Qu'est-ce que l'observabilité et qui l'opère dans votre équipe

Diagramme de lignes avec les étiquettes Backend et SRE qui convergent vers le nœud Observability
Écrit par
Samori Bokoko Aparicio Suivre

VP of Engineering chez Shakers. Plus de quinze ans sur le terrain technique avant ce poste : développement logiciel, gestion des infrastructures et direction des équipes qui font tourner les deux. Il a dirigé des équipes techniques, fondé et géré ses propres entreprises, ce qui lui donne deux lectures de la même décision : celle de l'ingénierie et celle du business.

• ...

Une alerte de latence se déclenche en production. Le tableau de bord passe au rouge et personne ne sait pourquoi. La panne ne ressemble à aucune de celles pour lesquelles quelqu'un a configuré une alerte, alors l'équipe ouvre les logs à l'aveugle, teste des hypothèses et perd la matinée. C'est la limite du monitoring classique, et c'est précisément ce que règle l'observabilité.

La licence s'achète. La capacité à s'en servir, non. Ce guide sépare les deux, avec nos propres données sur le marché français.

L'observabilité est la capacité à comprendre l'état interne d'un système à partir des signaux qu'il émet : métriques, logs et traces. Le monitoring vous alerte sur ce que vous saviez déjà surveiller ; l'observabilité permet d'enquêter sur des pannes que personne n'avait anticipées. En France, elle apparaît rarement comme un poste à part entière : elle se répartit entre des rôles DevOps, SRE, plateforme et développement.

D'où vient l'observabilité et que signifie-t-elle en IT ?

L'observabilité est la propriété d'un système qui permet de déduire ce qui se passe à l'intérieur à partir de ce qu'il expose vers l'extérieur, ce qui revient, en logiciel, à pouvoir répondre à de nouvelles questions sur la production sans déployer de nouveau code uniquement pour y répondre.

Le terme n'est pas né dans l'IT. Rudolf Kalman l'a formalisé en 1960, en théorie du contrôle et aux côtés de son pendant conceptuel, la commandabilité, pour décrire dans quels cas l'état interne d'un système dynamique peut être reconstruit à partir de ses sorties mesurables, et l'ingénierie logicielle l'a emprunté des décennies plus tard avec la même idée de fond.

En pratique, tout tient en une question. Quelque chose tombe en panne d'une manière que personne n'avait prévue : pouvez-vous trouver la cause avec les données que vous collectez déjà ? Si oui, le système est observable. S'il faut ajouter des logs et attendre que cela se reproduise, il ne l'est pas.

Quelle différence entre observabilité et monitoring ?

Le monitoring surveille des conditions connues ; l'observabilité permet d'enquêter sur les inconnues. Elles ne s'opposent pas. L'une contient l'autre.

Dimension Monitoring Observabilité
Question à laquelle il répond Est-ce que quelque chose de connu est en panne ? Pourquoi ça tombe en panne, même si c'est nouveau ?
Point de départ Seuils et tableaux de bord définis à l'avance Des données avec assez de contexte pour explorer après coup
Contexte adapté Monolithes et systèmes stables Microservices et Kubernetes
Résultat typique Une alerte Un diagnostic

Plus le système est distribué, plus l'écart compte. Dans un monolithe, l'origine se trouve. Dans une architecture de dizaines de services sur Kubernetes, en revanche, une requête lente peut traverser huit services différents avant de renvoyer une erreur, et un tableau de bord défini à l'avance dit rarement dans lequel se sont perdues les secondes que l'utilisateur, lui, a bien remarquées.

Quels sont les signaux de l'observabilité ?

Il existe trois signaux classiques. Chacun répond à une question différente.

  • Métriques. Des valeurs numériques agrégées dans le temps, comme la latence, le taux d'erreur ou l'usage CPU. Elles coûtent peu à stocker et disent que quelque chose ne va pas, mais rarement pourquoi.
  • Logs. Des enregistrements d'événements horodatés. Le détail, au prix du volume.
  • Traces distribuées. Le parcours complet d'une requête à travers tous les services qu'elle touche : le signal le plus direct pour voir où le temps se perd dans des microservices.

