Refonte modulaire d'une infra Terraform multi-cloud
L'infra Terraform d'une plateforme IA en production était devenue un bloc monolithique, lourd à faire évoluer.
Je l'ai redécoupée en modules réutilisables et porté moi-même une douzaine de composants (Kubernetes, VPC, bases de données, observabilité) sur AWS, GCP et Scaleway.
Chaque brique évolue désormais de son côté, sans risquer d'en casser une autre.
TerraformAWSGCPScalewayKubernetes
Outillage · CI
Terraform Drift Detection
Refondre une infra critique fait peur tant qu'on ne peut pas prouver que rien ne bouge.
J'ai contribué à un script (Bash + pipeline Jenkins) qui compare le plan Terraform de deux branches, diff des resource_changes stage par stage, avec choix de l'environnement à la volée.
De quoi valider une migration sans la déployer à l'aveugle.
BashJenkinsTerraform
Données · Sécurité
DataSync — synchro & anonymisation de bases
Tester au plus près de la prod imposait des données réalistes, sans jamais exposer de données clients.
J'ai écrit un script (Docker + Bash) qui copie la base RDS de prod vers les environnements de test en l'anonymisant au passage ; infra provisionnée en Terraform (rôles IAM stricts) et exécutée via GitHub Actions.
Les environnements de test reflètent fidèlement la prod, ce qui fiabilise la reproduction de bugs, sans risque sur la confidentialité.
DockerBashTerraformAWSGitHub Actions
Automatisation
Release Bot
Les notes de version se rédigeaient à la main et l'équipe produit découvrait les livraisons en retard.
Sur chaque merge vers main, un pipeline Jenkins lit l'historique Git, génère le changelog, met à jour la page de release via l'API Notion et notifie le canal Slack produit.
Plus personne n'a à y penser, et tout le monde sait ce qui est parti en prod.
JenkinsGitHubNotionSlack
Sécurité & accès
RDS Access Validator
Les accès aux bases RDS devaient être contrôlés et tracés, sans laisser d'accès permanents ouverts.
J'ai construit un système d'approbation dynamique via Slack, appuyé sur AWS SSM, Lambda, CloudTrail et EventBridge, avec des connexions sécurisées par tunnels SSH/VPN et authentification SSO.
Chaque demande est validée, surveillée en temps réel (CloudWatch, New Relic) et laisse une trace complète.
AWS SSMLambdaCloudTrailSSOSlack
Monitoring
Stack d'observabilité unifiée
Diagnostiquer un incident obligeait à sauter d'un outil à l'autre.
J'ai centralisé les métriques (collectées par Prometheus, visualisées dans Grafana) et les logs (OpenObserve), avec des alertes Slack contextualisées qui renvoient directement vers le runbook concerné.
On lit l'état des instances en temps réel et on remonte à la cause bien plus vite.
PrometheusGrafanaOpenObserveSlack
Monitoring
Monitoring full-stack avec New Relic
Peu de visibilité temps réel sur la santé de l'infra AWS et des applications.
J'ai intégré New Relic de bout en bout : agent infra sur ECS, APM sur EC2, Browser agent côté front, relié aux services AWS (RDS, ECS) par API.
Dashboards et alertes temps réel (CPU, mémoire, perf BDD) poussés dans Slack, pour repérer et traiter les incidents plus vite.
New RelicAWSECSEC2Slack
FinOps
FinOps Dashboard sur mesure
Personne ne savait vraiment d'où venait la facture cloud.
J'ai construit un tableau de bord qui interroge AWS Cost Explorer, agrège les données en Python et les restitue dans Grafana, avec des alertes quand la consommation par service ou par équipe dérape.
Il a surtout servi à débusquer les ressources orphelines et les snapshots oubliés qu'on payait sans le savoir.
AWS Cost ExplorerPythonGrafana
Open source · GitHub
Projets open source
Des projets personnels dont le code est public, du FinOps aux agents IA.
FinOps · Open source
wasteless.io
Mon projet perso de référence en FinOps.
Un backend Python/FastAPI scanne le compte AWS, repère les instances EC2 sous-utilisées et propose de les arrêter ou de les redimensionner ; l'ensemble est déployable en Docker et provisionné par Terraform.
L'idée : rendre le gaspillage cloud visible avant qu'il ne se transforme en facture.
Trier une boîte mail à la main est répétitif et chronophage.
Cinq agents Python, orchestrés derrière une API FastAPI, se passent le relais sur la boîte Gmail : lecture et classement des messages, rédaction d'une réponse, validation avant l'envoi.
Un terrain d'expérimentation pour orchestrer plusieurs agents autour d'une tâche concrète.