Projet open source
cartography-cncf/cartography avatar
cartography-cncf/cartography

Cartography : relier les actifs cloud dans Neo4j

Cartographie est un outil Python qui extrait les actifs d'infrastructure et leurs relations dans une base de données graphique Neo4j.

4 061 étoiles562 forksPythonApache-2.0

En bref

De quoi s’agit-il ?
Cartography collecte des données d infrastructure et de SaaS afin de construire dans Neo4j un graphe exploitable des relations entre identités, ressources et configurations.
À qui s’adresse-t-il ?
Cartography convient à une équipe sécurité ou plateforme qui veut interroger les relations entre comptes et ressources dans Neo4j. Il faut valider les collecteurs réellement disponibles, les permissions cloud et le volume d écriture avant de promettre une couverture complète.
Puis-je l’utiliser commercialement ?
Oui. Apache-2.0 est une licence permissive : vous pouvez utiliser, modifier et vendre un logiciel qui en dépend, à condition de conserver les mentions de droit d’auteur et de licence.
Est-il encore maintenu ?
Oui. Les derniers commits datent d’il y a 1 jour.
En quel langage est-il écrit ?
Principalement Python, d’après les statistiques de langage de GitHub.

Ces réponses reposent sur les données GitHub du projet (dernière synchronisation le 15 septembre 2026) et sur notre analyse. Elles ne constituent pas un avis juridique.

ANALYSE OPEN SOURCE APPROFONDIE

Un graphe plutôt qu un inventaire plat

Cartography ne se limite pas à lister des instances. Son modèle relie les objets découverts afin de répondre à des questions de chemin : quelle identité peut atteindre telle ressource, quels comptes appartiennent à quel environnement, ou quelles dépendances entourent un actif. Neo4j devient la surface d interrogation. La valeur dépend donc de la qualité des collecteurs et des permissions accordées aux comptes de découverte.

Collecteurs et périmètre

Le projet vise des plateformes cloud et des services SaaS, avec des modules de synchronisation propres aux fournisseurs. Chaque module doit être considéré comme une source distincte : une réussite du collecteur AWS ne prouve pas celle d un collecteur GitHub ou Kubernetes. Les données importées ont aussi une fraîcheur liée à la cadence d exécution. Le graphe représente ce que les APIs autorisent à voir, pas une vérité indépendante de leurs droits. Le README de cartography-cncf-cartography-deep-analysis donne une orientation concrète, mais son exécution dépend des versions, des permissions et des données de l équipe. Vérifiez chaque hypothèse sur l environnement prévu. Les noms de commandes, les fichiers de configuration et les sorties observées doivent rester consignés avec le test. Une fonctionnalité annoncée ne permet pas de déduire une garantie de disponibilité, de performance ou de sécurité. Cette prudence est particulièrement importante lorsque le projet s appuie sur un service distant ou une dépendance ancienne. Utilisez un cas minimal reproductible avant d élargir le périmètre. Le README de cartography-cncf-cartography-deep-analysis donne une orientation concrète, mais son exécution dépend des versions, des permissions et des données de l équipe. Vérifiez chaque hypothèse sur l environnement prévu. Les noms de commandes, les fichiers de configuration et les sorties observées doivent rester consignés avec le test. Une fonctionnalité annoncée ne permet pas de déduire une garantie de disponibilité, de performance ou de sécurité. Cette prudence est particulièrement importante lorsque le projet s appuie sur un service distant ou une dépendance ancienne. Utilisez un cas minimal reproductible avant d élargir le périmètre. Le README de cartography-cncf-cartography-deep-analysis donne une orientation concrète, mais son exécution dépend des versions, des permissions et des données de l équipe. Vérifiez chaque hypothèse sur l environnement prévu. Les noms de commandes, les fichiers de configuration et les sorties observées doivent rester consignés avec le test. Une fonctionnalité annoncée ne permet pas de déduire une garantie de disponibilité, de performance ou de sécurité. Cette prudence est particulièrement importante lorsque le projet s appuie sur un service distant ou une dépendance ancienne. Utilisez un cas minimal reproductible avant d élargir le périmètre. Le README de cartography-cncf-cartography-deep-analysis donne une orientation concrète, mais son exécution dépend des versions, des permissions et des données de l équipe. Vérifiez chaque hypothèse sur l environnement prévu. Les noms de commandes, les fichiers de configuration et les sorties observées doivent rester consignés avec le test. Une fonctionnalité annoncée ne permet pas de déduire une garantie de disponibilité, de performance ou de sécurité. Cette prudence est particulièrement importante lorsque le projet s appuie sur un service distant ou une dépendance ancienne. Utilisez un cas minimal reproductible avant d élargir le périmètre. Le README de cartography-cncf-cartography-deep-analysis donne une orientation concrète, mais son exécution dépend des versions, des permissions et des données de l équipe. Vérifiez chaque hypothèse sur l environnement prévu. Les noms de commandes, les fichiers de configuration et les sorties observées doivent rester consignés avec le test. Une fonctionnalité annoncée ne permet pas de déduire une garantie de disponibilité, de performance ou de sécurité. Cette prudence est particulièrement importante lorsque le projet s appuie sur un service distant ou une dépendance ancienne. Utilisez un cas minimal reproductible avant d élargir le périmètre.

Neo4j au centre de l exécution

Le déploiement s articule autour de Cartography et d une base Neo4j. Les nœuds et relations sont mis à jour par des synchronisations; les requêtes Cypher servent ensuite à explorer les dépendances et les chemins d accès. Dans une équipe, il faut décider qui maintient les identifiants, où sont conservés les secrets et comment les échecs de synchronisation sont signalés. La base de graphe impose aussi une surveillance de la croissance des relations.

Usages sécurité

Un graphe de permissions aide à repérer des chemins d accès excessifs et à croiser les actifs avec des comptes ou des groupes. Pour une enquête, la relation est souvent plus instructive qu une ligne isolée dans un inventaire. Cartography n exécute pas automatiquement une remédiation par le simple fait de modéliser une relation. Toute action corrective doit être portée par un processus séparé et relue avec les propriétaires de l actif.

Adoption mesurée

Commencez par un compte de lecture limité et un seul collecteur, puis mesurez le temps d une synchronisation et le nombre de nœuds attendus. Comparez quelques relations connues avec les requêtes Cypher produites dans votre environnement. Cette méthode révèle vite les permissions manquantes, les doublons et les objets non supportés. Le projet est une fondation de connaissance, dont la couverture réelle doit rester une mesure locale.

Vérification ciblée · cartography cncf cartography

Pour vérifier ce point, il faut partir de la configuration du collecteur sélectionné et les journaux de synchronisation Cartography vers Neo4j et observer la présence des nœuds attendus, la date de mise à jour et les relations Cypher correspondant à un compte de test. Cette procédure est liée à ce dépôt et ne permet pas de conclure sur des fonctions que son README ne décrit pas.

Conclusion éditoriale

Cartography convient à une équipe sécurité ou plateforme qui veut interroger les relations entre comptes et ressources dans Neo4j. Il faut valider les collecteurs réellement disponibles, les permissions cloud et le volume d écriture avant de promettre une couverture complète.

Sources officielles

  1. Official documentation
  2. Official README
  3. Project repository
  4. Release notes
Notes de la communauté

Notes de la communauté