkillSpector - Scanner de securite pour les competences d'agents IA : detecte vulnerabilites, patterns malveillants et risques.
  • flue - Framework sandbox pour agents IA -- isolation et execution securisee de plugins/agents.
  • agent-skills - Skills d'ingenierie de qualite production pour les agents de codage IA (Claude, Cursor, etc.).


  • deer-flow - SuperAgent open-source a horizon long : recherche, codage et creation avec sandboxes, memoires, outils, sous-agents et passerelle de messages.
  • Orca - ADE pour travailler avec une flotte d'agents paralleles. Lancez n'importe quel agent de codage avec votre propre abonnement, disponible sur desktop et mobile.
  • agent-toolkit-for-aws - Serveurs MCP, competences et plugins officiels supports par AWS pour aider les agents IA a construire sur AWS.
  • cognee - Plateforme de memoire IA open-source pour agents. Offrez a vos agents une memoire a long terme persistante via un moteur de graphe de connaissances auto-hebergt.
  • page-agent - Agent GUI en-page JavaScript. Controlez les interfaces web en langage naturel.
  • agent-native - Framework pour construire des applications natives pour agents IA.
  • pi — Toolkit agent IA : API LLM unifiée, boucle agent, TUI et CLI de codage en une seule stack.
  • code-review-graph — Grappe de code locale persistante pour MCP et CLI — réduction de contexte 8.2x pour revue de code IA.
  • openinterpreter — Agent de codage open-source pour modèles ouverts (Deepseek, Kimi, Qwen) avec exécution terminal.
  • codex (OpenAI) — Agent de codage léger d'OpenAI qui s'exécute directement dans le terminal.
  • ui-skills — Compétences de design pour ingénieurs UI : audits, systèmes de design et refactoring visuel.
  • cangjie-skill — Transformer livres, podcasts et vidéos en compétences AI exécutables pour agents de codage.
  • mattpocock/skills — Skills d'ingénierie pour agents IA — TDD, tests, design de codebase et modélisation de domaine.
  • hallmark — Compétence de design anti-slop IA pour Claude Code, Cursor et Codex : tests de qualité et auto-critique intégrés.
Retrieved from "https://infocepo.com/wiki/index.php?title=Main_Page&oldid=2051"