Diplômé en informatique industrielle puis en Cloud Computing, j’ai progressivement orienté mon parcours vers les environnements systèmes et les infrastructures cloud. J’ai commencé ma carrière en tant que SysOps, ce qui m’a permis d’acquérir de solides connaissances en administration de systèmes et en gestion d’infrastructures. Ensuite, je me suis spécialisé dans les pratiques DevOps, notamment autour de l’automatisation, de l’industrialisation des déploiements et et la gestion de plateformes cloud.
Aujourd’hui, avec une dizaine d’années d’expérience, j’interviens sur la conception, le déploiement et la maintenance d’infrastructures cloud ainsi que la mise en place de chaînes CI/CD.
Quelles sont tes premières expériences professionnelles ?
J’ai débuté par des stages et des missions d’ingénierie cloud où j’étais responsable de l’intégration de solutions open source, du déploiement de services sur des environnements virtualisés OpenStack et VMware. Ces premières expériences m’ont permis de travailler sur la gestion d’infrastructures complexes, le scripting, ainsi que la conception de workflows automatisés. Elles ont surtout confirmé mon intérêt pour les environnements techniques exigeants et pour les problématiques d’optimisation, de fiabilité et d’innovation autour des plateformes cloud.
Quel est ton rôle en tant qu’ingénieur Cloud DevOps ?
Aujourd’hui, je conçois, déploie et maintiens des plateformes cloud et des environnements d’intégration et de déploiement continus (CI/CD) pour des clients stratégiques.
Concrètement, je gère l’architecture et la migration de services critiques vers des environnements cloud, en mettant en place des infrastructures automatisées avec des outils comme Terraform ou Ansible. Je travaille également sur la conteneurisation et l’orchestration des applications avec Docker et Kubernetes afin de garantir des déploiements plus rapides et plus reproductibles.
Je mets également en place et j’administre des chaînes CI/CD autour d’outils comme GitLab ou Jenkins afin d’industrialiser les processus de build, de test et de déploiement. La qualité et la sécurité du code font aussi partie des enjeux : nous utilisons par exemple SonarQube pour l’analyse de la qualité du code, Cyberwatch pour la gestion des vulnérabilités ou encore Nexus pour la gestion des artefacts.
Enfin, je veille à la performance et à la disponibilité des plateformes en mettant en place des dispositifs de monitoring et d’observabilité avec des outils comme Prometheus, Grafana, Dynatrace ou Graylog pour l’analyse des logs et le suivi des systèmes. Je participe également à la rédaction de la documentation technique et à la formation des équipes pour assurer le maintien en condition opérationnelle.
As-tu eu l’occasion de travailler sur des projets liés à l’Intelligence Artificielle ?
Oui, récemment, j’ai participé à la mise en place d’une plateforme IA interne de type « AI Factory » destinée à industrialiser les usages autour des modèles de langage (LLM) et des architectures RAG (Retrieval-Augmented Generation).
Cette plateforme repose sur une architecture modulaire intégrant un serveur d’inférence dédié, c’est-à-dire un environnement conçu pour exécuter les modèles IA et générer les réponses. Elle intègre également des services d’embedding et de reranking permettant de transformer les documents en représentations numériques exploitables par l’IA, puis de classer les résultats les plus pertinents avant de les transmettre au modèle.
Un cluster de bases de données vectorielles permet ensuite le stockage, l’indexation et la recherche de contenus sémantiques à grande échelle. J’ai également travaillé sur l’automatisation de la chaîne d’ingestion documentaire avec Firecrawl afin de collecter, structurer et préparer les données exploitées par les modèles IA.
Une API Gateway centralise l’exposition et la gouvernance des modèles IA internes et externes, notamment les modèles Mistral, tout en assurant le routage, la sécurisation et le contrôle des usages. La gestion des identités et des accès est assurée via Keycloak afin de garantir une authentification centralisée et une gestion sécurisée des tokens.
Enfin, l’observabilité des interactions avec les LLM est assurée grâce à Langfuse, permettant de mesurer les performances, de tracer les prompts et de piloter les usages IA dans une logique de gouvernance, de sécurité et de maîtrise opérationnelle.
Expertise
DevOps & Observabilité
Quelles sont les qualités professionnelles et personnelles nécessaires?
Le métier d’ingénieur Cloud DevOps requiert à la fois de solides compétences techniques et des qualités humaines indispensables pour intervenir sur des environnements complexes et des applications critiques. La rigueur est essentielle car la moindre erreur dans un script, une configuration ou un déploiement peut avoir un impact direct sur la disponibilité des applications. L’anticipation est tout aussi importante : il faut être capable d’identifier les risques en amont et de mettre en place des mécanismes d’automatisation, de monitoring ou de sécurisation pour éviter les incidents.
La curiosité technique est également un atout car les technologies cloud et DevOps évoluent très rapidement. Il est nécessaire de se former en continu et de tester régulièrement de nouveaux outils ou nouvelles approches. L’esprit analytique permet quant à lui de comprendre l’origine d’un problème, d’interpréter les métriques ou les logs et de proposer des solutions efficaces.
Enfin, la capacité à collaborer est indispensable car l’ingénieur DevOps se situe au croisement de plusieurs équipes : développement, production, sécurité et métiers. Il doit donc savoir communiquer clairement, comprendre les contraintes de chacun et favoriser la collaboration afin de fluidifier les processus de développement et de mise en production.
Qu’est-ce qui te plaît le plus dans ton métier ?
Ce que j’apprécie le plus dans mon métier, c’est de rendre les infrastructures plus simples, plus fiables et plus efficaces grâce à l’automatisation. Savoir que mon travail contribue à l’efficacité des équipes et à la performance des services est très motivant.
J’aime aussi le fait que chaque projet apporte de nouveaux défis techniques. Les environnements évoluent rapidement, les problématiques sont variées et cela m’oblige à apprendre en permanence, tester de nouvelles approches ou trouver des solutions innovantes. C’est ce qui rend ce métier particulièrement stimulant au quotidien.
Quel conseil donnerais-tu à quelqu’un qui souhaite devenir Ingénieur DevOps ?
Je conseillerais d’abord de construire de solides bases en systèmes et réseaux, notamment sur Linux, pour bien comprendre comment fonctionnent les infrastructures et les applications. Ensuite, le plus important est de pratiquer : déployer une application sur le cloud, automatiser une infrastructure avec Terraform ou Ansible, ou encore mettre en place un cluster Kubernetes pour gérer des applications conteneurisées.
