Site Reliability Engineer

Intervention chez L&T Technology Services afin de participer à la gestion et à la fiabilisation d'une infrastructure IoT de plus de 20 000 appareils répartis sur plus de 15 sites.

• A résolu des incidents de production sur une infrastructure IoT de plus de 20 000 appareils à travers plus de 15 sites.
• A réduit le MTTR de 40% grâce à des analyses de causes racines (RCA) systématiques et la mise en place de solutions permanentes.
• A piloté l'investigation des incidents et les analyses RCA sur une architecture cloud-native (AKS, micro-services).
• A identifié les goulots d'étranglement de performance et coordonné les améliorations d'infrastructure.
• A conçu une plateforme d'observabilité (Grafana, Prometheus, ClickHouse, OpenTelemetry) fournissant une visibilité en temps réel sur la conformité SLA, les tendances de pannes et les métriques MTTR.
• A optimisé l'infrastructure à l'aide d'outils Linux.
• A amélioré l'efficacité du système de 30% grâce à la planification de la capacité et à l'optimisation des ressources.
• A déployé une infrastructure cloud-native sécurisée (AKS, Docker, Kubernetes, passerelles API).
• A implémenté des pipelines CI/CD automatisés (GitHub Actions, ArgoCD, Azure DevOps, Azure Boards) pour la fiabilité de la production.
• A développé un outil d'automatisation SRE propulsé par l'IA (LLMs, LangChain) pour l'analyse intelligente des journaux et la génération de RCA.
• A réduit le dépannage manuel de plus de 50% grâce à l'outil d'automatisation IA.
• A géré les incidents de production et établi des flux de travail de réponse aux incidents ainsi que des revues post-incident.