11 projets de cloud computing pour constituer un portfolio pour des rôles cloud (2026)

Le meilleur projet cloud pour votre portfolio n’est pas le plus spectaculaire. C’est celui qui démontre précisément la compétence exigée par le poste visé, et dont vous pouvez expliquer chaque choix en entretien. Si vous visez un poste de cloud engineer, DevOps ou site reliability engineer (SRE), une sélection ciblée de projets guidés autour de l’infrastructure as code, des conteneurs, du CI/CD et de l’observabilité aura plus d’impact qu’une dizaine de tutoriels éparpillés.

Ce guide réunit 11 projets, classés par compétence démontrée, avec ce que chacun signale à un recruteur et un parcours guidé pour les réaliser. Que vous soyez développeur back-end ajoutant le cloud à votre stack ou administrateur système en reconversion, choisissez deux ou trois projets qui comblent vos plus grandes lacunes en preuves tangibles. D’après notre guide des salaires des cloud engineers, les profils débutants aux États-Unis démarrent autour de 127 000 $, ce qui justifie l’effort de bâtir des preuves concrètes.

Nous avons retenu ces projets selon trois critères : ils utilisent des outils présents dans les offres d’emploi cloud en 2026 (Terraform, Kubernetes, GitHub Actions), ils produisent quelque chose de montrable (un dépôt GitHub, une démo en ligne, un schéma d’architecture) et chacun est adossé à un cours ou un tutoriel guidé pour éviter d’apprendre seul. Nouveau sur le sujet ? Commencez par notre cours Understanding Cloud Computing et notre guide how to become a cloud engineer, puis revenez construire.

En bref

Comment choisir le bon projet pour le poste visé

Le meilleur portfolio n’est pas celui avec le plus de projets, mais celui qui aligne des preuves avec le poste ciblé et couvre les compétences que les portfolios juniors omettent souvent. Avant de construire, répondez à trois questions et choisissez en fonction de vos lacunes.

• Quel intitulé de poste visez-vous maintenant ? Cloud engineer, DevOps engineer, SRE ou cloud data engineer ? Réalisez d’abord les projets étiquetés pour ce rôle.
• Quelle compétence avez-vous le moins prouvée ? Infrastructure as code, conteneurs, CI/CD, données ou sécurité ? Un projet de monitoring ou de sécurité apporte plus qu’un troisième build d’infrastructure.
• Pouvez-vous expliquer chaque décision du projet ? Sans raisonnement documenté, un projet ressemble à un pas-à-pas de tutoriel, pas à une pièce de portfolio.

Projets d’infrastructure et d’IaC pour les rôles cloud engineer et DevOps

Les projets d’infrastructure prouvent que vous pouvez concevoir et provisionner des environnements cloud en code. Ils sont très valorisés pour les postes de cloud engineer, DevOps et SRE, car l’infrastructure as code est la norme en équipe.

1. Provisionner une architecture trois tiers avec Terraform

Ce projet transforme une appli web « cliquée » en preuve que vous savez construire une infrastructure cloud en code. Il revisite le classique trois tiers en définissant chaque ressource dans Terraform plutôt que via la console.

Vous provisionnez un équilibreur de charge, un groupe auto-scalé de serveurs web, une base de données en privé et un bastion sur AWS ou GCP, entièrement en HashiCorp Configuration Language (HCL). Le réseau est la vraie zone de décision : sous-réseaux privés, security groups ou règles firewall, et egress contrôlé. Conservez l’état Terraform dans un backend S3 chiffré avec verrouillage afin que le projet ressemble à de la production, pas à un bac à sable.

Architecture trois tiers : une couche présentation, une couche logique et une couche données, chacune dimensionnée et sécurisée séparément. Source : documentation AWS.

Ce que cela prouve à un recruteur : vous concevez une topologie de production standard et la gérez en code, pas à la main dans la console.

