Infogérance de moyens de calcul et de licences scientifiques

Le titulaire assure l’administration, l’exploitation, la maintenance, la sécurisation et l’évolution des infrastructures de calcul intensif du CEA Grenoble ainsi que la gestion des licences logicielles scientifiques. La prestation est une obligation de résultat et comprend une phase de transition, une phase opérationnelle, des prestations complémentaires sur devis et une réversibilité.

Moyens de calcul

Le périmètre couvre environ 6 infrastructures de type fermes et clusters de calcul, représentant environ 430 nœuds et 18 000 CPU. Les environnements reposent notamment sur Linux — Red Hat Enterprise Linux, AlmaLinux ou Ubuntu —, PXE, Ansible et l’ordonnanceur SLURM.

Les prestations comprennent :

• intégration physique et logique des nœuds, rackage, câblage InfiniBand ou Ethernet, configuration iDRAC/iLO et mise à jour des inventaires ;
• déploiement des systèmes et environnements logiciels, drivers GPU, montages NFS, authentification LDAP/Kerberos et tests post-installation, notamment par soumission de jobs ;
• retrait et dérackage des nœuds obsolètes ou défaillants, déréférencement et traçabilité documentaire ;
• maintenance matérielle préventive et corrective, diagnostic des pannes, coordination des supports Dell ou HPE, remplacement de composants et validation par redémarrage, contrôles BIOS/UEFI, tests de stress et réintégration ;
• mises à jour des BIOS/UEFI, contrôleurs RAID ou BMC/IPMI, firmwares GPU, systèmes, drivers, correctifs de sécurité et composants de l’ordonnanceur ;
• administration de SLURM : partitions, files, priorités, QoS, cgroups, ressources GPU, SlurmDBD, MariaDB, comptes, associations, limites d’usage, sauvegardes et procédures de retour arrière ;
• supervision Centreon, Prometheus et Grafana : état des nœuds, charge, températures, CPU, mémoire, disques, jobs, délais d’attente, utilisation des partitions et équité d’allocation ;
• accounting des ressources par utilisateur, groupe, projet, partition ou centre de coût, avec rapports exportables et conservation historique des métriques pendant 6 à 12 mois selon les exigences du client ;
• installation de logiciels commerciaux ou libres, création de scripts de lancement, tests fonctionnels, inventaire des versions et demandes de packaging pour les postes Windows ;
• support applicatif et support utilisateur de premier et second niveaux sur la soumission, l’exécution et la gestion des jobs, les scripts sbatch, les ressources CPU/GPU/mémoire, les logs et les workflows complexes.

Licences scientifiques

Le périmètre comprend environ 10 serveurs de licences et environ 100 services, principalement sous FlexLM/FlexNet, sur environnements Linux et Windows, avec des architectures mono-serveur ou en triade redondée. Les services sont utilisés par environ 3 500 personnes, y compris les plateformes régionales et techniques.

Les prestations comprennent l’installation des clés ou dongles, la configuration et les tests des gestionnaires, la documentation, l’inventaire centralisé des logiciels, versions, types de licences, dates d’expiration, utilisateurs, départements et numéros de dongles, ainsi que les contrôles de cohérence entre inventaire et utilisation.

Le titulaire assure l’attribution des licences, la gestion des quotas, les approbations, les droits d’usage et la notification des utilisateurs. Il assure la MCO/MCS, les sauvegardes, mises à jour de sécurité, contrôles d’accès, gestion des incidents et supervision de la disponibilité, des consommations et des refus, notamment avec Centreon, Prometheus et OpenLM.

Pour les serveurs Windows, l’infogérance conserve la responsabilité de l’administration système, de la sécurité, des mises à jour, de la supervision et des sauvegardes ; le titulaire assure l’administration fonctionnelle des licences et leur support. Le titulaire administre également OpenLM, ses comptes, rôles, alertes, sauvegardes, journaux et interfaces avec FlexNet ou RLM.

Des rapports d’usage par département, exportables en PDF ou Excel, doivent présenter les pics, tendances, taux d’utilisation et besoins de capacité. Ils sont attendus au plus tard 6 mois après le début du contrat. À cette échéance, le titulaire doit aussi compléter la supervision, mettre en place l’inventaire des services et créer des tableaux de bord Power BI fondés sur Report Hub d’OpenLM.

Exploitation, demandes et niveaux de service

Les demandes, affectations, installations, incidents et évolutions sont centralisés dans OSIRIS-SMAX, avec ticket horodaté, catégorisation, priorisation, escalade, recette utilisateur et traçabilité. Un refus de recette dans les 5 jours réouvre le ticket et reprend le compteur au point d’arrêt.

Les changements nécessitant une intervention en production donnent lieu à une étude technique, une analyse d’impacts et de risques, un calendrier, un scénario de retour arrière, une validation CEA/CAB, une recette et une documentation ou mise à jour de CMDB. La documentation est remise sous 3 jours après la recette technique, ou sous 5 jours après réception des éléments d’un intervenant extérieur.

Les classes Silver et Gold sont appliquées aux clusters, partitions, nœuds et serveurs de licences :

• demandes de changement : réalisation sous 5 jours en Silver et 3 jours en Gold ;
• demandes d’assistance : diagnostic sous 1 jour en Silver et 4 heures en Gold, résolution N1 sous 3 jours et 1 jour, résolution N2 sous 5 jours et 2 jours ;
• incidents : prise en compte sous 4 heures en Silver et 2 heures en Gold, résolution sous 2 jours et 1 jour.

Les demandes urgentes doivent être prises en charge et affectées sous 30 minutes, avec intervention sous 4 heures pour un incident ou une assistance et sous 1 jour pour un changement. Elles sont incluses dans le forfait et plafonnées à 20 demandes par mois, plafond révisable après l’inventaire semestriel.

Pilotage, qualité et réversibilité

Le dispositif comprend un comité technique d’exploitation hebdomadaire, un comité de pilotage mensuel, un comité sécurité trimestriel et un comité stratégique annuel. Le titulaire fournit des tableaux de bord mensuels avec évolution sur 13 mois, indicateurs de SLA, volumétrie, tickets, changements, satisfaction, backlog, refus de recette, projets et coûts.

Les objectifs contractuels comprennent notamment au moins 90 % de respect des délais pour les incidents et demandes de service, et au moins 80 % pour les changements et la documentation. Les écarts doivent être analysés sous 5 jours ouvrés et faire l’objet d’actions correctives. Le CEA peut effectuer des contrôles aléatoires, audits et contrôles par échantillonnage.

Le titulaire doit démontrer des compétences en SLURM, Linux Red Hat/Ubuntu, Ansible, FlexLM, Windows et Power BI, ainsi qu’un système qualité ISO 9001 ou équivalent. Un PPQSE est remis dans le mois suivant le démarrage en première version et dans les 3 mois en version définitive.

La réversibilité comprend la préparation permanente, la mise à disposition des documentations, sources, outils, scripts, inventaires, bases de connaissances et procédures, un transfert de connaissances de 2 mois et un accompagnement du nouvel exploitant pendant 1 mois. Les révisions documentaires demandées pendant cette phase sont réalisées sous 5 jours.

Les prestations sont réalisées sur site, avec télétravail possible selon les modalités convenues avec le CEA. La plage de service est du lundi au vendredi, de 8 h 30 à 12 h et de 13 h à 17 h, avec possibilité d’intervention de 6 h à 20 h 30 et d’interventions hors horaires ouvrés selon l’impact. Le titulaire collabore avec les prestataires réseau, télécoms et infogérance du CEA.