Tech Finder

Orchestration basée sur les assets avec typage fort et observabilité intégrée

L'orchestrateur de workflows basé sur les DAGs le plus déployé, avec un écosystème massif

Orchestration déclarative YAML-first avec déclencheurs événementiels

Orchestration Python-native avec API simple et modèle d'exécution hybride

Service Apache Airflow managé par AWS — aucune infrastructure à gérer

Apache Airflow managé par GCP avec intégration étroite à BigQuery

Le standard de la transformation SQL avec tests et documentation intégrés

Alternative à dbt avec environnements virtuels et modèles incrémentaux par défaut

Plateforme ELT open-source avec plus de 300 connecteurs pour l'intégration de données

ELT entièrement managé avec migration de schéma automatique et plus de 500 connecteurs

ELT open-source basé sur les taps et targets Singer pour un mouvement de données extensible

Le format de table ouvert dominant — ACID, time travel, partitionnement caché, multi-moteur

Format de table ouvert né chez Databricks avec un écosystème fort dans le monde Spark

Format de table optimisé pour les upserts — perd du terrain face à Iceberg

Plateforme de streaming événementiel distribuée, standard de l'industrie pour les pipelines temps réel

Plateforme de streaming compatible Kafka — ops simplifiées, sans JVM, sans ZooKeeper

Plateforme CDC basée sur les logs pour capturer les changements de base de données en flux d'événements

Framework de qualité des données en Python avec attentes déclaratives et profilage

Checks de qualité des données en YAML — plus simple que Great Expectations pour les cas courants

Observabilité data native dbt — détection d'anomalies et lignage intégrés à dbt

Standard open-source de catalogue de données avec découverte, lignage et gouvernance

Plateforme de métadonnées née chez LinkedIn avec intégrations riches et graphe de lignage

Catalogue universel open-sourcé par Databricks pour les tables, modèles et fonctions

Base OLAP colonnaire ultra-rapide — meilleur rapport coût/performance pour les requêtes analytiques

OLAP temps réel avec pré-agrégation — requêtes sub-seconde sur des données en streaming

OLAP temps réel par segments — conçu pour l'analytique user-facing à des milliers de QPS

Base analytique embarquée — le SQLite de l'OLAP. Dev local, notebooks, CI/CD

Entrepôt de données SaaS multi-cloud avec séparation du calcul et du stockage

Entrepôt serverless GCP — SQL puissant, ML intégré, facturation à la requête

Entrepôt AWS basé sur des clusters avec Spectrum pour les requêtes sur le lac de données

Plateforme lakehouse unifiée — Delta Lake, Spark, ML et SQL en un seul endroit

Le SGBDR open-source le plus avancé — extensible avec pgvector, TimescaleDB, PostGIS

Base SQL distribuée — compatible PostgreSQL, cohérence globale, résiste aux pannes de zone

PostgreSQL serverless avec branching — scale to zero, environnements de dev instantanés

Base documentaire de référence — schéma flexible, scaling horizontal, requêtes riches

Store en mémoire pour le cache, les sessions, les classements temps réel et le pub/sub

Base de données graphe de référence — langage Cypher, modèle orienté relations

Store wide-column distribué — scalabilité linéaire, cohérence configurable

Extension PostgreSQL pour les séries temporelles — SQL complet, agrégats continus, compression

LLM généraliste le plus performant — multimodal, appels de fonctions, large adoption API

LLM orienté sûreté — contexte long (200K), raisonnement, code et analyse

LLM open-weight de référence — compétitif avec le propriétaire, fine-tunable, auto-hébergeable

Labo IA français — modèles MoE efficaces, fort en multilingue, leader de l'IA souveraine EU

Framework le plus populaire pour construire des applications LLM — chaînes, agents, retrieval

Framework de données pour LLMs — indexation, retrieval et pipelines RAG de référence

Framework d'agents stateful basé sur LangChain — graphes, cycles, humain dans la boucle

Base vectorielle serverless dédiée — le chemin le plus simple vers un RAG en production

Base vectorielle open-source avec recherche hybride native (vecteur + mot-clé)

