Site Reliability Engineer (SRE) F/H

Numspot recrute un·e Senior Site Reliability Engineer (SRE) pour fiabiliser et faire monter en puissance l’ensemble des services managés PaaS de sa plateforme cloud souveraine. Le rôle est au cœur de l’industrialisation : disponibilité, performance, et capacité à diagnostiquer rapidement des situations complexes en production.

Votre mission : définir, mettre en place et faire vivre les pratiques, l’outillage et les automatismes qui permettent aux équipes Engineering de livrer des services managés stables, observables et opérables, avec des objectifs de fiabilité mesurés.

Pourquoi maintenant : l’offre PaaS s’enrichit et se déploie. Pour tenir la trajectoire, la fiabilité doit être traitée comme un produit, avec des standards (SLI/SLO), des signaux (métriques, logs, traces) et des boucles d’amélioration continue. Le rôle implique également d’apporter une vision SRE mature et de contribuer à la montée en maturité des pratiques de l’équipe.

L’équipe et le rôle

Vous travaillez au sein du département Engineering, en équipe avec les SRE, au contact direct des équipes de développement et des équipes en charge de l’exploitation. L’équipe Services Managés porte des services PaaS (dont Kubernetes et des bases de données managées) qui doivent être simples à consommer et robustes en production.

Dans ce rôle, vous intervenez à la fois sur le terrain (incidents, troubleshooting, amélioration de la production) et sur la structure (observabilité, automatisation, SLO, standards d’exploitation). Vous aidez à transformer des problèmes récurrents en actions concrètes : instrumentation, amélioration d’un runbook, automatisation d’une opération, ou durcissement d’une configuration.

Par votre expérience, vous contribuez également à diffuser les bonnes pratiques SRE, à structurer les approches d’exploitation et à accompagner les équipes sur les enjeux de fiabilité et d’opérabilité.

Ce que vous ferez / Vos missions

L’objectif est de rendre les services managés plus fiables et plus faciles à opérer.

Fondations SRE (SLI/SLO, qualité de service)

• Définir, formaliser et suivre les SLIs/SLOs des services managés, avec des alertes alignées sur l’impact.
• Mettre en place et animer des routines de revue de fiabilité (incidents, dette d’exploitation, actions priorisées).

Observabilité & diagnostic

• Implémenter et faire évoluer l’observabilité (métriques, logs, traces) et les tableaux de bord.
• Améliorer la capacité de diagnostic : signaux exploitables, corrélation, réduction du MTTR.

Automatisation & opérations

• Automatiser les déploiements et les opérations via IaC et GitOps.
• Concevoir et maintenir l’infrastructure des services managés PaaS, en gardant une approche reproductible et documentée.
• Optimiser les performances et les coûts d’infrastructure, avec des mesures et des arbitrages explicites.

Gestion d’incidents & amélioration continue

• Gérer les incidents (on-call si applicable), conduire des post-mortems factuels et transformer les conclusions en actions concrètes.
• Travailler avec les équipes de développement pour améliorer la reliability (patterns, limites, garde-fous, tests de résilience).
• Contribuer à la diffusion des bonnes pratiques de fiabilité et à l’amélioration continue des standards d’exploitation., À 1 mois
• Comprendre l’architecture des services managés PaaS, les dépendances critiques, et les flux d’exploitation.
• Cartographier les points de fragilité (incidents récents, alertes non actionnables, angles morts d’observabilité).
• Livrer des améliorations prioritaires (dashboards, alerting, runbooks, automatisation ciblée).

À 3 mois

• Prendre en charge un périmètre de fiabilité (SLO + alerting + plan d’amélioration) sur un ou plusieurs services.
• Diminuer les alertes non actionnables et améliorer la qualité des signaux.
• Contribuer à durcir les déploiements (GitOps/IaC) et à standardiser les pratiques d’exploitation.

À 6 mois

• Être autonome sur la gestion d’incidents majeurs et l’amélioration continue associée.
• Piloter des chantiers structurants (observabilité de bout en bout, résilience, capacity planning, optimisation coûts).
• Co-construire la roadmap fiabilité avec Engineering et Produit, en liant enjeux et métriques.

Vous disposez d’une expérience significative en SRE/DevOps en production sur des systèmes distribués et êtes à l’aise pour intervenir sur des environnements Kubernetes et des services managés. Vous savez arbitrer entre une correction immédiate et une amélioration durable, avec une approche pragmatique orientée fiabilité et amélioration continue.

Vous êtes capable de prendre du recul sur les problématiques d’exploitation, de structurer les pratiques et de documenter ce qui rend les services plus simples à opérer pour l’ensemble de l’équipe. Vous appréciez le travail en transverse et savez partager vos connaissances ainsi qu’accompagner les équipes sur les enjeux de production et de fiabilité., * Solide expérience de Kubernetes en production : administration, troubleshooting, compréhension des composants et des problématiques d’exploitation.

• Expérience des cloud providers et/ou des environnements Kubernetes sur infrastructure bare metal.
• Maîtrise des outils d’observabilité : Prometheus, Grafana, Loki, Tempo, OpenTelemetry.
• Maîtrise des pratiques Infrastructure as Code : Terraform, Ansible, Helm.
• Expérience des pipelines CI/CD et des déploiements GitOps : GitLab CI, ArgoCD.
• Solides compétences en scripting et automatisation : Go, Python et/ou Bash.
• Expérience autour des bases de données managées (PostgreSQL, MongoDB, etc.).
• Bonnes connaissances des problématiques de stockage distribué et des réseaux.
• Capacité à diagnostiquer des incidents complexes et à transformer les enseignements en améliorations durables.
• Culture SRE forte : observabilité, automatisation, fiabilité et amélioration continue.

Atouts

• Certification CKA/CKS.
• Expérience sur des services managés (PaaS, DBaaS, KaaS…).
• Connaissance des exigences HDS / SecNumCloud.
• Background DevOps/SRE sur plateforme PaaS., * Autonomie et proactivité : Capacité à travailler sans supervision directe tout en identifiant les axes d’amélioration.
• Esprit critique : Être force de proposition sur les choix technologiques et organisationnels.
• Collaboration efficace : Aptitude à collaborer avec des profils variés, en favorisant la cohésion et le partage de connaissances.
• Communication claire : Expliquer des concepts complexes de manière simple et accessible., * L’humilité : Nous privilégions les leaders capables de reconnaître la valeur des contributions des autres et de continuer à apprendre, peu importe leur expérience.
• La solidarité : Nous encourageons un esprit d’entraide et de coopération entre les équipes, car nous croyons que le succès collectif surpasse les réalisations individuelles.
• L’impact : Vous avez une passion pour développer des solutions qui répondent non seulement aux besoins des utilisateurs, mais qui contribuent également à la défense de l’intérêt général et impactent positivement la société.
• L’amélioration continue : Vous êtes curieux(se) et toujours en quête d’innovation, que ce soit pour vous-même ou pour le produit.