Quand une banque décide que l’infrastructure n’est pas le bon problème
Capital One Financial Corp. a fermé son dernier centre de données physique en 2020, achevant une migration de huit ans vers AWS qui a vu l’entreprise recycler 103 tonnes de cuivre et d’acier, retirer 13,5 millions de pieds de câble et construire 80 % de ses près de 2 000 applications cloud depuis zéro. Mais la migration vers le cloud n’était que le début. La transformation la plus radicale est venue ensuite : faire du computing serverless le choix par défaut pour tout nouveau développement.
Cinq ans après le début de cette aventure, le modèle opérationnel « serverless-first » de Capital One a produit des résultats qui remettent en question les hypothèses conventionnelles sur la façon dont les grandes entreprises devraient architecturer leur infrastructure cloud. La stratégie, détaillée dans un profil SiliconANGLE d’avril 2026, révèle que la valeur principale du serverless ne réside pas dans des factures de calcul moins chères, mais dans une réorientation fondamentale des talents d’ingénierie, du babysitting d’infrastructure vers l’innovation orientée client.
La philosophie Serverless-First
Le principe fondamental est d’une simplicité trompeuse : chaque nouvelle application devrait par défaut adopter une architecture serverless, sauf s’il existe une raison impérieuse de ne pas le faire. AWS Lambda, le service de calcul événementiel d’Amazon, sert de plateforme d’exécution principale. L’entreprise opère à grande échelle, exécutant des dizaines de milliers de fonctions Lambda sur des milliers de comptes AWS.
Capital One formule cela comme « serverless-first, mais pas serverless-only » — une distinction cruciale. La stratégie reconnaît que les charges de travail très importantes et stables peuvent parfois s’exécuter de manière plus économique sur des serveurs provisionnés. Le défaut, cependant, est Lambda, et les équipes doivent justifier les déviations plutôt que l’inverse.
Cette inversion du défaut est importante. Dans la plupart des entreprises, les développeurs choisissent les conteneurs ou les machines virtuelles par habitude, n’optant pour le serverless que pour des cas d’usage spécifiques. Capital One a inversé la tendance : le serverless est le chemin de moindre résistance, et l’infrastructure traditionnelle nécessite un dossier commercial.
Pour institutionnaliser cette approche, Capital One a établi un Centre d’Excellence Serverless avec des représentants de chaque ligne métier. Le CoE définit des standards de développement serverless à l’échelle de l’entreprise, assurant la cohérence entre les équipes tout en permettant la flexibilité pour les exceptions légitimes.
Le vrai retour sur investissement : le temps d’ingénierie, pas les factures de calcul
La découverte la plus significative du parcours serverless de Capital One contredit le récit typique des coûts cloud. Si la valeur du computing serverless est souvent présentée en termes de coûts de consommation réduits, Capital One a constaté que l’efficacité d’ingénierie est la variable la plus importante.
L’entreprise estime que les équipes d’ingénierie économisent environ 30 % du temps qu’elles consacraient auparavant à la gestion d’infrastructure. Des tâches comme la reconstruction d’images de systèmes d’exploitation, la mise à jour de serveurs, la gestion de la capacité et la configuration de groupes d’auto-scaling ont été pratiquement éliminées pour les charges de travail serverless.
Pour une institution financière comptant des milliers d’ingénieurs, récupérer 30 % du temps lié à l’infrastructure se traduit par une réallocation considérable de talents. Les ingénieurs qui passaient autrefois des jours à gérer l’orchestration de conteneurs ou à déboguer des configurations de serveurs se concentrent désormais sur la création de fonctionnalités, l’amélioration des algorithmes de détection de fraude et l’optimisation des expériences clients.
Les gains de productivité se composent au fil du temps. Les équipes ont rapporté pouvoir mettre en place des applications fonctionnelles en jours plutôt qu’en semaines, un rythme impensable dans l’ère pré-cloud de Capital One, lorsque l’entreprise opérait sur des cycles de publication mensuels ou trimestriels. Entre 2016 et 2019, la banque a augmenté les changements d’applications de plus de 300 %.
Publicité
Graviton et l’avantage ARM
La stratégie serverless de Capital One croise une autre tendance significative d’infrastructure : le passage aux processeurs ARM. Les fonctions AWS Lambda exécutées sur Graviton2, le processeur ARM personnalisé d’Amazon, offrent jusqu’à 34 % de meilleur rapport prix-performance par rapport aux équivalents x86.
L’économie est claire. Les fonctions Lambda ARM64 coûtent 0,0000133334 $ par Go-seconde contre 0,0000166667 $ pour x86, soit une réduction directe de 20 %. En ajoutant une remise de 17 % via un Compute Savings Plan, les économies totales approchent les 34 % par rapport à la tarification x86 à la demande.
À l’échelle de Capital One, où des dizaines de milliers de fonctions exécutent des milliards d’invocations, ces économies par invocation s’accumulent en réductions de coûts significatives. La plupart des fonctions Lambda ne nécessitent aucune modification de code pour fonctionner sur Graviton, ce qui fait de la migration essentiellement un changement de configuration plutôt qu’un projet de développement.
Le signal plus large est que le serverless et ARM convergent vers un jeu d’efficacité combiné. Les organisations adoptant des architectures serverless-first peuvent simultanément capturer la simplicité opérationnelle de Lambda et les avantages de coûts des processeurs ARM, un double bénéfice qui renforce l’argumentaire commercial pour les deux.
