Plateforme open source conçue pour automatiser et orchestrer des sessions de développement assisté par IA. Elle permet de créer, gérer et exécuter des agents IA capables de lire, écrire et modifier du code source, d'interagir avec des outils de développement, et de générer des livrables techniques. Le projet facilite la collaboration entre développeurs et modèles de langage pour accélérer les cycles de développement logiciel.

Plateforme d'orchestration et d'exploitation dédiée à l'indexation automatique des sujets RAMEAU pour les bibliothèques universitaires. Elle centralise la gestion des conteneurs Docker, l'orchestration des services d'inférence, de vectorisation et de stockage vectoriel, ainsi que les procédures de déploiement et de supervision. Son objectif est d'améliorer l'efficacité des catalogueurs en proposant des suggestions d'indexation sémantique basées sur des modèles de langage et des bases de données vectorielles.

Ce projet permet de déployer et gérer des instances de serveurs vLLM (Very Large Language Model) pour exécuter des modèles de langage à grande échelle. Il facilite l'orchestration, le scaling et la maintenance des ressources nécessaires à l'exécution de ces modèles, tout en optimisant les coûts et les performances. Idéal pour les entreprises ou chercheurs souhaitant exploiter des IA génératives sans gérer l'infrastructure sous-jacente.