Aller au contenu

HumainPratique11 min de lecture

5. Les personnes et la culture

Accompagner les métiers qui changent, reconnaître quatre profils types, instaurer le post-mortem sans blâme, tenir une astreinte soutenable, traiter la plateforme comme un produit, recruter et retenir.

Pour : managers d’équipe · direction et DSIPrérequis : Aucun.

Mode de lecture

La plateforme se déploie en quelques mois ; la culture qui la fait vivre prend des années. Ce décalage explique beaucoup d’échecs. Les tableaux de bord sont prêts, les SLO documentés, mais en pleine crise les équipes retrouvent leurs anciens réflexes. Cette leçon s’en tient à ce qui est propre à l’observabilité. Elle part de deux convictions : la transformation avance par petits groupes successifs et aucun outil ne remplace la conversation directe entre un manager et son équipe.

Longtemps, l’exploitation a fonctionné comme un poste de gardien. On surveillait des indicateurs de santé, on réagissait aux alertes, on escaladait. Le talent tenait à la connaissance intime de l’infrastructure : le bon gardien connaît chaque bruit du bâtiment. Ce modèle bute sur trois évolutions. Le cloud d’abord, où l’on ne voit plus l’intérieur de la machine mais seulement une interface de programmation (API). Les architectures distribuées ensuite, où personne ne connaît intimement des centaines de composants. Enfin des livraisons de plus en plus fréquentes, qui changent le système chaque semaine.

Le nouveau métier ressemble davantage à celui d’un médecin. Équipé de traces, de métriques et de logs reliés entre eux, il raisonne par hypothèses et par élimination, comme on pose un diagnostic à partir d’analyses. Il sait lire le système plutôt que le connaître par cœur et il documente pour que l’équipe apprenne. Les compétences qui deviennent centrales sont de lire un tableau de bord, d’interroger des logs structurés, de comprendre des dépendances et de raisonner en percentiles et en SLO. Un percentile répond à une question simple : « en dessous de quel temps se trouvent 99 % des requêtes ? » ; il dit ce que vivent les utilisateurs les moins bien servis, là où une moyenne les cache.

La résistance à ce changement n’est pas un manque de volonté. Elle dit qu’une identité professionnelle, construite sur un savoir que personne n’a écrit, est remise en cause. Certaines phrases ferment la conversation : « il faut vous adapter », « ce n’est pas si différent », « c’est l’avenir ». D’autres l’ouvrent : « je comprends que cette transition soit inconfortable », « ton savoir reste précieux, voici comment on le met en valeur », « qu’est-ce qui t’inquiète concrètement ? ».

Le tableau qui suit décrit quatre profils types qu’on rencontre dans la plupart des équipes d’exploitation. Une personne réelle ne rentre jamais entièrement dans une case, mais la grille aide à préparer les entretiens.

ArchétypeCe qui le motiveTrajectoire possibleRisque principalLeviers
Administrateur système seniorla reconnaissance de son expertiseSRE senior, ingénieur plateformedépart qui emporte un savoir non écritbinôme avec un SRE plus jeune, reconnaissance publique, formation OpenTelemetry, rôle dans les SLO des systèmes historiques
Responsable de la supervisionl’utilité opérationnelle, moins de bruitSRE de production, responsable d’incidentépuisement avant la transformationastreinte saine, formation à l’ingénierie de fiabilité, valorisation du travail de réduction du bruit
Chef de projet infrastructurela structure et la maîtriseresponsable produit de la plateforme, chef de projet observabilitése retrouver sans rôle définimission de transformation explicite, objectifs, formation au management de produit
Architecte systèmela cohérence et la pérennité des choixarchitecte plateforme, ingénieur stafffreiner par scepticismel’associer tôt aux choix, en faire l’arbitre technique, lui donner une parole publique

Sylvain, dans le journal, correspond au premier profil. Le levier qui a fonctionné pour lui figure dans la dernière colonne : une reconnaissance publique et un rôle sur les systèmes qu’il connaît le mieux.

Dans une organisation saine, un incident est un cadeau coûteux : il révèle un angle mort du système. Dans une organisation malade, c’est une faute qu’on attribue à quelqu’un et les équipes finissent par cacher les incidents. Le post-mortem, la réunion d’analyse qui suit un incident, est le rituel qui fait passer de l’une à l’autre, à condition d’être sans blâme.

Il repose sur quatre règles. On cherche ce qui a rendu l’erreur possible, pas un coupable : une personne qui s’est trompée en production a surtout montré que l’erreur était possible. Le récit est factuel, avec une chronologie horodatée, des faits séparés des interprétations et aucun « il aurait fallu ». Les actions sont peu nombreuses et attribuées : quelques actions avec un porteur, une date et un critère de réussite valent mieux que cinquante sans porteur. Enfin, le document circule en interne pour que les autres équipes en profitent.

Le rôle du DSI est décisif. Il doit dire publiquement qu’il ne sanctionnera pas une erreur de bonne foi commise pendant un incident. Il doit ensuite le prouver au premier incident sérieux, y compris en défendant l’opérateur devant le comité de direction. Sans cette preuve, la promesse ne vaut rien.

Le document suit en général le même plan : résumé, chronologie, analyse des causes, facteurs aggravants, actions correctives, enseignements et ce qui a bien fonctionné.

L’astreinte, c’est le principe de la pharmacie de garde : quelqu’un doit pouvoir intervenir la nuit et le week-end. Une équipe d’astreinte épuisée décide plus mal en crise, rétablit plus lentement et finit par partir. Cette usure se mesure aussi bien que la dette technique.

