Surveiller les intégrations : alerter sur le silence, pas seulement sur les erreurs

Une exception est journalisée, une alerte se déclenche, quelqu'un corrige le problème. Cette boucle fonctionne - pour les pannes suffisamment bruyantes pour s'annoncer elles-mêmes. Les pannes qui coûtent réellement de l'argent à nos clients sont les silencieuses : le fournisseur a discrètement changé une clé SFTP, l'export nocturne a produit un fichier valide avec zéro ligne, le consommateur de la file « tourne » mais ne traite rien.

Rien n'a échoué. Tout s'est arrêté.

Des métriques de flux plutôt que des contrôles de santé

Un contrôle de santé répond à « le processus est-il vivant ? ». La question qui compte est « le travail a-t-il eu lieu ? ». Le signal principal sur chaque intégration que nous exploitons est donc une métrique de flux - le nombre d'enregistrements par intervalle, comparé à ce que cet intervalle transporte normalement :

• Commandes synchronisées par heure, avec des références de base semaine/week-end - un dimanche calme est normal ; un mardi calme à 10 h 00 est un incident.
• Les arrivées de fichiers traitées comme des échéances, pas des événements : « le fichier de prix du partenaire X est dû avant 6 h 30 » - l'alerte se déclenche quand il n'arrive pas.
• Le décalage de bout en bout, mesuré depuis l'horodatage source jusqu'à la validation en destination, et non depuis l'entrée en file.

Le problème de la ligne zéro

Mention spéciale pour la panne silencieuse la plus courante que nous observons : une tâche planifiée qui réussit avec une sortie vide. En amont, un filtre a changé, un identifiant a perdu l'accès en lecture à une table, un bug dans la fenêtre de dates a tout exclu - et la tâche se termine avec un code 0, tout au vert.

Chaque extraction que nous livrons porte un plancher de plausibilité : la plus petite taille de sortie qui ait jamais été légitime pour cette tâche et ce contexte calendaire. En dessous de ce plancher, l'exécution est mise en attente et un humain est interrogé : « ceci a produit 0 ligne ; les 90 derniers mardis affichaient une moyenne de 4 200 - faut-il continuer ? ». Ce seul garde-fou a détecté plus d'incidents réels que toutes nos alertes d'exception réunies.

Le silence est un signal. Instrumentez-le délibérément, car il ne s'annoncera jamais de lui-même.