Elevate Seller, SaaS en production pour les vendeurs Amazon en online arbitrage, fixe automatiquement les prix de leur catalogue. Chaque décision doit rester rentable, défendre la Buy Box quand elle vaut le coup et ne jamais suivre un concurrent dans une guerre des prix ou sous le seuil de rentabilité.
Nous avons construit un agent LangGraph : un moteur de règles déterministe calcule une proposition, un LLM stratège l'ajuste à partir du marché, du stock et de l'historique, puis des garde-fous bloquent toute décision hors des planchers. Les cas ambigus partent en validation chez le vendeur.
Avant de choisir un modèle, nous mesurons. Le bench rejoue 19 situations de vente réelles et construites sur cinq LLM, avec et sans moteur de règles, et publie chaque décision run par run.
Cauri Money opère une plateforme transactionnelle pour laquelle l'indisponibilité n'est pas une option. La plateforme historique était déployée manuellement : chaque mise en production était une source d'erreurs et de stress, et les VM étaient largement sur-dimensionnées par sécurité, gonflant inutilement la facture cloud.
Nous avons conçu et déployé une architecture AWS multi-AZ basée sur des Load Balancers, des nodegroups EC2 auto-scalés, S3 et CodeDeploy, accompagnée d'un pipeline CI/CD complet (build, tests, livraison automatisée vers chaque environnement). L'auto-scaling et le right-sizing des instances ont aligné la consommation sur l'usage réel, baissant significativement les coûts d'infrastructure ; le pipeline a éliminé le stress et les erreurs des mises en production manuelles.
Azure DevOps a structuré toute la collaboration côté équipe : organisation des dépôts, gestion des droits et des accès, GitFlow (branches, pull requests, protections), revues de code obligatoires et pipelines CI/CD. Un cadre clair et partagé pour livrer plus sereinement.
Pour des workloads à forte variabilité de trafic, nous avons conçu une architecture 100% serverless. CloudFront en edge, API Gateway pour le routage, Lambda pour le compute.
Mission en cours : conception et industrialisation d'une plateforme Data destinée à unifier les sources métier.
La plateforme repose sur une stack open-source éprouvée : Airflow, DBT, et un socle dual Postgres / ClickHouse.
Installation kubeadm ou rke2, networking, storage, backup et DR.
Pipelines Jenkins ou GitLab CI multi-stage, GitOps avec ArgoCD.
Adoption de Claude pour les équipes produit, support, ops.
Stack Prometheus + Grafana + Loki, dashboards métiers.
Hardening EKS, network policies, secrets management.
Lift & shift, replatform vers AWS, refactor progressif.
Tous les projets Cloud / DevOps sérieux nous intéressent. Parlons-en.
Discuter du projet