# 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.

=> /fr/portfolio/an-app-that-ate-41-mb-a-second-stopped/ une application macOS dont la consommation de mémoire augmentait
=> https://csrc.nist.gov/pubs/sp/800/61/r3/final NIST SP 800-61, révision 3
=> https://sre.google/sre-book/managing-incidents/ Gérer les incidents selon Google
=> https://sre.google/workbook/incident-response/ Réponse aux incidents dans le cahier SRE de Google

=> https://engineer.company/fr/glossary/incident-response/ Cette page sur le Web