Parcours guidé : commencez par les tutoriels de DataCamp getting started with Terraform et automate AWS infrastructure with Terraform, et suivez d’abord le cours Understanding Cloud Computing si vous découvrez les fondamentaux. Appuyez-vous sur la référence d’architecture trois tiers AWS pour approfondir la topologie.

• Niveau : Intermédiaire
• Stack : Terraform, AWS ou GCP, load balancer, VPC, autoscaling
• Idéal pour : Développeurs back-end et sysadmins passant au cloud

2. Construire une configuration Terraform multi-environnements

Le projet idéal pour prouver que vous comprenez l’IaC en contexte réel, au-delà d’un simple terraform apply. C’est un schéma utilisé dans quasiment toutes les équipes sérieuses.

Créez une base de code Terraform avec des modules partagés, des fichiers de variables et des workspaces ou répertoires séparés pour dev, staging et production. Stockez l’état à distance dans S3 ou Terraform Cloud avec verrouillage, et réutilisez un même module sur les trois environnements pour que la différence tienne à la configuration, pas au copier-coller. Documentez vos choix de découpage des modules.

Ce que cela prouve à un recruteur : vous maîtrisez la réutilisation de modules, la gestion de l’état et l’isolation des environnements : une structure IaC réaliste plutôt qu’un script ponctuel.

Parcours guidé : suivez les tutoriels DataCamp Terraform on AWS et Terraform import pour être à l’aise avec modules et état avant de séparer les environnements.

• Niveau : Intermédiaire
• Stack : Terraform, état distant, modules, workspaces
• Idéal pour : Toute personne visant un rôle DevOps ou plateforme

Projets CI/CD et automatisation pour les rôles DevOps et plateforme

Les projets d’automatisation prouvent votre capacité à livrer de manière répétable et fiable. Ils sont centraux en DevOps et de plus en plus attendus en ingénierie cloud.

3. Construire un pipeline CI/CD pour une appli conteneurisée avec GitHub Actions

Le pipeline CI/CD pour une appli conteneurisée est le projet d’automatisation le plus attendu pour les profils juniors cloud et DevOps. Si vous n’en faites qu’un, faites celui-ci.

Créez un workflow GitHub Actions qui lint le code, exécute les tests, construit une image Docker, la pousse vers un registre comme Amazon ECR, Google Artifact Registry ou Docker Hub, puis la déploie sur un service cloud. Déclenchez-le sur push et pull requests pour que chaque étape ait du sens. Un pipeline qui affiche juste "hello world" ne trompe personne : rendez chaque étape réelle.

Ce que cela prouve à un recruteur : vous savez livrer du code automatiquement et de façon fiable, le quotidien des rôles plateforme et cloud.

Parcours guidé : le cours CI/CD for Machine Learning de DataCamp enseigne événements, jobs, runners et pipelines GitHub Actions, transposables à un déploiement cloud. Complétez avec Introduction to Git et Introduction to GitHub Concepts, puis suivez le tutoriel pas-à-pas CI/CD pour un exemple détaillé.

• Niveau : Intermédiaire
• Stack : GitHub Actions, Docker, un registre de conteneurs, un runtime cloud
• Idéal pour : Développeurs visant des rôles DevOps et plateforme

4. Planifier une tâche d’automatisation serverless

Petit projet rapide qui met en valeur une pensée orientée opérations, plus rare dans les portfolios juniors que la simple construction. Faisable en une après-midi.

Utilisez Amazon EventBridge ou Google Cloud Scheduler pour déclencher une Lambda ou Cloud Function selon un planning. Bonnes idées : rapport quotidien de coûts, archivage d’anciens enregistrements ou nettoyage de ressources obsolètes. Attribuez à la fonction un rôle IAM au moindre privilège et journalisez ses actions.

Ce que cela prouve à un recruteur : vous pensez exploitation et maîtrise des coûts, pas seulement mise en service.

Parcours guidé : suivez AWS Cloud Technology and Services pour les briques serverless, puis utilisez le tutoriel AWS Step Functions pour orchestrer une automatisation multi-étapes.

