Tech - OUTSCALE blog

De la plateforme IA au déploiement industriel : comment industrialiser Mistral AI avec OKS

OUTSCALE — Tue, 20 Oct 2026 13:30:42 +0000

Retour d’expérience : passer d’un déploiement ponctuel à une plateforme IA reproductible, sécurisée et exploitable à grande échelle

Déployer une plateforme d’IA sur Kubernetes peut sembler relativement simple sur le papier : un cluster, des GPU, les modèles Mistral AI, quelques composants réseau et une API pour exposer les services.

Mais dans la réalité, faire fonctionner une plateforme une première fois n’est que le début.

Lorsqu’il faut la rendre reproductible, sécurisée, observable, exploitable et capable d’évoluer avec les besoins des utilisateurs, la complexité change d’échelle.

C’est précisément le constat réalisé lors du premier déploiement d’une plateforme Mistral AI Studio pour un client du secteur public. Ce retour d’expérience a permis d’identifier les limites d’un déploiement réalisé de manière largement manuelle, puis de faire évoluer le modèle vers une approche industrialisée reposant sur OUTSCALE Kubernetes Service (OKS).

L’objectif : ne plus simplement réussir un déploiement, mais être capable de redéployer la même plateforme, à l’identique, pour plusieurs clients et différents cas d’usage.

Une plateforme IA ne se résume pas à un cluster Kubernetes

Une plateforme Mistral AI Studio ne consiste pas uniquement à faire tourner un modèle sur un GPU. Elle doit exposer des API, rendre les modèles disponibles et utilisables, et supporter différents usages applicatifs.

Autour du cluster Kubernetes viennent rapidement s’ajouter des briques essentielles : gestion des GPU, accès, certificats, secrets, stockage, logs, supervision, observabilité, configuration et mécanismes de validation.

Kubernetes fournit le socle. Mais le socle ne fait pas encore la plateforme.

Livrer malgré la contrainte avec Talos/RKE2

Lors du premier projet, une contrainte technique s’est présentée : les GPU H200 n’étaient alors pas disponibles sur OKS.

Attendre n’était pas une option. Le besoin client existait déjà.

Le choix a donc été de mettre en place une réponse tactique : déployer un cluster Kubernetes RKE2 basé sur Talos, maîtrisé directement par l’équipe. Les drivers nécessaires ont ensuite été installés pour exploiter les GPU H200, puis la plateforme Mistral AI Studio a été déployée afin de réaliser les premiers tests d’inférence et d’exposer les API.

Cette approche a permis d’obtenir une première plateforme opérationnelle de bout en bout.

Elle a surtout permis d’apprendre.

Car cette première réussite a mis en évidence une difficulté majeure : un déploiement qui fonctionne n’est pas nécessairement un déploiement industrialisable.

Le premier run : un révélateur

Le premier déploiement reposait sur une succession d’étapes encore largement manuelles : construction du cluster, configuration des composants Kubernetes, installation des runtimes NVIDIA, intégration de l’observabilité, exposition des services, puis validation de la plateforme.

Cette approche peut répondre à un premier projet ou à un POC. Elle devient beaucoup plus difficile à maintenir lorsqu’il faut faire évoluer régulièrement la plateforme, ajouter des GPU, déployer de nouveaux modèles ou reproduire le même environnement pour d’autres clients.

À cette complexité s’ajoutent des sujets qui ne peuvent pas être traités comme de simples détails techniques : stockage objet, logs, secrets, supervision des nœuds et des GPU, observabilité, intégration CI/CD et validation du bon fonctionnement de la plateforme.

Le premier run a donc joué un rôle essentiel : il a révélé que la complexité n’était pas dans une seule brique, mais dans l’assemblage de toutes les briques.

C’est aussi à ce moment qu’un enseignement important s’est imposé : dans Kubernetes, voir un pod en état Running est rassurant, mais cela ne suffit pas à démontrer que la plateforme IA fonctionne correctement. Le modèle peut ne pas être chargé, les GPU peuvent ne pas être utilisés, les API peuvent répondre partiellement ou les logs peuvent être insuffisants pour diagnostiquer un incident.

Un pod Running signifie que le conteneur tourne. Pas que la plateforme est prête à l’usage.

Il fallait donc sortir d’une validation “à l’œil” et construire un processus reproductible permettant de démontrer que la plateforme est réellement prête à être exploitée.

Industrialiser toute la chaîne

Le premier déploiement a mis en évidence une forte quantité de configurations manuelles, de dépendances entre composants et de validations réalisées étape par étape. À chaque nouvelle livraison, les mêmes questions risquaient de revenir : quelles configurations utiliser ? Quels paramètres modifier ? Quels secrets gérer ? Quels tests réaliser ? Comment vérifier que l’ensemble fonctionne ?

Cette situation crée progressivement une dette opérationnelle.

Chaque étape non formalisée devient une dette opérationnelle.

L’industrialisation devait donc aller bien au-delà du simple déploiement de Mistral AI. Elle devait couvrir toute la chaîne :

infrastructure → Kubernetes → GPU → plateforme Mistral → sécurité → observabilité → validation → documentation → exploitation.

Entre-temps, les GPU H200 sont devenus disponibles sur OKS. Cette évolution a permis de changer de paradigme : passer d’un cluster Kubernetes construit et maintenu de manière unitaire à un Kubernetes as a Service, sur lequel le socle Kubernetes est managé.

Avec OKS, l’effort se déplace. Il ne s’agit plus de reconstruire et maintenir l’ensemble des composants Kubernetes à chaque projet, mais de se concentrer sur ce qui crée réellement de la valeur : la plateforme IA, les modèles, les usages clients, la sécurité, l’observabilité et l’exploitation.

Talos/RKE2 a permis de livrer malgré la contrainte. OKS permet d’industrialiser après l’apprentissage.

Industrialiser, ce n’est pas simplement automatiser

L’automatisation est un moyen. L’industrialisation est une méthode.

Automatiser une suite de commandes ne suffit pas si l’architecture, les paramètres, les responsabilités et les critères de validation ne sont pas clairement définis.

L’industrialisation commence dès la conception : quels GPU sont nécessaires ? Quelle capacité prévoir ? Quels accès ouvrir ? Quelle exposition réseau autoriser ? Quels paramètres doivent varier selon les clients ? Quels éléments doivent rester standardisés ?

