Métier

Ingénieur fiabilité (SRE)

Garantir que les services de production tiennent leurs objectifs de fiabilité, de disponibilité et de performance, en mesurant ce que vivent les utilisateurs, en automatisant le travail répétitif et en tirant de chaque incident une amélioration durable.

Viser ce métierCe que fait ce métier

• 7 responsabilités
• 14 missions
• 44 compétences
• 217 heures de travail une estimation, en partant de zéro

Votre écart

Ce qui vous manque

Viser ce métier calcule votre chemin à partir de ce que vous avez déjà lu et réussi (quiz, labs). Vous voyez tout de suite votre première étape.

297

leçons

~217 h

depuis zéro

Viser ce métier

Enregistré dans ce navigateur. Modifiable à tout moment.

Le métier

Ce que fait un Ingénieur fiabilité (SRE)

Sept responsabilités. Chacune s’exerce à travers des missions concrètes, qui demandent des compétences.

1

Résoudre les problèmes récurrents à leur cause

Concevoir et améliorer 1 mission · 2 compétences

Missions qui la composent

• Remettre en état un serveur cassé

  Livrableun serveur réparé dont les services sont rétablis et le restent après redémarrage

  • Maintenir les logiciels d'un serveur et surveiller ses ressources
  • Dépanner un serveur Linux

  2 compétences Lab de preuve

2

Gérer les incidents

Réaliser en autonomie 3 missions · 9 compétences

Missions qui la composent

• Mener un postmortem et suivre ses actions

  Livrableun postmortem sans blâme, ses causes et ses actions suivies jusqu'à leur clôture

  • Rédiger une page technique claire, accessible et vérifiable
  • Documenter l'exploitation : runbooks, checklists, décisions
  • Faire vivre une documentation : propriétaire, revue, fraîcheur
  • Répondre à un incident et en tirer un postmortem

  4 compétences Sans lab pour l’instant

• Tenir une astreinte et documenter l'exploitation

  Livrableune rotation d'astreinte et son escalade définies, chaque alerte reliée à son runbook, un incident traité jusqu'au rétablissement

  • Rédiger une page technique claire, accessible et vérifiable
  • Documenter l'exploitation : runbooks, checklists, décisions
  • Faire vivre une documentation : propriétaire, revue, fraîcheur
  • Répondre à un incident et en tirer un postmortem
  • Tenir une astreinte soutenable

  5 compétences Sans lab pour l’instant

• Remettre en service une application sur un cluster

  Livrableune application qui répond de nouveau, ses défauts trouvés sans ticket ni procédure

  • Exposer une application par Service, Ingress ou Gateway
  • Fournir un stockage persistant à une application
  • Contrôler le placement des Pods
  • Diagnostiquer une application en échec sur Kubernetes

  4 compétences Lab de preuve

3

Assurer la continuité et la résilience

Réaliser en autonomie 2 missions · 4 compétences

Missions qui la composent

• Assurer la continuité et la capacité d'un service

  Livrableun plan de reprise éprouvé par un exercice, des objectifs de reprise (RTO, RPO) tenus et une capacité anticipée

  • Anticiper la capacité d'un parc
  • Assurer la continuité : haute disponibilité, reprise, sauvegardes

  2 compétences Sans lab pour l’instant

• Garantir la disponibilité d'un service sur Kubernetes

  Livrableun service qui survit aux perturbations volontaires et à la perte d'un nœud, sans interruption mesurée

  • Assurer la continuité : haute disponibilité, reprise, sauvegardes
  • Fiabiliser un workload : sondes de santé et ressources
  • Garantir la disponibilité d'une application pendant les perturbations

  3 compétences Sans lab pour l’instant

4

Réduire le travail répétitif par l'automatisation

Réaliser en autonomie 2 missions · 8 compétences

Missions qui la composent

• Automatiser une tâche répétitive d'exploitation

  Livrableun outil testé qui remplace une manipulation manuelle sur un parc, lit et produit des données structurées

  • Lire et transformer des données (JSON, YAML, API)
  • Maintenir un parc : mises à jour, dérive, dette
  • Écrire un outil en ligne de commande testé
  • Automatiser l'administration d'un parc depuis Python : SSH, déploiement et scan réseau
  • Lire, installer et modifier un petit outil Python
  • Lancer des tests pytest, lire un échec et corriger un défaut simple

  6 compétences Sans lab pour l’instant

• Livrer un outil interne aux autres équipes

  Livrableun outil interne testé, relu, versionné et installable par les autres équipes sans aide

  • Lire, installer et modifier un petit outil Python
  • Lancer des tests pytest, lire un échec et corriger un défaut simple
  • Relire le code Python d'un autre et faire contrôler le sien
  • Rendre un outil Python installable et versionné

  4 compétences Lab de preuve

5

Observer et mesurer le service rendu

Réaliser en autonomie 2 missions · 7 compétences

Missions qui la composent

• Rendre un service observable

  Livrableun service dont les métriques et les journaux sont collectés, interrogeables et visualisés, avec des alertes actionnables sur ses symptômes

  • Interroger les métriques d'un service pour répondre à une question d'exploitation
  • Centraliser les journaux d'un service et les interroger
  • Collecter les métriques d'un service et en contrôler la qualité
  • Construire un tableau de bord qui répond à une question d'exploitation
  • Définir une alerte actionnable et la router sans bruit

  5 compétences Sans lab pour l’instant

• Définir un SLO et alerter sur son budget d'erreur

  Livrableun objectif de fiabilité mesuré sur un indicateur du service rendu, une alerte sur la consommation de son budget d'erreur