• Niveau : Débutant
• Stack : AWS Lambda ou Cloud Functions, EventBridge ou Cloud Scheduler, IAM
• Idéal pour : Débutants en début de carrière ajoutant un signal opérations

Projets conteneurs et Kubernetes pour les rôles cloud engineer, DevOps et SRE

Les projets Kubernetes ont une forte valeur pour les rôles cloud engineer, DevOps et SRE. Même sur un cluster local (kind ou minikube), un projet bien pensé dans ses manifests et son architecture impressionne.

5. Déployer une appli multi-services sur Kubernetes avec Helm

Le projet qui démontre une maîtrise des conteneurs au niveau production, couvrant l’essentiel des attentes pour un rôle junior Kubernetes. Fonctionne sur cluster managé ou en local.

Déployez une petite application à deux ou trois services (frontend web, API backend, base de données) avec Deployments, Services, ConfigMaps, Secrets et un Ingress controller. Emballez ensuite le tout sous forme de chart Helm avec des fichiers values distincts par environnement, ajoutez des requests/limits de ressources et un Horizontal Pod Autoscaler. Documentez vos seuils et vos choix : c’est ce qui transforme un déploiement basique en projet réfléchi.

Ce que cela prouve à un recruteur : vous exécutez des workloads conteneurisés comme en production, avec packaging et gestion des ressources, pas juste un manifest unique.

Parcours guidé : suivez Introduction to Kubernetes pour la pratique kubectl et les manifests, puis Getting Started with Google Kubernetes Engine pour un cluster managé. Le parcours Containerization and Virtualization with Docker and Kubernetes et le tutoriel Kubernetes couvrent l’ensemble, avec Introduction to Docker en prérequis.

• Niveau : Avancé
• Stack : Kubernetes, Helm, Docker, Ingress, HPA
• Idéal pour : Cloud engineers et candidats DevOps visant des équipes très conteneurs

Projets serverless et évènementiels pour reconversions et profils débutants

Les projets serverless prouvent votre compréhension de l’architecture évènementielle et du calcul managé. Ils sont rapides à réaliser et constituent un bon premier projet bout en bout quand le temps est compté.

6. Construire un site statique avec un formulaire de contact serverless

La voie la plus rapide vers un premier projet cloud complet, avec une URL publique à partager. On dépasse l’hébergement statique basique pour faire travailler un backend réel.

Hébergez un site statique sur Amazon S3 avec CloudFront, ou sur Google Cloud Storage, puis ajoutez un formulaire de contact qui appelle API Gateway et une fonction Lambda (ou Cloud Functions). La fonction envoie une confirmation via Amazon SES ou SNS. Le tout est serverless, coûte presque rien et démontre l’assemblage de composants managés.

Ce que cela prouve à un recruteur : vous savez relier hébergement statique, compute serverless et messagerie managée en une application bout en bout opérationnelle.

Parcours guidé : suivez le cours AWS Concepts pour les services clés et Understanding Cloud Computing pour les fondamentaux de l’hébergement et du serverless.

• Niveau : Débutant
• Stack : S3 ou Cloud Storage, CloudFront, API Gateway, Lambda, SES ou SNS
• Idéal pour : Grands débutants qui veulent un premier projet en ligne

7. Construire un pipeline évènementiel de traitement de fichiers

Ce projet enseigne un motif évènementiel omniprésent dans les architectures cloud réelles. C’est l’étape naturelle après le formulaire de contact.

Un upload dans S3 ou Cloud Storage déclenche une Lambda ou Cloud Function qui traite le fichier : redimensionnement d’image, parsing de CSV, extraction de texte, etc., puis écrit le résultat en stockage et envoie une notification via SNS ou Pub/Sub. Attribuez à la fonction un rôle IAM limité aux seuls buckets et topics nécessaires. Le moindre privilège IAM est une difficulté fréquente chez les débutants : bien le gérer vous démarque.

Ce que cela prouve à un recruteur : vous comprenez le design évènementiel et l’IAM au moindre privilège, deux marqueurs qui distinguent un projet réfléchi d’un clone de tutoriel.