Le livre Site Reliability Engineering de Google, au chapitre consacré à l’astreinte, donne trois ordres de grandeur souvent repris. Un ingénieur ne devrait pas passer plus de 25 % de son temps d’astreinte. Il ne devrait pas gérer plus de deux incidents par période de douze heures. La rotation devrait compter au moins huit personnes pour une équipe sur un seul site (six par site sur deux sites). Ce sont des repères, pas des normes. L’important est de choisir les vôtres et de les mesurer.

La première est de compenser. En France, le Code du travail impose que les périodes d’astreinte soient compensées, financièrement ou en repos (article L3121-9). Au-delà du droit, une astreinte qui n’est pas reconnue fait partir les meilleurs.

La deuxième est de limiter le bruit. Une alerte la nuit doit rester exceptionnelle et exiger une action humaine immédiate. Le simulateur de fatigue d’alerte estime la charge réelle d’une semaine d’astreinte.

Il faut aussi respecter la déconnexion : une personne qui n’est pas d’astreinte n’est pas appelée ; les exceptions sont écrites et compensées. Je recommande de suivre la charge ressentie avec un indicateur mensuel, subjectif et partagé en équipe, qui repère les dérives avant l’épuisement. Après un incident majeur, enfin, l’équipe impliquée récupère sans avoir à se justifier.

Le DSI lui-même est en astreinte de crise permanente. Il a besoin d’un adjoint de confiance, de vraies périodes sans connexion et de procédures d’escalade écrites.

Le platform engineering traite l’infrastructure d’observabilité comme un produit dont les développeurs sont les clients. L’équipe centrale cesse de répondre à des tickets au cas par cas ; elle construit des outils en libre-service, un peu comme une banque qui passe du guichet à l’application mobile. Un portail développeur interne rassemble la documentation des services, les modèles d’instrumentation, les tableaux de bord types et les procédures. Backstage, créé par Spotify et aujourd’hui projet de la CNCF, en est un exemple ; il existe aussi des solutions commerciales.

Quatre indicateurs aident à piloter la plateforme. Les cibles sont à fixer chez vous.

IndicateurCe qu’il mesure
Délai avant le premier tableau de bordtemps entre la création d’un service et son premier tableau de bord exploitable
Satisfaction des développeursrecommandation de la plateforme, mesurée chaque trimestre
Taux de libre-servicepart des demandes résolues sans intervention de l’équipe plateforme
Coût par service instrumentédépense de la plateforme divisée par le nombre de services couverts

Le marché des profils SRE (site reliability engineering, l’ingénierie de la fiabilité) et observabilité reste tendu. Pour les salaires, appuyez-vous sur une enquête de rémunération récente de votre bassin d’emploi plutôt que sur un chiffre lu dans une formation : ils évoluent trop vite.

Trois canaux fonctionnent. La cooptation marche bien avec une description de poste claire et un processus court. La reconversion interne d’administrateurs formés à l’observabilité coûte moins cher qu’un recrutement et préserve la connaissance du système d’information. L’alternance fonctionne à condition d’un vrai encadrement, comme celui que Sylvain assure dans le journal.

La série du plan humain détaille la démarche : les profils, la fiche de poste, l’entretien et les 90 premiers jours, avec un générateur de fiche de poste.

Cinq facteurs pèsent. D’abord la qualité de l’outillage, une culture de fiabilité où les incidents ne finissent pas en sanctions et une astreinte équilibrée. Ensuite des parcours de carrière écrits (SRE, staff, principal, management), avec leurs critères et leur rémunération. Enfin la reconnaissance, y compris publique : laisser publier, intervenir en conférence, écrire.

Le premier est une cartographie des profils, en deux heures. Listez les dix à vingt personnes clés de votre exploitation et rattachez chacune à un profil type. Notez les risques et les leviers, puis programmez un entretien avec les deux dont le départ coûterait le plus.

Le deuxième est un audit d’astreinte, sur une demi-journée. Pour chaque rotation, relevez la taille, la fréquence de garde, les alertes de nuit par semaine, la compensation et l’existence d’un temps de récupération. Comparez aux repères ci-dessus.

Le troisième est un post-mortem rejoué, deux heures en équipe. Reprenez un incident passé, refaites le post-mortem avec les quatre règles et comparez au document d’origine. Les différences donnent une bonne mesure de votre maturité culturelle.

Pour inscrire tout cela dans la durée, voici une feuille de route RH sur deux ans, à adapter.

PériodeActions
Trimestre 1cartographie des archétypes, entretiens individuels, fiches de poste mises à jour, premier audit d’astreinte
Trimestre 2plans de formation individuels des profils seniors, post-mortem sans blâme sur deux équipes pilotes
Trimestre 3premier recrutement ciblé, premier cycle de reconversion interne, mentorat dans les deux sens
Trimestre 4revue des départs, publication des parcours de carrière, premier bilan du post-mortem sans blâme
Année 2extension à toutes les équipes, portail développeur, alternance renforcée, grille de rémunération consolidée

Et une liste de contrôle pour le DSI :

  • Je connais nommément les dix personnes les plus critiques de mon exploitation
  • Les archétypes et leurs trajectoires sont cartographiés
  • Le post-mortem sans blâme est instauré dans au moins une équipe
  • Chaque rotation d’astreinte est dimensionnée, compensée et mesurée
  • Les parcours de carrière SRE et plateforme sont écrits, rémunération comprise
  • Chaque profil senior a un budget et un plan de formation
  • Les départs des profils SRE et plateforme sont suivis
  • Je passe du temps chaque mois à écouter directement les équipes d’exploitation