Mindflow
Mindflow est une plateforme d’ultra-automation pour entreprises orientées cybersécurité. C’est un moteur de workflow qui orchestre des milliers d’APIs et permet tout type d’actions, y compris de l’AI, à grande échelle. J’ai rejoint le projet pour faire scaler la plateforme en tant qu’expert cloud AWS et DevSecOps. Je m’occupe de tout ce qui touche de près ou de loin à l’infrastructure et l’architecture du produit. À partir de 2025, le produit reste un orchestrateur d’APIs fortement orienté AI (chat/agents et autres).
Technologies
Voici les principales technologies et services utilisés :
Challenges
-
Scalabilité
Passer de 5 à ~30 customers et supporter une montée en charge par client (ex. 100 → 5000 exécutions/jour) sans dégrader la qualité de service. -
Automatisation des déploiements
Automatiser au maximum le déploiement des clients (multi-tenant, sandbox, comptes internes) avec des patterns sûrs. -
Coûts & optimisations
Limiter les coûts inattendus liés à l’orchestration massive d’APIs et à l’usage intensif des services cloud. -
Monitoring & observabilité
Améliorer le monitoring pour détecter rapidement les régressions et faciliter la création de comptes sandbox/internes/clients. -
Sécurité infra/product
Nombreuses features infra/sec à mettre en place pour garantir l’isolation et la sécurité entre clients.
Réussites
- Analytics via Quicksight et génération de fichiers parquet pour ingestion et reporting.
- Réfacto des schémas de données et optimisation des patterns d’accès pour les grandes tables d’audit.
- Mise en place d’un déploiement blue/green entièrement serverless.
- Déploiement de la solution sur un compte AWS client et création de comptes multi-tenant d’essai pour customer success et prospects.
- Migration vers des systèmes event-driven / microservices pour remplacer d’anciens systèmes monolithiques.
- Réécriture et mise en place d’une solution d’AI Agents serverless remplaçant des machines dédiées.
- Création d’un outil de monitoring de pipeline et du déploiement blue/green event-driven + serverless.
- Mise en place du framework de tests E2E dans la pipeline de merge de code.
- Ajout d’un framework dynamic de gestion de quotas sur la plateforme
Échecs
- Monitoring incomplet lors de certaines régressions (healthchecks insuffisants dans certains scénarios).
Retour d’expérience
Mon expérience la plus aboutie : j’y ai appris l’exigence du développement logiciel à l’échelle et la rigueur opérationnelle. Si Medicalib m’avait permis de comprendre la différence entre une petite startup et une structure à 30–40 personnes avec des clients, Mindflow m’a fait basculer dans une approche beaucoup plus exigeante — précision, observabilité et conformité.
Beaucoup d’avancées excellentes au cours de ces 3 années, en termes de processus d’équipe. Côté sécurité IT, delivery, processus de QA, standards de développement, entre autres. Vraiment agréable de se retrouver avec une équipe à l’écoute, et prête à faire du disagree en commit quand c’est nécessaire pour le bien du projet.
Si je dois retenir un peu de négatif, en 2 ans, sans avoir recruté ni signé beaucoup de clients, nous parions sur des features que l’on “estime nécessaires car la concurrence le fait” ou que “on pense très bon pour nos clients” sans savoir si c’est ce que nos clients veulent exactement. On passe donc beaucoup de temps à faire des processus produit très rigoureux, de fonctionnalités qui ne sont pas forcément adaptées à notre marché. Quand n8n fait quelque chose, cela ne veut pas dire que notre clientèle le veut, ils n’ont pas le même budget et la même équipe, ni les mêmes clients. Il est plus important à notre échelle de startup de rester adaptable et dynamique, faire de bonnes études, et itérer rapidement avec de petites livraisons pour avoir un retour terrain rapidement, que ce soit de nos clients ou du marché.
Merci pour la lecture !