Alertes : le bon réglage entre silence et spam

Deux réglages se ressemblent et font des choses complètement différentes. La fréquence de vérification décide de la vitesse à laquelle un problème peut être repéré : c'est la question de l'intervalle. Ce qui transforme une vérification en notification décide si vous lirez encore ces notifications dans trois mois.

Cette page parle de la seconde, et c'est celle que l'on abandonne.

Les quatre réglages, et la valeur qui marche

Ces quatre lignes suffisent à régler la quasi-totalité du problème, et aucune ne demande de payer plus cher. Ce sont des cases à cocher, pas une fonctionnalité.

Le mode de défaillance n'est pas le manque d'alertes

Personne n'arrête de surveiller parce qu'il a raté quelque chose. On arrête parce que le téléphone a vibré onze fois pendant un week-end pour des problèmes qui se sont réglés tout seuls, et qu'au troisième week-end on balaie la notification sans la lire.

C'est à ce moment-là que la vraie panne arrive, et elle ressemble exactement aux dix précédentes.

Ce mécanisme mérite d'être nommé, parce qu'il est silencieux : une surveillance ne meurt jamais d'un coup, elle se dégrade en fond sonore. Le jour où elle cesse de servir, rien ne change à l'écran, et personne ne le décide.

Les quatre réglages, en détail

Confirmer avant d'alerter. Exiger deux ou trois échecs consécutifs plutôt qu'un seul. Une requête en échec est souvent un problème réseau passager ; le coût de l'attente est d'une ou deux minutes, et le bénéfice est que la plupart des fausses alertes ne vous parviennent jamais. C'est le réglage qui a le plus d'effet, et c'est celui qu'on oublie de chercher.

Vérifier depuis ailleurs avant de croire. Si un second point d'observation atteint encore le site, le problème est peut-être le chemin plutôt que le site. Tous les outils ne le proposent pas ; là où cela existe, cela supprime une catégorie entière de bruit, celle des incidents réseau régionaux qui ne vous concernent pas.

Envoyer l'avis de rétablissement. L'alerte qui dit que c'est revenu est celle qui referme la boucle. Sans elle, chaque notification laisse une question ouverte, et vous allez regarder à la main : c'est précisément l'habitude que vous vouliez remplacer. Le message de rétablissement doit porter la durée totale, qui est la seule information dont vous aurez besoin ensuite, notamment pour le rapport du mois.

Une notification par incident, pas par vérification. Si un site est tombé pendant six heures, c'est un problème. Douze rappels ne le réparent pas davantage. Un rappel unique après une heure d'indisponibilité continue est défendable ; un toutes les cinq minutes garantit qu'on coupera le canal.

Ce qui mérite une alerte, et ce qui n'en mérite pas

La question précède les réglages, et elle se tranche site par site.

Mérite une alerte immédiate : le site ne répond plus, il renvoie une erreur serveur, le certificat expire dans moins de sept jours, le nom de domaine ne résout plus.

Mérite un résumé quotidien : un ralentissement sans panne, une page secondaire en erreur, un certificat à trente jours, un lien cassé découvert par une exploration.

Ne mérite rien du tout : une vérification échouée isolée suivie d'un rétablissement immédiat, une redirection attendue, une maintenance planifiée que vous avez vous-même déclenchée.

Le test pratique, à appliquer sur chaque type d'événement : si cela arrive pendant que je déjeune, est-ce que je me lève ? Si la réponse est non, ce n'est pas une alerte, c'est une ligne dans un résumé.

Les canaux, et ce que chacun sait faire

L'email convient à tout ce qui peut attendre une heure. Il est consultable, archivable, et il ne réveille personne. C'est le canal par défaut, et pour la plupart des sites il est le seul nécessaire.

La messagerie d'équipe convient quand plusieurs personnes doivent voir la même chose. Attention au piège : un canal partagé où tout le monde voit l'alerte est un canal où personne ne la prend en charge. Si vous l'utilisez, nommez le responsable dans le message lui-même.

Le SMS et la notification poussée sont faits pour interrompre, et c'est leur seul usage légitime. Réservez-les à la poignée de sites où quelqu'un se lèverait vraiment, et n'y mettez jamais un résumé.

Qui reçoit quoi

Les alertes doivent aller à quelqu'un qui peut agir, et la liste doit être courte. Une notification envoyée à cinq personnes est une notification que personne ne prend en charge.

Pour les clients, la règle est plus stricte : n'envoyez que ce sur quoi ils peuvent faire quelque chose. Un client réveillé à trois heures qui vous appelle à neuf heures a reçu de l'angoisse, pas de l'information, et le rapport mensuel est le bon endroit pour tout le reste.

Dès que le parc dépasse quelques sites, cette question cesse d'être individuelle et devient une affaire de groupes : on règle par niveau de criticité, pas site par site, sans quoi la configuration devient elle-même impossible à tenir.

Sur le fait de couper la nuit

La vraie question n'est pas « est-ce que je veux être réveillé », c'est « est-ce que je me lèverais réellement pour réparer ? ».

Si la réponse est oui, alertez la nuit. Si c'est non, l'alerte est du bruit déguisé en sérieux : elle vous coûte du sommeil, ne change rien, et vous apprend à ignorer le canal.

Des sites différents méritent des réponses différentes, et c'est très bien : une boutique cliente un samedi et un outil interne ne sont pas la même chose. La panne, elle, arrivera de toute façon, et les quinze premières minutes se passent de la même manière à trois heures du matin qu'à neuf heures, à ceci près qu'à neuf heures vous êtes capable de les mener.

Le réglage qu'il faut revoir

Les règles d'alerte se dégradent. Un site ralentit, un seuil autrefois raisonnable se met à se déclencher chaque semaine, et personne ne l'ajuste : on apprend simplement à ignorer celui-là.

Une fois par trimestre, regardez ce qui s'est déclenché et posez une seule question sur chaque : est-ce que j'ai fait quelque chose ? Tout ce qui s'est déclenché sans rien changer est soit un seuil à corriger, soit une alerte à éteindre.

Deux chiffres suffisent à savoir où vous en êtes. La proportion d'alertes suivies d'une action devrait dépasser la moitié ; en dessous du quart, votre surveillance est en train de mourir. Et le délai entre l'alerte et la première action, qui mesure votre organisation plutôt que votre outil.

L'alerte de certificat mérite au passage un réglage à elle. Trente jours, sept jours, un jour : trois seuils, pas un rappel quotidien qui finit ignoré. Et le seuil de trente jours ne sert à rien si vous surveillez la tâche plutôt que la date, ce qui est la façon la plus courante de ne rien voir venir.

Une dernière chose vaut d'être vérifiée au même moment, et presque personne ne le fait : que les alertes partent encore. Un changement d'adresse, une clé d'envoi expirée, un filtre anti-spam trop zélé, et le canal se tait sans que rien ne le signale. C'est la même panne silencieuse que celle dont votre hébergeur ne vous préviendra pas, à ceci près qu'elle touche l'outil censé vous prévenir de tout le reste.