Ces questions permettent de construire un modèle de déploiement paramétrable, plutôt qu’une succession de configurations spécifiques. Le principe devient alors simple :

Ce qui change d’un client à l’autre est paramétré. Le reste est standardisé.

Pour rendre ce modèle reproductible, l’équipe s’est appuyée sur l’Infrastructure as Code, notamment avec Terraform. L’enjeu n’était plus seulement de créer de l’infrastructure, mais de disposer de modules capables de redéployer les différents composants de manière cohérente.

La plateforme Kubernetes est ensuite standardisée à travers les node pools, avec une séparation entre ressources CPU et GPU. Les templates et charts Helm de Mistral permettent enfin de déployer la suite logicielle, avec des valeurs variables selon les paramètres propres à chaque client.

Cette séparation entre variabilité et socle commun est ce qui permet de passer d’un projet réussi à un modèle industriel.

Sécurité, validation et observabilité : les garde-fous du modèle

Industrialiser ne signifie pas aller plus vite au détriment de la sécurité.

Au contraire : plus un déploiement devient rapide et reproductible, plus la sécurité doit être intégrée dès la conception. Modalités d’accès, réseaux autorisés, personnes ou services habilités, responsabilités, certificats, secrets, rotation et utilisation dans le cycle de vie de la plateforme doivent être définis dès l’architecture.

Une plateforme livrée vite mais mal cadrée devient vite une dette sécurité.

La validation suit la même logique. L’objectif n’est plus de vérifier simplement que le cluster est disponible, mais de démontrer que la plateforme IA complète est fonctionnelle : node pools, GPU, services Mistral, API Gateway, tests d’inférence, latence, métriques et logs.

Les tests d’inférence deviennent alors une véritable étape de validation du produit livré.

Enfin, une plateforme prête à être livrée doit être observable. Dashboards, logs et métriques permettent de disposer d’une vision globale de l’environnement, d’identifier l’origine d’un ralentissement ou d’un incident, et de suivre l’utilisation réelle des GPU.

Les logs jouent également un rôle central dans l’exploitation et la sécurité. Centralisés, ils peuvent être intégrés aux outils de supervision et de sécurité du client, notamment à son SIEM, et lui permettre de conserver les traces dans son propre environnement.

Le déploiement se termine donc lorsque le service est consommable, observable et exploitable, pas lorsque les pods sont verts.

De plusieurs semaines à quelques minutes pour ajouter des GPU

L’un des bénéfices les plus concrets du changement de modèle concerne l’évolution de la capacité GPU.

Dans l’approche initiale basée sur RKE2, ajouter des workers GPU impliquait une nouvelle séquence d’installation et pouvait entraîner des délais importants. Avec OKS et une infrastructure davantage modularisée, l’ajout de nouveaux nœuds GPU peut être réalisé beaucoup plus simplement.

L’équipe décrit ainsi un passage de plusieurs semaines à quelques minutes pour ajouter des ressources GPU à une plateforme existante.

Ce gain ne vient pas uniquement de l’automatisation. Il vient surtout de la standardisation du socle : les clusters, les node pools GPU, les templates Helm, les composants de sécurité et les validations sont déjà définis. Ajouter de nouvelles capacités ne revient plus à reconstruire l’infrastructure, mais à assembler des briques déjà maîtrisées.

C’est un point essentiel pour les projets IA : les besoins GPU ne sont jamais figés. Ils évoluent avec les modèles, les usages, les volumes et les performances attendues. Une plateforme IA industrielle doit donc pouvoir évoluer sans remettre en cause toute son architecture.

Livrer une plateforme, c’est aussi livrer son exploitation

Une plateforme opérationnelle ne se résume pas à un endpoint API ou à un accès Kubernetes.

La livraison doit aussi inclure les éléments nécessaires à son exploitation : endpoints API, accès à la plateforme, kubeconfig lorsque cela est pertinent, certificats et secrets, logs et métriques, documentation, procédures de diagnostic, runbooks, escalade et limites connues.

L’objectif est de permettre au client de comprendre la plateforme, de l’exploiter et de diagnostiquer les situations courantes sans dépendre systématiquement de l’équipe qui a réalisé le déploiement initial.

C’est un changement important de perspective :

On ne livre plus simplement une plateforme qui fonctionne. On livre une plateforme que le client peut réellement exploiter.

De “ça marche” à “vous pouvez l’exploiter”

Le passage de RKE2 à OKS a permis de transformer progressivement le modèle de déploiement. D’un côté, le premier projet a fourni un retour d’expérience précieux : dépendances entre composants, configurations manuelles, points de blocage, opérations difficiles à reproduire. De l’autre, OKS a permis de construire un socle standardisé et managé, sur lequel l’infrastructure, les node pools, les templates Helm, les tests et la documentation peuvent être paramétrés et réutilisés.

Le résultat recherché n’est pas de réussir une livraison une fois.

C’est de pouvoir reproduire la même livraison plusieurs fois, avec un niveau de qualité constant.

Ce retour d’expérience montre une évolution essentielle dans les projets d’IA : le déploiement du modèle n’est que le point de départ. Une plateforme IA industrielle doit réunir un socle Kubernetes adapté, des GPU disponibles, une infrastructure reproductible, une sécurité intégrée dès la conception, des tests standardisés, une observabilité complète et une documentation d’exploitation.

Le véritable enjeu n’était donc pas de faire fonctionner Mistral AI une première fois.

Il était de transformer cette première réussite en capacité de livraison industrielle, capable de répondre à une demande qui se répète.

L’article De la plateforme IA au déploiement industriel : comment industrialiser Mistral AI avec OKS est apparu en premier sur OUTSCALE blog.

Comment l’Europe peut-elle assurer le déploiement d’une IA souveraine et fiable ?

OUTSCALE — Wed, 22 Jul 2026 13:16:31 +0000

L’intelligence artificielle franchit aujourd’hui l’étape de l’industrialisation. Au-delà des enjeux techniques, cette phase de passage à l’échelle soulève une question stratégique pour le continent européen : les conditions nécessaires à l’émergence d’une IA performante, autonome et digne de confiance.

Dans le cadre d’OUTSCALE EXPERIENCES 2026, Igor Caron (Co-fondateur, LightOn), Emmanuel Leroux (Directeur Général, Bull) et Mathieu Feuillet (CISO, Dassault Systèmes) ont partagé leurs visions sur les piliers de cette réussite européenne.

