Imago est un hub Backend & Traitement IA multi-tenant open-source dédié à la gestion d'images. Conçu pour propulser des applications frontend riches (comme Shaarli), il offre un stockage média hautement concurrent, des traitements asynchrones planifiés, une observabilité complète du pipeline et des intégrations poussées avec l'Intelligence Artificielle.

Fonctionnalités Principales

API d'Upload & Stockage : Stockage d'images isolé par client (multi-tenant), génération automatique de miniatures, support S3 (MinIO) ou stockage local.
Extraction de Métadonnées : Données EXIF, géolocalisation GPS, résolution et caractéristiques des fichiers.
Pipelines OCR : Extraction de texte via Tesseract + fallback IA.
Vision IA Intégrée : Description de scènes et classification par tags (Gemini & OpenRouter) avec circuit breaker.
Flux Temps Réel : Streaming d'événements WebSocket du pipeline (Redis Pub/Sub + buffer 60s).
Sécurité & Multi-tenancy : Auth API Key (SHA-256+pepper, timing-safe), scopes, rate limiting par plan, isolation totale.
Portail d'Administration : Interface React pour gérer les clients, surveiller la file d'attente, consulter les métriques.
Dead Letter Queue : Jobs échoués inspectables et relançables via API admin.
SDK Python : imago-client pour intégration programmatique (HTTP + WebSocket).

Documentation

Guide d'Utilisation — Utilisation des fonctionnalités et portail admin
Architecture — Stack technique et flux de données
Guide API — Référence complète des endpoints REST + WebSocket
Guide SDK Python — Intégration programmatique
Guide WebSocket — Streaming temps réel
Guide Intégration Shaarli — Plugin Shaarli
Roadmap — Correctifs, architecture, idées futures (107 fonctionnalités)
Checklist Production — 46 points avant la mise en production
Guide Déploiement — Déploiement sur serveur Docker
CHANGELOG — Historique des versions

La spécification OpenAPI est disponible sur http://localhost:8000/docs (application lancée).

Déploiement rapide (Docker)

Le projet fournit un docker-compose.yml complet orchestrant tous les services :

Service	Port	Rôle
backend	8000	API FastAPI
admin	3000	Portail React + Nginx
worker	—	ARQ (pipeline AI asynchrone)
db	5432	PostgreSQL 16
redis	6379	Redis 7 (broker, cache, pub/sub)
minio	9000-9001	Stockage S3-compatible

# 1. Cloner
git clone https://git.dracodev.net/Projets/Imago.git
cd imago

# 2. Configurer l'environnement
cp .env.example .env
# Éditer .env : ajouter GEMINI_API_KEY ou OPENROUTER_API_KEY

# 3. Démarrer la stack (depuis imago-admin/)
cd imago-admin
docker compose up -d --build

# 4. Récupérer la clé admin (affichée au premier démarrage)
docker compose logs backend | grep "Bootstrap client created"

L'API : http://localhost:8000/docs | Admin : http://localhost:3000

Note : La base de données est créée automatiquement au démarrage via init_db(). La clé admin est générée et affichée dans les logs au premier lancement.

Déploiement sur serveur (production)

L'image est disponible sur le registry local du lab :

# Sur le serveur cible
mkdir -p /opt/imago && cd /opt/imago
# Copier docker-compose.production.yml et .env.production
docker compose -f docker-compose.production.yml up -d

Voir Guide Déploiement pour la procédure complète.

Build et push vers le registry

cd docker
.\build-img.ps1       # Build via WSL Debian
.\deploy-img.ps1      # Push vers docker-registry.dev.home:5000 (semver auto)

Développement local (sans Docker)

Prérequis : Python 3.12+, Redis, PostgreSQL (ou SQLite), Tesseract OCR.

# 1. Environnement virtuel
python3 -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 2. Configuration
cp .env.example .env
# Éditer .env : DATABASE_URL=sqlite+aiosqlite:///./data/imago.db (pour SQLite local)

# 3. Démarrer l'API
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

# 4. Démarrer le worker (terminal séparé)
python worker.py

Tests

pip install -r requirements-dev.txt
pytest tests/ -v

Consulter le CHANGELOG pour l'historique des versions.