Comment bien choisir sa stratégie de déploiement
Recreate, rolling, blue/green, canary : le comparatif sans langue de bois et la règle des dix minutes pour trancher.
Un déploiement raté à 2 h du matin, ça ne coûte pas cher en licences : ça coûte 47 minutes de sommeil en moins et un post-mortem le lendemain. Ceux qui survivent à ça ne sont pas meilleurs techniquement, ils ont juste choisi une stratégie de déploiement qui pardonne les erreurs.
Le débat fait rage chez les devs qui montent leur stack. D'un côté les puristes du rolling update Kubernetes, de l'autre ceux qui déploient en SSH avec un script de 40 lignes. Les deux ont raison, mais jamais dans le même contexte.
Voilà mon tour d'horizon de la veille, avec un verdict assumé à la fin.
Ta stratégie de déploiement, c'est ton temps d'arrêt
La question n'est pas « quel outil est le plus moderne », c'est « combien de secondes de service je suis prêt à perdre ». Une stratégie se choisit sur trois chiffres seulement : le trafic par minute, le temps de démarrage de l'app, et la tolérance de tes utilisateurs.
Une app Node qui démarre en 400 ms supporte un recreate de 2 secondes. Une JVM qui chauffe en 40 secondes, non. Même code, même infrastructure, décisions opposées.
J'ai vu des projets brûler trois semaines à installer Argo CD, Argo Rollouts et un Prometheus dédié pour un site à 800 visites par jour. Le vrai gaspillage, c'est ça : de la complexité en avance de phase.
Les quatre modèles qui couvrent presque tous les cas
Arrête de chercher des stratégies exotiques. Quatre modèles suffisent à absorber 95 % des situations réelles.
- Recreate : tu coupes, tu relances. Simple, brutal, zéro lien cassé tant que le DNS répond. C'est le bon choix par défaut pour les outils internes.
- Rolling update : tu remplaces les instances une par une. Kubernetes le fait nativement avec
maxSurge: 25%etmaxUnavailable: 25%par défaut, etkubectl rollout undote sort du pétrin. - Blue/green : deux environnements complets, tu bascules le routeur d'un coup. Retour arrière instantané, prix d'une double facture pendant la bascule.
- Canary : une petite part du trafic goûte la nouvelle version. C'est le seul modèle qui te donne une vraie preuve d'erreur avant d'impacter tout le monde.
Le détail qui compte : le rolling update protège du downtime, pas d'une régression fonctionnelle. Si ta v2 est cassée mais répond 200, elle se propage à 100 % des instances en quelques minutes. C'est exactement le trou dans lequel tombent 90 % des équipes qui croient être couvertes.
Mon classement sans nuance pour 2026
Trois outils dominent la conversation cette semaine, et un quatrième mérite plus d'attention qu'il n'en reçoit.
- Argo Rollouts reste la référence du canary sérieux. Les
AnalysisRunbranchés sur les métriques Prometheus transforment la bascule en décision mesurée, pas en prière. La doc officielle est dense mais honnête. - Kamal 2 est le meilleur rapport simplicité/effet. Le proxy bascule le trafic seulement après un healthcheck vert, sans Kubernetes, sans cluster. Pour dix projets sur deux VPS, c'est imbattable.
- GitLab Environments avec les review apps restent le confort sous-estimé : chaque merge request a sa Preview, tu cliques, tu testes, tu merges. Ça évite les « ça marche chez moi » mieux que n'importe quel canary.
- Les feature flags via OpenFeature, projet CNCF et standard vendor-neutral, font le boulot que le canary fait mal : isoler une fonctionnalité du déploiement.
Mon avis tranché : en dessous de trois services, le canary est un luxe. Au-dessus de dix ingénieurs, c'est une obligation. Entre les deux, tu arbitres au feeling, et c'est très bien.
Le piège du canary à moitié fait
Un canary sans métrique d'erreur, c'est un canary décoratif. Tu routes 5 % du trafic, personne ne regarde les dashboards, et tu promeus au bout de 30 minutes parce que « ça a l'air calme ».
La règle que j'applique : pas d'AnalysisRun, pas de canary. Si tu n'as pas le taux d'erreur 5xx et la p95 sous la main, reste sur du blue/green avec un rollback en une commande au lieu de jouer aux démineurs.
Le vrai bénéfice du canary arrive quand il peut annuler tout seul. Argo Rollouts te le permet avec failureLimit: 1 et une requête PromQL qui interroge ton vrai trafic. Tant que ce n'est pas branché, tu fais du déploiement manuel avec un coût d'infrastructure en plus.
Exemple concret : bleu/vert sur un VPS à 6 € avec Traefik
Sur un seul VPS, la recette tient en deux conteneurs app-blue et app-green sur des ports internes différents, un routeur Traefik qui pointe vers un seul des deux.
docker compose up -d app-green
curl -fsS http://127.0.0.1:3002/health || exit 1
sed -i 's/port=3001/port=3002/' traefik/dynamic.yml
docker compose restart traefikTraefik relit sa config dynamique à chaud, la bascule prend moins d'une seconde, et le retour arrière c'est la même commande dans l'autre sens. Aucun downtime mesurable, aucun cluster.
Le prérequis non négociable : des tests de migration compatibles avec les deux versions en parallèle. Si ta v2 renomme une colonne pendant que la v1 tourne encore, le bleu/vert ne te sauve pas. C'est le même piège que dans le guide Traefik sur la performance, et personne n'y échappe au premier déploiement.
Comment décider en dix minutes
Pose-toi trois questions dans cet ordre, et la réponse tombe presque toujours.
- L'app est-elle stateless ? Si non, répare ça avant de choisir une stratégie.
- Combien de temps de démarrage ? En dessous de 2 secondes, le rolling update suffit largement.
- As-tu des métriques de trafic réelles ? Si oui, canary. Si non, blue/green.
Et si tu hésites encore entre une architecture qui monte en charge et une stratégie de déploiement, souviens-toi que le premier sujet conditionne le second : l'auto-scaling ne sert à rien si chaque instance doit être déployée à la main.
Verdict en une phrase : choisis la stratégie la plus simple que ton temps de démarrage et ton trafic autorisent, puis rends le retour arrière plus rapide qu'un café. C'est tout ce qui sépare une nuit calme d'un post-mortem.