SRE & observabilité

Par les objectifs. Un outil montre ce qu'on lui désigne, et sans niveau de service convenu, chaque incident s'arbitre dans l'instant. Un SLO négocié avec le métier est ce qui transforme un tableau de bord en décision.

À rendre l'arbitrage explicite. Viser zéro incident revient soit à ne plus livrer, soit à livrer et encaisser. Le budget dit combien d'échecs sont acceptables, et arrête les livraisons non critiques quand les trois quarts sont consommés.

Parce qu'une cause qui ne gêne aucun client ne mérite pas un réveil, et qu'un symptôme le mérite toujours. L'usage processeur seul ne dit rien de ce que vit un client, et c'est l'une des premières alertes que nous supprimons.

En supprimant ce que personne n'a traité. Une alerte déclenchée cinq fois sans action est supprimée ou transformée en ticket. Le risque n'est pas de rater un signal, c'est que l'utile passe inaperçu dans un flot que plus personne ne lit.

Non. Il corrèle les signaux et propose une cause racine, ce qui raccourcit le délai avant le premier ordre. La décision reste humaine, parce qu'agir sur un système critique d'après une suggestion de machine est exactement ce qu'un post-mortem regrette ensuite.

Surtout de la cardinalité. Une étiquette par identifiant client multiplie le volume par mille et n'aide personne à diagnostiquer. Le budget se pose à la conception, étiquette par étiquette, ce qui coûte bien moins cher que de le découvrir sur la facture.

Les définir prend 2 à 6 semaines selon le nombre de parcours critiques et de systèmes traversés, et produit les SLO, le budget d'erreur et la cartographie des parcours critiques. L'instrumentation et un premier incident traité sur cette base suivent en 4 à 10 semaines.