Talnivo
Sujet de PFE

Conception et développement d’une plateforme visuelle intelligente de gestion et d’orchestration de ressources Kubernetes assistée par l’IA

PwC

PwC en Tunisie propose ce sujet de PFE au sein de sa ligne de services Technology (practice Cloud), sous la référence TAC-PE001/27.

Description du sujet : Kubernetes s’est imposé comme la plateforme de référence pour l’orchestration de conteneurs, mais sa complexité opérationnelle reste un frein majeur : multiplicité des ressources (Pods, Deployments, Services, ConfigMaps, Ingress…), gestion de plusieurs clusters en parallèle (dev, staging, prod), et difficulté à diagnostiquer rapidement l’origine d’un incident à partir des manifests, logs et events. Ce projet de fin d’études vise à concevoir et développer une plateforme web permettant de se connecter simultanément à plusieurs clusters Kubernetes, d’en visualiser l’état et la topologie des ressources sous forme graphique, et d’interroger ces ressources en langage naturel via un agent basé sur un LLM. Cet agent sera capable d’inspecter en temps réel les manifests, le statut des ressources, les logs et les events du cluster afin de répondre aux questions de l’utilisateur, de diagnostiquer des anomalies (CrashLoopBackOff, OOMKilled, erreurs de configuration, etc.) et de proposer des plans d’action concrets. La solution reposera sur une architecture capable d’interagir avec l’API Kubernetes (via client officiel), d’indexer/contextualiser les ressources pour le LLM (via function calling ou récupération de contexte), et d’exposer une interface visuelle claire et interactive (type graphe de topologie) permettant une compréhension rapide de l’état du système.

Objectifs du stage : Simplifier la supervision et le diagnostic d’infrastructures Kubernetes multi-clusters en combinant une approche visuelle intuitive et l’intelligence artificielle générative, afin de réduire le temps de résolution des incidents et d’abaisser la barrière de compétence nécessaire à l’exploitation de Kubernetes.

Profil recherché : - Technologies : Langage backend : Go (client-go) ou Python/Node.js (kubernetes-client) ; Frontend : Vue JS, Angular ou React, librairie de visualisation de graphes (React Flow, Cytoscape.js, D3.js) ; Orchestration : Kubernetes (Kind/Minikube/k3s pour l’environnement de test) ; LLM : OpenAI (GPT-4o), Anthropic (Claude), ou modèles open-source (Llama, Mistral via Ollama) ; API : REST, WebSocket (pour le temps réel) ; Bases de données : PostgreSQL/Redis (cache, historique des interactions) ; Conteneurisation : Docker, Helm ; Outils DevOps : Git, CI/CD (GitHub Actions) - Connaissances théoriques : Notions d’architecture distribuée et de microservices ; Principes des LLM : prompting, function calling, gestion de contexte ; Notions de visualisation de données et de graphes (topologie, relations entre entités) ; Concepts de monitoring et d’observabilité des systèmes (logs, events, métriques) - Connaissances pratiques : Programmation (Go, Python ou Node.js) et développement d’APIs, Manipulation de l’API des clients officiels (kubernetes-client), Développement frontend SPA et bibliothèques de visualisation graphique, Intégration d’un LLM via API (function calling, gestion de prompts), Conteneurisation avec Docker, Bonnes pratiques Git et documentation technique

Conditions du stage : - Référence du sujet : TAC-PE001/27 - Nombre de stagiaires : 1 - Candidature : envoyez votre CV à [email] avec en objet « Candidature PFE – Réf sujet(s) | Ligne de Services–Business Unit ou practice | Votre école | Votre spécialité | Votre nom »

Niveau : Niveau ouvert Mode : Présentiel Source : PFE Book PwC 2026-2027 (pfebooks.com)

Missions

- Étudier l’écosystème Kubernetes (ressources, API, mécanismes de observabilité) et les outils existants (Lens, K9s, Octant…). - Concevoir l’architecture technique permettant la connexion et la gestion simultanée de plusieurs clusters (multi-context/multi-kubeconfig). - Développer le backend d’interaction avec l’API Kubernetes (récupération des ressources, statuts, logs, events). - Développer l’interface de visualisation graphique de la topologie des ressources (namespaces, deployments, pods, services et leurs relations). - Concevoir et intégrer l’agent LLM capable d’interroger le contexte du cluster (via function calling/tools) pour répondre aux questions et proposer des diagnostics. - Mettre en place les mécanismes de récupération de contexte pertinent (manifests, logs, events) pour alimenter le LLM. - Tester la solution sur des scénarios réels d’incidents simulés et évaluer la pertinence des réponses de l’agent. - Documenter l’architecture et les choix techniques, rédiger le rapport de stage.

Compétences requises

📄 Générer Convention de Stage

Talnivo calcule votre score de compatibilité CV ↔ offre et vous aide à l'améliorer avant de postuler.

Créer un compte gratuit