Ingénieur DevOps sur une plateforme cloud multi-services, en environnement aéronautique.

• Réduction des coûts AWS de 65 à 75 % selon les services : audit du provisionnement réel service par service, puis réduction en deux paliers d’une semaine avec validation CloudWatch entre les deux, sans aucun incident de production.
• Sécurisation de la plateforme multi-services (EKS, ECS, Lambda, RDS · Aurora, S3, CloudFront, Cognito, SNS, SageMaker) : durcissement WAF et Shield, gestion centralisée des secrets (Secrets Manager, KMS), alarmes de sécurité et de performance.
• Conception des chaînes d’ingestion de données : jobs AWS Glue planifiés par EventBridge, stockage S3, secrets gérés par Secrets Manager.
• Développement d’une barre de recherche augmentée par IA (RAG) sur Google Cloud Platform et Gemini.
• Industrialisation qualité et sécurité des pipelines : Checkmarx (SAST), SonarQube et Cypress intégrés à la CI/CD, correction des failles détectées, artefacts gérés par JFrog Artifactory, parallélisation des jobs Jenkins.
• Migration de bases de données avec chiffrement KMS, refactoring Terraform, déploiements CloudFormation, plusieurs mises en production assurées.
• Support applicatif et outillage en Python · FastAPI (back) et React (front).

Environnement : AWS, GCP, Gemini, Terraform, CloudFormation, Checkmarx, SonarQube, Cypress, Jenkins, JFrog Artifactory, React, Python, FastAPI.

Ingénieur DevOps, prise en charge complète des environnements cloud du projet.

• Prise en charge de bout en bout des environnements Azure : développement, test et bac à sable totalement isolé, mis en place dès le démarrage du projet.
• Définition et application des règles de sécurité réseau sur l’ensemble des environnements.
• Mise en place d’un système d’alertes FinOps pour le suivi des coûts cloud en temps réel, et gestion centralisée des secrets.

Environnement : Microsoft Azure, Azure DevOps, CI/CD.

Ingénieur logiciel, cadre Agile SAFe. Applications critiques de suivi, de maintenance et de réparation d’engins agricoles.

• Réduction de la dette technique d’environ 80 % par refactoring et par un script de nettoyage du dépôt GitLab, qui a supprimé plus de 800 branches obsolètes.
• Migration technologique Cordova vers Capacitor, avec analyse d’impact détaillée sur les plugins et sur l’application.
• Mise en place de la chaîne CI/CD mobile (Jenkins pour les builds iOS, Azure DevOps), gestion du cycle de release complet et six livraisons trimestrielles sur Google Play et l’App Store.
• Livraison d’un POC de pipeline Jenkins vers Azure et TestFlight, avec une documentation clé en main pour le client (variables, certificats sécurisés, procédures de déploiement).
• Intégration de Firebase Crashlytics, Matomo, des notifications push iOS et Android et de Google Maps.

Environnement : Ionic, Angular, Capacitor, Cordova, Java Spring, Jenkins, Azure DevOps, GitLab, Firebase, TestFlight.

Ingénieur logiciel, cadre Agile SAFe. Projet international de plus de cent personnes entre la France et l’Inde.

• Migration technologique majeure de l’application web de supervision, d’AngularJS vers Angular 16.
• Développement de fonctionnalités métier avec les équipes France et Inde, maintenance en production, refactoring du code existant et écriture de tests unitaires.

Environnement : Angular, AngularJS, Java Spring, Jenkins, GitLab, Jira.

Contexte COVID-19. Responsabilité de bout en bout : conception, développement, déploiement et mise en production.

• Conception de l’infrastructure AWS complète : backend sur Beanstalk, front sur S3 et CloudFront, base RDS avec montée en charge automatique, réplication et sauvegardes automatiques.
• Développement d’une PWA serverless optimisée pour le référencement (Angular Universal, Node.js, AWS Lambda, API Gateway), conteneurisation Docker et CI/CD Azure DevOps.
• Module de paiement Stripe, messagerie temps réel par WebSockets, mise en production sur Google Play et l’App Store, contrôle des coûts par AWS Budgets.

Environnement : Angular, Ionic, .NET Core · C#, AWS, Docker, Azure DevOps, Stripe.

Conçue, développée et exploitée seul, en production 24 h/24.

• Platform engineering : plateforme interne dont les consommateurs sont des agents IA. La contrainte est celle d’une équipe de développeurs : ils doivent pouvoir agir sans moi. D’où un état du système généré automatiquement, un catalogue de capacités réutilisables, des règles d’usage explicites et des bancs de test.
• Outils de plateforme : micro-services Python (Flask, FastAPI) en conteneurs, connecteur MCP qui expose les capacités à un modèle externe, workflows de génération pilotés par webhook, ingestion multi-canale (texte, voix, image, PDF, URL, courriel).
• Protection des données dès la conception : routage déterministe à deux voies, données publiques vers un LLM cloud, données marquées privées gardées sur place, sans aucun modèle ni API externe.
• Sécurité : accès privés chiffrés, listes d’autorisation, garde des secrets avant toute sortie, sauvegardes chiffrées hors machine, procédure de reprise écrite.
• Exploitation de type SRE et FinOps des LLM : redémarrage automatique, alerte d’échec armée et vérifiée en production, diagnostic d’une panne silencieuse. Migration d’une charge GPU vers un service à la demande, au coût mesuré de 0,041 $ par exécution, environ 6 $ par mois.
• Chaîne de livraison : intégration continue multi-architecture, infrastructure en code (OpenTofu) et GitOps pour Kubernetes, écrits et éprouvés au banc ; runbooks et post-mortems sans coupable.

Environnement : Docker, n8n, OpenTofu, Python, Claude Agent SDK, MCP, Git.