DevOps et Site Reliability Engineering pour une infrastructure d’actifs numériques réglementée

Contexte de la mission

Nous recherchons une expertise en DevOps et Site Reliability Engineering (SRE) afin de contribuer à la construction et à l’exploitation d’une plateforme sécurisée, réglementée et hautement disponible dédiée aux instruments financiers tokenisés.

L'entreprise développe une nouvelle capacité autour des Digital Assets, destinée à supporter la tokenisation, les technologies de registres distribués (DLT) et la prochaine génération d’infrastructures des marchés financiers.

Nous recherchons une expertise en Infrastructure as Code (IaC), Kubernetes, plateformes conteneurisées et pipelines CI/CD, afin de construire des fondations scalables et de permettre des déploiements contrôlés sans interruption de service (zero downtime).

Une observabilité complète est nécessaire afin d’assurer l’exploitation d’un service disponible 24h/24 et 7j/7 : métriques, logs, traces, alerting, Service Level Objectives (SLO) et error budgets. Nous recherchons également une expertise opérationnelle sur la gestion des astreintes, la réponse aux incidents, la création de runbooks opérationnels, les postmortems et le maintien de la stabilité de la plateforme lors d’évolutions rapides des produits et technologies.

La mission devra intégrer des pratiques d’infrastructure sécurisées et auditables, adaptées à des workloads réglementés, avec une collaboration étroite avec les équipes sécurité et des contrôles rigoureux concernant l’utilisation de l’IA dans les activités d’engineering.

Nous recherchons également une expertise dans l’utilisation de l’AIOps pour la détection d’anomalies, le triage des alertes, la synthèse des incidents ainsi que le monitoring, l’exploitation et le rollback des services IA/ML intégrés aux produits.

Objectifs et livrables

L’objectif est de mettre en place une fondation opérationnelle résiliente pour une plateforme réglementée d’actifs numériques et de garantir une exploitation fiable à grande échelle.

• Concevoir et mettre en œuvre l’Infrastructure as Code, notamment avec Terraform, pour le provisioning et la gestion de configurations versionnées et maintenables

• Construire et optimiser des pipelines CI/CD sécurisés, couvrant intégration continue, déploiement continu, validations automatisées, approbations, auditabilité et mises en production sans interruption

• Architecturer et exploiter des workloads conteneurisés avec Kubernetes et les technologies d’orchestration associées

• Mettre en place une solution d’observabilité de bout en bout couvrant métriques, centralisation des logs, distributed tracing, dashboards, alerting et indicateurs de santé opérationnelle

• Définir et opérationnaliser les SLO, SLI et error budgets en cohérence avec les exigences de fiabilité de la plateforme

• Mettre en place un modèle d’astreinte 24/7 efficace, incluant procédures d’escalade, workflows de gestion des incidents, responsabilités et continuité de service

• Produire et maintenir des runbooks clairs et opérationnels pour les opérations récurrentes, incidents, déploiements, reprises et scénarios de panne

• Renforcer la sécurité de l’infrastructure : hardening, principe du moindre privilège, gestion des secrets, correction des vulnérabilités, contrôles de conformité et gestion auditable des changements

• Utiliser des outils d’IA pour assister l’engineering, notamment sur l’IaC et la création des pipelines, avec une revue humaine documentée et des contrôles d’approbation avant déploiement

• Mettre en œuvre des capacités AIOps pour la détection d’anomalies, le triage des alertes, la synthèse des incidents et la rédaction des postmortems

• Déployer, superviser, exploiter et effectuer des rollbacks sécurisés des services IA/ML, notamment sur les aspects performance, disponibilité et monitoring opérationnel des modèles

• Produire la documentation technique : décisions d’architecture, procédures opérationnelles, métriques de fiabilité et recommandations d’amélioration continue

• Garantir la stabilité et la disponibilité de la plateforme malgré des évolutions rapides du produit, tout en maintenant les standards imposés par un environnement réglementé et les objectifs de zero downtime