Comprendre les pannes cloud : causes, impact et prévention

Plus l'IT dépend des services cloud, plus vous êtes susceptible de subir des temps d'arrêt et des pertes de revenus dus à une panne cloud. Plus de 60 % des organisations utilisant le cloud public rapportent des pertes en 2022 dues à ces incidents, donc les pannes ne sont pas une occurrence rare que les entreprises sont peu susceptibles de rencontrer.

Mais les pannes sont-elles une raison suffisante pour quitter le cloud pour de bon ? Ou devriez-vous rester avec ce type d'infrastructure malgré le risque de temps d'arrêt occasionnel ?

Cet article passe en revue tout ce que vous devez savoir sur les pannes cloud. Nous décrivons leurs causes principales, examinons des statistiques révélatrices, montrons comment minimiser l'impact des temps d'arrêt cloud, et examinons les pannes les plus impactantes survenues ces dernières années.

Qu'est-ce qu'une panne cloud ?

Une panne cloud est une période pendant laquelle les services d'un fournisseur cloud sont indisponibles pour les utilisateurs finaux. L'infrastructure du vendeur tombe en panne (à cause d'un bug, d'une panne de courant, etc.), et les clients perdent l'accès aux actifs basés sur le cloud jusqu'à ce que le fournisseur corrige le problème.

Côté impact, il n'y a pas de différence entre un centre de données sur site qui tombe en panne et une panne cloud. Vous perdez l'accès aux actifs IT dans les deux cas, mais l'approche mains libres du cloud computing ajoute quelques considérations uniques :

• Les pannes cloud ont peu ou pas de visibilité sur l'échec, donc les utilisateurs ne savent généralement pas ce qui s'est mal passé.
• L'équipe du fournisseur est responsable de la correction de l'erreur, donc les clients ne participent pas au processus de récupération.
• Comme vous n'avez ni visibilité ni contrôle sur le problème, il n'y a aucun moyen de savoir quand les services seront de nouveau en ligne.

Comme avec le matériel local, il existe deux types de pannes cloud :

• Planifiées (généralement dues à une maintenance programmée).
• Non planifiées (surviennent quand le fournisseur rencontre une erreur inattendue et doit effectuer des mesures de restauration).

Des études récentes révèlent que les pannes non planifiées coûtent 35 % de plus que les temps d'arrêt planifiés (sur site et dans le cloud). La différence de prix existe parce que les incidents inattendus prennent plus de temps à identifier et à corriger — et plus une panne dure longtemps, plus les dégâts sont importants.

Comparée à l'infrastructure sur site, l'infrastructure basée sur le cloud entraîne des temps d'arrêt plus fréquents mais moins graves. Puisqu'aucun système d'hébergement ne fournit 100 % de disponibilité, les clients sont prêts à tolérer des pannes occasionnelles en échange des avantages du cloud computing. Cette volonté est également évidente dans la croissance du marché — le cloud représentera 14,2 % des dépenses IT mondiales totales en 2024 (contre 9,1 % en 2020).

Causes des pannes cloud

Les pannes cloud résultent de nombreuses causes, tant sous le contrôle du fournisseur qu'en dehors. Voici une liste des plus courantes :

• Panne de courant : Les problèmes liés à l'alimentation causent 43 % de toutes les pannes cloud avec un temps d'arrêt significatif et des pertes financières. Les pannes d'onduleurs (UPS) sont la cause numéro un des incidents d'alimentation.
• Cybersécurité : Les cyberattaques telles que le Déni de Service Distribué (DDoS) submergent les centres de données avec du trafic entrant. Dans ce cas, les utilisateurs finaux ne peuvent pas accéder au service via la même infrastructure réseau. D'autres menaces (comme les ransomwares ou une injection SQL) peuvent forcer le fournisseur à arrêter les services et à remédier au problème hors ligne.
• Erreur humaine : Une seule commande incorrecte ou une erreur de câblage peut faire tomber toute l'infrastructure IT. Les erreurs humaines causent à la fois des problèmes physiques et logiciels qui mènent aux pannes.
• Problèmes techniques : Les services cloud s'appuient sur un système complexe de matériel technique, donc une erreur qui parvient à rester sous le radar assez longtemps peut mener à une panne cloud.
• Bugs logiciels : Les dysfonctionnements et bugs sont courants dans les centres de données cloud. Les coupables habituels sont les bugs de format de données, bugs liés aux pannes, bugs de temporisation et bugs de valeurs constantes.
• Problèmes de réseau : Les problèmes associés à la communication réseau et aux partenaires télécom tiers sont une autre cause courante de pannes cloud.
• Maintenance : La maintenance programmée et les mises à niveau système mènent parfois à une panne, bien que les utilisateurs finaux en soient généralement informés à l'avance.
• Causes environnementales : Des événements tels que les ouragans, incendies, orages et séismes déclenchent également des temps d'arrêt cloud, soit en mettant l'installation en danger, soit en endommageant le réseau électrique de la région.
• Déploiements plus complexes : Des modèles de déploiement plus complexes (tels que hybride, distribué et multi-cloud) compliquent les opérations des centres de données, créant plus d'opportunités d'erreurs.