L'infrastructure au cœur de la souveraineté technologique

L’indépendance numérique ne peut être réelle sans une maîtrise totale de la chaîne de valeur. Emmanuel Leroux rappelle que la souveraineté passe impérativement par le contrôle du « compute », englobant aussi bien les composants physiques que les firmwares et les plateformes logicielles.

Actuellement, l’Europe subit une forte dépendance vis-à-vis des GPU étrangers et des aléas des chaînes d’approvisionnement mondiales. Pour y remédier, il est crucial de renforcer les capacités industrielles et de consolider des infrastructures propres au continent.

En définitive, sans une autonomie matérielle et logicielle solide, la capacité d’innovation européenne demeurera précaire et tributaire de décisions extérieures.

L’éthique comme levier de compétitivité

Loin d’être une simple contrainte, la confiance s’établit comme le moteur essentiel de l’adoption des technologies. Elle ne peut être imposée, mais doit se bâtir patiemment par des preuves concrètes.

Cette démarche se traduit chez Dassault Systèmes par un cadre rigoureux articulé autour de piliers fondamentaux : la primauté de la supervision humaine, la sécurité des systèmes, le respect strict de la propriété intellectuelle, ainsi que l’équité, la transparence et la responsabilité écologique.

Pour les acteurs économiques, l’interrogation dépasse désormais la faisabilité technique de l’IA pour se concentrer sur sa fiabilité. Répondre à cet enjeu nécessite d’apporter des assurances tangibles concernant la gestion des données, le contrôle effectif des processus décisionnels et la parfaite traçabilité des résultats obtenus.

Valoriser l’expertise métier par l’IA

L’efficacité d’une solution d’intelligence artificielle ne se mesure pas seulement à la sophistication de ses algorithmes, mais surtout à son aptitude à mobiliser le patrimoine informationnel des entreprises.

Comme le souligne Igor Caron, les besoins viennent d’abord du terrain : les métiers veulent des outils d’IA intégrés à l’entreprise, capables d’exploiter les connaissances internes et les données sensibles de manière sécurisée.

Pour répondre à ce défi de façon concrète, LightOn mise sur une architecture technique pensée pour l’usage réel des entreprises. L’idée n’est pas de mobiliser systématiquement des infrastructures lourdes et coûteuses, mais de privilégier des traitements plus sobres, notamment à base de processeurs CPU, lorsque cela suffit aux besoins métier.

Cette approche s’appuie aussi sur la méthodologie RAG, qui consiste à connecter le modèle d’IA aux documents et connaissances internes de l’organisation. Au lieu de dépendre uniquement de la puissance brute d’un grand modèle, l’IA va chercher l’information pertinente dans les sources de l’entreprise, puis la reformule de manière exploitable, traçable et contextualisée.

L’intérêt est double : d’un côté, on réduit fortement les coûts d’infrastructure et de calcul ; de l’autre, on améliore la pertinence des réponses, parce que le système s’appuie sur des données internes à jour. Cela permet de construire une IA plus abordable, plus facile à déployer à grande échelle et plus rentable pour les organisations.

Au-delà de la souveraineté : l’impératif de l’excellence

Si la souveraineté constitue un socle indispensable, elle ne saurait être une fin en soi.

Pour rivaliser avec les puissances américaine et chinoise, l’Europe doit impérativement concevoir des technologies dont la compétitivité rayonne à l’international. Cette ambition requiert de dépasser une simple posture défensive pour embrasser une véritable culture de la performance globale.

L’objectif fondamental ne réside plus seulement dans la protection de nos frontières numériques, mais dans la capacité à mettre sur le marché des solutions supérieures.

Prioriser les cas d'usage pour catalyser le déploiement

L’absence de cas d’usage concrets constitue un frein majeur, bien que fréquemment occulté, au développement de l’IA en Europe.

Au-delà du simple déficit d’infrastructure, le continent souffre d’une faiblesse dans l’appropriation réelle des outils technologiques. Puisque l’usage est le moteur de la demande, il devient le seul véritable garant de la rentabilité des investissements.

Plutôt que de se focaliser exclusivement sur l’augmentation des puissances de calcul, l’effort doit porter sur la conception d’applications métiers spécialisées, ancrées dans les besoins du monde de la recherche, de la santé ou de l’industrie.

L’architecture au service de l’autonomie stratégique

L’accession à l’indépendance ne repose pas sur l’utilisation d’un outil monolithique, mais sur le déploiement de structures intelligentes.

L’exemple de Dassault Systèmes met en lumière cette méthode : en orchestrant une multitude de modèles spécialisés dans laquelle chacun remplit un rôle déterminé, il devient possible de garantir des résultats de haut niveau. Cette approche limite drastiquement l’assujettissement à un prestataire unique.

Ce modèle d’organisation permet ainsi de concilier harmonieusement les impératifs de performance technique et les exigences de souveraineté.

La confiance, clé de voûte de l’IA européenne

L’émergence d’une intelligence artificielle européenne digne de confiance ne dépend pas d’un facteur isolé, mais d’une synergie d’impératifs : une infrastructure sous contrôle, un cadre éthique robuste, l’exploitation des données spécifiques aux entreprises, une pointe technologique affirmée et le développement d’usages concrets.

Le continent possède déjà le savoir-faire et les partenaires nécessaires pour remporter cette bataille. Le défi majeur consiste désormais à fédérer ces atouts derrière un objectif commun : forger une IA qui soit à la fois protectrice de notre souveraineté, performante sur le plan mondial et largement intégrée dans nos économies.

Enseignements clés

1. La souveraineté passe d’abord par la maîtrise de l’infrastructure

L’Europe ne peut pas prétendre à une IA autonome sans contrôler toute la chaîne technologique, du matériel (notamment les GPU) jusqu’aux logiciels. Aujourd’hui, la dépendance aux acteurs étrangers fragilise sa capacité d’innovation. La priorité est donc de renforcer les capacités industrielles et de bâtir des infrastructures propres, condition indispensable pour décider librement et innover durablement.

2. La confiance et l’éthique deviennent un avantage compétitif

L’IA européenne doit se différencier par sa fiabilité. Cela implique des garanties fortes : supervision humaine, sécurité, transparence, respect des données et de la propriété intellectuelle. L’enjeu n’est plus seulement de faire fonctionner l’IA, mais de prouver qu’elle est digne de confiance. Cette exigence peut devenir un levier de compétitivité face aux autres puissances.

