Nos travaux

Travaux d'ingénierie sélectionnés

Produits Oronts, outils open source et le système IA en production sur ce site. Tout ici est notre propre ingénierie : inspectable, documentée et construite avec une discipline de production dès le premier jour.

8Projets d'ingénierie
2Open source sur GitHub
3Catégories de projets
2024-26Années actives
Comment nous travaillons

La discipline d'ingénierie avant tout

  • 01Chaque engagement commence par un architecture decision record écrit. Nous documentons les compromis, les alternatives envisagées et les raisons de chaque choix technique avant d'écrire du code.
  • 02Aucune fonctionnalité n'est livrée sans un chemin de rollback défini, une instrumentation d'observabilité et des tests de charge dans des conditions réalistes.
  • 03Des revues de préparation à la production contrôlent chaque release. Nous auditons les limites de sécurité, les modes de défaillance, les garanties d'intégrité des données et les runbooks opérationnels.
  • 04Nous publions en open source les composants réutilisables lorsque les accords clients le permettent. Nos outils open source fonctionnent en production aux côtés des systèmes dont ils ont été extraits.
Plateforme de productionActif

Exfinity

Une plateforme de commerce IA multi-tenant pour le secteur des expériences et de la billetterie. Les marchands se connectent une seule fois et vendent les expériences de nombreux fournisseurs en langage naturel, via une recherche unifiée, des agents de réservation IA et des widgets intégrables, le tout sous leur propre marque. Conçue pour Exfinity GmbH.

2025Ongoing since 2025
Exfinity GmbH
8Agents IA spécialisés
Discuter d'un projet similaire
Le défi

Le marché des expériences est fragmenté. Chaque marchand reconstruit de zéro les mêmes connexions fournisseurs, les catalogues fournisseurs arrivent dans des formats disparates, et personne ne peut proposer une recherche ou une réservation assistée par l'IA sans d'abord bâtir ses propres systèmes d'IA. Il n'existe aucun moyen unique et sûr de chercher chez tous les fournisseurs à la fois, ni de laisser un agent IA réserver au nom d'un client.

Notre approche

Exfinity fonctionne comme un Stripe des expériences. Un marchand se connecte une seule fois et obtient la recherche, la réservation et le support sur l'ensemble des fournisseurs, le tout sous sa propre marque. Derrière cette simplicité, les catalogues fournisseurs sont récupérés automatiquement, nettoyés dans un format commun unique et rendus consultables par le sens, pas seulement par mots-clés. Une équipe de huit agents IA gère la découverte, la réservation et le support, et ces agents ne peuvent agir qu'à travers un ensemble contrôlé d'outils, avec des règles strictes par marchand, des limites de débit et une piste d'audit complète. Tout tourne dans l'UE, à Francfort, et les données personnelles sont masquées avant même d'atteindre un modèle d'IA.

Le résultat

Une seule intégration donne au marchand une recherche, une réservation et un support assistés par l'IA sur tous les fournisseurs connectés. La plateforme est construite selon des standards de production dès le premier jour : recherche rapide, séparation stricte des données de chaque marchand, et une boucle d'apprentissage qui transforme les réponses faibles en connaissances validées au fil du temps. Conçue et développée pour Exfinity GmbH depuis 2025.

Produit OrontsActif

Oronts Engineering Harness

Un plan de contrôle propriétaire qui fait tourner la programmation assistée par IA comme une organisation d'ingénierie : boucle fixe, revue indépendante inter-modèles, mémoire durable et preuves exigées.

2026En cours
Oronts GmbH
21Agents de revue indépendants
Détails sous NDADiscuter d'un projet similaire
Le défi

La programmation agentique échoue de quatre façons prévisibles. Elle génère au lieu de réutiliser ce qui existe, elle oublie l'objectif quand le contexte est compacté, elle relit son propre travail avec le modèle qui l'a écrit, et elle déclare terminé un unique test au vert. Dans un prototype cela coûte peu ; dans un système que quelqu'un doit maintenir, cela coûte cher.

Notre approche

Un plan de contrôle copié dans le dépôt le gouverne. Toute tâche substantielle suit une cadence, avec un effort proportionnel à la conséquence. Un vérificateur déterministe fonde l'échelle de réutilisation sur le graphe réel de dépendances. La revue s'exécute sur un modèle réellement différent, complété par deux perspectives contradictoires et des spécialistes activés selon la surface modifiée. Des fichiers de mémoire durable portent l'objectif, l'action suivante, les décisions et les preuves à travers toute réinitialisation du contexte, et les opérations irréversibles sont refusées au niveau des permissions dans tous les modes.

Le résultat

Le système qui gouverne la livraison d'Oronts, y compris ce site. Il est livré générique et indépendant du projet, chaque dépôt remplissant son propre état. Un produit propriétaire Oronts, non publié, montré en direct ou sous accord de confidentialité.

Open sourceActif

Vendure Data Hub

Plugin ETL et d'intégration de données pour Vendure. Builder visuel de pipelines, 9 extracteurs, 61 opérateurs de transformation, 24 loaders d'entités et générateurs de flux Google Merchant et Amazon.

