Ce projet permet de créer et gérer des environnements MATLAB dans des conteneurs Docker et Singularity pour des pipelines d'intégration continue. Il automatise la construction, le taggage et le déploiement d'images Docker depuis des registres privés ou publics, tout en facilitant leur conversion en conteneurs Singularity pour une utilisation locale ou sur des infrastructures de calcul. Idéal pour les équipes souhaitant standardiser leurs environnements MATLAB tout en optimisant leurs processus de développement et de test.

Projet dédié à la configuration et à l'automatisation de runners GitLab pour des déploiements scalables sur des infrastructures comme Scaleway. Il facilite la mise en place de pipelines CI/CD pour des projets logiciels, permettant une intégration continue et un déploiement automatisé des applications. Idéal pour les équipes DevOps cherchant à optimiser leurs processus de développement et de livraison.

Ce projet propose une image Docker légère basée sur CentOS 7, intégrant Miniconda, PyTorch avec CUDA 11.3 et JupyterLab. Destiné aux environnements de développement et d'intégration continue, il permet aux chercheurs et développeurs de créer des notebooks interactifs pour l'apprentissage profond. L'image est optimisée pour les calculs accélérés par GPU et est hébergée sur l'infrastructure interne du Pasteur Institute.

Ce projet configure et automatise les tâches de maintenance et de déploiement continu au sein de l'infrastructure Jenkins de Software Heritage. Il permet de gérer les configurations des jobs Jenkins de manière centralisée et reproductible, facilitant ainsi l'intégration et la livraison continues des outils internes. Le dépôt contient les fichiers nécessaires pour appliquer ces configurations automatiquement lors des commits.

Outil d'intégration continue dédié à la validation des configurations Helmfile pour les environnements Kubernetes. Il permet de détecter les erreurs de syntaxe ou de configuration avant le déploiement, assurant ainsi la fiabilité des infrastructures as code. Utilisé principalement dans les pipelines CI/CD, il facilite l'automatisation des tests et réduit les risques de dysfonctionnements en production.

Ce projet propose une image conteneurisée pour faciliter le déploiement et la gestion d'applications numériques, notamment dans le cadre de services publics. Il permet de standardiser l'environnement d'exécution des services, d'automatiser les mises à jour et d'assurer une compatibilité entre différents systèmes. L'objectif est d'offrir une solution robuste et scalable pour les infrastructures numériques, en s'appuyant sur des bonnes pratiques DevOps et une intégration continue.

Ce projet permet de gérer et configurer de manière centralisée les jobs Jenkins pour l'infrastructure Software Heritage. Il automatise le déploiement des configurations via des commits dans ce dépôt, assurant une maintenance cohérente et reproductible des tâches d'intégration continue. Les configurations sont testées localement avant application sur les serveurs Jenkins.

Ce projet fournit une infrastructure d'intégration continue dédiée aux projets Python 3.11. Il permet aux développeurs d'automatiser les tests, de détecter les régressions et d'optimiser leurs workflows de développement. En analysant le code source, il facilite la maintenance et améliore la qualité des logiciels produits.

Ce projet propose des images Docker de base mises à jour quotidiennement pour les distributions Debian et Rocky Linux. Il permet aux utilisateurs d'éviter les limitations de téléchargement de Docker Hub tout en bénéficiant d'images maintenues et accessibles sans authentification. Les images sont construites via Kaniko et publiées dans un registre interne à l'infrastructure GitLab de Gricad, facilitant ainsi l'intégration continue et la construction d'images personnalisées.

Ce projet fournit un modèle d'intégration continue dédié aux projets Ansible. Il permet de surveiller et de déployer automatiquement des configurations d'infrastructure, facilitant ainsi la gestion et la maintenance des environnements informatiques. Idéal pour les équipes DevOps, il optimise les processus de déploiement et réduit les erreurs manuelles.