rpa_vision_v3/docs/ROADMAP_DOCKERISATION.md

Roadmap Dockerisation RPA Vision

Document créé le 26 janvier 2026 - À implémenter après période de démos

---

1. CONTEXTE

Objectif : Faciliter le déploiement, les mises à jour et la maintenance via Docker.

Situation actuelle

• Installation manuelle avec multiples venvs Python
• Dépendances complexes (PyTorch, CLIP, rfdetr, etc.)
• Configuration GPU manuelle
• Difficulté à reproduire l'environnement chez les clients

---

2. AVANTAGES ATTENDUS

Aspect	Bénéfice
Déploiement	Installation en une commande (docker-compose up)
Reproductibilité	Même environnement partout (dev/prod/client)
Isolation	Pas de conflits de dépendances Python/Node
Mises à jour	Pull nouvelle image, redémarrer
Rollback	Revenir à une version précédente instantanément
Multi-tenant	Plusieurs instances isolées sur même machine
CI/CD	Tests automatisés dans containers identiques à la prod

---

3. DÉFIS SPÉCIFIQUES À RPA VISION

Contrainte	Solution	Complexité
GPU (CUDA)	nvidia-docker / --gpus all	Faible
Accès écran (X11)	Monter /tmp/.X11-unix + variable DISPLAY	Moyenne
Capture souris/clavier	--privileged ou capabilities spécifiques	Moyenne
Ollama	Container séparé ou accès host via réseau	Faible
Stockage modèles	Volumes persistants (éviter re-téléchargement)	Faible
Citrix/VDI	Tests spécifiques nécessaires	Haute

---

4. ARCHITECTURE DOCKER PROPOSÉE

# docker-compose.yml (structure cible)

version: '3.8'

services:
  # === FRONTEND ===
  vwb-frontend:
    build: ./visual_workflow_builder/frontend_v4
    ports:
      - "3000:3000"
    depends_on:
      - vwb-backend

  # === BACKEND VWB (GPU) ===
  vwb-backend:
    build: ./visual_workflow_builder/backend
    ports:
      - "5001:5001"
    volumes:
      - ./models:/app/models:ro
      - ./data:/app/data
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    depends_on:
      - redis
      - ollama

  # === DASHBOARD ===
  web-dashboard:
    build: ./web_dashboard
    ports:
      - "5004:5004"
    volumes:
      - ./data:/app/data
    depends_on:
      - redis

  # === OLLAMA (GPU) ===
  ollama:
    image: ollama/ollama:latest
    ports:
      - "11434:11434"
    volumes:
      - ollama-models:/root/.ollama
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]

  # === CACHE ===
  redis:
    image: redis:7-alpine
    ports:
      - "6379:6379"
    volumes:
      - redis-data:/data

  # === BASE DE DONNÉES (optionnel) ===
  postgres:
    image: postgres:15-alpine
    environment:
      POSTGRES_DB: rpa_vision
      POSTGRES_USER: rpa
      POSTGRES_PASSWORD_FILE: /run/secrets/db_password
    volumes:
      - postgres-data:/var/lib/postgresql/data
    secrets:
      - db_password

volumes:
  ollama-models:
  redis-data:
  postgres-data:

secrets:
  db_password:
    file: ./secrets/db_password.txt

---

5. PLAN D'IMPLÉMENTATION

Phase 1 : Services Web (Priorité haute)

Durée estimée : 1-2 jours

• Dockerfile pour web-dashboard
• Dockerfile pour vwb-frontend
• Configuration nginx reverse proxy
• docker-compose.yml minimal (sans GPU)
• Tests de déploiement

Gains : Déploiement simplifié pour 60% du système

Phase 2 : Backend avec GPU (Priorité moyenne)

Durée estimée : 2-3 jours

• Dockerfile pour vwb-backend avec CUDA
• Intégration Ollama container
• Volumes pour modèles (UI-DETR-1, CLIP)
• Tests GPU dans container
• Optimisation taille image (multi-stage build)

Gains : Environnement ML reproductible

Phase 3 : Agent d'exécution RPA (Priorité basse)

Durée estimée : 3-5 jours

• Gestion accès X11/Wayland
• Permissions souris/clavier
• Tests sur différents environnements (natif, Citrix, VDI)
• Documentation des limitations

Gains : Système complet dockerisé

---

6. ALTERNATIVE HYBRIDE (Recommandée initialement)

Pour simplifier le déploiement initial :

┌─────────────────────────────────────────────────────┐
│                    DOCKER                            │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  │
│  │  Frontend   │  │  Dashboard  │  │   Ollama    │  │
│  │   :3000     │  │    :5004    │  │   :11434    │  │
│  └─────────────┘  └─────────────┘  └─────────────┘  │
│  ┌─────────────┐  ┌─────────────┐                   │
│  │  Backend    │  │    Redis    │                   │
│  │   :5001     │  │    :6379    │                   │
│  └─────────────┘  └─────────────┘                   │
└─────────────────────────────────────────────────────┘
                         │
                         │ API calls
                         ▼
┌─────────────────────────────────────────────────────┐
│                 HOST (non dockerisé)                 │
│  ┌─────────────────────────────────────────────┐    │
│  │  Agent RPA (accès direct écran/souris)      │    │
│  │  - pyautogui                                 │    │
│  │  - Capture écran                             │    │
│  └─────────────────────────────────────────────┘    │
└─────────────────────────────────────────────────────┘

Avantages :

• 80% des bénéfices Docker
• Évite les complications X11/permissions
• Plus simple à débugger
• Compatible tous environnements

---

7. COMMANDES DE DÉPLOIEMENT CIBLES

# Installation complète
git clone https://github.com/xxx/rpa-vision-v3.git
cd rpa-vision-v3
docker-compose up -d

# Mise à jour
docker-compose pull
docker-compose up -d

# Rollback
docker-compose down
docker tag rpa-vision/backend:latest rpa-vision/backend:backup
docker pull rpa-vision/backend:v1.2.3
docker-compose up -d

# Logs
docker-compose logs -f vwb-backend

# Status
docker-compose ps

---

8. PRÉREQUIS CLIENT

Minimum

• Docker 24+
• Docker Compose 2.20+
• 16 Go RAM
• 50 Go disque

Avec GPU (recommandé)

• NVIDIA Driver 535+
• nvidia-container-toolkit
• GPU avec 8+ Go VRAM

Commande de vérification

# Vérifier Docker
docker --version
docker-compose --version

# Vérifier GPU Docker
docker run --rm --gpus all nvidia/cuda:12.0-base nvidia-smi

---

9. REGISTRE D'IMAGES

Options pour héberger les images :

Option	Avantages	Inconvénients
Docker Hub	Gratuit, simple	Images publiques ou payant
GitHub Container Registry	Intégré GitHub	Limites de stockage
AWS ECR	Scalable, privé	Coût AWS
Self-hosted (Harbor)	Contrôle total	Maintenance

Recommandation : GitHub Container Registry pour commencer (gratuit, privé possible)

---

10. LIENS UTILES

• NVIDIA Container Toolkit
• Docker Compose GPU
• Ollama Docker
• Multi-stage builds

---

Document à compléter après la période de démos Prochaine révision prévue : Février 2026