Trouvez votre prochaine offre d’emploi ou de mission freelance Site Reliability Engineering (SRE) à Lille

Structuration du Support : Définir et formaliser le schéma support (processus de traitement, matrices d'escalade, SLAs), formaliser la documentation de référence et former les équipes opérationnelles Gouvernance et Amélioration : Animer les rituels de suivi avec l'équipe et les partenaires pour prioriser les actions issues des post-mortems et les chantiers de fiabilité au sein du backlog produit. Pilotage de la stratégie Run : Définir et garantir les standards de support sur l'ensemble du périmètre. Assurer la tenue des SLAs/SLOs et la qualité de service globale. Incident & Problem Management : Implémenter des processus formels de gestion d'incidents. Mener des analyses de cause racine sur les problèmes récurrents pour proposer des améliorations structurelles. Observabilité & Monitoring : Concevoir et déployer une stratégie de monitoring avancée sur Datadog (Dashboards stratégiques, alerting proactif, SLI/SLO) pour anticiper les défaillances. Investigation Technique : Contribuer à la résolution de ticket support ou d’incident sur les problématiques complexes Animation & Coordination : Animer notre équipe, coordonner les relations avec les partenaires et assurer la communication lors des crises.

Delivery et configuration des composants techniques de la plateforme d'Observabilité Accompagnement des features teams dans l'implémentation de leur Observabilité Administration et integration des solutions Compétences techniques GCP - Confirmé - Important Observabilité (Datadog, Grafana, Centreon, Otel) - Confirmé - Important kubernetes - Confirmé - Important Pratiques DevOps (CI/CD, IaC, ...) - Confirmé - Important Connaissances linguistiques: Anglais Professionnel (Impératif) Description détaillée Vous êtes acteur dans la construction de la plateforme d'Observabilité composée de plusieurs solutions de monitoring/dashboarding/alerting, log management, APM pour des applications à la fois hébergées on Premise et dans le cloud. Vous maitrisez au moins des composants principaux de la plateforme: OpenTelemetry, Datadog, Grafana OSS (Loki, Mimir, Tempo, alloy), Centreon Votre mission : - Déploiement, parametrage et administration des composants de la plateforme d'Observabilité - Gestion des incidents/problèmes, industrialisation, et amélioration continue des outils qui composent la plateforme d'Observabilité - Accompagnement et conseils des utilisateurs sur les bonnes pratiques Observabilité et dans l'utilisation de la plateforme d'Observabilité de la collecte (logs, métriques, traces) à l'exploitation dans les backends. Vous aidez nos clients internes à améliorer la disponibilité et la performance de leurs applications (à l'international) - Rédactions de la documentation et des RUN books afin de diffuser la connaissance auprès des équipes techniques internes.

Traiter les incidents remontés par nos utilisateurs (PSS composant, SCM et PSS produit fini) via notre outil de ticketing SMAX (OpenText). Participer à l'analyse des causes racines des incidents détectés, en utilisant l’outil Jira pour remonter les bugs. Être acteur sur des tâches d’exploitation et de monitoring, nos échanges de données permettant d’alimenter la solution BlueYonder. Écrire et partager les procédures à l’équipe. Participer aux routines agiles dans un contexte international, maîtrisant l’anglais écrit et oral. Participer et réaliser des Tests de Non Régression de nos versions.

💼 Mission : Vous rejoignez une équipe transverse stratégique pour garantir l'excellence opérationnelle d'un écosystème digital majeur. En tant que SRE, votre rôle est d'apporter une expertise technique pointue pour scaler les services et soutenir les équipes Produit. Vos responsabilités principales : Ingénierie de la Fiabilité (SRE) : Piloter l'amélioration continue de la stabilité, de la performance et de la résilience de la plateforme. Culture SLO/SLI : Accompagner les squads produits dans la définition et le suivi de leurs indicateurs de service (Service Level Objectives/Indicators). Automatisation & Réduction du Toil : Identifier et déployer des outils (IaC) et scripts pour réduire les tâches répétitives et augmenter l'efficacité opérationnelle. Observabilité avancée : Renforcer le diagnostic proactif via la mise en place de métriques, logs et tracing pour anticiper les incidents. Expertise & Conseil : Assister les équipes dans l'adoption des meilleures pratiques (Infrastructure, Sécurité, Gestion des changements).