Nos formations pour vos projets

Sensibilisation aux principes d'une IA digne de confiance : biais, transparence, responsabilité.

Définir métriques, logs et alertes pertinents pour superviser applications et pipelines.

Maîtriser Git au quotidien : branches, merge, rebase, workflows collaboratifs (Git Flow, trunk-based).

Créer, exécuter et publier des conteneurs : images, Dockerfile, volumes, réseaux, registres.

Intégrer la sécurité en continu dans le cycle DevOps : shift-left, SAST/DAST, culture partagée.

Concilier projets IA/IoT et conformité : RGPD, minimisation, sécurité des données.

Collecter, indexer et visualiser les logs applicatifs avec la suite Elastic.

Optimiser images et builds multi-stage, orchestrer avec Docker Compose, sécuriser l'exécution.

Comprendre la culture, les principes (CALMS) et les apports du DevOps dans le cycle de vie applicatif.

Mettre en place une chaîne d'intégration continue complète avec pipeline, qualité de code et tests automatisés.

Mettre en pratique les principes d'IA responsable dans ses projets.

Découvrir l'architecture Kubernetes et déployer ses premières applications : pods, services, deployments.

Détecter et corriger les vulnérabilités du code avec SonarQube et les référentiels OWASP.

Mettre en place la collecte de métriques, PromQL, alerting et tableaux de bord Grafana.

Installer, configurer et administrer Jenkins ; concevoir des pipelines déclaratifs.

Administrer un cluster : scaling, ingress, stockage, ConfigMaps/Secrets, mises à jour progressives.

Concevoir une stratégie d'automatisation robuste : locators, waits, Page Object Model.

Mettre en œuvre les exigences opérationnelles d'une IA responsable : traçabilité des jeux de données, détection des biais, explicabilité des modèles, dispositifs de contrôle humain et suivi des dérives.

Passer du monitoring à l'observabilité : traces, métriques, logs et APM.

Décrire son infrastructure en HCL et provisionner des ressources multi-cloud avec Terraform.

Évaluer les enjeux d'une stratégie de conteneurisation : cas d'usage, sécurité, organisation.

Construire des pipelines GitLab CI/CD : stages, runners, artefacts, environnements et déploiements.

Durcir images, runtime et cluster : scan d'images, RBAC, network policies, secrets.

Approfondir le langage HCL : modules, variables, state, workspaces et bonnes pratiques d'industrialisation.

Former ses équipes à la maîtrise de l'IA conformément à l'article 4 du règlement européen (AI literacy).

Instrumenter ses applications avec le standard OpenTelemetry : traces distribuées, métriques et export vers les backends.

Industrialiser la gestion de configuration et les déploiements applicatifs avec Ansible dans un pipeline CI/CD.

Atelier intensif : concevoir de bout en bout l'infrastructure as code d'un projet réel.

Protéger la chaîne logicielle : gestion des secrets, signature d'artefacts, supply chain security.

Déterminer son rôle (fournisseur, déployeur), classer ses systèmes par niveau de risque, constituer la documentation technique et organiser la surveillance après commercialisation.

Définir des indicateurs et objectifs de service, gérer un budget d'erreur, organiser l'astreinte et les post-mortems sans blâme. Articulation avec les pratiques DevOps existantes.

Gérer la configuration de parcs de serveurs avec manifests, modules et Puppet Server.

Comprendre l'évolution du DevOps vers le platform engineering : IDP, golden paths, self-service développeur.

Mettre en œuvre le pattern GitOps : Git comme source de vérité, synchronisation et rollback avec ArgoCD.

Maîtriser les dépendances et l'intégrité des artefacts : génération de SBOM, niveaux SLSA, signature et vérification. Exigences issues du Cyber Resilience Act et de NIS2.

Déployer une plateforme conteneurisée sur Azure (AKS) avec Terraform et les pratiques GitOps.

Mettre en œuvre CI/CD, IaC et supervision sur AWS : CodePipeline, CloudFormation, CloudWatch.