3. L’impact dépend des usages concrets et de la performance

Au-delà de la souveraineté, l’Europe doit créer de la valeur réelle. Cela passe par des cas d’usage métier (industrie, santé, etc.), l’exploitation des données spécifiques des entreprises et des architectures efficaces (comme des modèles spécialisés plutôt qu’un seul modèle général). L’objectif est double : accélérer l’adoption et proposer des solutions compétitives à l’échelle mondiale.

Ces trois axes : infrastructure, confiance, usages forment ensemble le socle d’une IA européenne à la fois souveraine, crédible et performante.

L’article Comment l’Europe peut-elle assurer le déploiement d’une IA souveraine et fiable ? est apparu en premier sur OUTSCALE blog.

OUTSCALE Kubernetes As a Service (OKS) : un an après son lancement, où en est-on ?

OUTSCALE — Thu, 16 Jul 2026 09:43:07 +0000

Il y a un an, OUTSCALE lançait OUTSCALE Kubernetes As a Service (OKS) avec un objectif simple : offrir aux entreprises tout ce que Kubernetes apporte, sans toute la complexité liée à son exploitation.

Douze mois plus tard, la plateforme s’est installée dans le paysage et a séduit des organisations très différentes, qui partagent pourtant un même besoin : moderniser leurs applications, automatiser leurs déploiements et redonner de l’autonomie à leurs équipes techniques, le tout sur le cloud public OUTSCALE, qualifié SecNumCloud 3.2. Un cluster se lance alors en quelques minutes, et l’on obtient un environnement Kubernetes à la fois simple à prendre en main, sécurisé et souverain.

« Notre objectif n’était pas simplement de proposer un Kubernetes managé. Avec OKS, nous voulions avant tout lever les freins opérationnels liés à Kubernetes. Les entreprises souhaitent profiter de sa flexibilité, mais elles ne veulent pas consacrer leurs équipes à administrer la plateforme. Notre rôle est de leur fournir un environnement fiable, sécurisé et simple à exploiter afin qu’elles puissent se concentrer sur leurs applications et leurs projets. », Charlotte Jarosz, Product Manager Kubernetes, OUTSCALE-Dassault Systèmes.

Kubernetes : un standard… qui reste exigeant à exploiter

Kubernetes s’est imposé comme le standard de l’orchestration de conteneurs pour de bonnes raisons. Flexibilité, résilience, portabilité… difficile de s’en passer quand on veut faire évoluer ses applications sérieusement.

Mais quiconque a déjà exploité un cluster en production le sait : c’est un travail à part entière. Entre le déploiement, les mises à jour, la supervision, la montée en charge et la sécurisation, il faut des compétences pointues et surtout du temps, beaucoup de temps.

C’est précisément là qu’OKS intervient. Le service prend en charge toute cette partie ingrate, et les équipes peuvent enfin se consacrer à ce qui compte vraiment : leurs applications.

Un environnement opérationnel prêt à l’emploi

Concrètement, OKS automatise tout ce qui fait tourner un cluster au quotidien : le provisionnement, les mises à jour et correctifs de sécurité, le monitoring, l’autoscaling des nœuds, sans oublier la haute disponibilité du Control Plane.

Résultat : dès la création du cluster, l’environnement est prêt. Pas besoin de passer des semaines à assembler et configurer les briques techniques une par une.

Un environnement pensé pour les organisations soumises à des exigences fortes

Pour beaucoup d’organisations, migrer vers le cloud ne se résume pas à une question technique. Il faut aussi cocher les cases réglementaires, et elles sont parfois nombreuses.

OKS s’appuie sur le cloud public OUTSCALE, qualifié SecNumCloud 3.2 et certifié notamment ISO 27001, SOC 2 Type II et HDS. La plateforme est également engagée dans son propre processus de qualification SecNumCloud avec un objectif de qualification d’ici fin 2027.

Deux usages qui illustrent le potentiel d'OKS

OKS s’adresse avant tout aux équipes qui travaillent avec des applications conteneurisées, ou qui envisagent de basculer vers une architecture microservices.

Ce qu’elles y gagnent ? Moins de charge d’exploitation, des déploiements plus sûrs, et un environnement fiable disponible rapidement; que ce soit pour développer ou pour passer en production.

1- Moderniser les applications existantes

Beaucoup d’entreprises font migrer leurs applications historiques vers des architectures à base de conteneurs. Dans ce contexte, OKS offre une plateforme immédiatement exploitable : déploiement automatisé des clusters, rollback rapide en cas de pépin, haute disponibilité native.

Et il y a un bonus non négligeable : rester indépendant des hyperscalers, avec une plateforme qui répond aux enjeux de souveraineté dès le départ.

2- Industrialiser les projets IA et Data

Les projets d’intelligence artificielle ont des besoins bien particuliers : orchestrer des traitements lourds, absorber de gros volumes de données, monter en charge sans prévenir.

OKS constitue un socle taillé pour ces usages. Pipelines de Machine Learning, traitements batch, data engineering : tout cela s’exécute dans un environnement maîtrisé, qui peut s’appuyer sur les autres services OUTSCALE comme OUTSCALE Object Storage (OOS), et sur des GPU NVIDIA H100 et H200 pour les charges les plus gourmandes.

En combinant Kubernetes managé, GPU NVIDIA H100/H200 et infrastructure souveraine, OKS couvre aussi bien les phases d’expérimentation que les mises en production.

Les équipes avancent plus vite, et leurs données restent dans un environnement qu’elles contrôlent.

Une expérience utilisateur simplifiée avec Cockpit

Dernière évolution en date : OKS est désormais accessible directement depuis Cockpit, le portail de gestion des services cloud OUTSCALE.

Fini les allers-retours entre plusieurs interfaces. Projets et clusters Kubernetes se pilotent depuis un point d’entrée unique, avec une meilleure visibilité sur l’ensemble des ressources.

Les utilisateurs disposent désormais d’un point d’entrée unique pour administrer leurs projets et leurs clusters Kubernetes.

Une première année qui confirme les attentes du marché...

Un an après son lancement, OKS tient sa promesse : rendre Kubernetes accessible sans en subir la complexité, tout en respectant les exigences de sécurité et de souveraineté qui pèsent sur de nombreuses organisations.

Moderniser une application, déployer une architecture cloud-native, industrialiser un projet d’IA : dans tous les cas, la plateforme fournit un environnement prêt à l’emploi. C’est aux équipes, ensuite, de se concentrer sur ce qu’elles font de mieux : développer.

