Site Reliability Expert Valtech · Montreal · Site Reliability not stated ago

À Valtech, vous trouverez un environnement propice à l’apprentissage continu, à l’impact concret et à la croissance professionnelle. Que vous développiez de nouvelles solutions digitales, remettiez en question les idées reçues ou construisiez la prochaine génération d’expériences client, votre travail contribuera à transformer les secteurs d'activité.

Noussommesfiersde:

• Notre travail etl'innovationque nousencourageons
• Nos valeurs: « share, dare, care »
• Une cultured'entreprisequifavoriselacréativité, ladiversitéetl'autonomie
• Notre structuremondialesansfrontières, quipermetunecollaborationfluide

La maîtrise de l'anglais est requise, car le rôle implique des communications régulières avec des clients et des collègues situés à l'extérieur du Québec.

Nous recherchons un(e)
Expert(e) en Fiabilité des Sites (SRE) expérimenté(e) pour piloter les initiatives d'observabilité, de fiabilité et d'excellence opérationnelle au sein d'environnements cloud natifs complexes. Ce rôle va bien au-delà de l'administration d'une plateforme d'observabilité et nécessite une solide expertise en Site Reliability Engineering (SRE), combinée à une expérience approfondie des opérations en production, de l'automatisation et des pratiques de fiabilité à grande échelle.

La personne idéale possède une expertise technique reconnue, est capable de définir des standards d'observabilité, d'accompagner les équipes produit et d'améliorer continuellement la fiabilité et la performance des plateformes.

• Définir et mettre en œuvre la stratégie d'observabilité ainsi que les standards et modèles de gouvernance associés.
• Concevoir, déployer et maintenir les solutions de surveillance, d'alerte et de visualisation à l'aide de Dynatrace ou d'outils équivalents.
• Mettre en place et promouvoir les meilleures pratiques SRE, notamment les SLI
  , SLO
  , Error Budgets et les mécanismes d'alerte basés sur les symptômes.
• Collaborer avec les équipes de développement et de produit afin d'améliorer la fiabilité, la performance et la résilience des systèmes.
• Définir les standards liés au tagging, à la gouvernance, à l'attribution des responsabilités, aux tableaux de bord et à la gestion des alertes.
• Accompagner et former les équipes n'ayant pas d'expertise spécifique en observabilité.
• Piloter des chantiers techniques, gérer les priorités et assurer la livraison des travaux dans les délais et budgets définis.
• Analyser et résoudre des incidents complexes dans des architectures distribuées basées sur des microservices.
• Promouvoir une culture d'amélioration continue, de documentation et d'excellence opérationnelle.
• Collaborer efficacement avec des équipes distribuées dans un contexte international.

• Expérience significative en Site Reliability Engineering (SRE) dans des environnements de production complexes.
• Solide maîtrise des concepts suivants :
  • Service Level Indicators (SLI)
  • Service Level Objectives (SLO)
  • Error Budgets
  • Alerting basé sur les symptômes
• Expertise démontrée avec une plateforme d'observabilité telle que :
  • Dynatrace
  • Datadog
  • New Relic
  • App Dynamics
• Expérience pratique avec :
  • Application Performance Monitoring (APM)
  • Real User Monitoring (RUM)
  • Instrumentation et agents de monitoring
  • Gestion des alertes
  • Contrôle d'accès basé sur les rôles (RBAC)
  • Gestion des SLO
  • Gouvernance et standards de tagging

• Bonne connaissance d'
  Open Telemetry (OTEL) et du traçage distribué.
• Expérience dans des architectures composables basées sur des microservices.
• Expérience pratique en environnement de production avec :
  • AWS
  • Kubernetes

• Expérience en automatisation d'infrastructure et d'opérations.
• Maîtrise de :
  • Terraform
  • Bash
  • Python
• Expérience…