Études de cas

Refonte des coûts et de la fiabilité Kubernetes

Un cluster EKS de 40 nodes tournait sur des node groups statiques choisis à la main, sans aucune discipline d'autoscaling, et les pods se faisaient OOMKill à chaque pic de trafic. La facture de calcul montait pendant que la fiabilité empirait. Redimensionnement de chaque workload à partir de données Prometheus réelles, puis remplacement des node groups statiques et du Cluster Autoscaler par Karpenter pour un provisionnement juste-à-temps et bin-packé. Ajout de PodDisruptionBudgets pour que la consolidation ne fasse jamais tomber un service sous son nombre minimal de répliques.

Durcissement sécurité Kubernetes pour audit SOC 2

Chaque pod héritait d'un rôle IAM partagé au niveau du node, avec accès à des buckets S3 qu'il n'avait aucune raison de toucher. Le réseau du cluster était plat, sans aucune segmentation, et les pipelines CI stockaient des identifiants statiques en clair dans des variables d'environnement. Le pré-audit SOC 2 du client a échoué sur les trois points. Périmètre IAM ramené au niveau du ServiceAccount via IRSA, déploiement de NetworkPolicies default-deny appliquées à l'admission par OPA Gatekeeper, et migration de tous les identifiants CI vers des baux Vault à courte durée de vie, entièrement journalisés.

Refonte du pipeline GitOps avant le pic saisonnier

Les déploiements prenaient 45 minutes et nécessitaient qu'un humain se connecte en SSH pour lancer un script, limitant l'équipe à une mise en production par semaine au mieux. À six semaines du Black Friday, une mauvaise release voulait dire un rollback manuel de plusieurs heures, sans procédure testée. Reconstruction de la CI autour du cache des dépendances et des layers Docker, puis remplacement du processus de release manuel par un GitOps géré par ArgoCD : chaque environnement se synchronise automatiquement depuis Git, la dérive s'autocorrige, et le rollback tient en un revert.

Failover multi-région de base de données sans interruption

Le plan de reprise après sinistre n'existait que sur le papier : les sauvegardes tournaient chaque nuit mais n'avaient jamais été restaurées, et toute la plateforme reposait sur une seule région AWS. Un audit de conformité a signalé les deux points comme inacceptables avant le renouvellement d'un contrat avec un réseau hospitalier. Mise en place d'une réplique asynchrone en streaming dans une seconde région avec promotion gérée par Patroni, failover automatisé via des health checks Route53, et ajout d'une tâche nocturne qui restaure la dernière sauvegarde sur une instance jetable et vérifie le nombre de lignes avant le café du matin.