Machine Learning serverless à grande échelle
Capital One a étendu sa philosophie serverless au-delà des charges de travail applicatives traditionnelles vers le machine learning. L’entreprise exécute des pipelines d’inférence ML sur Lambda, utilisant les capacités d’auto-scaling du service pour gérer des charges de prédiction variables sans maintenir de flottes GPU ou CPU dédiées.
Cette approche convient à la nature intermittente de nombreuses charges de travail ML financières. Les modèles de détection de fraude, les algorithmes de scoring de crédit et les systèmes de classification de transactions doivent gérer un trafic qui varie considérablement selon l’heure et le jour de la semaine. Le ML serverless élimine le besoin de provisionner pour la capacité de pointe tout en payant des ressources inactives pendant les périodes calmes.
L’entreprise utilise AWS SAM (Serverless Application Model) comme framework standard pour la construction d’applications serverless, fournissant une syntaxe abrégée pour exprimer fonctions, API, bases de données et mappages de sources d’événements. Cette standardisation à travers l’entreprise réduit la courbe d’apprentissage pour les équipes transitant vers le serverless et assure des pratiques de déploiement cohérentes.
Le marché de 52 milliards de dollars derrière la stratégie
L’expérience de Capital One reflète une migration d’entreprise plus large. Le marché mondial du computing serverless était évalué à environ 24,5 milliards de dollars en 2024 et devrait atteindre 52,1 milliards de dollars d’ici 2030, avec un taux de croissance annuel composé de 14,1 % selon Grand View Research. Le segment des grandes entreprises représente plus de 59 % du marché, et 23 % des budgets cloud en 2025 étaient consacrés au développement cloud-native incluant le computing serverless.
Ces chiffres suggèrent que Capital One n’est pas un cas isolé mais plutôt un précurseur de ce qui devient la stratégie cloud par défaut des entreprises. La question pour la plupart des grandes organisations n’est plus de savoir si elles doivent adopter le serverless, mais à quel point elles doivent le rendre agressivement le choix par défaut.
Ce que le modèle Serverless-First exige
L’expérience de Capital One révèle également les prérequis organisationnels pour l’adoption du serverless à grande échelle. La technologie seule ne suffit pas. La transformation a nécessité l’établissement d’une gouvernance à travers le Centre d’Excellence, la reconversion des ingénieurs pour penser en termes de patterns événementiels, la réarchitecture des applications pour s’adapter au modèle d’exécution sans état, et l’acceptation que certaines charges de travail performent véritablement mieux sur une infrastructure traditionnelle.
Le mantra « serverless-first, pas serverless-only » est instructif. L’adoption dogmatique de tout pattern d’architecture crée ses propres inefficacités. Ce que Capital One démontre, c’est que définir le bon défaut — un défaut qui favorise la simplicité opérationnelle et la productivité d’ingénierie plutôt que l’optimisation brute du calcul — produit des retours disproportionnés lorsqu’il est appliqué de manière cohérente à travers une grande organisation.
Pour les entreprises qui débattent encore de leur stratégie d’architecture cloud, l’expérience de cinq ans de Capital One offre une réponse : l’infrastructure que vos ingénieurs ne gèrent pas est souvent plus précieuse que celle qu’ils gèrent.
Questions Fréquemment Posées
Que signifie concrètement « serverless-first » pour l’architecture d’entreprise ?
Serverless-first signifie que chaque nouvelle application adopte par défaut une architecture serverless (comme AWS Lambda) sauf s’il existe une raison spécifique et justifiée d’utiliser des serveurs ou conteneurs traditionnels. Cela inverse l’approche typique des entreprises où les développeurs choisissent des VM ou des conteneurs par défaut et n’utilisent le serverless que pour des cas limités. Les équipes doivent activement justifier les déviations par rapport au serverless, et non l’inverse.
Le computing serverless est-il vraiment moins cher que l’infrastructure cloud traditionnelle ?
Pas toujours en termes de coûts de calcul bruts. Capital One a constaté que le principal avantage financier n’est pas des factures de calcul moins chères mais plutôt la réduction de 30 % du temps d’ingénierie consacré à la gestion d’infrastructure. Des tâches comme la mise à jour des systèmes d’exploitation, la planification de capacité et la configuration de l’auto-scaling sont éliminées. Pour les organisations où le talent d’ingénierie est coûteux ou rare, cette récupération de productivité offre souvent une valeur supérieure aux économies directes de coûts de calcul.
Le serverless peut-il gérer des charges de travail de machine learning à l’échelle entreprise ?
Oui, avec des réserves. Capital One exécute des pipelines d’inférence ML sur Lambda pour des charges de travail financières intermittentes comme la détection de fraude et le scoring de crédit. Le serverless fonctionne bien pour l’inférence à trafic variable où provisionner pour la capacité de pointe serait du gaspillage. Cependant, l’entraînement de modèles nécessite encore généralement une infrastructure GPU dédiée. L’avantage serverless est le plus fort pour l’inférence et les pipelines de traitement de données plutôt que pour les workflows d’entraînement.
Sources et lectures complémentaires
- Inside Capital One’s Shift to a Serverless-First Operating Model — SiliconANGLE
- The Serverless-First Strategy Experience — Capital One Tech
- Migrating from Data Centers to AWS — Capital One Case Study, AWS
- AWS Lambda Functions Powered by Graviton2 Processor — AWS Blog
- Serverless Computing Market Size Report 2030 — Grand View Research
- Lessons from Leading the Serverless-First Journey at Capital One — InfoQ