Parcours guidé : le tutoriel AWS Step Functions de DataCamp et le cours AWS Cloud Technology and Services couvrent triggers, fonctions et orchestration.

• Niveau : Intermédiaire
• Stack : S3 ou Cloud Storage, Lambda ou Cloud Functions, SNS ou Pub/Sub, IAM
• Idéal pour : Bâtisseurs ayant un premier projet serverless et voulant aller plus loin

Projets données cloud et ML pour les rôles cloud data engineer

Les projets data et ML sont précieux si vous visez des postes de cloud data engineer, d’analytics engineer ou des rôles plateforme dans des entreprises data-intensives. L’architecture et la qualité du code priment sur la taille du jeu de données.

8. Construire un pipeline batch vers un data warehouse cloud

Le projet à privilégier si vous visez un rôle de cloud data engineer ou d’analytics engineer. Il modernise l’approche analytics cloud en un pipeline propre de bout en bout.

Ingestez un jeu de données public, transformez-le en Python ou SQL, chargez-le dans un data warehouse cloud comme BigQuery, Amazon Redshift ou Azure Synapse, et visualisez le résultat d’une requête. Un petit jeu de données suffit, car l’enjeu est le pipeline, pas le volume. Documentez vos choix de schéma et votre plan de planification récurrente.

Ce que cela prouve à un recruteur : vous savez acheminer des données de bout en bout vers un entrepôt, colonne vertébrale des rôles data cloud.

Parcours guidé : suivez le tutoriel getting started with Azure Synapse et le cours Introduction to GCP pour BigQuery. Le parcours Associate Data Engineer in SQL consolide les fondamentaux du pipeline.

• Niveau : Intermédiaire
• Stack : BigQuery, Redshift ou Synapse, Python ou SQL, stockage cloud
• Idéal pour : Analystes et ingénieurs visant des rôles data cloud

9. Construire un service d’inférence ML serverless

Ce projet prouve que vous pouvez exposer un modèle derrière une API sans gérer de serveurs, une attente moderne pour les rôles appliqués. Il unifie les idées d’anciens projets serverless ML et chatbot en un build utile.

Emballez un modèle (classification d’images ou texte) derrière API Gateway et une fonction Lambda ou Cloud Functions, et stockez entrées/sorties dans DynamoDB ou Firestore. Vous pouvez utiliser un service managé comme Amazon Rekognition ou un modèle Hugging Face pour rester concis. Dans votre write-up, mentionnez les compromis cold start et coûts de l’inférence serverless : c’est la preuve de votre jugement.

Ce que cela prouve à un recruteur : vous comprenez le compute managé, le model serving et les arbitrages de coûts d’une inférence serverless.

Parcours guidé : lisez le guide sur cloud architecture for data science and machine learning, puis utilisez le tutoriel AWS Step Functions pour chaîner les étapes de traitement.

• Niveau : Avancé
• Stack : API Gateway, Lambda ou Cloud Functions, DynamoDB ou Firestore, un service de modèles
• Idéal pour : Professionnels des données évoluant vers le cloud et le ML engineering

Projets d’observabilité et de sécurité

L’observabilité et la sécurité manquent à la plupart des portfolios juniors, justement ce qui vous fera ressortir. Notre couverture guidée est plus légère sur ces deux thèmes : ces projets s’appuient davantage sur la documentation officielle, et nous le disons franchement.

10. Construire une stack de monitoring et d’alerting

Les recruteurs cloud et SRE prennent au sérieux les projets d’observabilité, car ils prouvent que vous pensez au-delà du déploiement. La plupart des candidats juniors les zappent : moyen rapide de vous démarquer.

Déployez Prometheus pour collecter des métriques d’une application et du système sous-jacent, puis créez un dashboard Grafana avec au moins deux règles d’alerte. Un unique VM ou un cluster kind local suffit. En alternative cloud provider, centralisez les logs dans Amazon CloudWatch ou Google Cloud Logging, écrivez une requête mettant en évidence un pattern d’erreur précis et attachez une alerte. Documentez vos seuils et vos choix.

