← Retour au blog
8 min de lectureFR

De 24 conteneurs à Kubernetes :
retour d'expérience sur une migration AWS réelle

Un retour d'expérience concret sur la migration d'une plateforme CX en production, qui tournait sur 24 conteneurs gérés de façon approximative, vers une vraie infrastructure Kubernetes sur AWS — avec les arbitrages exacts, les chiffres, et ce que je ferais différemment.

KubernetesAWSDevOpsGitLab CI/CDHashiCorp VaultÉtude de cas

Le point de départ

Je suis Abdelhamid NOIRA, ingénieur DevOps basé à Casablanca, au Maroc. Lors d'une mission chez Tersea Groupe, j'ai travaillé sur Deskea, leur plateforme d'expérience client omnicanale propulsée par l'IA. L'application était déjà en production et traitait un trafic réel — mais son infrastructure se résumait à 24 conteneurs, déployés et gérés en grande partie à la main, sans aucune couche d'orchestration pour les relier.

C'est une situation courante pour un produit en croissance : conteneurisé parce que quelqu'un avait compris très tôt que Docker était le bon choix, mais sans jamais franchir l'étape suivante, la véritable orchestration. Monter en charge, c'était se connecter en SSH aux machines. Déployer, c'était redémarrer des conteneurs à la main. Il n'y avait ni gestion cohérente des secrets, ni stratégie de déploiement blue-green, ni véritable observabilité au-delà de simples contrôles de disponibilité.

Pourquoi Kubernetes, précisément

Kubernetes n'est pas toujours la bonne réponse pour 24 conteneurs — beaucoup d'équipes gèrent très bien cette échelle avec ECS ou une configuration Compose bien organisée. Ici, c'était pertinent parce que la feuille de route du produit prévoyait une expansion multi-régions et que l'équipe voulait un modèle de déploiement cohérent entre les environnements (staging, production, puis à terme une seconde région AWS). Ces besoins — déploiements déclaratifs, parité entre environnements et mise à l'échelle horizontale à la demande — sont exactement ce pour quoi Kubernetes a été conçu.

AWS (EKS)
Plan de contrôle managé — plus de temps perdu à exploiter etcd ou l'API server à la main
Helm
Chaque service packagé sous forme de chart, versionné avec le code de l'application
GitLab CI/CD
Pipelines entièrement automatisés : build, test, analyse, déploiement — sans étape manuelle
HashiCorp Vault
Gestion centralisée des secrets, en remplacement des fichiers d'environnement en clair
Prometheus & Grafana
De vraies métriques du cluster et des applications, en remplacement des simples contrôles de disponibilité
Ansible
Provisionnement par rôles pour tout ce qui se situe en dehors du cluster

L'approche de migration

Je n'ai pas migré les 24 conteneurs d'un seul coup. Chaque service a été migré individuellement, en commençant par les moins risqués et sans état — les API internes sans trafic client direct — avant de toucher à tout ce qui est exposé aux clients. Chaque service a reçu son propre Helm chart, et les secrets qui se trouvaient jusque-là dans des fichiers d'environnement en clair ont été déplacés dans Vault et injectés à l'exécution.

Pour les déploiements, j'ai mis en place des déploiements blue-green pour les services à plus fort trafic et des releases canary pour tous les autres, pilotés par le pipeline GitLab CI/CD. Un mauvais déploiement pouvait ainsi être détecté et annulé automatiquement avant d'atteindre la majorité du trafic, au lieu de provoquer une panne complète le temps que quelqu'un rétablisse un conteneur à la main.

Ansible a pris en charge ce qui n'avait pas sa place dans le cluster — enregistrements DNS, rôles IAM, configuration d'amorçage des nouveaux environnements — de sorte que tout le provisionnement, cluster et infrastructure environnante, reste reproductible et ne dépende plus de la mémoire de qui que ce soit.

Les résultats

15 %
Coûts d'infrastructure en baisse
Grâce à des pools de nœuds dimensionnés au plus juste et à l'autoscaling, plutôt qu'à un surdimensionnement statique
10 %
Meilleures performances
Grâce à des requests/limits de ressources correctes et à l'autoscaling horizontal des pods
99,9 %
Disponibilité
Les déploiements blue-green et canary interceptent les mauvais déploiements avant qu'ils ne se propagent

Aucun de ces chiffres ne vient d'un grand changement unique — ils viennent de l'accumulation de petits réglages par défaut bien choisis : des conteneurs qui ne demandent que le CPU et la mémoire qu'ils utilisent réellement, un autoscaler de cluster qui ajoute et retire des nœuds selon la demande réelle, et un pipeline de déploiement qui fait de la façon la plus sûre de livrer aussi la plus rapide.

Ce que je ferais différemment

Mettre en place l'observabilité plus tôt
Prometheus et Grafana sont arrivés en cours de migration. Avec le recul, disposer de vraies métriques dès le premier jour aurait rendu la comparaison avant/après — et l'argumentaire financier auprès des parties prenantes — bien plus clairs.
Isoler les namespaces dès le départ
Les premiers services ont partagé un namespace plus longtemps qu'ils n'auraient dû. Séparer plus tôt par équipe ou par frontière de service aurait simplifié le RBAC et facilité le futur découpage multi-régions.
Documenter le chemin de migration vers Vault
Sortir les secrets des fichiers d'environnement était la bonne décision, mais le processus n'a été écrit qu'après l'avoir fait deux fois. Un court runbook aurait fait gagner un temps précieux.

Conclusion

Migrer 24 conteneurs gérés à la main vers Kubernetes, ce n'était pas courir après une technologie à la mode — c'était remplacer des opérations manuelles et sujettes aux erreurs par quelque chose de déclaratif et de reproductible. Les gains de coûts et de performance étaient bien réels, mais la plus grande victoire a été opérationnelle : les déploiements sont devenus routiniers au lieu d'être risqués, et l'équipe n'a plus eu besoin de savoir sur quel serveur précis tournait tel ou tel service.

Si vous exploitez une plateforme de taille comparable sur des conteneurs non orchestrés et que vous vous demandez si Kubernetes vaut sa complexité, la réponse honnête est : cela dépend de la direction que prend votre produit. Si la cohérence entre environnements, l'autoscaling et des déploiements plus sûrs figurent réellement sur votre feuille de route, la migration se rentabilise rapidement. Sinon, ce ne sera peut-être qu'une charge opérationnelle supplémentaire.