Parler de « trois piliers » ne suffit plus, parce que les équipes qui exploitent des systèmes distribués en production depuis des années ajoutent à ces trois signaux les événements métier et le profilage continu des performances, et des techniques comme eBPF capturent des signaux depuis le noyau sans toucher à l'application. Ce qui fait la différence, ce n'est pas le nombre de signaux collectés. C'est leur corrélation : pouvoir passer d'une métrique anormale à la trace et au log de cette même requête.

Pourquoi OpenTelemetry est-il devenu le standard ?

OpenTelemetry est le standard ouvert pour instrumenter les applications et émettre métriques, logs et traces dans un format commun que la plupart des backends acceptent, directement ou via des exporters. Il est maintenu par la Cloud Native Computing Foundation.

Sa valeur est architecturale, et elle se voit le jour où un contrat avec un éditeur arrive à échéance et où l'équipe comprend que partir obligerait à reprendre chaque service. Auparavant, chaque plateforme commerciale livrait son propre agent et son propre format, si bien que changer d'éditeur imposait de réinstrumenter le code, alors qu'avec OpenTelemetry on instrumente une fois et changer de destination devient surtout une affaire de configuration du Collector et de ses exporters.

Quels outils composent une stack d'observabilité ?

Une stack compte quatre couches : instrumentation, collecte, stockage, et visualisation avec alerting. Le signal naît dans le code instrumenté, passe par un collecteur comme l'OpenTelemetry Collector, est stocké dans un backend et se consulte depuis des tableaux de bord et des alertes. Deux familles d'outils.

La stack open source associe en général Prometheus pour les métriques, Grafana pour la visualisation, Loki ou la stack ELK (Elasticsearch, Logstash et Kibana) pour les logs et Jaeger pour les traces, avec OpenTelemetry comme couche d'instrumentation. Pas de coût de licence. Mais du stockage, de la maintenance et des personnes.

Les plateformes commerciales, comme Datadog, Dynatrace, Splunk ou New Relic, réunissent les quatre couches dans un seul produit avec leurs propres agents, la détection automatique d'anomalies et du support, et facturent par hôte, par volume de données ingérées ou par utilisateur, de sorte que la facture dépend de la taille de l'infrastructure.

Qui opère l'observabilité dans une entreprise ?

En France, l'observabilité apparaît rarement comme un poste à part entière. Selon l'analyse de marché de Shakers, 2 516 offres tech publiées en France entre juin et novembre 2026 mentionnent au moins un outil d'observabilité. Seules 45 portent le mot dans leur intitulé.

Méthode : offres tech en France collectées par Shakers Market du 19 juin au 17 novembre 2026 qui citent dans l'intitulé ou la description un outil d'observabilité (Grafana, Prometheus, Datadog, Dynatrace, Splunk, OpenTelemetry, ELK ou Loki, entre autres), avec le terme vérifié dans le texte et sans compter deux fois une même entreprise et un même intitulé. Les intitulés de poste français n'étant pas normalisés, la répartition est présentée par famille de métiers. La mesure indique où apparaît la compétence, pas combien de postes l'exigent.

Le rôle DevOps, sous ses différentes appellations, arrive en tête, mais la demande déborde largement de ce périmètre.

Famille de métiers Offres
Cloud & DevOps 871
Software Engineering 577
Data & Analytics 196
Produit et management 187

Le même échantillon montre quelle stack est demandée : Grafana ou Prometheus apparaissent dans 1 505 offres, contre 1 079 qui demandent Datadog, Dynatrace ou Splunk (elles ne s'excluent pas : 319 citent les deux). L'écart est plus serré qu'en Espagne, où la même analyse trouve la stack open source devant de près de deux contre un.

Si l'observabilité se répartit entre les rôles, ce qu'il faut chercher n'est pas un intitulé mais une compétence : instrumenter avec OpenTelemetry, concevoir des métriques utiles et lire une trace sous pression, ce qui revient à passer d'une logique de rôles à une logique de compétences, et qui peut se trouver dans un rôle DevOps, SRE ou platform engineering, ou chez un développeur backend senior. La vérifier suppose de la voir appliquée à un système réel. Un CV ne suffit pas.