Ce que cela prouve à un recruteur : vous pensez à l’après-déploiement, un signal de maturité même à un niveau junior.

Parcours guidé : utilisez la documentation officielle de Prometheus et Grafana pour le hands-on. Le cours MLOps Concepts de DataCamp couvre les principes de monitoring (statistique et computationnel) transposables à l’infrastructure.

• Niveau : Intermédiaire
• Stack : Prometheus, Grafana, ou CloudWatch et Cloud Logging
• Idéal pour : Candidats visant SRE et rôles cloud orientés fiabilité

11. Mettre en œuvre l’IAM au moindre privilège et durcir la gestion des secrets

La posture sécurité vous distingue des candidats qui se contentent de « faire marcher ». Pas besoin d’être spécialiste pour la démontrer, et tout ingénieur peut marquer des points.

Partez d’une configuration volontairement sur-autorisée, utilisez IAM Access Analyzer sur AWS ou Policy Analyzer sur GCP pour identifier les permissions excessives et réduisez-les au strict nécessaire. Supprimez ensuite tout secret en dur et déplacez-les dans AWS Secrets Manager, Google Secret Manager ou HashiCorp Vault. Documentez l’état initial et chaque changement opéré, avec justification.

Ce que cela prouve à un recruteur : la sécurité est votre réglage par défaut, et vous justifiez chaque permission accordée.

Parcours guidé : Understanding Cloud Computing couvre les fondamentaux sécurité ; la mise en pratique s’appuie sur la documentation des providers pour IAM Access Analyzer et Secrets Manager. Projet guidé par la doc, par design.

• Niveau : Intermédiaire
• Stack : IAM Access Analyzer, Secrets Manager ou Vault, outils de sécurité du provider
• Idéal pour : Ingénieurs cherchant un différenciateur rare en portfolio

Ce qui fait la différence dans un projet cloud

Le type de projet compte moins que son exécution. Deux éléments distinguent systématiquement une pièce de portfolio d’un simple clone de tutoriel, et ils sont gratuits à ajouter.

• Décisions documentées dans le README. Expliquez pourquoi ce service, pourquoi ces permissions IAM, pourquoi ce design réseau. Sans raisonnement, le projet ressemble à un pas-à-pas.
• Sécurité intégrée dès le départ. Pas de permissions IAM génériques, pas de secrets en clair dans les variables d’environnement, rien de public qui doive rester privé.
• La profondeur avant la quantité. Deux ou trois projets bien exécutés sur des domaines distincts surpassent toujours six projets superficiels.
• La couverture des angles morts. Un pipeline CI/CD pour une appli conteneurisée est l’automatisation la plus attendue chez les juniors, et une stack de monitoring est celle qui manque le plus souvent aux portfolios.

Dernières recommandations

Pour la plupart des personnes en transition vers des rôles cloud, le projet Terraform trois tiers est le meilleur point de départ, car l’infrastructure as code apparaît sur presque toutes les fiches de poste cloud et DevOps. Si vous visez clairement DevOps ou plateforme, construisez d’abord le pipeline CI/CD GitHub Actions. Ensuite, ajoutez un projet dans un domaine où vous n’avez encore aucune preuve, et, si possible, traitez l’observabilité ou la sécurité sur ce projet.

Quelques mises en garde honnêtes : vous réaliserez les parties cloud de ces projets directement chez le fournisseur, pas dans une plateforme d’apprentissage. Il vous faut donc un compte AWS, Azure ou GCP et surveiller d’éventuels petits frais hors offre gratuite (free tier). Utilisez les cours guidés pour aller vite sur les concepts, puis faites le build réel vous-même, afin que le travail soit véritablement le vôtre.

Si vous voulez les concepts avant de construire, le guide Learn Cloud Computing From Scratch et le cours Understanding Cloud Computing couvrent les bases en quelques heures.