En résumé
L'architecture microservices découpe une application en services indépendants, chacun responsable d'une capacité métier, déployé seul et relié aux autres par le réseau. Pensée pour des organisations de plusieurs centaines de développeurs, elle échange la simplicité du code contre une complexité d'exploitation que peu de SaaS ont intérêt à payer avant d'avoir plusieurs équipes.
Les microservices (ou architecture microservices) sont une façon de construire une application en la découpant en plusieurs programmes indépendants, chacun responsable d’une capacité métier : l’authentification, la facturation, les notifications, la recherche. Chaque service a son propre code, le plus souvent sa propre base de données, et se déploie seul, sans toucher aux autres. Les services se parlent par le réseau, via des API ou des files de messages, là où un monolithe fait le même travail avec des appels de fonction en mémoire, dans un seul programme.
Le terme est né lors d’un atelier d’architectes logiciels près de Venise en mai 2011, et le nom a été retenu par le même groupe en mai 2012. L’article de James Lewis et Martin Fowler publié le 25 mars 2014 en a fixé la définition. Il décrit la manière dont Amazon et Netflix faisaient travailler des centaines d’équipes sur un même produit : Netflix a terminé en janvier 2016 une migration de sept ans d’un seul programme vers des centaines de services, et Uber comptait environ 2 200 microservices critiques en 2020. Le modèle a été pensé à cette échelle, ce qu’il faut garder en tête quand on vous le propose pour un produit de dix personnes.
Ce qui définit une architecture microservices
Un service n’est pas un microservice parce qu’il est petit. Lewis et Fowler listent neuf caractéristiques, dont quatre font vraiment la différence avec un monolithe bien rangé.
Le découpage suit les capacités métier, pas les couches techniques. La frontière passe entre « facturation » et « gestion des utilisateurs », et chaque service embarque tout ce dont il a besoin, de l’API au stockage.
Chaque service se déploie indépendamment. L’équipe facturation livre une correction à 11 h sans prévenir personne et sans redéployer le reste. C’est l’avantage qui justifie tout le reste.
Les données sont décentralisées. Chaque service est propriétaire de sa base de données et aucun autre n’a le droit d’y lire directement. Partager une base entre services annule la plupart des bénéfices du découpage.
Une équipe possède son service de bout en bout, du développement à l’astreinte. C’est le principe « you build it, you run it » que Werner Vogels, directeur technique d’Amazon, décrivait dès 2006 : pas d’équipe d’exploitation séparée à qui jeter le code par-dessus le mur.
Le mot « micro » prête à confusion. Sam Newman, auteur de Building Microservices (2015), suggère un service assez petit pour qu’une équipe le comprenne et le fasse tourner seule, et pas plus petit. Des dizaines de milliers de lignes restent un microservice si une équipe les possède en entier.
Ce que les microservices apportent
Le premier gain est organisationnel. Melvin Conway observait en 1968 que la structure d’un logiciel finit par reproduire celle de l’organisation qui le produit. Quand trente développeurs travaillent dans le même code, ils passent leur temps à se coordonner : conflits de fusion, déploiements à synchroniser, attente d’une autre équipe pour livrer. Donner à chaque équipe son service et son calendrier supprime une grande partie de cette coordination.
Le deuxième est la scalabilité ciblée. Si le moteur de recherche reçoit cent fois plus de requêtes que la facturation, on multiplie uniquement les instances du moteur de recherche, au lieu de dupliquer toute l’application.
Le troisième est l’isolation des pannes, à une condition souvent oubliée. Un service de notifications en panne ne doit pas empêcher les paiements, mais cela n’arrive que si le code appelant a été écrit pour survivre à son absence : délais d’attente, nouvelles tentatives, coupe-circuit, mode dégradé. Sans ce travail, une panne se propage de service en service et le système distribué tombe aussi sûrement qu’un monolithe, avec plus de pièces à ramasser. La liberté de choisir un langage ou une base par service existe aussi, mais chaque technologie supplémentaire est une compétence de plus à recruter.
Ce que coûte vraiment la distribution
Les microservices ne suppriment pas la complexité, ils la déplacent du code vers l’infrastructure et le réseau. Les « fallacies of distributed computing », une liste attribuée à Peter Deutsch chez Sun en 1994, résument ce que l’on croit à tort en abordant un système réparti : que le réseau est fiable, que la latence est nulle, que la bande passante est infinie. Chaque illusion devient un bug en production.
