L'environnement
Les sites Laravel de Jewely tournent sur un cluster Docker Swarm de trois serveurs chez AWS. Un load balancer nginx répartit le trafic entre les conteneurs de l'application. Les mises à jour se font sans coupure : le nouveau conteneur démarre avant que l'ancien s'arrête, et Swarm revient automatiquement à la version précédente en cas d'échec.
Le déploiement est automatique. Quand une nouvelle image arrive dans AWS ECR, une règle EventBridge appelle une fonction Lambda, et celle-ci lance la mise à jour du cluster via AWS SSM. La préproduction d'une des maisons se déploie de la même façon.
Cet environnement a été mis en place par le responsable des serveurs AWS de Jewely. J'en étais le principal utilisateur : je déployais dessus tous les jours, pour toutes les maisons. J'ai donc participé à son amélioration.
L'incident
Le 2 mars 2026, un déploiement a été affiché comme réussi. La fonction Lambda avait reçu une réponse sans erreur à sa commande de mise à jour. En production, le site tournait toujours sur l'ancienne image.
J'ai analysé l'incident. Les disques des serveurs du cluster étaient pleins. La nouvelle image ne pouvait pas démarrer, et Swarm était revenu à la version précédente sans faire échouer le déploiement. Le statut « réussi » ne correspondait pas à ce qui tournait en production.
En e-commerce, un correctif du tunnel de commande pouvait ainsi être annoncé comme livré alors que la boutique tournait encore sur l'ancien code.
La fiabilisation
J'ai écrit le compte rendu de l'incident, puis j'ai participé à la fiabilisation du déploiement. J'ai écrit un agent de déploiement qui, via AWS SSM :
- compare l'image publiée dans ECR avec celle que le service fait réellement tourner ;
- détecte un retour en arrière au lieu de s'arrêter au premier statut « réussi » ;
- nettoie les serveurs quand leurs disques approchent de la limite.
La politique de rétention des images dans ECR a aussi été revue, pour que les anciennes images ne s'accumulent pas.
Le résultat
Un déploiement affiché comme réussi correspond maintenant à ce qui tourne en production. En cas d'échec, la cause est identifiée : retour en arrière, image différente de celle attendue, ou disque plein.
L'incident est aussi raconté dans le journal : Quand un déploiement réussi ne l'est pas.