IT Dashboard
Introduction
Contexte, motivations et approche du projet IT Dashboard.
Parti de zéro en programmation, j'ai conçu un tableau de bord IT de surveillance d'alertes multi-pôles, avec pipeline ETL, intégration Vault, agents opérationnels et système de gouvernance IA. Sans formation préalable en développement logiciel, en architecture logicielle ni en intelligence artificielle.
Réalisé exclusivement à l'aide d'IA publiques (ChatGPT, Copilot, puis Cursor), le projet a généré ses propres solutions aux blocages rencontrés : INIT_SEQUENCE pour la perte de contexte, les 31 standards Dashboard_IT pour la cohérence des sessions, une architecture modulaire pour la maintenabilité. Développé en trois mois.
Architecture et fonctionnalités
Composants backend et démonstrations fonctionnelles du projet.
Pipeline complet validé sur 10 pôles spécialisés : collecte parallèle, normalisation ETL, scoring de sévérité, corrélation multi-pôles. Frontend React exposant alertes et corrélations en temps réel.
Composants backend
Collecteurs
10 scripts Python collectent les événements par domaine IT. Chargement automatique des credentials Vault, génération d'événements JSON, logging standardisé et propagation de Corrélation IDs.
Pipeline ETL
Normalisation des schémas JSON, déduplication par hash SHA256, enrichissement des métadonnées, archivage automatique J-1 et rétention de 90 jours.
Rules Engine
Transformation des événements en alertes avec scoring de sévérité : critique (≥0,7), moyen (0,4-0,69), faible (<0,4).
Corrélation Engine
Corrélation des alertes multi-pôles et calcul d'un score de risque global. Détection de menaces complexes.
Démonstrations fonctionnelles
Intégration Vault
Génération automatique de 10 fichiers AppRole JSON. Cycle complet en 15 étapes avec rotation des logs et génération de rapports.
Pipeline backend
Flux complet validé : collecte parallèle, ETL, Rules Engine et Corrélation Engine. Traçabilité complète avec corrélation IDs.
Synchronisation Backend-Frontend
Copie automatique des données vers Frontend/public et génération de artifacts.json et config.json. Sans intervention manuelle.
Remontée des alertes
Composants React chargent les fichiers JSONL. Affichage dans GlobalView, PoleView, SeverityHeatmap, TimelineView et CorrélationsChart. API FastAPI disponible.
INIT_SEQUENCE
INIT_SEQUENCE, système de gouvernance IA par machine à états finis.
Chaque nouvelle conversation avec une IA publique signifiait une perte totale du contexte. Face à l'impossibilité d'envoyer l'intégralité du projet à chaque session, j'ai conçu un système de gouvernance IA original.
INIT_SEQUENCE est une machine à états finis (7 états, 11 fichiers fondateurs, 3 607 lignes dont 2 502 lignes de prompts fondateurs) qui reconstitue le contexte de travail par une séquence de prompts structurée, de façon reproductible et traçable à chaque session.
Explorer INIT_SEQUENCE
Bootloader, machine à états, module cognitif, prompts fondateurs : la documentation complète du système de gouvernance.
Découvrir INIT_SEQUENCE en détail →Standards et métriques
Framework de gouvernance 31 standards en 8 catégories, métriques quantitatives.
31 standards en 8 catégories, chacun appliqué et tenu sur l'ensemble du projet, soit environ 50 000 lignes de documentation structurée, réutilisables sur tout projet similaire.
Conclusion
Ce projet illustre une capacité à apprendre seul, à structurer des solutions face à des blocages réels, et à maintenir des standards professionnels sans cadre académique. Chaque problème rencontré a généré une solution architecturale : INIT_SEQUENCE, les 31 standards, le pipeline ETL, les agents opérationnels.
Mon objectif est de transformer cette pratique empirique en compétence structurée dans le cadre d'une formation supérieure en Intelligence Artificielle et d'une alternance en entreprise.