Site Reliability Engineering (SRE) - Les fondamentaux

Objectif : Comprendre l'origine du concept SRE et ses différences avec l'approche DevOps traditionnelle. Assimiler les piliers du SRE selon l'approche de Google et identifier les enjeux clés de la fiabilité opérationnelle.

• La philosophie SRE : traiter les opérations logicielles comme un problème d'ingénierie logicielle.
• Les 7 piliers du SRE de Google (gestion du changement, monitoring, traitement des erreurs, automatisation...).
• L'équilibre culturel et la relation d'équipe entre développeurs (Dev) et ingénieurs de production (Ops).
• La définition et la chasse au travail répétitif sans valeur ajoutée durable (toil).

Atelier pratique : Réalisation d'un audit de processus sur un service d'entreprise existant pour identifier, quantifier et prioriser la réduction du travail manuel répétitif (toil).

Cas métier : Audit opérationnel d'une infrastructure existante.

Compétence acquise : Être capable de repérer et de classifier les dérives opérationnelles et de diffuser les piliers de la culture SRE dans l'organisation.

Livrable : Grille d'audit et plan de remédiation contre le toil opérationnel.

Objectif : Maîtriser l'identification des parcours critiques utilisateurs. Structurer de manière chiffrée et mesurable des SLI et SLO pertinents. Savoir faire le lien avec les exigences contractuelles des SLA.

• Comprendre l'articulation entre l'indicateur (SLI), l'objectif d'équipe (SLO) et le contrat commercial (SLA).
• Les 4 « signaux d'or » de la surveillance applicative (latence, trafic, erreurs, saturation).
• Comment sélectionner les bons points de collecte de données en fonction de l'expérience vécue par le client.
• Méthodologie de co-conception d'objectifs de fiabilité atteignables.

Atelier pratique : Élaboration pas-à-pas de l'arborescence SLI / SLO / SLA d'un portail utilisateur critique (authentification et requêtage de base de données).

Cas métier : Modélisation d'objectifs de performance pour une plateforme applicative SaaS.

Compétence acquise : Être capable d'extraire, formuler et documenter les exigences de fiabilité à l'aide de mesures quantifiables et exploitables par les Ops.

Livrable : Matrice d'ingénierie des indicateurs SLI et SLO de l'application modèle.

Objectif : Comprendre l'alignement stratégique généré par le budget d'erreur. Savoir calculer la marge d'indisponibilité acceptable et piloter la vitesse de release des développeurs.

• Le concept de budget d'erreur : comment la non-fiabilité autorisée finance la vitesse d'innovation.
• Calcul mathématique du budget d'erreur (disponibilité par requêtes réussies ou fenêtres de temps).
• Définition des politiques de blocage en cas d'épuisement du budget d'erreur.
• La surveillance par la vitesse de consommation de budget d'erreur (burn rates).

Atelier pratique : Exercice dirigé de calcul et de projection de budgets d'erreur sur différents niveaux d'incidents (pannes totales courtes vs dégradations prolongées).

Cas métier : Pilotage d'arbitrage de priorités d'ingénierie (stabilité vs fonctionnalités).

Compétence acquise : Être capable de piloter l'effort de déploiement en s'appuyant sur l'état chiffré du budget d'erreur.

Livrable : Tableau de bord dynamique de suivi du budget d'erreur.

Objectif : Découvrir les clés de la coordination lors d'une crise technique majeure. Maîtriser le déroulement de l'exercice d'analyse post-incident et rédiger un document d'amélioration continue complet.

• La gestion d'incident selon le prisme SRE : rôles et communication claire pendant l'incident (Incident Commander).
• Le concept clé de post-mortem sans blâme (blameless post-mortem) : pourquoi blâmer nuit à la sécurité globale.
• La recherche des causes profondes (mécanisme des « 5 Pourquoi », facteurs contributifs systémiques).
• Le suivi des actions de remédiation post-incident et l'évaluation de leur efficacité.

Atelier pratique : Animation collective d'une réunion de post-mortem fictive après un incident bloquant simulé de base de données, suivie d'une recherche méthodique des causes racines.

Cas métier : Gestion de crise et retour d'expérience post-panne.

Compétence acquise : Savoir mener des investigations d'incident rigoureuses et rédiger des synthèses d'incident claires axées sur l'apprentissage collectif.

Livrable : Rapport de post-mortem sans blâme structuré, documenté et prêt pour décision d'ingénierie.

Objectif : Réutiliser en autonomie les SLI, les SLO, les SLA et le budget d'erreur des journées ESSENTIEL sur un service réaliste.

• Réactiver les acquis des journées ESSENTIEL : rappel visuel et quiz sur les piliers du SRE, la différence entre SLI, SLO et SLA et le calcul du budget d'erreur.
• Choisir les bons indicateurs pour un service, fixer des objectifs réalistes et en déduire le budget d'erreur.

Atelier pratique : Entraînement en binômes : critiquer une série de SLO volontairement mal définis (trop ambitieux, non mesurables) et les réécrire, avec correction croisée.

Cas métier : La plateforme de commande en ligne (cas fil rouge) - Les participants définissent les SLI et les SLO du service, calculent le budget d'erreur, fixent la règle de décision quand il est consommé, puis présentent leur proposition au groupe.

Compétence acquise : Savoir définir en autonomie des engagements de fiabilité mesurables.

Livrable : La fiche SLI, SLO et budget d'erreur du service, construite avec les modèles des journées ESSENTIEL.

Objectif : Mettre à l'épreuve la gestion d'incident et le post-mortem sans blâme face à une panne majeure.

• Retour sur les rôles en gestion d'incident, la communication de crise et le post-mortem sans blâme vus les jours précédents.
• Conduire un incident de bout en bout, puis en tirer des actions durables sans chercher de coupable.

Atelier pratique : Exercice guidé : répartir les rôles (responsable de l'incident, communication, technique) et comparer l'organisation des équipes.

Cas métier : La panne du vendredi soir (cas fil rouge) - Le service tombe en pleine période de forte activité. Les équipes gèrent l'incident, mesurent la consommation du budget d'erreur, rédigent le post-mortem sans blâme et présentent leurs actions au groupe et au formateur.

Compétence acquise : Savoir conduire un incident et en tirer des améliorations durables.

Livrable : Le post-mortem complet et le plan d'actions, issus des modèles des journées ESSENTIEL.