01
Le parcours de SRE le plus inattendu que vous lirez cette année
La médecine d'urgence et l'ingénierie de la fiabilité sont le même métier avec des patients différents. Je n'ai pas appris la gestion des incidents dans le livre SRE de Google — je l'ai vécue pendant 20 ans, et je n'ai découvert qu'ensuite que cela portait un nom.
Bloc d'urgence · 2005–2020
Surveillance des signes vitaux — FC, SpO₂, tension, écart à la ligne de base
Diagnostic sans que le patient parle — information incomplète, inférence rapide
Protocoles opératoires (POS) — pas d'improvisation sous pression
Triage — critique vs. stable, allocation des ressources en secondes
Revue de décès sans blâme — ce qui a échoué dans le système, pas qui
Systèmes en production · 2021–aujourd'hui
Observabilité — baselines Prometheus, alertes de burn-rate, détection de drift
Débogage d'incidents en direct — logs partiels, RCA rapide
Runbooks — exécutables, testés, versionnés
Priorisation des alertes — P0 vs. bruit, politiques d'escalade
Post-mortems sans blâme — RCA, action items, mémoire des patterns
03
Zenthrus AIOps — la plateforme que j'ai construite, puis sur laquelle j'ai misé mon activité
La plupart des ingénieurs utilisent Datadog. J'ai construit la plateforme en boucle fermée sur laquelle tournent mes propres produits : détection, diagnostic, remédiation approuvée par un humain, vérification et apprentissage — avec des modèles locaux par défaut : télémétrie, métriques et diagnostic restent dans le réseau ; si un modèle externe est nécessaire, l'appel passe par une porte unique, auditée, et sans donnée identifiable de client.
# La boucle se ferme en moins de 5 minutes
Alerte déclenchée → Aurien diagnostique (RAG + raisonnement structuré, preuves citées)
→ L'humain approuve (web / Slack Block Kit + HMAC / WhatsApp)
→ SSH exécute le runbook (allowlist de 35+ commandes, tout audité)
→ Health check vérifie → Alerte résolue
→ Thompson Sampling met à jour la réputation de l'agent (reward 4D)
→ EpisodicMemory stocke le pattern → le prochain incident se résout plus vite
DétectionPrédictive, pas réactive
Prophet avec détection de concept drift multi-signaux (MAPE + KS Test + Page-Hinkley). Burn rates multi-fenêtres du livre SRE de Google. Garde-fous déterministes là où les LLM n'ont pas leur place — règle architecturale absolue.
OffensiveRed team War Mode
Conteneur Kali autonome (gVisor, cap-drop ALL, egress lockdown, TTL 300s) avec 17 outils offensifs en boucle OODA, auto-mappé sur MITRE ATT&CK. Safety kernel fail-closed avec 7 vérifications.
RésilienceChaos engineering natif
SRE Duel : le red team injecte 15+ types de pannes, l'IA blue-team doit détecter dans un SLA de 30s. Les lacunes de détection réalimentent les priorités de scan — la défense évolue.
SécuritéDigital Twin shadow testing
Chaque action proposée par l'IA est simulée sur un jumeau numérique avant de toucher la production. Un Safety Confidence Score autorise l'exécution. 21 couches de sécurité, 1 471 tests dédiés.
SouverainetéIA local-first, air-gap capable
Modèles servis via Ollama avec mémoire pgvector et re-ranking cross-encoder. Aucun log, métrique ou prompt ne quitte le réseau — une exigence que j'ai conçue, pas un flag de fonctionnalité.
SystèmesAgent eBPF en Rust
Collecte au niveau kernel (19 métriques) via un agent Rust/Aya — plus SSH, Prometheus remote_write et API ingest. Isolation multi-tenant via FK + PostgreSQL RLS + embeddings avec tenant salt.
Découvrir la plateforme →