Observabilité : SLO, dashboards, alerting

Pourquoi l’observabilité est un levier business

Sur e-commerce, 1% d’erreur checkout ou 300ms de latence en trop se traduit en perte directe.

L’observabilité doit protéger :

• le chiffre d’affaires,
• l’expérience utilisateur,
• la capacité à livrer.

Les 3 piliers

• Metrics : latence, erreurs, saturation.
• Logs : diagnostics.
• Traces : parcours bout en bout.

Démarrer par les parcours, pas par les composants

Parcours typiques :

• home → PDP → add to cart → checkout → paiement.

Définir SLO :

• p95 latence,
• taux d’erreur,
• taux d’échec paiement.

Dashboards recommandés

• “Business health” : conversion, échecs paiement, erreurs checkout.
• “SLO” par parcours.
• “Infra” : CPU/mem, DB, cache, queue.
• “Releases” : impact déploiements.

Alerting : symptom-based

• Alerter sur symptôme (SLO breach), pas sur métrique brute.
• Définir budgets d’erreur.
• Exclure les alertes non actionnables.

Démarrage recommandé (en 10 jours)

1. Choisir 2 parcours : checkout et search (ou PDP).
2. Définir les SLO : latence p95, taux d’erreur, taux d’échec paiement.
3. Mettre en place le tracing distribué (front → BFF → services → DB).
4. Construire 3 dashboards : business health, SLO, releases.
5. Mettre 5 alertes symptom-based et supprimer le bruit.

Exemples d’alertes utiles (symptom-based)

• SLO checkout en dépassement (p95 ou error rate)
• Taux d’échec paiement anormal (par PSP)
• Augmentation des timeouts sur un endpoint critique
• Saturation DB (latence + connexions) corrélée à baisse conversion

Runbooks et postmortems

• Runbooks courts : diagnostic → actions → escalade.
• Postmortem : causes, actions, owner, date.

Anti-patterns (observabilité qui ne sert à rien)

• Alertes sur CPU/ram sans lien avec le symptôme.
• Dashboards “infra only” sans métriques business.
• Absence de runbooks (on reçoit l’alerte, mais on ne sait pas quoi faire).

Checklist

• Parcours critiques définis
• SLO par parcours
• Tracing distribué activé
• Dashboards “business health”
• Alerting symptom-based
• Runbooks

Erreurs fréquentes

• Installer un outil de monitoring sans définir de SLO.
• Créer des dashboards que personne ne regarde.
• Alerter sur des métriques infra sans corrélation business.

FAQ

Par où commencer si on n’a rien ? Par les 2 parcours les plus critiques (checkout + search) et 5 alertes symptom-based. Pas besoin de tout couvrir au départ.

Datadog ou Grafana ? Les deux fonctionnent. Le choix dépend de votre contexte : Datadog est plus intégré (APM + logs + infra), Grafana + Prometheus donne plus de contrôle et coûte moins cher à l’échelle.