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.

6Projets d'ingénierie
2Open source sur GitHub
3Catégories de projets
2024-25Années 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.
Lire l'étude complète
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
9Extracteurs (vérifiables dans le dépôt)
GitHubLire le guide
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.

Lire l'étude complète
Produit OrontsActif

OGuardAI

Runtime de protection sémantique des données pour systèmes IA. Moteur de règles, détection de PII et tokenisation réversible entre votre application et n'importe quel LLM.

2024En cours
99.7%Rappel de détection PII sur notre corpus de test
Lire le guide
Discuter d'un projet similaire
Le défi

Les systèmes LLM en production partagent une même classe d'échecs : des PII fuient dans les prompts et les sorties, des données hallucinées atteignent les clients, des textes générés violent les règles de communication. Les filtres ad hoc règlent un incident et cassent au cas limite suivant. Le RGPD en fait un problème d'architecture, pas de rustines.

Notre approche

OGuardAI s'exécute comme filtre synchrone dans le chemin requête-réponse du LLM. Trois couches de validation : classification des contenus contre des règles YAML rechargeables à chaud, détection de PII combinant pattern matching et reconnaissance d'entités nommées, et tokenisation sémantique qui remplace les valeurs sensibles par des tokens réversibles, si bien que le modèle ne voit jamais les données brutes. La restitution suit la politique de chaque canal de sortie.

Le résultat

Une couche de garde-fous réutilisable et agnostique du framework, qui fait de l'IA conforme au RGPD une infrastructure plutôt qu'un pompier par projet. Produit propriétaire Oronts ; l'architecture est documentée dans notre guide sur les fuites de données.

Lire l'étude complète
En production iciActif

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
5Agents spécialisés en production
Démo liveLire le guide
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
100%Actions consignées au journal d'audit
GitHub
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.

Produit OrontsActif

Vendure Customer Intelligence

Plugin d'engagement client pour Vendure : listes d'envies, avis, points de fidélité et relance de panier en une seule domaine cohérente plutôt que quatre applis greffées.

2025En cours
4Domaines d'engagement dans un seul plugin
Lire le guide
Discuter d'un projet similaire
Le défi

Les boutiques assemblent l'engagement à partir de plugins déconnectés : un pour les avis, un pour les listes d'envies, un troisième pour la fidélité. Chacun a son modèle de données et son admin ; aucun ne partage une vision client. Le marketing exporte alors des CSV pour deviner des segments.

Notre approche

Un plugin, une domaine d'engagement client. Listes d'envies, avis à achat vérifié, moteur de fidélité configurable et relance de paniers abandonnés partagent entités, événements et écrans d'admin. Tout émet des événements Vendure : segments et automatisations s'appuient sur des signaux temps réel plutôt que sur des exports.

Le résultat

Une couche d'engagement unique avec vision client unifiée, construite sur l'architecture de plugins et le bus d'événements de Vendure. Produit Oronts, documenté dans le portfolio.

Produit OrontsActif

PimTx

Couche transactionnelle et de concurrence pour Pimcore : propriété de champs, verrous coopératifs, gardes de version et moteur d'idempotence pour installations multi-écrivains.

2025En cours
5Primitives de concurrence : propriété, verrous, gardes, idempotence, contrôle des subscribers
Lire le guide
Discuter d'un projet similaire
Le défi

Plusieurs systèmes écrivant dans les mêmes objets Pimcore s'écrasent mutuellement : les imports font la course avec les éditeurs, les intégrations écrasent les corrections manuelles, et personne ne sait quel système possède quel champ.

Notre approche

PimTx ajoute une discipline transactionnelle au-dessus de Pimcore : propriété de champs déclarée par écrivain, verrous coopératifs pour les sessions d'édition, gardes de version qui rejettent les écritures périmées, moteur d'idempotence pour des imports rejouables en sécurité et contrôle des subscribers d'événements contre les tempêtes en cascade.

Le résultat

Les écrivains concurrents cessent d'être une loterie de qualité de données. Motif d'ingénierie propriétaire Oronts ; l'architecture et les problèmes résolus sont documentés dans notre guide des workflows Pimcore.

Un projet en tête ?

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