Un avionneur européen · AWS
Coûts AWS réduits de 65 à 75 %
0 incident
Audit du provisionnement réel, service par service, puis réduction en deux paliers d’une semaine validés par les alarmes. Aucune interruption de production.
Ingénieur DevOps · Platform Engineer · Toulouse
Je construis des plateformes qui tiennent quand je ne suis pas là.
Quatre ans d’infrastructure cloud en mission dans l’aéronautique et l’industrie : AWS, Azure, Kubernetes, CI/CD sécurisée, coûts maîtrisés. Et une plateforme personnelle en production, opérée par des agents IA. Ce site en fait partie.
en production · 24 h/24 · infrastructure auto-hébergée
Plateforme interne
Une plateforme auto-hébergée, en production, dont les utilisateurs sont des agents IA : règles écrites, état généré, bancs, alertes. Les mêmes contraintes qu’une équipe de développeurs.
Cloud et infrastructure en code
En mission : coûts AWS réduits de 65 à 75 % sans un incident, environnements Azure isolés dès le démarrage. Sur la plateforme : DNS, TLS et pare-feu décrits en code, rien ne s’applique sans un plan relu.
Kubernetes et GitOps
En mission : EKS sur une plateforme de données sécurisée. Sur la plateforme : manifestes dans le dépôt, réconciliés par un contrôleur GitOps, versions épinglées ; écrit, éprouvé au banc.
CI/CD et sécurité de la chaîne
En mission : analyse statique, SonarQube et tests de bout en bout dans les pipelines Jenkins. Sur la plateforme : recherche de secrets, audit des dépendances, image construite puis scannée à chaque poussée.
Observabilité et SLO
Un workflow d’erreurs branché sur chaque workflow de production, une sonde chaque matin qui compare l’état déclaré à l’état réel. Les SLO chiffrés sont l’étape suivante.
Agents IA
Des agents qui agissent sans moi à travers MCP et les SDK d’agents, et des workflows autonomes en production, chacun couvert par un contrôle.
Gouvernance
Un point d’entrée que tout agent lit en premier, un état du système généré, des bancs, un registre des chantiers : je peux vérifier ce qui a été fait.
Livraison
En mission et sur ma plateforme, la même exigence
Des résultats mesurés chez des industriels, et la chaîne de livraison de ma plateforme telle qu’elle existe aujourd’hui.
En mission
Un avionneur européen · AWS
Sécurisation d’une plateforme multi-services
EKS, ECS, Lambda, RDS
Durcissement WAF et Shield, secrets centralisés (Secrets Manager, KMS), alarmes de sécurité et de performance sur une plateforme de données sécurisée.
DevSecOps
La sécurité dans la chaîne CI/CD
SAST · qualité · E2E
Analyse statique, SonarQube et tests de bout en bout intégrés aux pipelines Jenkins, failles corrigées, artefacts gérés, jobs parallélisés.
Un programme de services aux citoyens · Azure
Environnements Azure de bout en bout
dev · test · bac à sable
Trois environnements isolés dès le démarrage du projet, règles de sécurité réseau, alertes FinOps en temps réel, secrets centralisés.
La chaîne de livraison de la plateforme
Telle qu’elle existe dans le dépôt, avec l’état réel de chaque maillon.
- écrit, éprouvé au banc
Intégration continue multi-architecture
À chaque poussée : recherche de secrets, bancs de test, audit des dépendances, contrôles des pages ; puis une image construite pour deux architectures de processeur, et scannée.
- écrit, éprouvé au banc
Infrastructure en code
Le DNS, le TLS et le pare-feu décrits en code, validés contre le vrai fournisseur, éprouvés par un banc. Rien ne s’applique sans un plan relu.
- écrit, éprouvé au banc
Kubernetes et GitOps
Les manifestes vivent dans le dépôt ; un contrôleur GitOps les réconcilie en lecture seule. Versions épinglées, répétition complète sur une machine jetable.