Que se passe-t-il quand le cloud tombe en panne ?

Dans le meilleur des cas, une panne cloud ne dure que quelques minutes et affecte un petit nombre d'utilisateurs ou de services. Dans le pire des cas, une panne paralyse l'activité d'un client pendant une demi-journée ou plus. Une entreprise perd l'accès à tous les actifs basés sur le cloud et reste coupée jusqu'à la fin de la panne.

Bien que menaçantes, les erreurs de fournisseurs tiers étaient la cause de « seulement » 7 % des pannes graves en 2021. Une panne grave doit impliquer un (ou plusieurs) des éléments suivants :

• Pertes financières significatives.
• Dommages à la réputation.
• Violations de conformité.
• Perte de vie.

Bien qu'il y ait des préoccupations plus pressantes (comme le montre le graphique ci-dessous), rappelez-vous que une minute moyenne de temps d'arrêt coûte 5 600 $ (ce chiffre par minute monte à 9 000 $ pour les entreprises). Si vous n'êtes pas préparé (c.-à-d., vous n'avez pas de sauvegardes de données, de reprise d'activité, etc.), une panne cloud pourrait arrêter votre service et causer des coups massifs à la ligne de fond.

Une entreprise qui ne garde qu'un petit segment d'opérations dans le cloud est moins vulnérable aux pannes. Par exemple, si vous n'hébergez que des emails dans le cloud, même une panne d'une journée n'est pas catastrophique. Vous pouvez attendre la fin de l'incident ou exécuter des applications avec une fonctionnalité réduite, une stratégie qui ne fonctionne pas si vous utilisez le cloud pour exécuter une plateforme IoT ou traiter des paiements.

Dans certains cas, une panne cloud mène à une perte de données permanente (la quantité de données perdues dépend de la fréquence des sauvegardes). De plus, les clients dans des industries strictes sont responsables d'amendes légales si une panne mène à une violation ou fuite de données, soyez donc prudent en décidant ce que vous gardez dans le stockage cloud.

Que peuvent faire les utilisateurs ?

Voici ce que font les entreprises pour atténuer l'impact des pannes cloud :

• Éliminer les points uniques de défaillance : Préparez une sauvegarde de chaque composant IT critique, soit dans une salle de serveurs sur site, soit chez un fournisseur secondaire. Si le cloud tombe en panne, vous effectuez un basculement (le processus de commutation vers un serveur de secours, composant matériel, réseau, etc.) pour assurer la continuité d'activité.
• Avoir un plan de contingence : Un plan de reprise d'activité décrit une stratégie étape par étape de ce que l'équipe fait en cas de panne. Ce plan fournit des instructions pour protéger les données, effectuer le basculement, assurer la continuité d'activité et restaurer les opérations. Une planification opportune pour une panne cloud évite de perdre du temps à évaluer la meilleure marche à suivre pendant le temps d'arrêt.
• Investir dans un SLA de disponibilité plus élevé : Si vos tâches critiques ne peuvent pas se permettre de longues pannes cloud, recherchez un Service Level Agreement (SLA) de disponibilité plus élevé, comme celui qui garantit 99,999 % de disponibilité (maximum 5,25 minutes de temps d'arrêt par an). Ces contrats sont plus chers, mais maintenir vos services en ligne devient une priorité plus grande pour le fournisseur cloud.
• Effectuer des sauvegardes de données régulières : Une sauvegarde garantit que votre équipe a un moyen de restaurer une version récente des fichiers si une panne cloud corrompt ou supprime une base de données. Idéalement, les sauvegardes doivent se produire automatiquement et entre une fois par heure et une fois par jour (selon la criticité).
• Détecter les pannes ASAP : Toute capacité de surveillance cloud supplémentaire que votre équipe met en place aide à identifier une panne en temps réel au lieu d'attendre la notification du fournisseur. Voici une liste des meilleurs outils de surveillance cloud pour améliorer la détection des temps d'arrêt et assurer un basculement opportun.

