Réponse aux incidents

Ce que c'est

La réponse aux incidents est le travail de coordination qui suit une
interruption ou une menace grave pour un système. L'incident est la
situation qui justifie la mobilisation. La réponse consiste à la
repérer, à la déclarer, à répartir les actions, à rétablir un
service utilisable et à transmettre les tâches qui restent à des
personnes identifiées. Le développement, l'exploitation et
l'assistance peuvent tous intervenir. Certaines situations demandent
aussi l'avis d'une personne habilitée à prendre une décision
juridique ou de sécurité.

Les recommandations du NIST sur les incidents de cybersécurité
décrivent la détection, la réponse et le rétablissement. La
préparation et l'amélioration continue soutiennent ces activités. La
publication porte sur la cybersécurité. Des habitudes de
coordination proches servent aussi lors d'une mise en production
défectueuse. En cas de divulgation présumée, il peut être nécessaire
de conserver les preuves et de protéger les personnes concernées
même si l'application répond encore. Lors d'une interruption
ordinaire, la première décision peut concerner le rétablissement du
trafic par un chemin sûr.

L'expérience publiée par Google distingue une personne qui dirige
l'intervention, une autre qui coordonne les modifications techniques
et une autre qui s'occupe de la communication. Au début, une même
personne peut remplir plusieurs fonctions. Lorsque l'équipe
s'agrandit, les responsabilités écrites évitent de chercher qui peut
décider d'un changement ou diffuser une information. Chaque équipe
peut adapter cette répartition à la situation, à condition que
chacun sache qui fait quoi.

Pourquoi c'est important

Les observations n'arrivent pas toutes en même temps. Une mesure
peut montrer une hausse des échecs de paiement avant que quelqu'un
sache quels clients et quels moyens de paiement sont touchés.
L'assistance peut disposer d'un tableau plus précis que
l'exploitation. Une chronologie commune conserve les observations,
leur provenance et le degré de confiance qui leur est accordé. Les
personnes qui rejoignent la réponse peuvent alors enquêter sans
prendre la première hypothèse pour un fait.

La coordination limite aussi les risques des changements faits sous
pression. Revenir à une version précédente et modifier une
configuration peuvent être deux bonnes idées séparément et se
contrarier si elles sont mises en œuvre ensemble. La personne
chargée de l'exploitation a besoin de connaître les actions
envisagées, le moment où leurs effets seront visibles et les
possibilités d'annulation. Chacun peut ainsi soumettre son avis sans
multiplier les interventions concurrentes.

Le rétablissement et la recherche des causes ont des échéances
différentes. Un autre chemin pour le trafic peut rendre le service
utilisable avant que l'on comprenne la panne. Le rétablissement doit
s'appuyer sur un résultat convenu, par exemple des commandes
nouvelles qui aboutissent et des commandes antérieures en cours de
rapprochement. Le retour d'expérience examinera ensuite les causes,
l'efficacité des réponses et les changements à prévoir. Les
décisions et les essais documentés pendant l'incident donnent un
meilleur point de départ à cet examen.

À quoi cela ressemble en pratique

Imaginons qu'un service de réservation encaisse parfois le paiement
sans émettre le billet. L'assistance reçoit les premiers
signalements et les développeurs confirment que des demandes
échouent. La première personne mobilisée déclare l'incident et note
quand les symptômes ont été vus. L'équipe s'accorde sur une
description courte de l'effet connu et désigne la personne qui
coordonne les changements. L'assistance dispose d'un interlocuteur
et sait à quelle heure elle recevra de nouvelles informations.

L'exploitation examine un échantillon de réservations et repère un
changement récent. La personne qui dirige l'intervention demande de
vérifier que les paiements déjà encaissés resteront visibles après
le retour à la version précédente. Une personne effectue le retour,
tandis qu'une autre observe les paiements et la délivrance des
billets. L'assistance conserve les identifiants à suivre et explique
aux clients quoi faire si leur réservation reste en attente. Le
message pourra évoluer lorsque l'équipe en saura davantage.

L'équipe vérifie le rapprochement des paiements avec les billets et
suit la résorption des dossiers en attente. Elle note à quel moment
le parcours redevient utilisable et qui s'occupera des réservations
incertaines. Elle consigne les faits et décisions utiles à la suite.
Lorsque l'exploitation courante peut reprendre la responsabilité du
risque, l'intervention se termine. L'analyse des causes continue
avec une personne chargée du suivi et une échéance.

Le cas d'une application macOS dont la consommation de mémoire
augmentait documente plusieurs observations distinctes et le travail
effectué pour limiter les événements conservés. Il montre
l'importance de garder le périmètre réel des mesures. Le cas fictif
de la billetterie illustre ici la coordination et le suivi des
personnes touchées.

Où les problèmes surviennent

L'équipe attend d'être certaine avant de déclarer. Un impact
probable peut justifier une enquête avec une personne responsable et
un prochain point fixé. Définissez le seuil qui déclenche la
coordination et réduisez la mobilisation quand les faits montrent
que le risque est moindre.

Tout le monde modifie le système en même temps. Inscrivez dans un
relevé commun les actions proposées et la personne qui les exécute.
Lorsque c'est possible, observez un effet avant d'introduire une
autre modification. Précisez quelles actions peuvent s'effectuer
indépendamment.

Les clients reçoivent des hypothèses. Expliquez ce qu'ils peuvent
constater, les gestes qu'ils peuvent faire sans risque et l'heure du
prochain message. Dites ce qui reste incertain. L'explication des
causes viendra une fois étayée.

Les tâches ouvertes s'effacent dès le rétablissement. Donnez un
responsable au rapprochement des dossiers, au contact des clients et
aux protections provisoires. Reportez le travail dans le système de
suivi habituel avant de fermer le canal de l'incident.

Pour aller plus loin

  * NIST SP 800-61, révision 3 — réponse aux incidents de
cybersécurité, préparation et amélioration continue.

  * Gérer les incidents selon Google — rôles, communication et
relevé de l'intervention.

  * Réponse aux incidents dans le cahier SRE de Google — exemples et
enseignements d'interventions.

hCette page sur le Web	URL:https://engineer.company/fr/glossary/incident-response/	engineer.company	70