- en service
Alertes et sondes
Un workflow d’erreurs branché sur chaque workflow de production, trois essais d’envoi. Chaque matin, une sonde compare l’état déclaré à l’état réel.
- étape suivante
SLO et budget d’erreur
Des objectifs de service chiffrés, relevés sur trente jours, et des alertes par taux de consommation du budget d’erreur.
- en service
Runbooks
Des modes d’emploi exécutables dans le dépôt : installer, basculer, restaurer, revenir en arrière, chaque geste dans l’ordre.
- en service
Post-mortems sans coupable
Chaque panne racontée au même gabarit : problème, mesure, décision, résultat, ce que je referais autrement. On cherche une cause, jamais une personne.
Relevé
Ce que la plateforme a fait ces sept derniers jours
Trois compteurs, lus par un script dans la base du moteur de workflows de production, à la date écrite sous les chiffres. Aucun n’est écrit à la main.
11
workflows de production actifs
lu dans le moteur de workflows
105
exécutions réussies sur sept jours
statut succès, fenêtre glissante
9
exécutions en échec sur sept jours
chacune a déclenché une alerte
Dernière écriture : .Pas encore de relevé : l’exporteur n’a pas encore écrit. Les trois compteurs s’afficheront ici avec l’heure de leur écriture ; aucun chiffre n’est inventé en attendant.Valeurs d’exemple : l’exporteur n’a pas encore écrit ce relevé.
Mise en production
Ce que la plateforme a appris à faire, dans l’ordre
Chaque étape a tourné pour de vrai avant la suivante.
- étape 01
Une seule porte, un routage déterministe
Tout entre par une messagerie. Une règle, pas un modèle, décide ce qui est privé, et le privé ne rencontre aucun modèle. Le reste devient une note ou une tâche dans un second cerveau.
- étape 02
Le premier workflow de production autonome
Sujet, rédaction, génération, contrôles, assemblage, livraison : une chaîne complète, sans main humaine entre le déclencheur et le livrable.
- étape 03
Un bot par rôle
La capture garde sa porte ; la conversation avec un agent a la sienne. Chaque usage a exactement une porte.
- étape 04
La production quitte le poste de travail
Plus rien ne dépend d’un ordinateur allumé. Tout ce qui produit vit sur le serveur ; le poste de travail sert aux essais et aux mesures.
- étape 05
L’inférence sur un GPU à la demande
La charge GPU part vers un service serverless facturé à la seconde. Coût mesuré par exécution : 0,041 $.
- étape 06
L’état du système se génère
Une page d’état produite par script depuis des déclarations, un banc qui la vérifie, une sonde qui compare le déclaré au réel.
- étape 07
Sauvegarde chiffrée, garde des secrets, journal des agents
Les secrets partent chiffrés hors machine chaque nuit ; une garde bloque toute clé avant qu’elle quitte la machine ; chaque session d’agent est journalisée.
- étape 08
Des exécutions chaque jour, sept jours sur sept
Livraison à chaque destination, relevé des indicateurs, alerte à chaque échec.
La plateforme
Explorez-la : chaque nœud est quelque chose qui tourne
Une infrastructure auto-hébergée sur un serveur cloud, des GPU à la demande, et rien qui n’existe qu’à un seul endroit. Un nœud choisi ouvre son détail.
nœud
Le moteur de production
des workflows quotidiens
Rédaction, génération, contrôles, assemblage, livraison. Chaque exécution journalisée, chaque échec alerté.
chaque exécution journalisée · chaque échec alerté
générervérifierlivrer
Un run en deux temps
La forme vraie d’un workflow de production, redessinée avec des nœuds génériques : ni fournisseur, ni service, ni identifiant. Un nœud choisi dit ce qu’il fait.
- La formeLe temps 1 prépare, dépose et s’arrête. Hors de la plateforme, un agent planifié génère ; le connecteur contrôle chaque dépôt.