Le réseau
Un appel de fonction en mémoire prend quelques microsecondes et ne tombe jamais. Un appel entre deux services traverse le réseau, prend des millisecondes et peut échouer, expirer, ou aboutir sans que l’appelant le sache. Sur une requête utilisateur qui traverse cinq services en chaîne, ces millisecondes s’additionnent et les cas d’échec se multiplient.
Les données
Dans un monolithe, créer une commande, décrémenter le stock et débiter le client sont trois écritures dans une même transaction : si l’une échoue, tout est annulé. Avec une base par service, cette garantie disparaît. Il faut la reconstruire avec des mécanismes de compensation comme le pattern saga, décrit par Hector Garcia-Molina et Kenneth Salem en 1987, qui défait les étapes déjà réalisées quand une étape suivante échoue. C’est le type de bug le plus difficile à reproduire et à corriger.
L’observabilité
Quand un utilisateur signale une erreur, la cause peut se trouver dans l’interaction entre trois services. Il faut centraliser les journaux et suivre chaque requête de bout en bout avec des traces distribuées. OpenTelemetry, devenu le standard du domaine, a atteint en mai 2026 le niveau de maturité le plus élevé de la CNCF, la fondation qui héberge aussi Kubernetes. L’outillage est mûr, mais quelqu’un doit l’installer et, surtout, le lire.
L’exploitation
Chaque service a son image Docker, son pipeline de CI/CD, sa configuration, ses secrets, sa suite de tests à compléter par des tests de contrat avec ses consommateurs, et sa version d’API à garder compatible. À partir d’une dizaine de services, un orchestrateur comme Kubernetes devient nécessaire, avec les compétences qui vont avec. Sur AWS, le seul plan de contrôle d’un cluster EKS coûte 0,10 $ de l’heure, soit environ 73 $ par mois avant d’avoir hébergé la moindre ligne de code, et surtout avant d’avoir payé la personne qui le fait tourner.
Les patterns qui accompagnent les microservices
| Pattern | Problème résolu | Quand il devient utile |
|---|---|---|
| API gateway | Un point d’entrée unique qui route, authentifie et limite le débit | Dès que le client parle à plus de deux ou trois services |
| Événements et files de messages (Kafka, RabbitMQ) | Découpler dans le temps : l’émetteur n’attend pas le récepteur | Pour tout ce qui n’exige pas de réponse immédiate (emails, exports, synchronisations) |
| Saga et outbox | Cohérence des données sans transaction partagée | Dès qu’une opération métier écrit dans deux services |
| Circuit breaker | Couper les appels vers un service en panne au lieu d’attendre | Dès le premier appel synchrone entre services |
| Service mesh (Istio, Linkerd) | Chiffrement, routage et observabilité sans toucher au code | Au-delà de quelques dizaines de services, rarement avant |
Aucune de ces briques n’a de sens pour un produit jeune : les problèmes qu’elles résolvent n’apparaissent qu’avec le nombre de services.
Le monolithe distribué, l’échec le plus fréquent
Un découpage prématuré produit rarement une architecture microservices. Il produit un monolithe distribué : des services séparés par le réseau mais qui partagent une base de données, se déploient ensemble parce que toute modification en touche plusieurs, et s’appellent en chaîne de façon synchrone. Il cumule la latence réseau, le débogage réparti et les déploiements multiples, sans l’indépendance qui justifiait le découpage.
Il naît presque toujours d’un découpage décidé avant de connaître le domaine métier. Tant qu’un produit cherche encore son marché, ses frontières bougent chaque mois, et les figer dans des services séparés garantit qu’elles seront au mauvais endroit.
Les retours arrière documentés vont dans ce sens. Segment a regroupé ses 140 microservices de destination en un seul service en 2018, et l’équipe Prime Video d’Amazon a ramené en mars 2023 un de ses outils d’analyse vidéo d’une architecture distribuée à un seul processus, pour une facture d’infrastructure réduite de plus de 90 %. Dans les deux cas, les frontières étaient au mauvais endroit.
Quand une architecture microservices se justifie
Martin Fowler posait l’arbitrage dès 2015 : le surcoût des microservices ne se justifie que lorsque le système est devenu trop complexe pour être géré en monolithe, et presque toutes les réussites qu’il observait avaient commencé par un monolithe devenu trop gros.
Les signaux qui justifient d’extraire un service sont concrets. L’équipe dépasse quinze à vingt développeurs et les groupes se bloquent dans le même code. Un module a des besoins de charge sans rapport avec le reste, par exemple un moteur de calcul qui consomme dix fois plus de processeur que l’interface. Le temps de build et de test freine les livraisons. Ou une contrainte externe impose d’isoler un périmètre : la conformité PCI DSS sur le paiement, une exigence d’hébergement particulière pour des données de santé.