Base vectorielle haute performance en Rust avec filtrage riche sur les payloads

Extension PostgreSQL pour la recherche vectorielle — aucune nouvelle infrastructure requise

Plateforme MLOps open-source — suivi d'expériences, registre de modèles, déploiement

Plateforme ML AWS de bout en bout — entraînement, tuning, déploiement et monitoring de modèles

Plateforme ML unifiée GCP — AutoML, entraînement custom, API Gemini, feature store

Pipelines ML natifs Kubernetes — workflows ML portables et scalables sur tout cloud

Moteur de serving LLM haut débit avec PagedAttention — l'option open-source la plus rapide

Exécutez des LLMs en local en une commande — simplicité Docker pour l'IA locale

Feature store open-source — serving online/offline, exactitude point-in-time

Plateforme de données synthétiques avec confidentialité différentielle — génération conforme RGPD

BI propulsé par LookML avec forte cohérence des métriques — idéal pour l'analytique gouvernée

Exploration visuelle et conception de dashboards de référence pour les analystes avancés

BI Microsoft avec tarification agressive et intégration profonde Office 365 / Azure

BI open-source pour le self-service rapide — les utilisateurs non techniques requêtent sans SQL

BI open-source flexible avec IDE SQL, visualisations riches et RBAC

BI code-first — rédigez des rapports en Markdown avec SQL, dashboards versionnés

Couche sémantique universelle — API REST/GraphQL/SQL, cache multi-niveaux, tout outil BI

Couche sémantique MetricFlow intégrée à dbt — métriques as code, source unique de vérité

Le standard de l'orchestration de conteneurs — déclaratif, extensible, portable

Kubernetes managé AWS — intégration profonde IAM/VPC, Fargate pour les pods serverless

Kubernetes managé GCP — mode Autopilot, mises à jour K8s les plus rapides

Le standard IaC — déclaratif, multi-cloud, écosystème de providers massif

IaC avec de vrais langages de programmation (Python, TypeScript, Go) au lieu de HCL

IaC natif Kubernetes — gérez les ressources cloud comme des custom resources K8s

CI/CD intégré à GitHub — workflows YAML, marketplace massive, intégration OIDC

Livraison continue GitOps pour Kubernetes — déclaratif, auditable, auto-réparant

Collecte de métriques pull-based — le standard pour le monitoring Kubernetes

La couche de visualisation pour l'observabilité — dashboards, alertes, multi-sources

Standard d'observabilité vendor-neutral — traces, métriques, logs avec un seul SDK

Observabilité commerciale complète — APM, logs, métriques, sécurité en une plateforme

Portail développeur né chez Spotify — catalogue de services, templates, écosystème de plugins

Projet CNCF pour le monitoring des coûts Kubernetes — allocation temps réel, multi-cloud

Plateforme complète de gestion des secrets — secrets dynamiques, PKI, multi-cloud, ACL granulaire

Secrets managés AWS avec rotation automatique via Lambda et intégration IAM

Signature sans clé des conteneurs et artefacts — vérification de provenance, sans gestion de clés

Scanner de sécurité tout-en-un — conteneurs, systèmes de fichiers, IaC, génération SBOM

Moteur de politiques natif Kubernetes — validation, mutation et génération de ressources en YAML

Moteur de politiques généraliste (Rego) — admission K8s, autorisation API, checks IaC

Lingua franca du data engineering et du ML — pandas, PySpark, dbt, bibliothèques ML

Irremplaçable pour l'analytique — chaque entrepôt, chaque outil BI, chaque rôle data

Bibliothèque DataFrame propulsée par Rust — 10-100x plus rapide que pandas, évaluation lazy

Format colonnaire en mémoire — partage zero-copy entre systèmes, agnostique du langage

Framework dominant de deep learning — standard en recherche, production-ready avec TorchServe

Le GitHub du ML — hub de modèles, bibliothèque Transformers, datasets, Spaces pour les démos

Propulse les outils data nouvelle génération — Polars, Delta-rs, DataFusion, chemins critiques en performance