Architecture IA
Infrastructure IA
Une plateforme IA industrialisée demande des briques de run : orchestration, transformation, conteneurisation, observabilité et gateways.
AirflowdbtKubernetesMLflowLangfuseLiteLLM
Socle technique
| Outil | Rôle |
|---|---|
| Airflow | Orchestration pipelines ingestion / indexation. |
| dbt | Transformation SQL, tests, documentation, lineage. |
| Docker | Packaging reproductible. |
| Kubernetes | Orchestration, autoscaling, haute disponibilité. |
| MLflow | Tracking, registry, lifecycle ML. |
| Langfuse | Observabilité LLM : prompts, coûts, latence, traces. |
| LiteLLM | Gateway multi-modèles, fallback, quotas. |
Architecture de run
flowchart TB
A[Git] --> B[CI/CD]
B --> C[Registry Docker]
C --> D[Kubernetes]
D --> E[Services IA]
D --> F[Workers Airflow]
D --> G[LLM Gateway]
E --> H[Monitoring]
F --> H
G --> H
H --> I[Alerting / Audit]
E --> J[MLflow]
G --> K[Langfuse]
Principes de déploiement
- Tout composant critique doit être monitoré.
- Les prompts et modèles sont versionnés.
- Les changements de retrieval sont testés sur un dataset de référence.
- Le coût token est un indicateur de production.
- Le fallback modèle est prévu dès l’architecture.