Plans de continuité et de reprise d’activité informatique
Dans le cadre de ma formation BTS SIO, j'ai étudié les stratégies de continuité et de reprise d'activité informatique, les notions de RPO/RTO, et les différences entre incidents mineurs et majeurs.
Lire la source originale (Référentiel BTS SIO)Compétences mobilisées
B1.1.2 — Exploiter des référentiels, normes et standards adoptés par le prestataire informatique
B1.1.4 — Vérifier les conditions de la continuité d’un service informatique
Qu’est-ce que la continuité de service informatique ?
La continuité de service désigne l’ensemble des mesures mises en place pour garantir que les services informatiques restent disponibles et fonctionnels, même en cas d’incident ou de perturbation. L’objectif est de minimiser les interruptions et de permettre une reprise rapide des activités.
Incidents mineurs : tolérance aux pannes et haute disponibilité
Un incident mineur a un impact limité et peut être résolu rapidement. Deux approches permettent d’assurer la continuité :
- La tolérance aux pannes : capacité d’un système à continuer de fonctionner malgré la défaillance d’un composant. Exemples : alimentation redondante, RAID sur les disques, cartes réseau en agrégation.
- La haute disponibilité : architecture avec redondance des serveurs en cluster. Si un hyperviseur tombe, les machines virtuelles redémarrent automatiquement sur un autre nœud du cluster.
Rappel sur le RAID
Le RAID (Redundant Array of Independent Disks) protège contre la perte d’un disque mais n’est pas une sauvegarde :
- RAID 0 : agrégation sans redondance, performances maximales mais aucune tolérance aux pannes.
- RAID 1 : miroir sur 2 disques, tolère la perte d’1 disque, capacité = 1 disque.
- RAID 5 : parité répartie sur minimum 3 disques, tolère la perte d’1 disque.
- RAID 6 : double parité, tolère la perte de 2 disques simultanément.
- RAID 10 : combinaison RAID 1 + RAID 0, performances et redondance, minimum 4 disques.
Incidents majeurs : PCI et PRI
Un incident majeur est un événement à fort impact touchant l’ensemble ou une grande partie de l’organisation (ransomware, incendie du datacenter, catastrophe naturelle). Les coûts peuvent être considérables : Saint-Gobain a subi 250 millions d’euros de pertes suite à NotPetya.
Deux plans sont mis en place pour y faire face :
- PCI (Plan de Continuité Informatique) : garantit la disponibilité continue des services même en cas de crise. Objectif : RTO et RPO = 0, le service ne s’interrompt jamais.
- PRI (Plan de Reprise Informatique) : décrit les actions pour restaurer les systèmes après une interruption majeure. Tolère un RTO et RPO > 0.
RPO et RTO
Ces deux indicateurs sont fondamentaux pour définir les exigences de continuité :
- RPO (Recovery Point Objective) ou PDMA : quantifie la perte de données maximale admissible. Exprimé en durée (ex : 4 heures), il définit jusqu’à quel point dans le passé on peut revenir en cas d’incident. Plus le RPO est faible, plus les sauvegardes doivent être fréquentes.
- RTO (Recovery Time Objective) ou DMIA : définit la durée maximale d’interruption admissible. Il se calcule en additionnant le temps de détection, de décision, de mise en œuvre des procédures de secours et de contrôle du système. Plus le RTO est faible, plus l’infrastructure de secours doit être réactive.
Le Plan de Gestion de Crise (PGC)
Le PGC regroupe l’ensemble des processus et mesures à prendre avant, pendant et après une crise majeure. Il comprend notamment la cellule de crise, les procédures de communication, les procédures de bascule vers le site de secours et les procédures de retour à la normale.
Ce que j’ai appris
La continuité de service est un enjeu stratégique pour toute organisation. En tant que développeur SLAM, je dois concevoir des applications en tenant compte de ces contraintes : prévoir des mécanismes de reprise, documenter les procédures de déploiement et de restauration, et dimensionner correctement les infrastructures. Un développeur qui ignore ces notions livre des applications fragiles en production.