L’article OUTSCALE Kubernetes As a Service (OKS) : un an après son lancement, où en est-on ? est apparu en premier sur OUTSCALE blog.

Plumber : renforcer la sécurité de nos workflows GitHub Actions

Renaud Calle — Wed, 15 Jul 2026 14:19:06 +0000

Chez OUTSCALE, au sein du service dédié à la création, à la maintenance et à l’évolution de nos produits open source, nous gérons au quotidien de nombreuses chaînes d’intégration et de déploiement continu.

Ces workflows sont parfois simples, parfois beaucoup plus complexes. Certains déclenchent des tests, d’autres publient des artefacts ou construisent des images. Tous ont, cependant, un point commun : ils font partie intégrante de notre chaîne de livraison.

Pendant longtemps, nous avons utilisé des actions maison pour nous aider à sécuriser ces workflows. Elles répondaient à des besoins concrets : vérifier certaines pratiques, homogénéiser nos pipelines, éviter les erreurs les plus évidentes et garantir un niveau de sécurité cohérent sur l’ensemble de nos dépôts.

Mais comme souvent avec les outils internes, ces actions demandaient du temps de maintenance. Il fallait les faire évoluer, suivre les nouvelles bonnes pratiques, intégrer de nouveaux cas d’usage, puis s’assurer que chaque dépôt restait aligné. À mesure que notre périmètre open source grandissait, nous avions besoin d’une approche plus standardisée, plus lisible et plus durable.

C’est dans ce contexte que nous avons décidé de remplacer progressivement nos actions maison et d’étendre notre périmètre de vérification grâce à Plumber.

L’intégration continue est devenue une surface d'attaque à part entière

La sécurité d’un projet open source ne se limite plus au code applicatif. Les chaînes de CI/CD sont aujourd’hui au cœur du processus de livraison. Elles ont accès au code source, manipulent des secrets, interagissent avec des registres, publient des artefacts et déclenchent parfois des actions sensibles.

Une mauvaise configuration, une permission trop large, une action tierce non figée ou une dépendance insuffisamment maîtrisée peuvent devenir des points d’entrée pour une attaque de supply chain.

Dans ce contexte, il ne suffit plus de vérifier ponctuellement qu’un workflow « fonctionne ». Il faut également s’assurer qu’il respecte des règles de sécurité claires, reproductibles et vérifiables dans le temps.

C’est précisément ce que nous recherchions : un outil capable de nous aider à auditer nos workflows GitHub, à détecter les écarts et à garder une vision claire de notre niveau de conformité CI/CD.

Pourquoi Plumber ?

Plumber nous permet de vérifier le niveau de sécurité de nos chaînes CI/CD directement dans nos processus de livraison. L’objectif n’est pas seulement de bloquer un mauvais changement au dernier moment, mais de rendre les bonnes pratiques visibles, compréhensibles et actionnables par les équipes.

Avec Plumber, nous pouvons contrôler différents aspects de nos workflows : l’usage d’actions tierces, le niveau de permissions accordé aux jobs, les configurations potentiellement dangereuses ou encore le respect de règles définies dans une politique commune.

Cela nous permet de passer d’une logique artisanale, basée sur des scripts internes et des vérifications dispersées, à une approche plus structurée. Les règles sont centralisées, les rapports sont lisibles et les écarts peuvent être traités de manière plus simple.

Nous utilisons Plumber à deux niveaux.

D’abord, à chaque livraison, pour vérifier que les workflows restent conformes aux règles attendues. Cela permet de détecter rapidement une régression ou une configuration risquée introduite dans un dépôt.

Ensuite, de manière périodique, avec un rapport mensuel qui nous aide à prendre du recul sur l’ensemble de notre périmètre. Ce rapport nous permet de vérifier que nos dépôts restent alignés, même lorsque les projets évoluent, que les workflows changent ou que de nouvelles pratiques apparaissent.

Moins de maintenance, plus de sérénité

L’un des bénéfices les plus immédiats a été la simplification de nos processus.

En remplaçant progressivement nos actions maison, nous réduisons la quantité de code interne à maintenir. Nous évitons aussi de devoir réimplémenter nous-mêmes des contrôles déjà identifiés, documentés et suivis par une communauté plus large.

Cela ne veut pas dire que nous abandonnons notre responsabilité. Au contraire, Plumber nous donne une base plus solide pour formaliser nos attentes, ajuster nos politiques et suivre les écarts dans le temps. Nous gardons la maîtrise de notre niveau d’exigence, mais nous nous appuyons sur un outil pensé pour ce besoin précis.

Le résultat est assez simple: moins de friction, moins de dette interne, plus de visibilité et davantage de sérénité.

Pour une équipe qui maintient plusieurs produits open source, c’est un point important. Nous devons rester efficaces, tout en continuant à garantir un bon niveau de sécurité à chaque contribution, chaque commit et chaque release.

Un projet open source auquel nous voulons contribuer

Un autre point important dans notre choix est la nature même du projet. Plumber est open source. Pour nous, ce n’est pas un détail.

Nous travaillons nous-mêmes sur des produits open source,et nous savons à quel point la transparence, la collaboration et les retours d’expérience sont précieux pour faire progresser un outil. Utiliser Plumber, ce n’est pas seulement consommer une solution existante, c’est aussi rejoindre une dynamique communautaire autour d’un sujet qui nous concerne directement.

Le fait qu’il s’agisse d’un projet français rend également l’initiative particulièrement intéressante à nos yeux. Dans un domaine aussi stratégique que la sécurité de la supply chain logicielle, voir émerger des outils open source ambitieux, proches de nos problématiques et ouverts aux contributions est une excellente nouvelle.

Nous avons donc fait notre choix : Plumber va nous accompagner dans la sécurisation et la standardisation de nos workflows GitHub Actions.

Et nous ne comptons pas nous arrêter à son simple usage. Nous souhaitons également contribuer au projet du mieux que nous le pourrons : par des retours d’expérience, des idées d’amélioration, de la documentation, des issues ou lorsque ce sera pertinent, du code.

Parce que la sécurité de la chaîne CI/CD n’est plus un sujet secondaire. C’est un élément essentiel de la confiance que nous voulons apporter à nos utilisateurs, à nos contributeurs et à l’ensemble de notre écosystème open source.

L’article Plumber : renforcer la sécurité de nos workflows GitHub Actions est apparu en premier sur OUTSCALE blog.