2024En cours
Open source
9Extracteurs (vérifiables dans le dépôt)
Le défi

Les projets Vendure reconstruisent sans cesse la même plomberie : imports produits depuis ERP et PIM, synchronisation des stocks, mises à jour de prix, flux marketplaces. Chaque intégration repart de zéro, finit en script jetable et casse en silence quand un fournisseur change une colonne. L'écosystème n'avait pas de couche de pipelines de données réutilisable et prête pour la production.

Notre approche

Data Hub est un plugin Vendure à part entière : pipelines déclaratifs composés d'extracteurs (CSV, JSON, XML, REST, GraphQL, FTP, S3 et plus), 61 opérateurs de transformation avec prévisualisation à blanc, et loaders pour 24 types d'entités Vendure. Les pipelines tournent sur planification ou webhook, avec retries, upserts idempotents, logs en temps réel et éditeur visuel dans l'admin. Les générateurs de flux publient Google Merchant et Amazon depuis le même graphe.

Le résultat

Un seul plugin remplace les scripts d'intégration d'un projet e-commerce typique. Publié en open source sur GitHub ; éprouvé en production sur des imports de catalogues volumineux et vérifiable opérateur par opérateur dans le dépôt.

Produit OrontsActif

OGuardAI

Semantic data protection runtime for AI systems. Policy engine, PII detection and reversible tokenization between your application and any LLM.

2024Ongoing
Oronts GmbH
99.7%PII detection recall on our test corpus
Discuter d'un projet similaire
Le défi

Production LLM systems share a failure class: PII leaking into prompts and outputs, hallucinated data reaching customers, and generated text violating communication policies. Ad-hoc filters solve one incident and break on the next edge case. GDPR makes this an architecture problem, not a patching problem.

Notre approche

OGuardAI runs as a synchronous filter in the LLM request and response path. Three validation layers: content policy classification against hot-reloadable YAML rule sets, PII detection combining pattern matching with named entity recognition, and semantic tokenization that swaps sensitive values for reversible tokens so the model never sees raw data. Restoration happens per output channel policy.

Le résultat

Une couche de garde-fous réutilisable et agnostique du framework, qui transforme l'IA conforme au RGPD d'un travail de pompier projet par projet en véritable infrastructure. Un produit propriétaire d'Oronts, auto-hébergé et neutre vis-à-vis des fournisseurs, avec l'architecture documentée dans notre guide sur les fuites de données.

Plateforme de productionActif

Oronts AI Assistant

Le système d'agents Mastra en production sur ce site : cinq agents, quatre outils, réponses en streaming et une couche API durcie. Essayez-le en bas de page.

2025En cours
Oronts GmbH
5Agents spécialisés en production
Discuter d'un projet similaire
Le défi

Les promesses d'IA ne coûtent rien. La preuve honnête, c'est un système d'agents en production, avec les contraintes que connaissent les clients : rate limiting, CSRF, surface d'injection de prompt, contrôle des coûts, observabilité et une vraie chaîne de leads derrière.

Notre approche

Construit sur Mastra avec cinq agents spécialisés (devis, chat, vision, voix, analytics) et quatre outils qui structurent les conversations en leads qualifiés : soumission de proposition, prise de rendez-vous, brouillon d'email et synthèse de conversation. Les réponses streament via le Vercel AI SDK. La couche API impose rate limiting, CSRF, contrôle d'origine et traçage ; les appels d'outils passent par un proxy interne authentifié vers l'API Oronts. L'agent n'invente jamais de prix : il qualifie, structure et passe la main à un humain.

Le résultat

Une réponse concrète à la question que tout acheteur devrait poser à un fournisseur d'IA : montrez-moi le vôtre. L'assistant de cette page est le déploiement ; ses choix de conception sont documentés dans nos guides.

Open sourceActif

Pimcore Asset Pilot Bundle

Organisation d'assets pilotée par règles pour Pimcore : règles configurables, priorités et journal d'audit pour des bibliothèques qui grossissent plus vite que les équipes ne trient.

2025En cours
Open source
100%Actions consignées au journal d'audit
Le défi

Les grandes installations Pimcore accumulent des dizaines de milliers d'assets. Les éditeurs déposent les fichiers là où s'ouvre la boîte de dialogue ; les conventions de nommage dérivent ; le DAM devient un fourre-tout. Le rangement manuel ne passe pas à l'échelle et les scripts de migration jetables pourrissent.

Notre approche

Asset Pilot applique des règles d'organisation déclaratives à l'arbre d'assets : conditions de correspondance sur métadonnées, type de fichier, motifs de nommage ou contexte d'upload, puis actions de déplacement, renommage, tagging ou affectation. Les règles portent des priorités et s'exécutent à l'upload ou en batch sur l'existant. Chaque action atterrit dans un journal d'audit, et un mode à blanc prévisualise l'impact avant tout déplacement.

Le résultat

Le chaos des assets devient un problème de configuration plutôt qu'un projet de rangement récurrent. Publié en open source sur GitHub.

Un projet en tête ?

Nous acceptons des missions sélectionnées chaque trimestre. Dites-nous ce que vous construisez.