Toil management¶

Identifier, mesurer et éliminer le toil pour récupérer du temps d'engineering a valeur ajoutee.

Définition du toil selon le SRE Book¶

Le toil (Google SRE Book) désigne le travail opérationnel qui présente toutes les caractéristiques suivantes :

Une tâche qui n'a qu'une ou deux de ces caractéristiques n'est pas necessairement du toil. C'est la combinaison qui définit le problème.

Identifier le toil¶

Exemples concrets¶

Arbre de décision¶

graph TD
    A["Cette tache est-elle manuelle ?"] -->|Non| Z["Pas du toil"]
    A -->|Oui| B["Se repete-t-elle regulierement ?"]
    B -->|Non| Z
    B -->|Oui| C["Pourrait-elle etre automatisee ?"]
    C -->|Non| Z
    C -->|Oui| D["Laisse-t-elle une valeur durable ?"]
    D -->|Oui| Z
    D -->|Non| E["TOIL — a eliminer"]

Mesurer le toil¶

Méthodes de mesure¶

• Time tracking hebdomadaire : chaque membre categorise ses activités en toil / engineering / projets
• Tagging des tickets : labelliser les tickets JIRA/GitLab avec toil pour compter automatiquement
• Revue d'astreinte : analyser le journal on-call pour identifier les interventions repetitives

Tableau de suivi¶

Le budget 50% engineering¶

Le SRE Book etablit une règle fondamentale : les SRE ne doivent pas consacrer plus de 50% de leur temps au toil. L'autre moitie doit aller a des projets d'engineering qui améliorent les systèmes de façon durable.

Pourquoi ce seuil¶

• Au-dessus de 50%, l'équipe n'a plus le temps de réduire la dette opérationnelle
• Le toil croit avec le système : sans investissement continu, il dépassé toujours la capacité
• Les ingénieurs qui ne font que du toil se demotivent et quittent l'équipe

Si le seuil est dépassé¶

• Escalader aupres du management avec les chiffres (pas des impressions)
• Negocier un "toil sprint" pour automatiser les 3-5 tâches les plus coutieuses
• Envisager une réduction temporaire de périmètre si les ressources ne suivent pas

Éliminer le toil¶

Priorisation : fréquence x temps x risque¶

Calculer un score de priorité pour chaque tâche de toil :

Score = frequence_mensuelle × duree_unitaire_heures × facteur_risque

Le facteur risque est 1 (faible), 2 (moyen) ou 3 (critique selon impact incident).

Avant / après : exemples d'élimination¶