Je construis et opère l'infrastructure qui fait tourner des charges GPU et LLM en production, sur du cloud hybride — sur site plus AWS/Azure. J'automatise le provisioning, je sécurise la chaîne, et je garde le coût sous contrôle.
Cloud hybride: AWS, Azure, sur site, GPU bare metal et cloudKubernetes / Platform: k3s, Talos, Helm, GitOps (Flux, Argo), autoscalingIaC: Terraform, Ansible, pipelines reproductibles, teardown propreDevSecOps: eBPF/NDR, hardening, supply chain, zéro trustGPU / LLM serving: vLLM, quantization FP16/FP8, DCGM, coût €/token mesuré
| Projet | En bref |
|---|---|
| gpu-inference-reliability-lab | Lab SRE : vLLM sur k3s, observabilité DCGM, coût €/token et énergie mesurés, runbooks d'incidents. |
| Talos_Bastion_DevSecOps | Cluster Talos Linux GitOps : Cilium (eBPF), Traefik, ArgoCD, accès zéro trust. |
| Azure-Pipeline-Custom-Image | CI/CD Azure DevOps : image VM custom déployée via Managed DevOps Pool. |
| terraform-runpod-vllm | Un terraform apply, et un GPU RunPod sert un LLM en API OpenAI. Budget guard, teardown propre. |
| mcp-scalpel | Proxy de filtrage sémantique pour le Docker MCP Gateway. Réduit les tokens de catalogue par tour. |
| Harness-Cluster | Lab k3s 2 nœuds piloté en GitOps par Flux CD, sur hardware recyclé. |
chaque commit est une cible : mon graphe de contribution joué en space shooter, régénéré chaque jour





