SITE RELIABILITY ENGINEER (SRE) H/F

🎯 ContexteDans un environnement SI complexe (multi-cloud AWS / OCI et on-premise Linux / AIX), la qualité de service est impactée par des incidents récurrents affectant la disponibilité des applications critiques.

Afin d’améliorer durablement la stabilité et la performance, une équipe dédiée de Site Reliability Engineering (SRE) – Flying Squad est créée.

Cette équipe transverse intervient en mode commando sur des périmètres critiques pour :

• Éradiquer les causes profondes des incidents

• Renforcer la résilience des systèmes

• Apporter des pratiques SRE pérennes aux équipes internes

🎯 Objectifs du poste

En tant que SRE, vous aurez pour mission de :

• Restaurer et garantir la fiabilité des services critiques

• Identifier et éliminer les causes racines des incidents

• Améliorer la résilience, la performance et l’observabilité

• Contribuer à une réduction d’au moins 20 % des incidents

• Diffuser les bonnes pratiques SRE auprès des équipes internes

🧩 Missions principales🔍 1. Analyse & diagnostic

• Analyser les incidents récurrents et le backlog de problèmes

• Réaliser des post-mortems blameless

• Identifier les causes profondes (techniques et organisationnelles)

• Cartographier les dépendances (applications, batchs, flux de données)

🛠️ 2. Remédiation & amélioration continue

• Mettre en œuvre des corrections structurelles :

  • Optimisation des performances

  • Refactoring de code

  • Stabilisation des processus batch

• Implémenter des mécanismes de résilience :

  • Retries, circuit breakers, timeouts

• Participer au capacity planning

📊 3. Observabilité & monitoring

• Déployer et optimiser les outils de monitoring (Dynatrace, Prometheus…)

• Mettre en place des indicateurs SLI/SLO

• Superviser les golden signals :

  • Latence

  • Trafic

  • Erreurs

  • Saturation

• Réduire le bruit et améliorer la pertinence des alertes

🤖 4. Automatisation

• Automatiser les tâches récurrentes (RUN)

• Développer des scripts en :

  • Shell / Bash

  • PowerShell

  • Python

• Implémenter des mécanismes de self-healing

☸️ 5. Plateforme & Cloud

• Intervenir sur des environnements hybrides :

  • AWS / OCI

  • On-prem Linux / AIX

• Contribuer à l’exploitation et à l’optimisation Kubernetes :

  • Troubleshooting

  • Capacity management

  • Observabilité

🔐 6. Sécurité & conformité

• Gérer et sécuriser les certificats (rotation, expiration)

• Contribuer au durcissement de l’infrastructure

• Participer aux bonnes pratiques de sécurité applicative

📚 7. Transfert de compétences

• Accompagner les équipes internes (DEV / OPS)

• Documenter les patterns de fiabilité

• Contribuer à la culture SRE ("You build it, you run it")