OCTL : la nouvelle génération de CLI OUTSCALE

Renaud Calle — Fri, 15 May 2026 10:09:39 +0000

Chez OUTSCALE, les interfaces en ligne de commande occupent depuis longtemps une place centrale dans l’expérience utilisateur. Elles sont le point d’entrée privilégié des équipes techniques qui souhaitent automatiser, intégrer et piloter leurs ressources cloud avec efficacité.

L’histoire de nos CLI reflète cette ambition continue : proposer des outils toujours plus simples, plus puissants et mieux adaptés aux usages modernes.

La première grande étape de cette histoire, c’est osc-cli. Véritable CLI historique d’OUTSCALE, elle a accompagné de nombreux utilisateurs dans l’administration de leurs ressources via l’API.

Distribuée sous forme de package Python, elle a constitué pendant des années la référence pour interagir avec notre environnement cloud en ligne de commande.

Aujourd’hui encore, elle reste maintenue pour garantir la continuité d’usage, mais son évolution est volontairement stabilisée : elle est désormais en mode maintenance, avec des correctifs mais sans nouvelles fonctionnalités.

Une nouvelle étape a ensuite été franchie avec oapi-cli. Pensée pour améliorer l’expérience utilisateur, cette CLI a introduit plusieurs avancées majeures : une syntaxe d’arguments plus riche, la possibilité de chaîner plusieurs appels, la prise en charge de fichiers JSON en entrée, ainsi qu’un système de variables internes permettant de réutiliser facilement le résultat d’une commande dans une autre. Elle est également fournie sous forme de packages auto-portés pour plusieurs environnements, facilitant son installation sur Linux, macOS et Windows. Avec oapi-cli, OUTSCALE a franchi un cap important en matière de souplesse et de productivité.

Aujourd’hui, cette évolution se poursuit avec octl, qui incarne la nouvelle génération de CLI OUTSCALE. Moderne, rapide et conçue pour répondre aux standards actuels, octl a vocation à devenir la CLI principale d’OUTSCALE. Là ou les générations précédentes répondaient à des besoins spécifiques ou historiques, octl porte une vision plus large: proposer une interface unifiée, cohérente et durable pour interagir avec l’écosystème OUTSCALE au complet.

Concrètement, octl se distingue par plusieurs atouts structurants. Écrite en Go, elle est distribuée sous la forme d’un binaire statique, ce qui simplifie fortement son installation et son déploiement. Elle permet de manipuler directement les champs des requêtes via des flags dédiés, sans imposer l’usage systématique de JSON. Elle propose également une autocomplétion avancée, non seulement pour les commandes, mais aussi pour les options et certaines valeurs, ce qui améliore sensiblement l’ergonomie au quotidien. A cela s’ajoutent des filtres de sortie inspirés de « jq », le chaînage de commandes, la mise en valeur syntaxique des résultats et la mise à jour automatique vers les dernières versions.

Mais la vraie force d’octl réside dans son ambition. Là où les outils précédents étaient avant tout associés à un périmètre plus limité, octl s’inscrit dans une logique plus transverse. Le projet est d’ores et déjà en capacité de gérer les ressources IaaS, le stockage OOS, ainsi qu’un support préliminaire pour OKS. Autrement dit, octl ne se contente pas d’être une nouvelle CLI: elle prépare le terrain pour une expérience unifiée à l’échelle des produits OUTSCALE.

C’est précisément ce qui en fait la CLI pour les gouverner toutes au sein de l’écosystème OUTSCALE. Notre objectif est clair : faire d’octl le point d’entrée principal pour les usages en ligne de commande. Les autres projets continueront d’être maintenus afin de garantir la stabilité et la compatibilité pour les utilisateurs existants, mais les évolutions fonctionnelles majeurs se concentreront désormais sur octl. Cette orientation permet de clarifier notre trajectoire, de concentrer nos efforts d’innovation et d’offrir à nos utilisateurs une expérience plus homogène sur le long terme.

Avec octl, OUTSCALE affirme donc une vision plus simple : une CLI moderne, performante, extensible et pensée pour accompagner l’évolution de l’ensemble de ses services. Plus qu’un nouvel outil, octl est la fondation de la future expérience CLI OUTSCALE.

L’article OCTL : la nouvelle génération de CLI OUTSCALE est apparu en premier sur OUTSCALE blog.

Cluster API Provider OUTSCALE v1.0.0 : Une version stable pour les environnements de production

Renaud Calle — Mon, 25 Aug 2025 10:15:13 +0000

Cluster API Provider OUTSCALE (CAPOSc) accède à une maturité fonctionnelle et technique avec le lancement de sa version v1.0.0, fruit de plusieurs mois d’itération continue pour l’environnement de production.

Un ancrage plus fort, une expérience utilisateur plus aboutie

La montée en puissance du provider amorcée dans la v0.4.0 a impliqué plusieurs changements majeurs :

Simplification du déploiement
Clarification de la gestion des images machines (OMIs)
Refonte des logs pour une lecture plus fluide
Contrôle fin des paramètres de sécurité
Un socle plus pérenne pour une expérience utilisateur plus fiable et intuitive.

Ces évolutions ont renforcé la stabilité de l’outil et posé les fondations d’une expérience plus fiable et intuitive pour les utilisateurs.

Ce que la v1.0.0 change concrètement…

Cette v1.0.0 intègre des avancées décisives pour adresser les besoins opérationnels des équipes cloud et DevOps, en offrant notamment :

Support du multi-AZ pour les clusters Kubernetes
Réutilisation de ressources existantes pour plus de flexibilité dans les workflows
Gestion des pools d’IP publiques pour les node pools
Renforcement du contrôle réseau en filtrant les accès entrants à l’API Kubernetes ainsi que les flux sortants
Optimisation des délais de déploiement

En parallèle, le code a été entièrement refondu, pour une meilleure maintenabilité et une plus grande capacité d’évolution.