Même alors, on n’extrait pas tout. On sort le module dont les frontières sont les plus nettes et le gain le plus clair, on l’observe en production, et on décide de la suite avec des chiffres. C’est le strangler fig décrit par Fowler en 2004 : le nouveau service pousse à côté de l’ancien code jusqu’à le remplacer, sans interruption. La plupart des produits s’arrêtent après un ou deux services extraits, parce que le reste n’en avait pas besoin.
Entre les deux, le monolithe modulaire, un seul programme découpé en modules métier aux frontières strictes, garde la porte ouverte. En architecture logicielle, la question utile porte moins sur le choix entre monolithe et microservices que sur l’emplacement des frontières et sur qui les fait respecter. Un module bien isolé s’extrait en quelques semaines le jour où il le faut ; sans frontière, c’est une réécriture.
FAQ microservices
Combien de microservices faut-il pour un SaaS ?
Il n’existe pas de bon nombre. Comptez plutôt en équipes : un service a un sens quand une équipe a besoin de le livrer à son propre rythme, et une même équipe peut en posséder plusieurs. Un SaaS de dix développeurs qui compte trente services a presque certainement un monolithe distribué.
Microservices et serverless, est-ce la même chose ?
Non. Les microservices sont une façon de découper l’application, le serverless une façon de l’exécuter, en fonctions facturées à l’usage sans serveur à gérer. Des microservices peuvent tourner en conteneurs ou en fonctions, et un monolithe peut déléguer quelques tâches événementielles à des fonctions sans devenir une architecture microservices.
Peut-on passer aux microservices sans tout réécrire ?
Oui, et c’est la seule façon raisonnable de le faire : un service à la fois, en commençant par celui dont les frontières sont claires, en redirigeant le trafic progressivement. Une réécriture complète d’un produit qui a des clients est le projet le plus risqué qu’une équipe puisse lancer : elle fige le produit pendant des mois et découvre les frontières en même temps qu’elle les code.
Comment Polara Studio aborde les microservices
Chez Polara Studio, Jason Pindat, Tech Advisor, résume sa position d’une phrase : les microservices sont la solution préférée des architectes qui n’ont jamais opéré une stack microservices en production. Sur les dizaines de revues d’architecture et de tech due diligences qu’il a menées, neuf projets sur dix gagneraient à démarrer en monolithe modulaire, et le dixième sait déjà pourquoi il fait autrement. C’est aussi un test de recrutement : un CTO ou un prestataire qui propose Kubernetes et dix services pour une première version répond à une autre question que la vôtre, comme nous l’expliquons dans notre guide pour choisir le bon CTO.
Nos SaaS démarrent donc en un seul programme TypeScript, découpé en modules métier avec NestJS, en conteneurs Docker sur AWS avec une base PostgreSQL managée. Seuls les traitements événementiels vivent à part dès le premier jour : redimensionnement d’images, génération de documents, webhooks de paiement, exports planifiés, confiés à des fonctions serverless ou à des workers asynchrones. Ces frontières-là suffisent à un produit jeune, et elles n’en font pas une architecture microservices.
Quand une extraction se justifie, elle se fait service par service. Sur une plateforme SaaS RH de trois ans que nous avons reprise, le moteur de calcul des congés, sans aucun test et modifié en trois semaines à chaque nouvelle règle, est sorti en premier dans un service séparé, testé à 100 %, derrière une chaîne d’intégration continue. Quatre mois plus tard, les bugs critiques avaient baissé de 80 % et le reste de l’application était toujours un monolithe, parce qu’il n’avait aucune raison de ne plus l’être. Le détail de cette reprise, et la part de dette technique qui l’a rendue nécessaire, est dans notre article sur la dette technique.
Termes associés
Articles qui pourraient vous plaire

Agents IA en entreprise : chiffres 2026 et PME françaises
Projets abandonnés, ROI introuvable, mais des PME françaises qui accélèrent : les vrais chiffres de l'adoption des agents IA en entreprise en 2026.
Lire
Spec-driven development : pourquoi l'avenir du développement logiciel est déclaratif
Le spec-driven development fait de la spec la source de vérité et du code un artefact généré. Concept, avantages, pièges et mise en place concrète en équipe.
Lire
Top 5 des sociétés d'infogérance Cloud en France en 2026
Notre classement 2026 des meilleures sociétés d'infogérance Cloud qu'on recommande à nos clients : Log'in Line, Enix, Claranet, Cyllene, Iguane Solutions.
Lire