  • Observer, répondre aux incidents, tenir un SLO

  1 compétence Lab de preuve

Demandé aussi, hors mission

• Observer la santé et la consommation d'un cluster

6

Changer et déployer sans mettre le service en risque

Réaliser en autonomie 3 missions · 12 compétences

Missions qui la composent

• Décrire une infrastructure en code, partageable et rejouable

  Livrableune infrastructure découpée en modules versionnés, son state partagé et verrouillé, rejouée à l'identique

  • Prévoir ce qu'un outil IaC va créer, modifier ou détruire : déclaratif, idempotence, état et plan
  • Tenir un dépôt IaC sain : structure par couche, revue du plan, pyramide de contrôles et secrets hors du code
  • Structurer une infrastructure en code à l'échelle : stacks, modules versionnés, environnements et dette
  • Partager un state Terraform distant, verrouillé et récupérable
  • Consommer et versionner des modules Terraform de façon reproductible
  • Concevoir, structurer et tester un module Terraform réutilisable

  6 compétences Lab de preuve

• Déployer en GitOps

  Livrablenotes-api déployée et promue entre deux environnements depuis Git

  • Déployer et observer une application sur Kubernetes
  • Déployer une application en GitOps
  • Synchroniser et promouvoir entre environnements

  3 compétences Sans lab pour l’instant

• Livrer un changement progressivement, sans interrompre le service

  Livrableune nouvelle version déployée par étapes, sa disponibilité tenue et son retour arrière prêt

  • Mettre à jour une application et revenir en arrière
  • Fiabiliser un workload : sondes de santé et ressources
  • Modifier des ressources Kubernetes de façon déclarative, sans dériver de Git
  • Synchroniser et promouvoir entre environnements

  4 compétences Sans lab pour l’instant

7

Garantir la fiabilité et la performance des services

Réaliser en autonomie 1 mission · 5 compétences

Missions qui la composent

• Dimensionner un service et anticiper sa charge

  Livrableun service dont les ressources, la mise à l'échelle et la capacité future sont mesurées et justifiées

  • Surveiller processus et performances
  • Anticiper la capacité d'un parc
  • Fiabiliser un workload : sondes de santé et ressources
  • Mettre à l'échelle automatiquement une application
  • Adapter le nombre de nœuds d'un cluster aux Pods en attente et le réduire sans couper le service

  5 compétences Sans lab pour l’instant

Les moyens

Avec quels outils ?

Choisissez vos outils : le choix change les leçons à lire, jamais les responsabilités.

Outil GitOps

Argo CD Flux

Langage d’automatisation

Python Go

Pour aller plus loin

Les spécialisations

Facultatives, mesurées à part du métier.

Administrer la plateforme d'exécution

• Installer un cluster Kubernetes
• Rendre hautement disponible le plan de contrôle d'un cluster kubeadm
• Maintenir et gérer les nœuds sans interrompre le service
• Dépanner le plan de contrôle et les nœuds
• Mettre à jour un cluster kubeadm d'une version mineure

Diagnostiquer un service adossé à une base relationnelle

• Lire un schéma et interroger des données relationnelles avec SQL
• Diagnostiquer une requête SQL lente avec les index et EXPLAIN

Développer des outils Python maintenables

• Manipuler listes, tuples, ensembles et découpes en Python
• Concevoir des classes Python : encapsulation, héritage, abc et mixins
• Exécuter des traitements concurrents et choisir le bon modèle
• Durcir une suite de tests Python : Hypothesis, fixtures pytest, couverture et mutation
• Modéliser et typer des données en Python avec dataclasses, Enum et annotations
• Écrire du Python idiomatique : décorateurs, générateurs, context managers et itertools
• Profiler et optimiser un programme Python, jusqu'à l'extension native

Travailler avec un agent IA de code, sous contrôle

• Cadrer une tâche confiée à Claude Code et valider son résultat par plan, diff et tests
• Confiner l'exécution de Claude Code : permissions, secrets et bac à sable
• Automatiser et outiller Claude Code avec des hooks, des skills et des plugins
• Brancher un serveur MCP à Claude Code et déléguer à des subagents isolés
• Reprendre le contrôle d'une session Claude Code qui dérive et dépanner sa configuration
• Livrer un projet complet piloté par Claude Code, tranche verticale par tranche verticale
• Exécuter Claude Code sans session interactive, en CI, avec le modèle et le coût adaptés

Ce que le site ne couvre pas encore

Corrélation des signaux et traçage distribué : enseignés en concepts (module facultatif de la formation Observabilité), sans pratique publiée (labs de traçage distribué Tempo et de corrélation en brouillon), sans compétence active. Instrumenter un service (traces émises et vérifiées) et tracer les appels d'une application LLM jusqu'à Tempo sont pratiqués et recommandés ; corréler les signaux et suivre une trace distribuée entre services restent en concepts.

Tests non fonctionnels (SFIA NFTS) : portés par le dimensionnement et la mise à l'échelle. L'injection de panne contrôlée est en préparation (brouillon ops.fault.inject) ; la mission « Éprouver la fiabilité d'un service par une panne provoquée » rejoindra le métier quand elle sera enseignée. Le test de charge n'est pas encore enseigné.

Résolution des problèmes (SFIA PBMG niveau 4) : la responsabilité n'est aujourd'hui portée que par la réparation d'un incident ; le geste de niveau 4 (tendance d'incidents, cause racine, correctif durable) est en préparation (brouillon ops.problem.resolve).

Analyse de données (SFIA DAAN) : limitée à la lecture des mesures de service, niveau 2.

Autour de ce métier

Comparer avec un autre métier →

Toutes les compétences →

×

📖 Voir la documentation →