InfraNestInfraNest
Monitoring

On-call

On-call est une pratique opérationnelle dans laquelle un ingénieur ou une équipe désignée est joignable et tenue de répondre aux alertes de production dans une fenêtre de temps définie lorsqu'un système de surveillance détecte un incident.

On-call est un modèle d'effectifs et de réponse aux incidents dans lequel un ingénieur ou un membre de l'équipe est en permanence pendant une plage horaire planifiée pour répondre aux incidents de production déclenchés par la surveillance automatisée. Lorsqu'un système de surveillance détecte un problème—comme une défaillance de contrôle de santé, une pic de latence ou un dépassement de seuil—une alerte est acheminée vers un outil de pagination (par exemple PagerDuty, Opsgenie) via webhook, e-mail ou SNMP, qui notifie ensuite le principal répondant on-call par SMS, appel téléphonique ou notification d'application.

Si le répondant principal ne reconnaît pas l'alerte dans la fenêtre SLA définie (généralement 5 à 15 minutes), une politique d'escalade page automatiquement un répondant secondaire ou de secours. Les rotations sont planifiées—souvent hebdomadairement ou quotidiennement—pour assurer une couverture continue dans toute l'équipe.

Fonctionnement :

  1. Le système de surveillance évalue les métriques par rapport aux seuils (par ex. utilisation du disque > 90%)
  2. L'alerte se déclenche et envoie un webhook à la plateforme de planification on-call
  3. L'outil de pagination notifie immédiatement l'ingénieur on-call
  4. L'ingénieur reconnaît et commence l'investigation
  5. Si aucune reconnaissance dans le SLA, l'outil esclade vers le prochain répondant

Exemple de flux d'alerte : Prometheus Alertmanager détecte un taux d'erreur élevé → envoie un webhook à PagerDuty → appelle le SRE on-call principal → le on-call secondaire est pagé s'il n'y a pas de réponse en 10 minutes.

WarningLa fatigue d'alerte est un piège courant : des seuils d'alerte trop larges ou bruyants provoquent des appels fréquents non actionnables, ce qui pousse les répondants à ignorer ou retarder l'accusé de réception des véritables incidents, dégradant le délai moyen de récupération (MTTR). L'ajustement des seuils et l'affinement des règles d'alerte sont essentiels.

Les rotations on-call sont essentielles à la résilience opérationnelle et sont souvent associées à des runbooks, des pages de statut et des objectifs SLA d'incident.

Guides qui utilisent ce terme

Termes associés

Les nouveaux articles, directement dans votre boîte mail

Je souhaite recevoir par e-mail les nouveautés produit et les nouveaux articles d’InfraNest. Je peux me désabonner à tout moment. Politique de confidentialité

Prêt en quelques secondes

Réunissez toute votre infrastructure dans un tableau de bord moderne.

Offre gratuite · Sans carte bancaire · Configuré en quelques minutes