Le SRE (Site Reliability Engineer) est un ingénieur chargé de la fiabilité des systèmes en production, qui traite l'exploitation comme un problème logiciel : disponibilité, performance, capacité, gestion des incidents et automatisation des tâches répétitives.
La pratique est née chez Google au début des années 2000 et a été popularisée par le livre Site Reliability Engineering (2016). Elle a diffusé un vocabulaire devenu courant :
- SLI et SLO : l'indicateur de fiabilité mesuré et l'objectif à atteindre ;
- error budget : la marge d'indisponibilité tolérée, qui arbitre entre nouvelles fonctionnalités et stabilisation ;
- toil : le travail manuel répétitif, à réduire ;
- post-mortems sans blâme après chaque incident.
Le SRE partage beaucoup avec le DevOps, mais avec un objectif plus précis : une fiabilité chiffrée, mesurée et négociée avec le produit. Chez Google, l'équipe doit consacrer au moins la moitié de son temps à du travail d'ingénierie plutôt qu'à l'exploitation pure.
Pourquoi ça compte quand on recrute
On recrute un premier SRE quand la production devient critique pour le chiffre d'affaires et que les incidents coûtent cher. Beaucoup de postes titrés « SRE » sont en réalité des postes d'ops ou de DevOps. Le signal fort sur un CV : des SLO définis et suivis, des astreintes tenues, des post-mortems rédigés, et du code écrit pour supprimer du travail manuel. Demandez au candidat de raconter son pire incident, de la détection à la correction.