Site Reliability Engineer - Observability Engineer Secteur Énergie H/F Nexton

NEXTON recrute un Site Reliability Engineer / Observability Engineer H/F, en CDI, à Paris !

Ton futur environnement de travail :

Tu interviens sur des environnements cloud complexes et multi-plateformes (AWS, Azure), avec des enjeux élevés de disponibilité, de performance et de continuité de service.
Ton rôle est central : détecter avant l'incident, comprendre pendant, restaurer vite après, et améliorer en continu.

Ici, tu construis des systèmes capables d'absorber les chocs.

Tes missions :

Observabilité & Monitoring

- Tu définis et implémentes des mécanismes avancés de monitoring et d'alerting couvrant l'ensemble de la chaîne applicative : front-end, backend, ETL, qualité de données et connectivité.
- Tu mets en oeuvre des solutions d'observabilité sur AWS, Azure et Google Cloud en exploitant Prometheus, CloudWatch, Azure Monitor, Application Insights, Log Analytics et Google Cloud Observability.
- Tu utilises Grafana et PromQL pour concevoir des dashboards exploitables et orientés incident.
- Tu participes à l'implémentation d'OpenTelemetry pour standardiser la collecte des métriques, logs et traces.

Résilience & Continuité de Service

- Tu contribues à la résilience des applications en implémentant et testant des mécanismes de sauvegarde et de restauration sur les bases de données, data lakes et stockages objets.
- Tu maîtrises et exploites les mécanismes natifs de sauvegarde AWS et Azure pour garantir la protection des données.
- Tu définis, mets en place et testes des Disaster Recovery Plans, incluant les pipelines de déploiement, les restaurations et les scénarios de reprise.

Chaos Engineering & Resiliency Testing

- Tu conçois et implémentes des scénarios de Chaos Engineering sur les environnements de production, afin de tester la robustesse réelle des systèmes.
- Tu mets en oeuvre des stratégies de resiliency testing pour identifier les points de rupture et renforcer l'architecture.

Gestion des Incidents & AIOps

- Tu travailles à l'optimisation de la gestion des incidents pour réduire le MTTR, en améliorant la détection, la notification et l'analyse des incidents.
- Tu mets en place des solutions d'AIOps pour renforcer l'observabilité, automatiser l'analyse des dysfonctionnements et améliorer la résolution des pannes.
- Tu implémentes et exploites des agents IA capables d'identifier des axes d'amélioration de la fiabilité et de contribuer à la résolution proactive des incidents.

Culture SRE & Collaboration

- Tu participes activement à la promotion des bonnes pratiques SRE auprès des squads produit, des projets IT et des équipes data.
- Tu contribues à l'amélioration continue de la fiabilité des produits en accompagnant les équipes sur les sujets d'architecture, d'exploitation et de résilience.