“Avec la v1.0.0, on est sorti du mode expérimental. On a conçu un provider plus robuste, plus rapide et plus facile à prendre en main sans sacrifier la sécurité. C’est une vraie base de confiance pour les équipes qui veulent industrialiser leur gestion de clusters Kubernetes sur OUTSCALE.”
Renaud Calle, manager d’équipe de développement dans l’univers de l’open source, OUTSCALE

Une feuille de route ambitieuse et ouverte

La publication de la v1.0.0 n’est qu’une étape. L’équipe travaille déjà sur les prochaines évolutions du provider, avec une logique de co-construction avec la communauté :

Support natif de l’offre managée OKS (OUTSCALE Kubernetes Service)
Refonte de l’API, conçue pour limiter les impacts utilisateurs et pilotée avec transparence
Fonctionnalité de multi-tenancy, pour permettre le déploiement de workloads sur plusieurs comptes OUTSCALE
Suivi régulier de la compatibilité avec les dernières versions de Kubernetes
Sécurité renforcée, en lien avec les exigences souveraines du cloud OUTSCALE

Rejoignez la communauté

CAPOSc progresse grâce à son écosystème d’utilisateurs, contributeurs et partenaires. Vous pouvez :

Tester la v1.0.0
Partager vos retours d’expérience
Rejoindre notre communauté sur Discord
Contribuer activement à la roadmap

Chaque usage compte. Chaque retour nous permet de faire évoluer un provider pensé pour les environnements critiques, aligné avec les exigences de souveraineté, de sécurité et de performance.

En savoir plus ou nous rejoindre : Github | Discord

L’article Cluster API Provider OUTSCALE v1.0.0 : Une version stable pour les environnements de production est apparu en premier sur OUTSCALE blog.

“Osez l’IA” : comment OUTSCALE et son écosystème dessinent une IA performante et souveraine

Fatiha Arjdal — Fri, 11 Jul 2025 09:49:23 +0000

Alors que l’État français accélère l’adoption de l’intelligence artificielle avec le plan “Osez l’IA”, OUTSCALE et Dassault Systèmes œuvrent déjà à structurer une offre d’IA souveraine, sécurisée et accessible. Une vision concrétisée par des partenariats stratégiques, des actions ciblées et une dynamique d’innovation au service de la performance, de la compétitivité et de l’indépendance numérique.

Clara Chappaz, ministre déléguée chargée de l’Intelligence artificielle et du Numérique, a lancé le 1er juillet 2025 le plan national “Osez l’IA”. Osez l’IA a pour objectif de combler un retard considérable : faire passer l’adoption de l’IA de 8% à 50% chez les TPE, de 13% à 80% chez les PME/ETI, et de 53% à 100% chez les grands groupes d’ici 2030 en mobilisant l’ensemble de l’écosystème français : 300 ambassadeurs IA dans les territoires, les Chambres de Commerce et d’Industrie (CCI), Bpifrance, la French Tech …

Mistral AI x OUTSCALE x Dassault Systèmes : 1er. Juillet 2024 - Lancement de l’offre Large Language Models as a Service

Il y a un an, le 1er juillet 2024, OUTSCALE et Dassault Systèmes OUTSCALE et Dassault Systèmes affirmaient déjà leur vision en matière d’intelligence artificielle en annonçant aux côtés de Mistral AI, une offre conjointe de « Large Language Models as a Service », conçue pour répondre aux besoins croissants des entreprises en IA générative, avec des garanties de performance, de sécurité et de souveraineté.

À l’AI Summit, OUTSCALE affirme sa vision d’une IA souveraine

Lors du Business Day de l’AI Action Summit, en février dernier, David Chassan, Directeur de la Stratégie OUTSCALE a notamment souligné l’urgence de développer un écosystème européen pour une IA souveraine, performante et compétitive. Il a déclaré : « L’Europe s’impose en leader de l’IA avec des talents d’exception, des infrastructures de pointe et une expertise reconnue. Aux côtés de Mistral AI et de notre écosystème, nous unissons nos forces pour structurer une IA souveraine, performante et sécurisée au service de notre autonomie numérique ».

5 juin 2025 - Renforcement du partenariat avec Mistral AI, une nouvelle offre : Le Chat & La Plateforme

Le 5 juin 2025, lors de l’ événement OUTSCALE EXPERIENCES dédié à l’Intelligence Artificielle, nous avons annoncé le renforcement de notre partenariat avec Mistral AI, avec le lancement de “La Plateforme” et du “Chat Entreprise”, cette nouvelle offre disponible dès 2025, va permettre aux organisations publiques et privées d’accéder aux modèles premium de Mistral AI avec des fonctionnalités avancées comme l’OCR. Revivez la Masterclass sur le Chat et la Plateforme de Mistral AI.

L’offre Large Language Models as a Service, au service du secteur public et des citoyens

Le 5 Juin 2025, lors de OUTSCALE EXPERIENCES, Arnaud Beaufort, le Directeur du Numérique du Ministère de la Transition Écologique a partagé sa démarche de réflexion et les bénéfices concrets de l’offre Large Language Models as a Service.

« Avant le déploiement, de nombreux agents utilisaient des IA Génératives gratuites sans cadre ni contrôle, exposant potentiellement des données professionnelles à des plateformes étrangères. Ce flou engendrait des risques de conformité et de sécurité, ainsi qu’une fragmentation des pratiques. Il fallait donc : centraliser et sécuriser l’accès à l’IA générative, garantir la confidentialité des données (pas de réentraînement à partir des prompts), offrir une expérience utilisateur fluide et adaptée à tous les métiers et s’assurer de la conformité avec les standards de sécurité du secteur public »

Le plan national “Osez l’IA”, lancé par Clara Chappaz, Ministre déléguée chargée de l’Intelligence Artificielle et du Numérique, marque une étape décisive dans la transformation numérique de la France. Avec des objectifs ambitieux d’adoption de l’intelligence artificielle à tous les niveaux des entreprises, ce plan s’appuie sur la mobilisation de tout l’écosystème français, des ambassadeurs IA aux grands acteurs publics et privés.

En unissant leurs forces, les acteurs français et européens de l’IA démontrent leur capacité à structurer un écosystème compétitif et innovant, au service de l’autonomie numérique du pays. L’engagement collectif autour de la souveraineté, la sécurité et l’excellence technologique positionne la France comme un leader de l’intelligence artificielle, prêt à relever les défis de la prochaine décennie.

L’article “Osez l’IA” : comment OUTSCALE et son écosystème dessinent une IA performante et souveraine est apparu en premier sur OUTSCALE blog.

Sortie de la version 1.0.0 de notre provider Terraform

Renaud Calle — Mon, 17 Feb 2025 13:25:11 +0000

Nous sommes ravis d’annoncer la mise à disposition officielle de la version 1.0.0 de notre provider Terraform ! Cette version marque une étape majeure dans le développement de notre provider et témoigne de notre engagement à fournir des outils robustes et fiables pour faciliter la gestion de vos infrastructures.

Pourquoi une version 1.0.0 ?

