Outil de surveillance et de gestion des tâches informatiques pour les infrastructures distribuées. Il permet de suivre l'exécution des jobs, de collecter les résultats et de générer des rapports détaillés. Utilisé principalement dans des environnements scientifiques ou techniques pour assurer la fiabilité des processus automatisés.

JobMonitorNext est un outil de supervision dédié à la gestion et au suivi des tâches planifiées ou batch au sein d'un système informatique. Il permet de centraliser les informations d'exécution des jobs, d'identifier les erreurs ou blocages, et d'assurer une traçabilité complète des processus automatisés. Idéal pour les environnements nécessitant une orchestration robuste des tâches critiques.

Outil permettant d'exécuter des tâches planifiées ou des jobs en arrière-plan de manière automatisée. Idéal pour les développeurs ou les équipes DevOps qui souhaitent déclencher des actions à intervalles réguliers sans intervention manuelle, comme des sauvegardes, des nettoyages de base de données ou des envois de rapports.

Plateforme permettant d'exécuter des agents IA autonomes dans des environnements sandboxés et éphémères. Les utilisateurs définissent des pipelines réutilisables ou one-shot pour automatiser des tâches complexes comme l'analyse de données, la génération de rapports ou le traitement de fichiers. Les résultats sont stockés de manière sécurisée et accessibles via une API ou une CLI dédiée.

Bibliothèque Python conçue pour faciliter l'utilisation de SLURM, un gestionnaire de ressources et d'ordonnancement de tâches pour clusters. Elle permet aux développeurs d'exécuter des jobs SLURM directement depuis du code Python, sans nécessiter un accès direct au client SLURM. Idéale pour les environnements de calcul haute performance où l'automatisation et la gestion des ressources sont essentielles.

Taskflow_jobs est un projet dédié à la gestion de workflows de traitement de données, à l'automatisation de tâches analytiques et à l'orchestration de pipelines de données. Il permet l'intégration de différents services de traitement de données et offre une interface unifiée pour gérer et exécuter des workflows analytiques complexes.

Ce projet permet de déployer et gérer un cluster Apache Spark via Docker pour faciliter le traitement de données à grande échelle. Il offre une interface Jupyter pour exécuter des notebooks interactifs et des outils de monitoring pour superviser les tâches. Destiné aux chercheurs et data scientists, il automatise la configuration des nœuds maître et travailleurs, réduisant ainsi la complexité technique. Les utilisateurs peuvent soumettre des jobs de calcul distribué et analyser les résultats en temps réel.

Outil en ligne de commande simplifié pour interagir avec GitLab. Il permet de gérer les runners CI/CD, surveiller les pipelines et automatiser des tâches DevOps. Il offre également la possibilité de provisionner des runners sur les clusters de la plateforme Grid5000, facilitant ainsi l'exécution de jobs sur des infrastructures distantes.

Ce projet automatise l'exécution de requêtes HTTP planifiées pour tester la connectivité et la validité des certificats SSL/TLS vers des services externes. Il permet de surveiller la disponibilité des endpoints et d'analyser les réponses des services cibles via des jobs Kubernetes. Les résultats sont accessibles via les logs des pods déployés, facilitant le diagnostic des problèmes de communication ou de configuration.

Outil permettant d'exécuter des scripts shell à distance via le système de gestion de tâches Slurm. Il facilite l'automatisation et l'optimisation des calculs sur des clusters HPC en transformant des commandes shell en jobs SBATCH.