- Le réveilAu dernier dépôt, un webhook relance le même workflow, une seule fois. Aucun exécuteur n’attend.
- La repriseL’état du run est relu : ce qui est fait n’est pas refait.
Pour des agents
Une plateforme dont les utilisateurs sont des agents IA
La contrainte est la même que pour une équipe de développeurs : ils doivent pouvoir agir sans moi, et je dois pouvoir vérifier ce qu’ils ont fait. Ça m’a obligé à écrire des règles explicites, à générer l’état du système, à couvrir le tout de bancs, et à journaliser chaque session. Voici les quatre mécanismes, avec des extraits réels.
01
Le point d’entrée
| quand | quoi | | d’office, à chaque session | AGENTS.md | | première chose à ouvrir | l’état du système, généré | | sur ouverture | nomenclature, registre, décisions |
Un fichier agnostique que tout agent lit en premier, quel que soit l’outil. Il ne raconte rien : il dit où c’est raconté, et ce qui ne se discute pas.
02
L’état généré
projet : le site de preuve état : en production déclenché : à chaque construction → page d’état régénérée, banc au vert
Écrit par un script depuis des déclarations, jamais à la main. Un projet qui n’est pas déclaré n’existe pas pour le système.
03
Les bancs
7 · Le registre se compte juste
ok un numéro porté deux fois est trouvé
ok une barre nue dans une case arrête le script
44 vérifications passées, 0 échouéeLe verdict est « 0 échouée », jamais un total : un total change avec l’outillage, et un chiffre attendu fait croire à une régression le jour où il bouge.
04
Le journal des sessions
{ "duree_min": 45,
"depots": { "gouvernance": 1, "projects": 2 },
"ecrit_par": "journaliser_session",
"entree": "agent-b" }Chaque session d’agent laisse une ligne : sa durée et les dépôts qu’elle a touchés. Deux agents de fournisseurs différents y écrivent au même format.
Ce que ça m’a appris, et ce que ça a coûté
01Je mesure avant de corriger
Deux correctifs sont partis sans que le signal ait été mesuré. Dès qu’il l’a été, la cause est apparue en une passe. Depuis, chaque correctif commence par une mesure.
02Chaque service signale quand il fonctionne mal
Un service a répondu 200 pendant six semaines en sautant une étape. Il indique maintenant qu’il est dégradé, et cette alerte a été vérifiée en production.
03Un nombre de pannes est noté avec son heure
44 sur 49 le soir, 46 sur 51 le lendemain : le nombre augmentait pendant que j’écrivais le correctif. Je note l’heure du relevé et la vitesse à laquelle il monte.
04Le code vérifie ce que le modèle écrit
Après trois correctifs du même type dans un prompt, j’ai changé de méthode : le modèle remplit des champs définis à l’avance, et le code vérifie chaque champ avant de continuer.
05La page d’état est produite par un script
Tenue à la main, une page d’état devient fausse en quelques jours. Produite par un script et vérifiée par un banc, elle correspond chaque matin à ce qui tourne.
06Chaque chantier est inscrit dans un registre
Trois feuilles de route étaient rangées dans trois dossiers, sous trois noms différents ; retrouver la troisième a demandé de fouiller le disque. Il y a maintenant un registre, une ligne par chantier, mis à jour le jour même.
Études de cas
Quatre problèmes, quatre mesures, quatre décisions
Même squelette à chaque fois : le problème, la mesure, la décision, le résultat, et ce que je referais autrement. Un chiffre n’apparaît jamais sans la façon dont il a été mesuré.
Parcours
Quatre secteurs, quatre piles techniques
Quatre ans chez le même employeur de services numériques, en mission chez des industriels. Les clients sont nommés par leur secteur.
Un avionneur européen · plateforme de données sécurisée
Réduction des coûts AWS de 65 à 75 % ; chaînes d’ingestion (Glue, EventBridge, S3) ; analyse statique et qualité dans les pipelines ; durcissement WAF, secrets et KMS ; Terraform et CloudFormation ; recherche augmentée par IA sur GCP.