La version 1.0.0 est une version symbolique qui reflète la stabilité, la maturité et la compatibilité future de notre provider.

Stabilité API : les ressources et les données du provider ont été conçues pour être compatibles sur le long terme.
Améliorations des performances : une gestion plus efficace des appels API pour accélérer les déploiements.
Documentation complète : toutes les ressources et données sont documentées pour une prise en main rapide.
Support communautaire : intégration des retours et corrections des problèmes rapportés par nos utilisateurs.

Quoi de neuf ?

Nouvelles fonctionnalités

Gestion des utilisateurs et des politiques avec EIM

Nous avons ajouté des ressources et des data sources pour EIM (Elastic Identity Management), permettant de gérer :

Les utilisateurs (création, gestion et suppression).
Les groupes d’utilisateurs pour organiser vos équipes.
Les politiques et versions de politiques pour définir des autorisations granulaires.

Configuration des identifiants via des profils

Nous avons introduit la possibilité de définir vos identifiants directement à l’aide de profils.

Connexion des machines virtuelles aux Load Balancers avec des IP spécifiques

Il est désormais possible d’attacher des machines virtuelles à des Load Balancers tout en spécifiant des backend IPs.

Améliorations

Amélioration de la maintenance et des tests

Des ajustements internes garantissent que notre provider soit plus facile à maintenir.

Optimisation et refactorisation

Des améliorations générales ont été apportées pour renforcer la clarté et assurer une expérience optimale.

Où trouver le provider ?

Notre provider est disponible sur le Terraform Registry.

terraform {
    required_providers {
        outscale = {
            source = "outscale/outscale"
            version = "1.0.1"
        }
    }
}

provider "outscale" {
    # Configuration options
}

Merci à la communauté

Nous remercions tous les contributeurs, testeurs et membres de la communauté pour leur soutien.

Et après ?

La version 1.0.0 est une étape, mais pas une fin. Nous avons déjà commencé à planifier les fonctionnalités futures.

Essayez-le dès aujourd’hui !

Téléchargez la dernière version, testez-la et partagez vos impressions avec nous.

L’article Sortie de la version 1.0.0 de notre provider Terraform est apparu en premier sur OUTSCALE blog.

ALLONIA rejoint l’écosystème IA d’OUTSCALE

Fatiha Arjdal — Wed, 22 Jan 2025 13:17:54 +0000

ALLONIA, startup française spécialisée dans le domaine de l’intelligence artificielle, s’est associée à OUTSCALE pour faciliter l’entraînement et le déploiement des modèles d’IA dans un environnement souverain et sécurisé, qualifié SecNumCloud 3.2 par l’ANSSI.

« En tant que start-up, il est crucial pour nous d’accéder aux grands comptes, qu’ils soient privés ou publics. S’associer avec un acteur comme OUTSCALE renforce notre crédibilité et nous permet de proposer une offre Cloud et IA pertinente. » Antoine Couret, CEO, ALLONIA

Découvrez les solutions ALLONIA sur OUTSCALE Marketplace

L’article ALLONIA rejoint l’écosystème IA d’OUTSCALE est apparu en premier sur OUTSCALE blog.

Avec OUTSCALE Kubernetes as a Service, déployez vos applications cloud-native en toute simplicité !

Anthony Colas — Tue, 03 Dec 2024 15:12:05 +0000

La gestion des infrastructures cloud-native peut sembler complexe et fastidieuse. Conçue pour les utilisateurs en quête de robustesse, d’automatisation et de simplicité, notre solution OUTSCALE Kubernetes as a service vous permet de vous concentrer sur vos applications sans vous soucier des aspects techniques complexes.

Une plateforme optimisée avec une automatisation complète

La simplicité est au cœur de notre solution. OUTSCALE Kubernetes as a Service fournit une suite d’outils automatisés pour simplifier la gestion 24/7 de vos clusters Kubernetes.

Déploiement rapide : créez des clusters Kubernetes prêts à l’emploi en moins de 10 minutes, adaptés à vos besoins opérationnels immédiats.
Mise à l’échelle simplifiée : ajustez vos ressources dynamiquement en fonction des variations de charge.

Grâce à ces fonctionnalités, OUTSCALE Kubernetes as a Service élimine les obstacles techniques et optimise vos processus de déploiement, tout en garantissant une gestion intuitive et fluide.

Performance et fiabilité assurées

OUTSCALE Kubernetes as a Service garantit une plateforme conçue pour répondre aux exigences des charges de travail les plus variées, qu’elles soient standards ou hautement complexes.

Disponibilité élevée : une architecture robuste qui assure la continuité des services, même en cas de forte demande.
Évolutivité fluide : adaptez facilement vos infrastructures à la croissance de vos applications.
Performances constantes : bénéficiez d’une infrastructure optimisée pour des résultats fiables, quel que soit le contexte d’utilisation.

Que vous gériez des applications légères ou des charges de travail complexes, OUTSCALE Kubernetes as a Service vous fournit la puissance nécessaire pour maintenir une productivité maximale.

Interopérabilité, sécurité et souveraineté au service des utilisateurs

OUTSCALE Kubernetes as a Service allie des fonctionnalités techniques avancées à des garanties de conformité et de sécurité :

Sécurité dédiée : vos environnements bénéficient d’une isolation complète, assurant la protection des données sensibles.
Souveraineté (SecNumCloud 3.2) : vos données sont hébergées dans une infrastructure qualifiée conforme aux exigences françaises et européennes, offrant une tranquillité et sécurité totale face aux enjeux de conformité réglementaire.

Une gestion simplifiée

OUTSCALE Kubernetes as a Service assure une prise en charge complète de la MCO (maintenance en conditions opérationnelles) et MCS (Maintien en condition de sécurité) 24/7 garantissant ainsi la disponibilité et la fiabilité des services sans interruption pour vos équipes.

Avec un support technique expert à vos côtés, vos équipes peuvent se concentrer sur l’innovation et les projets à forte valeur ajoutée, tout en ayant l’assurance que vos clusters Kubernetes fonctionnent de manière optimale, sans interruption.

Restez concentré sur vos priorités métier tout en profitant d’une infrastructure robuste et fiable.

Découvrez comment OKS peut optimiser vos opérations et libérer le potentiel de votre organisation

L’article Avec OUTSCALE Kubernetes as a Service, déployez vos applications cloud-native en toute simplicité ! est apparu en premier sur OUTSCALE blog.