Procédure d'exploitation
des étapes éprouvées pour une tâche d’exploitation répétée
Ce que c’est
Une procédure d’exploitation, ou runbook, décrit des étapes éprouvées pour réaliser une tâche d’exploitation. Elle précise quand s’en servir, ce qu’il faut réunir avant de commencer, comment agir et comment reconnaître le résultat. Une personne peut suivre les étapes ou utiliser la procédure pour comprendre un traitement automatisé. Il peut s’agir de renouveler un certificat, de tester une restauration ou de revenir à une configuration connue.
Dans son référentiel d’excellence opérationnelle, AWS recommande les runbooks pour les procédures et les playbooks pour mener des investigations. D’une équipe à l’autre, ces mots changent parfois de sens. Pour comprendre le document, regardez ce qu’il suppose déjà connu. Si l’action à effectuer est identifiée, les étapes relient un état initial à un résultat défini. Si l’opérateur doit encore identifier le problème, il lui faut d’abord des observations et des critères pour orienter la décision.
Une procédure peut être courte tout en étant complète. Elle indique quel système et quel environnement sont concernés, les accès nécessaires, qui assume la responsabilité et quels contrôles précèdent le changement. Elle décrit le résultat attendu et les conditions qui imposent de s’arrêter ou de contacter quelqu’un. Le message d’un outil qui s’est exécuté correctement et le retour du service pour les utilisateurs sont des observations différentes. La procédure précise laquelle doit être vérifiée à chaque étape.
Pourquoi c’est important
Pendant une interruption, la personne d’astreinte peut connaître l’application et découvrir l’outil dont elle a besoin pour la rétablir. Une bonne procédure lui évite de reconstituer la marche à suivre de mémoire. Elle lui permet de confirmer l’environnement et de reconnaître un résultat avant de passer à l’étape suivante. C’est particulièrement utile lorsque l’astreinte tourne ou que la remise en service mobilise plusieurs métiers.
Rédiger la procédure révèle les connaissances qui n’avaient jamais été formulées. Une personne peut penser que la copie est utilisable dès la fin de la tâche. Une autre découvre lors d’un essai qu’un accès distinct est nécessaire pour lire les données ou que le compte rendu ne mentionne pas les lignes ignorées. La procédure peut rendre ces distinctions visibles. Elle est aussi l’occasion de décider ce qui se prête à l’automatisation et ce qui doit encore être évalué selon la situation.
Une procédure devient obsolète lorsque les dépendances ou les habilitations changent. L’équipe peut placer le document à côté du code ou de la configuration qui définit l’opération et en confier le suivi à une personne. Demandez à une autre personne de rejouer la procédure, car elle rencontrera des obstacles que l’auteur ne voit plus. L’exercice peut également vérifier comment accéder aux étapes et en lire le résultat si le tableau de bord ou la connexion habituelle est indisponible.
À quoi cela ressemble en pratique
Imaginons un test régulier de restauration pour une base de données de rapports. La procédure indique le nom de la base, l’environnement isolé et le compte habilité à lire la sauvegarde puis à créer une base de test. Elle demande de vérifier l’origine et l’âge de la sauvegarde. Elle demande également de confirmer qu’aucune application de production ne vise l’environnement de test. L’opérateur relève l’identifiant de la copie et l’heure du début.
L’étape suivante indique l’outil de restauration et le journal où trouver sa sortie. Une fois l’opération terminée, l’opérateur exécute un rapport connu. Il compare quelques valeurs au résultat attendu et vérifie la date du dernier enregistrement récupéré. Une source inattendue, des lignes manquantes ou un rapport inutilisable imposent une pause et un contact nommé dans la procédure. Quand l’exercice est concluant, l’équipe relève la durée. Elle supprime également la copie temporaire et les accès réservés à l’exercice selon les étapes prévues.
Une collègue rejoue les premières étapes avec une sauvegarde volontairement plus ancienne que la plage admise. La différence doit être détectable avant le début de l’opération. La personne doit savoir où signaler ce qu’elle a constaté. L’auteur peut ensuite clarifier les étapes qui prêtaient à confusion. La durée observée fournit une indication sur le délai de reprise pour les conditions précises de l’exercice.
Le cas des sauvegardes qui ont fait l’objet de restaurations documente un travail de vérification de la restauration. Il illustre l’intérêt de vérifier ce qui peut être récupéré au-delà du succès de la sauvegarde elle-même. La base de rapports présentée ici est un scénario d’exercice.
L’exercice donne également un relevé utile sans reprendre les données des clients. Il peut situer le début de la mesure et nommer les contrôles. Si la copie s’ouvre mais que le rapport omet des lignes récentes, consignez les deux résultats. Ils éclairent des décisions différentes sur le prochain essai.
Où les problèmes surviennent
Les étapes supposent que les outils habituels sont disponibles. Si l’accès principal à la documentation ou aux données tombe en panne, il faut encore une manière autorisée de récupérer les instructions et de contrôler les prérequis. Testez ce chemin avant d’en avoir besoin.
La procédure indique les boutons et tait le résultat. Une mise à jour de l’interface rend vite une image ancienne difficile à suivre. Décrivez l’effet recherché, ce que l’opérateur observera et les écarts qui exigent un arrêt.
La même procédure sert à tous les symptômes. Un seul symptôme peut avoir différentes causes. Identifiez l’état qui justifie les étapes avant de les suivre. Une investigation permet d’établir ce point.
Seul l’auteur a testé la procédure. Proposez un exercice préparé à une autre personne. Demandez-lui où elle a dû deviner un nom, demander un accès ou inventer le résultat attendu. Ces observations donnent la priorité aux corrections les plus utiles.
Pour aller plus loin
- Recommandations d’AWS sur les runbooks — procédures prêtes à l’emploi, responsabilité et mise à jour.
- Recommandations d’AWS sur les playbooks — conduite d’une investigation avant le choix d’une procédure.
- Intervention d’urgence selon Google SRE — exercices et enseignements des interventions réelles.