GEEV est une plateforme française de dons et d'adoption d'objets entre particuliers. Creee en 2016, elle revendiquait environ 350 000 utilisateurs uniques mensuels, 1,2 million de comptes et plus de 800 000 objets disponibles. Sa croissance imposait une infrastructure plus fiable, capable de soutenir les usages mobiles, les annonces, les interactions communautaires et les variations fortes de trafic.
Un backend sous pression.
La plateforme devait permettre aux utilisateurs de publier un objet, consulter les annonces, reserver, echanger et suivre les interactions sans friction. Quand l'experience devient lente ou incertaine, la valeur du service est directement touchee : le don depend de la disponibilite de l'application, de la rapidite des recherches et de la confiance dans les echanges.
L'ancien environnement ne suivait plus toujours les volumes. Des indisponibilites pouvaient durer de quelques minutes a plusieurs heures. Comme GEEV ne disposait pas d'une equipe d'exploitation dediee a plein temps, une partie importante de la maintenance et de la resolution des problemes revenait au CTO.
Pourquoi Google Kubernetes Engine.
OP-Rate a accompagne GEEV dans le choix des services Google Cloud adaptes a son contexte. Google Kubernetes Engine a ete retenu comme socle principal pour moderniser l'infrastructure de microservices et donner une base plus robuste aux applications natives et au site web.
Le choix de GKE repondait a plusieurs besoins : rester aligne avec Kubernetes, simplifier l'exploitation quotidienne, beneficier d'une interface plus lisible et utiliser l'autoscaling pour absorber les variations de trafic. La capacite pouvait etre ajustee a partir d'un nombre minimal d'instances et d'un seuil CPU, au lieu de reposer sur des interventions manuelles permanentes.
Une migration par paliers.
L'infrastructure cible a ete travaillee en amont pendant environ un mois. La migration a ensuite ete menee sur deux semaines afin de limiter le risque sur la production et de valider le comportement du nouvel environnement avant la bascule complete.
- cadrage du besoin et analyse des limites de l'ancien environnement ;
- choix des services Google Cloud adaptes au contexte de GEEV ;
- preparation du nouvel environnement pendant environ un mois ;
- validation sur un environnement de test ;
- routage progressif d'une partie du trafic de production vers Google Cloud ;
- generalisation de la bascule lorsque la stabilite a ete confirmee.
Cette approche progressive a permis de tester le comportement reel de la plateforme, puis de confirmer la stabilite avant de generaliser le trafic vers Google Cloud. Pour une application utilisee quotidiennement, cette sequence compte autant que le choix technologique lui-meme.
Moins de maintenance, plus de temps produit.
Le benefice immediat tient a la reduction de la charge d'exploitation. La surveillance Kubernetes represente environ une heure par semaine, alors que la maintenance pouvait auparavant prendre plus d'une journee. Cette difference change la maniere dont une equipe technique organise son temps.
La plateforme peut egalement absorber des variations fortes de trafic. GEEV observe des journees ou les requetes peuvent etre multipliees par quatre ou cinq. L'autoscaling de GKE permet de gerer ces pics sans mobiliser continuellement le CTO sur les ajustements d'infrastructure.
La consequence est simple : l'equipe peut remettre de l'energie sur les fonctionnalites, l'experience utilisateur et les prochains chantiers de croissance. La modernisation ne vaut pas uniquement par le changement de socle ; elle vaut par le temps operationnel qu'elle rend a l'equipe.
Une base pour les donnees et l'automatisation.
La migration ouvre aussi une trajectoire plus large. GEEV utilise Firebase pour ses applications mobiles et son application web, ainsi que Firebase Crashlytics pour faciliter le diagnostic des erreurs cote application.
L'equipe travaille sur une meilleure exploitation des donnees : synchronisation de la base hebergee vers BigQuery, restitution dans Looker Studio et acces plus autonome aux indicateurs pour les equipes internes. L'objectif est de reduire les demandes de reporting manuel et de mieux filtrer les analyses partagees avec les partenaires.
D'autres automatisations sont identifiees autour de Cloud Storage, Pub/Sub et Cloud Functions, notamment pour les exports de donnees et le traitement des images envoyees par les utilisateurs. Le meme socle doit aussi pouvoir soutenir une expansion en Amerique du Nord grace a des clusters multi-regionaux.
Ce que ce cas dit d'une modernisation cloud.
Le cas GEEV illustre l'interet d'une modernisation pensee comme un enchainement : cadrage, choix de socle, preparation, migration progressive, exploitation et trajectoire d'automatisation. Le cloud ne produit de la valeur que si cette chaine reste coherente.
Pour AN2C, c'est exactement le role d'un accompagnement cloud utile : aider l'equipe a clarifier le bon socle, securiser le passage en production, reduire la charge de run et preparer les evolutions qui suivront.