Comment mesurer si l'observabilité fonctionne ?

Avec des objectifs de service, pas avec le nombre de tableaux de bord. Un SLI est la donnée observée, par exemple le pourcentage de requêtes servies en moins de 300 millisecondes, et un SLO est l'objectif interne que l'équipe fixe sur cette donnée sur une fenêtre de temps, généralement plus exigeant que ce qui est promis contractuellement aux clients. Le budget d'erreur est la marge que laisse le SLO : si l'objectif est de 99,9 % sur 30 jours, les 0,1 % restants sont la défaillance que l'équipe peut consommer avant de geler les déploiements.

Le vrai test, c'est le temps de diagnostic : si, face à un incident que personne n'avait jamais vu, l'équipe trouve la cause avec les données dont elle dispose déjà, sans reproduire la panne ni déployer en urgence de nouvelles traces pendant que le client attend, l'observabilité fonctionne. Sinon, non.

Questions fréquentes sur l'observabilité

Quelle différence entre observabilité et monitoring ?

Le monitoring surveille des conditions définies à l'avance et alerte quand elles sont remplies. L'observabilité collecte des signaux avec assez de contexte pour enquêter sur des pannes que personne n'avait anticipées. Dans les systèmes distribués, avec de nombreux services enchaînés, le monitoring seul laisse inexpliquées les pannes que personne n'avait prévues.

Combien coûte la mise en place de l'observabilité ?

Cela dépend moins de l'outil que du volume de données et de qui l'opère. Les plateformes commerciales facturent par hôte, par données ingérées ou par utilisateur, donc le coût augmente avec l'infrastructure. La stack open source n'a pas de coût de licence, mais elle a un coût de stockage et de maintenance. Dans les deux cas, le poste le plus sous-estimé est le temps des personnes qui instrumentent et maintiennent le système.

Si nous avons déjà Datadog ou Dynatrace, faut-il autre chose ?

La licence couvre la collecte et la visualisation, pas la partie qui décide du résultat. Il faut toujours quelqu'un pour instrumenter votre propre code, choisir les métriques qui reflètent l'expérience utilisateur, définir des SLO et déboguer les traces quand quelque chose tombe en panne.

Qu'est-ce qu'OpenTelemetry ?

OpenTelemetry est le standard ouvert de la Cloud Native Computing Foundation pour instrumenter les applications et émettre métriques, logs et traces dans un format commun. Son avantage est la portabilité : on instrumente une fois et on peut envoyer les données vers Prometheus, Grafana, Datadog, Dynatrace ou une autre destination compatible sans réinstrumenter l'application.

Quelles compétences faut-il pour opérer l'observabilité ?

Il ne faut pas un poste portant ce nom, mais la compétence : instrumentation avec OpenTelemetry, conception de métriques et de SLO, et lecture de traces distribuées. Elle se trouve en général dans des rôles DevOps, SRE, plateforme ou backend senior. Selon l'analyse de marché de Shakers, sur 2 516 offres françaises qui citent ces outils, seules 45 portent le mot observabilité dans leur intitulé.

Comment l'observabilité aide-t-elle à réduire le MTTR ?

Le MTTR est le temps moyen nécessaire pour résoudre un incident. L'observabilité raccourcit surtout la phase de diagnostic : avec des signaux corrélés, l'équipe passe de l'alerte à la cause sans reproduire la panne.

L'observabilité ne s'achète pas en boîte. Elle se construit avec des signaux bien choisis, avec un standard comme OpenTelemetry qui évite de dépendre d'un seul éditeur et, surtout, avec des personnes capables de lire ce que le système leur dit. Vous avez la licence mais personne pour instrumenter le code ni définir les SLO ? C'est là que se situe le manque.

Shakers est la plateforme de talents tech certifiés en compétences technologiques et IA : des spécialistes qui collaborent avec votre équipe pendant que l'observabilité est conçue et instrumentée. Vous pouvez découvrir les spécialistes Site Reliability Engineer, Platform Engineer et DevOps Engineer qui collaborent avec Shakers.

Ressources liées