Un programme de services aux citoyens · Azure
Environnements Azure de bout en bout, règles de sécurité réseau, alertes FinOps.
Un constructeur d’engins agricoles · applications mobiles des concessionnaires
Dette technique réduite d’environ 80 %, migration Cordova vers Capacitor, CI/CD mobile, six livraisons trimestrielles sur les stores.
Un constructeur de véhicules industriels · supervision de flottes
Migration AngularJS vers Angular 16 dans un projet France et Inde de plus de cent personnes.
Une jeune entreprise de la restauration · en alternance
Infrastructure AWS complète, PWA serverless, paiement, mises en production iOS et Android.
Cloud et infrastructure en code
AWSAzureGCPTerraformOpenTofuCloudFormation
Kubernetes et conteneurs
KubernetesEKSECSDockerHelmGitOps
CI/CD et sécurité de la chaîne
JenkinsGitLab CIAzure DevOpsArtifactorySASTSonarQubeCypressKMSWAF
Observabilité et FinOps
CloudWatchalarmessondesAWS Budgetsalertes de coûts
Agents IA et automatisation
MCPSDK d’agentsn8nRAGroutage déterministeFinOps des LLM
Langages
Python · FastAPIJavaScript · TypeScriptBashSQLC#Java
CV
Le CV, en entier
La version complète, sur sa propre page, imprimable en deux pages A4.
Boubacar Soumaré
Ingénieur DevOps et Platform Engineer · Cloud AWS et Azure, certifié AWS
Toulouse, France · contact@boubacarsoumare.com · linkedin.com/in/boubacar-soumare
Profil
Ingénieur DevOps, Cloud et Platform, quatre ans d’expérience sur des infrastructures critiques et industrielles (aéronautique, machinisme agricole, véhicules industriels). Spécialisé sur les environnements multi-services AWS et Azure, j’industrialise les chaînes CI/CD et DevSecOps (Jenkins, GitLab CI, Checkmarx) et pilote l’efficience cloud : réduction mesurée de 65 à 75 % des coûts AWS chez un avionneur européen, sans interruption de production. Issu du génie logiciel (Python et outillage multi-langages), je traite l’infrastructure comme du code modulaire et testé (Terraform). En parallèle, j’exploite en production continue une plateforme d’infrastructure auto-hébergée, 24 h/24 (conteneurs, automatisation IA, agents), avec la même rigueur d’exploitation.
Certifications
AWS Certified Cloud Practitioner (2024)
CKA, Certified Kubernetes Administrator (en préparation)
Formation
MSc Pro Développeur d’applications, Epitech Toulouse (2022)
Licence informatique, Université de Haute-Alsace, Mulhouse (2020)
Langues
Français, langue maternelle
Anglais professionnel (B2) : quatre ans en environnement international, comités quotidiens avec les équipes France et Inde
Expérience professionnelle
Une entreprise de services numériques · ingénieur logiciel, puis ingénieur DevOps et cloud
- Un avionneur européen · plateforme big data sécurisée août 2025 → aujourd’hui
- Un programme de services aux citoyens · environnements Azure mai → juil. 2025
- Un constructeur d’engins agricoles · applications mobiles du réseau de concessionnaires nov. 2023 → avr. 2025
- Un constructeur de véhicules industriels · supervision de flottes 2022 → 2023
Une jeune entreprise de la restauration · développeur full stack, alternance
- Plateforme de mise en relation entre restaurateurs et cuisiniers
Plateforme d’automatisation et d’IA, en production
- Conçue, développée et exploitée seul, en production 24 h/24.
Contact
Écrivez-moi
Un projet, une question sur la plateforme, une idée à discuter : un courriel suffit, je réponds.
contact@boubacarsoumare.comlinkedin.com/in/boubacar-soumare