Blink est un composant central de la plateforme DataGalaxy et respecte pleinement les principes architecturaux fondamentaux qui régissent notre environnement SaaS.
L’architecture de DataGalaxy repose sur quatre principes clés :
Sécurité intégrée – Un modèle zero-trust avec des communications chiffrées, des services strictement isolés et aucune connectivité entrante requise depuis les systèmes des clients.
Isolation complète des clients (tenants) – Chaque environnement client est isolé logiquement au sein de l’infrastructure SaaS de DataGalaxy, garantissant une séparation forte des données et des charges de travail.
Indépendance vis-à-vis du cloud et scalabilité – La plateforme repose sur une architecture multi-cloud pilotée par Kubernetes, déployable sur l’ensemble des principaux fournisseurs de cloud.
Séparation des responsabilités – Les connecteurs, la plateforme SaaS et les capacités IA fonctionnent comme des composants indépendants et sécurisés, avec des responsabilités clairement définies.
Les fonctionnalités de génération IA dans DataGalaxy sont fournies via un service IA centralisé, accessible exclusivement par une API Proxy interne sécurisée. Ce design garantit que toutes les interactions IA, y compris celles initiées par Blink, passent par un point d’entrée unique et contrôlé, indépendamment de l’infrastructure IA sous-jacente.
La couche de calcul IA s’appuie principalement sur des services IA cloud de confiance tels qu’AWS Bedrock, Google Vertex AI ou Azure AI Foundry, sélectionnés selon les besoins en scalabilité, performance et déploiement. Si nécessaire, DataGalaxy peut également exécuter des workloads IA entièrement auto-hébergés, déployés sur ses propres clusters Kubernetes dans des environnements cloud contrôlés.
Cette architecture garantit des niveaux constants de sécurité des données, d’isolation des clients et de performance, indépendamment du backend IA utilisé.
Modèles actuellement utilisés par Blink
Blink utilise un ensemble dédié de modèles, chacun optimisé pour une capacité spécifique dans le flux conversationnel :
Qwen3.6 – Modèle de langage principal alimentant l’expérience chatbot et la compréhension du langage naturel.
Qwen3-reranker-0.6B – Modèle de reranking utilisé pour affiner et prioriser les résultats récupérés en fonction de leur pertinence.
Qwen3-embedding-0.6B – Modèle d’embedding utilisé pour la recherche sémantique et la récupération basée sur des vecteurs.
Blink est actuellement en cours de migration vers une architecture basée sur MCP Server. Dans ce modèle, le LLM interprète les requêtes des utilisateurs et découvre dynamiquement les outils appropriés ou la combinaison d’outils nécessaires pour répondre à la demande, renforçant ainsi la modularité, la scalabilité et le contrôle des interactions IA.
Les fonctionnalités de Blink sont accessibles via plusieurs surfaces d’interaction. Blink est disponible directement dans l’interface de la plateforme DataGalaxy ainsi que sous forme d’extension, tandis que les mêmes fonctionnalités peuvent également être exploitées de manière programmatique via un MCP Client connecté au MCP Server de DataGalaxy. Cela garantit une parité fonctionnelle entre les interfaces utilisateur et les intégrations machine-à-machine, toutes les interactions reposant sur la même infrastructure IA sécurisée et gouvernée.
Dans le cadre de l’infrastructure de Blink, nous utilisons Langfuse, qui permet de gérer les prompts et de conserver les journaux pendant une période de 30 jours.