Site Reliability Engineer (SRE) | Senior | (H/F)

join the sircle; Paris; Hybrid; EUR 65,000 - 90,000; Full time

Job summary

join the sircle recherche un Site Reliability Engineer pour garantir la stabilité des services et piloter les incidents, en transformant les constats de production en améliorations durables et mesurables.

Le candidat travaillera en étroite collaboration avec les équipes techniques pour définir et mettre en œuvre une stratégie d’observabilité et de résilience, tout en automatisant les processus et en renforçant l’outillage SRE interne.

Qualifications

• Expérience confirmée en exploitation et SRE en environnements distribués.
• Connaissances approfondies d Azure, observabilité et redondance.
• Maîtrise de Datadog, Terraform et scripts d’automatisation PowerShell.

Responsibilities

• Fiabiliser la plateforme en production via supervision (métriques, logs, traces) et alerting pertinents.
• Piloter les incidents majeurs et favoriser les retours d’expérience post-incident.
• Concevoir et maintenir des outils internes SRE et automatiser les tâches répétitives.
• Industrialiser les process et quantifier les bénéfices (volume, temps, incidents prévenus).
• Collaborer avec les équipes techniques et fournisseurs pour améliorer l’observabilité et la résilience.

Skills

Explploitation et SRE

Observabilité et résilience

Gestion d incidents

Autonomie et capacité d’initiative

Communication en crise

Curiosité technique

Tools

Azure

Datadog

Terraform

PowerShell

Job description

Au sein d'un environnement cloud et applicatif critique, nous recherchons un(e) Site Reliability Engineer pour rejoindre une plateforme orientée fiabilité, observabilité et performance opérationnelle.

Votre mission : garantir la stabilité des services en production, piloter la gestion des incidents et piloter l'amélioration continue des pratiques opérationnelles, en transformant les constats de production en améliorations concrètes et durables. Vous serez un acteur clé de la fiabilité de la plateforme, en collaboration étroite avec les équipes techniques, pour définir et mettre en œuvre une stratégie d'observabilité et de résilience alignée sur les enjeux métiers.

Missions Principales

Fiabilité, observabilité et pilotage

• Faire vivre la supervision de la plateforme : métriques, logs, traces et vérifications automatisées ; lever les zones non couvertes.
• Mettre en place et piloter les engagements de niveau de service (SLI/SLO) en cohérence avec les attentes techniques et métier.
• Produire des reportings opérationnels exploitables par les équipes ; fiabiliser le paramétrage des alertes pour n'alerter que sur l'essentiel.

Gestion des incidents et amélioration continue

• Être mobilisé sur les crises significatives : qualification, évaluation du périmètre impacté, orchestration technique et retour à la normale.
• Nourrir les retours d'expérience et les revues post-incident dans un cadre constructif ; vérifier dans la durée que les actions décidées portent leurs fruits.
• Renforcer les capacités de détection, fiabiliser les procédures de reprise et les documents d'exploitation.

Automatisation et engineering

• Construire et maintenir l'outillage interne SRE ; approcher la supervision sous l'angle du code versionné.
• Alléger la charge opérationnelle récurrente : éliminer ce qui n'apporte pas de valeur, puis industrialiser le reste.
• Quantifier les bénéfices obtenus : volume, temps passé, sollicitations et incidents prévenus ; conserver un contrôle humain sur les opérations sensibles.

Dépendances externes et fournisseurs

• Suivre la bonne santé des prestataires externes, mettre en place les reportings dédiés et détecter leurs dysfonctionnements.
• Évaluer les conséquences pour les usages métier et documenter objectivement les éléments utiles au dialogue avec les fournisseurs.

Collaboration, transmission et efficacité

• Epauler les équipes, prendre part aux points d'architecture et avancer des pistes pour rendre la plateforme plus robuste et exploitable.
• Diffuser la culture SRE, capitaliser la documentation, animer des sessions de partage et rendre les équipes plus autonomes.
• Participer à l'optimisation du budget d'observabilité : pertinence des données remontées, volumétrie, durées de conservation et usages superflus.

Profil recherché

• Environnements distribués en production : expérience significative en exploitation, cloud ou SRE ; aptitude à qualifier des incidents et à cartographier les interdépendances entre composants.
• Azure : mise en oeuvre de services en conditions réelles et bonne perception des enjeux de continuité, de supervision et de diagnostic.
• Datadog : usage courant des métriques, logs, traces/APM, dashboards et règles d'alerting.
• Terraform : savoir faire vivre du code d'infrastructure versionné et auditer les évolutions avant déploiement.
• PowerShell et automatisation : écriture de scripts pérennes, traitement des cas d'erreur et dialogue avec des API.
• Culture SRE : maîtrise des SLI/SLO, de l'alerting, des retours post-incident et de la simplification des tâches répétitives.
• IA en appui du quotidien technique : exploitation réelle pour le scripting, l'investigation ou la rédaction ; contrôle systématique des sorties et respect de la confidentialité.
• Communication : pédagogie en contexte de crise et capacité à transmettre les pratiques SRE à des publics variés.
• Autonomie : sens des responsabilités et posture proactive au quotidien.
• Rigueur : démarche analytique, sens de l'organisation et arbitrage des priorités.
• Curiosité technique : esprit d'équipe, entraide et capacité à faire aboutir des propositions.

Expérience

• Un parcours confirmé en exploitation, cloud ou SRE sur des plateformes en production.
• Une pratique de la réponse aux incidents en environnements distribués.
• Des illustrations concrètes d'industrialisation et de recours à l'IA en contexte professionnel.