Contexte et objectif

• Construire un système de monitoring d’erreurs en temps réel capable de transformer des logs bruts en alertes intelligentes et diagnostics automatisés.
• L’objectif est d’intégrer ELK et Kafka avec des composants d’IA agentique (LLMs / agents) pour proposer des résolutions proactives et des diagnostics exploitables.

Technologies et périmètre technique

• Technologies citées : Java, Spring Boot, Spring IA, Generative IA, NLP, ELK (Elasticsearch, Logstash, Kibana), Kafka, Qdrant, Linux, Docker, LLMs, MCPs, AI Agents.
• Tâches techniques attendues : design des pipelines de logs (Logstash/Beats → Kafka → ELK), intégration d’un moteur de vectorisation (Qdrant) pour recherche sémantique, orchestration de composants conteneurisés (Docker) et déploiement sur environnements Linux.

Responsabilités et fonctionnalités à réaliser

• Développer des connecteurs et consommateurs Kafka pour ingérer et prétraiter les logs en temps réel.
• Concevoir des modules d’analyse NLP/générative pour classifier les erreurs, générer diagnostics et formuler suggestions de remédiation via des agents IA.
• Implémenter des règles d’alerte intelligentes et dashboards Kibana pour visualisation et monitoring opérationnel.

Livrables attendus

• Prototype fonctionnel démontrant ingestion en temps réel, détection d’anomalies, et génération de diagnostics automatisés.
• Documentation technique (architecture, API, déploiement Docker, guide d’utilisation) et jeux de tests/mesures de performance.

Compétences souhaitées

• Maîtrise de Java et Spring Boot, bonnes connaissances en NLP/IA générative et compréhension des LLMs/agents.
• Expérience avec ELK, Kafka, bases vectorielles (Qdrant), Docker et administration Linux.
• Capacité à concevoir pipelines temps réel, monitoring et tests de robustesse.

Modalités de candidature

• Pour postuler, envoyer votre candidature à l’adresse suivante : contact@eitainnov.tn .
• Objet recommandé pour l’email : "Candidature SUJET 3 - Système de monitoring agentique d’erreurs en temps réel - PFE".