Nous recherchons un(e) Expert(e) Site Reliability Engineering (SRE) pour rejoindre une entreprise technologique québécoise reconnue développant et hébergeant des solutions logicielles complexes utilisées par des clients à grande échelle.
Tu joueras un rôle clé dans la disponibilité, la performance et la résilience des environnements de production. Le poste combine expertise Cloud, observabilité, automatisation, gestion d’incidents et amélioration continue des plateformes.
Tu interviendras également comme expert technique de niveau 3 sur les problématiques complexes liées aux environnements et aux processus de livraison.
Tes responsabilités
- Surveiller et améliorer la disponibilité, la performance et la résilience des environnements de production.
- Définir et faire évoluer les SLI/SLO, métriques, tableaux de bord et mécanismes d’alertes.
- Diagnostiquer et résoudre des incidents complexes en production.
- Réaliser des analyses de causes profondes (Root Cause Analysis / RCA) et transformer les apprentissages en améliorations durables.
- Automatiser les opérations récurrentes afin de réduire les interventions manuelles et les risques d’erreur.
- Développer des outils et scripts pour améliorer l’efficacité et la fiabilité des opérations.
- Participer à la gestion de la capacité des environnements.
- Contribuer aux stratégies de sauvegarde, restauration, haute disponibilité et reprise après sinistre.
- Agir comme expert de niveau 3 auprès des équipes techniques sur les problématiques complexes de déploiement et de livraison.
- Collaborer avec les équipes Développement, Cloud, Plateforme, Infrastructure, DBA/DBRE, Architecture et Sécurité.
- Maintenir la documentation technique et les runbooks à jour.
- Participer à l’amélioration continue des pratiques SRE et des environnements de production.
Profil recherché
- 10 ans et plus d’expérience en SRE, Cloud Operations, DevOps, infrastructure ou dans un rôle technique similaire.
- Solide expérience avec Microsoft Azure.
- Bonne compréhension des concepts Cloud liés au réseau, à l’identité et à la sécurité.
- Expérience importante en observabilité et monitoring.
- Expérience avec Grafana ou des outils d’observabilité similaires.
- Bonne maîtrise des métriques, logs, alertes et monitoring de production.
- Expérience dans la mise en place et le suivi de SLI/SLO.
- Solide expérience en diagnostic et résolution d’incidents complexes dans des environnements de production.
- Expérience en automatisation et scripting.
- Bonne compréhension des concepts de résilience, haute disponibilité, sauvegarde, restauration et Disaster Recovery.
- Capacité à travailler avec plusieurs équipes techniques dans des environnements complexes.
- Excellente capacité à communiquer clairement pendant des incidents critiques.
- Autonomie, rigueur et capacité à prioriser efficacement les interventions.
Atouts
- Expérience dans un environnement SaaS ou d’hébergement de solutions logicielles.
- Expérience concrète avec les pratiques Site Reliability Engineering.
- Expertise avec Grafana ou une plateforme d’observabilité comparable.
- Expérience avec les processus et outils de déploiement et de livraison de logiciels.
- Expérience dans des environnements où coexistent des solutions Cloud et auto-hébergées chez les clients.
Environnement
- Entreprise technologique établie avec des produits logiciels complexes.
- Environnement Cloud Azure et production à grande échelle.
- Collaboration étroite entre les équipes SRE, Cloud, développement, architecture, sécurité et bases de données.
- Environnement de travail flexible et hybride.
- Possibilités de formation et de développement professionnel.