SLI, SLO et budget d'erreur
Résumé : mesurer ne suffit pas — il faut savoir quel niveau est acceptable. Le SRE de Google apporte trois outils : le SLI (l'indicateur mesuré), le SLO (l'objectif interne), le SLA (l'engagement contractuel). Et surtout le budget d'erreur, qui transforme la fiabilité en décision chiffrée et met fin aux débats d'opinion entre développement et exploitation.
1. Les trois sigles, distingués
La distinction à retenir pour un entretien : le SLO est interne (votre objectif d'équipe, sans conséquence contractuelle), le SLA est externe (un contrat avec des pénalités). Beaucoup de candidats les confondent, et la nuance se remarque immédiatement.
Un service peut parfaitement avoir des SLO sans aucun SLA — c'est même le cas le plus fréquent pour les services internes d'une entreprise.
2. Un exemple complet et concret
3. Le budget d'erreur — l'idée la plus puissante du SRE
Voilà l'apport véritablement original du SRE. Sans budget d'erreur, la conversation ressemble à ceci : le développement veut déployer, l'exploitation trouve que « c'est risqué », et l'arbitrage se fait au rapport de force ou à l'ancienneté. Avec un budget d'erreur, la conversation devient : « il nous reste 31 minutes de budget ce mois-ci, on peut y aller » ou « le budget est épuisé, on gèle jusqu'au 1er du mois ». Ce n'est plus une opinion, c'est un chiffre.
4. Calculer un budget d'erreur
Voici les valeurs à connaître, sur une fenêtre de 30 jours.
| SLO | Budget d'erreur | Indisponibilité tolérée / 30 jours | Par semaine |
|---|---|---|---|
| 99 % | 1 % | 7 h 12 min | 1 h 41 min |
| 99,5 % | 0,5 % | 3 h 36 min | 50 min |
| 99,9 % | 0,1 % | 43 min 12 s | 10 min 5 s |
| 99,95 % | 0,05 % | 21 min 36 s | 5 min 2 s |
| 99,99 % | 0,01 % | 4 min 19 s | 1 min |
| 99,999 % | 0,001 % | 26 s | 6 s |
Ce que ce tableau révèle immédiatement : passer de 99,9 % à 99,99 % réduit votre marge de manœuvre de 43 minutes à 4 minutes par mois. Cela signifie qu'un seul redéploiement raté consomme tout votre budget mensuel. C'est pourquoi chaque « neuf » supplémentaire coûte de façon exponentielle, pas linéaire.
Question à poser avant de viser 99,99 % : « sommes-nous capables de détecter et de corriger un incident en moins de 4 minutes ? » Si la réponse est non, ce SLO n'est pas atteignable et n'a aucun intérêt.
5. Pourquoi viser 100 % est une erreur
La raison 3 est l'argument le plus convaincant face à une direction qui exige « zéro panne ». Si vos utilisateurs sont sur mobile, avec une connexion disponible à 99 %, votre effort pour passer de 99,9 % à 99,99 % est littéralement imperceptible pour eux. L'argent serait bien mieux investi ailleurs.
6. Comment définir un bon SLO
L'étape 5 est celle qui échoue le plus souvent, et elle est décisive. Si votre direction produit considère que « toute indisponibilité est inacceptable », votre budget d'erreur n'aura aucun pouvoir de décision. Le SLO doit être un accord explicite entre technique et métier, pas un document technique interne.
L'étape 6 est celle qu'on oublie. Décider à froid ce qu'on fera quand le budget sera épuisé évite une négociation sous pression, au moment où personne n'est en état de raisonner sereinement.
7. Le taux de consommation du budget
C'est la façon moderne d'alerter, et elle est bien supérieure aux seuils fixes.
Pourquoi cette approche a remplacé les seuils fixes : une alerte du type « le taux d'erreur dépasse 1 % » se déclenche pour une anomalie de trente secondes sans conséquence. Une alerte du type « à ce rythme, nous épuiserons notre budget mensuel en sept heures » ne se déclenche que quand cela compte réellement. C'est le remède le plus efficace contre la fatigue d'alerte.
Configuration couramment recommandée : deux alertes, une à taux 14,4 sur une heure (traitement urgent) et une à taux 6 sur six heures (traitement en heures ouvrées).
8. Les erreurs classiques avec les SLO
L'erreur 4 est fatale à la démarche. Si l'équipe constate que le gel n'est jamais appliqué, le budget d'erreur devient un indicateur décoratif. Il vaut mieux ne pas avoir de SLO que d'en avoir un dont personne ne respecte les conséquences — cela discrédite l'approche pour des années.
Retenir en 30 secondes
- SLI = l'indicateur mesuré. SLO = l'objectif interne. SLA = l'engagement contractuel avec pénalités.
- Règle d'or : le SLO doit être plus strict que le SLA, pour se garder une marge.
- Budget d'erreur = le complément du SLO. C'est une ressource à dépenser, pas une tolérance regrettable.
- Avec un SLO de 99,9 %, votre budget est de 43 minutes par mois. Avec 99,99 %, seulement 4 minutes.
- Chaque « neuf » supplémentaire coûte environ dix fois plus cher que le précédent.
- Viser 100 % est une erreur : impossible, exponentiellement coûteux, imperceptible pour l'utilisateur, et paralysant.
- Le budget d'erreur met fin au conflit développement / exploitation en remplaçant l'opinion par un chiffre.
- Alertez sur le taux de consommation du budget, pas sur des seuils fixes. C'est le meilleur remède à la fatigue d'alerte.
- Commencez par un seul SLO sur votre parcours le plus critique, et validez-le avec le métier.
- Si le gel n'est jamais appliqué quand le budget est épuisé, le SLO ne sert à rien.
Suivant : Les outils et l'art de l'alerte →