Insights — Exploitation
Les pannes n'arrivent pas par surprise : elles préviennent pendant des semaines.
Un disque qui se remplit, une latence qui grimpe de 10 % par mois, une sauvegarde qui échoue en silence depuis six jours : les incidents sérieux sont presque toujours annoncés. Voici les sept signaux que nous surveillons en priorité, et le seuil à partir duquel nous intervenons.
01 — Le constat
La supervision classique prévient quand il est trop tard.
La plupart des outils se contentent de dire si un service répond. C'est nécessaire, mais cela ne prévient de rien : à l'instant où le service ne répond plus, l'incident a déjà eu lieu et les utilisateurs l'ont déjà constaté.
La maintenance préventive change la question : non pas « est-ce en panne ? », mais « qu'est-ce qui se remplit, ralentit ou vieillit plus vite que prévu ? ». Ce sont des mesures de tendance, pas d'état.
01Les sept signaux, et pourquoi ceux-là
Nous avons retenu sept indicateurs parce qu'ils annoncent la majorité des incidents que nous rencontrons, et parce qu'ils sont mesurables sur tout type de parc, du serveur physique à la fonction exécutée à la demande.
- Occupation disque en tendance, pas en valeur absolue : c'est la pente qui annonce la saturation
- Latence de réponse des services critiques, comparée à sa propre moyenne des trente derniers jours
- Taux d'échec des sauvegardes et âge de la dernière restauration testée
- Expiration des certificats et des noms de domaine, avec préavis de trente jours
- Usure matérielle : secteurs réalloués, température, heures de fonctionnement
- Files d'attente et tâches planifiées en retard, premier signe de saturation
- Erreurs applicatives silencieuses : exceptions absorbées, requêtes abandonnées
02Une alerte sans procédure est un bruit
Une alerte utile contient trois choses : ce qui se passe, ce qu'il faut faire, et qui intervient. Sans procédure écrite, l'alerte est transférée à la personne la plus compétente disponible — et si elle est en congé, l'incident attend.
Chaque alerte de notre dispositif référence un runbook : les commandes à exécuter, la décision à prendre, le retour arrière possible. Un runbook se relit et s'exécute à blanc, sinon il devient obsolète sans que personne ne s'en aperçoive.
03Le seuil, plutôt que le symptôme
Nous fixons des seuils par équipement et par usage, pas des seuils universels. Un disque à 85 % sur un serveur d'archives n'a rien à voir avec un disque à 85 % sur une base active : la question est le temps restant avant saturation, compte tenu de la pente observée.
Ce raisonnement en tendance supprime la majorité des fausses alertes, et c'est ce qui permet aux équipes de faire confiance à la supervision : une alerte qui se déclenche doit signifier quelque chose.
04Le rapport mensuel qui change les décisions
Les mesures ne servent à rien si elles restent dans un tableau de bord que personne n'ouvre. Nous produisons un rapport mensuel court : ce qui a dérivé, ce qui a été corrigé, ce qui reste à arbitrer et le budget de remplacement à prévoir.
C'est ce document qui permet à une direction de décider d'un renouvellement de parc avant la panne, au lieu de le subir au pire moment, en urgence, sans comparaison de prix.
De la mesure à la décision : collecter, corréler, alerter, et savoir quoi faire avant que l'utilisateur ne s'en aperçoive.
02 — Questions courantes
Ce que les équipes techniques nous demandent
Faut-il installer un agent sur chaque machine ?
Cela dépend du type de parc. Pour les serveurs et les postes que vous maîtrisez, un agent léger donne la mesure la plus fine. Pour le reste, nous interrogeons les interfaces existantes — hyperviseur, équipement réseau, baie de stockage — sans rien installer sur les postes utilisateurs.
Combien de temps pour mettre en place une supervision utile ?
Le socle se déploie en une à deux semaines : collecte, tableau de bord, seuils en tendance et premières alertes avec procédure. Ensuite, le dispositif s'affine : nous retirons les alertes inutiles et nous ajoutons les indicateurs que l'usage réel a rendus pertinents.
Que se passe-t-il en dehors des heures ouvrées ?
L'astreinte fait partie du dispositif, avec un engagement de délai contractuel. Les alertes critiques déclenchent un appel, pas un courriel que personne ne lira le lundi matin ; les alertes de confort attendent la reprise.
Vous voulez arrêter de découvrir les pannes le matin ?
Relevé de votre parc, choix des signaux utiles, mise en place de la supervision et des procédures, puis rapport mensuel de dérive.