# Customer Adoption and Innovation (CAI)

> L'équipe Adoption clients et innovation IA de l'unité Business IA de Red Hat — initiatives, démos, plugins et comment nous solliciter.

Nous déployons, utilisons et éprouvons Red Hat AI dans des environnements proches de la production, puis nous partageons ce qui fonctionne avec nos clients, partenaires et collègues, pour les aider à en libérer tout le potentiel.

## Customer Adoption and Innovation 

[Rencontrez l\'équipe](#team)

[Voir ce que nous créons](#cards)

- **178** Dépôts dans rh-aiservices-bu ([Organisation GitHub](https://github.com/rh-aiservices-bu))

- **70+** Démos créées par l'équipe ([AI Quickstart](https://github.com/rh-ai-quickstart))

- **6** Plugins de tableau de bord ([Plugins communautaires](https://github.com/rh-ai-community-plugins))

- **9** Membres de l'équipe ([Rencontrez l'équipe](#team))

## Initiatives

- [**Organisation GitHub Red Hat AI**](https://github.com/rh-aiservices-bu) — Pour tout le monde — notre organisation principale avec 178 dépôts couvrant projets IA, prototypes et utilitaires.

- [**Red Hat AI Community Plugins**](https://github.com/rh-ai-community-plugins) — Pour les admins RHAIE — plugins communautaires qui étendent Red Hat OpenShift AI.

- [**AI Quickstarts**](https://github.com/rh-ai-quickstart) — Pour les développeurs — des exemples orientés résultats montrant comment l'IA résout de vrais problèmes métier.

- [**AI on OpenShift**](https://ai-on-openshift.io/) — Pour tous ceux qui apprennent l'IA sur OpenShift — patterns, démos, outils et guides.

- [**AI500 MLOps Enablement**](https://github.com/rhoai-mlops) — Pour les équipes qui montent en compétences MLOps — AI500, lab couvrant expérimentation, entraînement automatisé et livraison des modèles.

- [**AI501 GenAIOps Enablement**](https://github.com/rhoai-genaiops) — Pour les équipes qui exécutent GenAI en production — AI501, atelier de 5 jours avec labos, slides et outillage de déploiement.

- [**LiteMaaS**](https://github.com/rh-aiservices-bu/litemaas) — Pour les équipes plateforme — preuve de concept pour la gestion des abonnements LLM, des clés API et du suivi d'utilisation, avec intégration LiteLLM.

- [**Atelier Parasol**](https://github.com/rh-aiservices-bu/parasol-demo-deployment) — Pour les apprenants praticiens — recette de déploiement de la démo Parasol Insurance sur un cluster RHOAI.

## Tutoriels

- [Guide RHOAI MaaS](https://github.com/rh-aiservices-bu/rhoai-maas-guide) — utiliser les modèles as-a-service dans Red Hat OpenShift AI
- [RHOAI déconnecté](https://github.com/rh-aiservices-bu/disconnected-rhoai) — exécuter Red Hat OpenShift AI dans des environnements déconnectés (air-gapped)
- [Guide de partitionnement GPU](https://github.com/rh-aiservices-bu/gpu-partitioning-guide) — partitionner les GPU pour les charges de travail IA sur OpenShift
- [Guide de migration RHOAI 2.25 → 3.5](https://github.com/rh-aiservices-bu/rhoai-2.25-3.5-migration-guide) — migrer Red Hat OpenShift AI de 2.25 vers 3.5


## Mission

Grâce à des conseils ancrés dans l'expérience du terrain, nous donnons à nos
clients, partenaires et collègues les moyens de libérer tout le potentiel
de Red Hat AI.

- Utiliser les produits Red Hat AI comme nos clients le feraient
- Agir comme « client zéro » interne chez Red Hat — prouver nos produits sur nous-mêmes avant que les clients n'aient à le faire
- Aider nos clients sur des sujets IA complexes
- Partager notre expertise issue de l'expérience de terrain
- Repousser les limites du possible avec Red Hat AI !


## Équipe

- **Erwan Granger** — [GitHub](https://github.com/erwangranger) · [LinkedIn](https://www.linkedin.com/in/erwangranger)

- **Guillaume Moutier** — [GitHub](https://github.com/guimou) · [LinkedIn](https://www.linkedin.com/in/guillaume-moutier-70aba762)

- **Robert Lundberg** — [GitHub](https://github.com/RHRolun) · [LinkedIn](https://www.linkedin.com/in/rolun)

- **Roberto Carratalá** — [GitHub](https://github.com/rcarrata) · [LinkedIn](https://www.linkedin.com/in/rcarrata)

- **Karl Eklund** — [GitHub](https://github.com/keklundrh) · [LinkedIn](https://www.linkedin.com/in/karl-eklund-a2180515)

- **Cansu Kavili Örnek** — [GitHub](https://github.com/ckavili) · [LinkedIn](https://www.linkedin.com/in/ckavili)

- **Philip Hayes** — [GitHub](https://github.com/deewhyweb) · [LinkedIn](https://www.linkedin.com/in/philip-hayes-0327532)

- **Sara Banderby** — [GitHub](https://github.com/sarabanderby) · [LinkedIn](https://www.linkedin.com/in/annelisarabanderby)

- **Will Parker** — [GitHub](https://github.com/willsparker) · [LinkedIn](https://www.linkedin.com/in/willsparker98)

## Comment démarrer

Apprenez et obtenez de l'aide sur AI on OpenShift, essayez des démos prêtes à déployer dans AI Quickstart, proposez des idées de plugins dans Community Plugins — ou ouvrez une issue dans ce dépôt pour travailler directement avec l'équipe.

[Apprendre sur AI on OpenShift](https://ai-on-openshift.io/)

[Essayer les démos AI Quickstart](https://github.com/rh-ai-quickstart)

[Proposer un plugin communautaire](https://github.com/rh-ai-community-plugins)