Plus grandes pannes cloud récentes

Les pannes cloud sont inévitables lors de l'utilisation du cloud, et même les fournisseurs les plus populaires (comme Azure, AWS et Google Cloud) ne sont pas immunisés contre les temps d'arrêt. Examinons certaines des pannes cloud les plus significatives de l'histoire récente.

Panne Azure (octobre 2021)

En octobre 2021, Microsoft Azure a subi une perturbation qui a mis hors service les services de machines virtuelles pendant six heures. Pendant la panne, de nombreux utilisateurs étaient incapables de déployer de nouvelles VMs ou de mettre à jour les extensions. Les opérations de gestion de service de base (telles que démarrer, créer et supprimer) entraînaient également des erreurs.

La cause de la panne cloud était l'incapacité des requêtes VM à récupérer les données de version requises d'un artefact. Un rapport post-récupération a révélé que l'erreur logicielle s'est produite lorsque Microsoft a migré l'une de ses architectures VM.

Panne Google Cloud (novembre 2021)

Google Cloud est tombé en panne pendant environ deux heures mi-novembre l'année dernière, affectant des entreprises comme :

• Home Depot.
• Snapchat.
• Etsy.
• Discord.
• Spotify.

Les sites web impactés affichaient des erreurs 404 lorsque les visiteurs essayaient d'y accéder. Google a rapporté que la cause de la panne cloud était un dysfonctionnement dans une configuration réseau responsable de l'équilibrage de charge.

Panne AWS (décembre 2021)

Une forte augmentation de l'activité de connexion a submergé les périphériques réseau dans l'une des installations phares d'AWS, affectant divers sites web et applications. Parmi les « victimes » les plus notables figuraient :

• Le site web d'Amazon.
• Prime Video.
• Netflix.
• IMDb.
• PlayStation Network.

Le problème du centre de données a causé une latence sévère au sein des réseaux AWS internes. Les applications clientes ont ressenti les effets d'ondulation, subissant des retards de trafic ou des arrêts totaux pendant environ sept heures.

Deux pannes IBM successives (janvier 2022)

Un problème avec l'infrastructure d'IBM a affecté les services cloud dans la région de Dallas pendant plus de cinq heures. L'équipe interne a résolu le problème mais a accidentellement causé un problème supplémentaire d'une heure avec le cloud privé virtuel. Le problème secondaire a affecté les utilisateurs à travers le monde, y compris les USA, le Japon, le Canada et l'Allemagne.

Panne AWS/Slack (février 2022)

Slack a subi une panne de ses ressources cloud AWS en février qui a empêché l'utilisation normale de la plateforme de communication pendant cinq heures. Plus de 11 000 utilisateurs signalés étaient incapables de :

• Envoyer ou recevoir des messages.
• Télécharger des fichiers.
• Rejoindre des canaux.
• Lancer l'application de bureau.

L'équipe de Slack n'a jamais partagé la raison derrière la panne cloud et a demandé à tous les utilisateurs affectés de redémarrer l'application et de vider leur cache après la récupération.

Panne iCloud (mars 2022)

Quinze services majeurs Apple sont tombés en panne pendant quatre heures en mars en raison d'une panne cloud, y compris :

• App Store.
• Apple Maps.
• Apple TV.

Les systèmes d'entreprise et de vente au détail d'Apple sont également tombés en panne. La société a révélé plus tard que la cause racine était un problème lié au système de noms de domaine (DNS) de l'entreprise.

Panne Google Cloud (mars 2022)

Le 8 mars 2022, les utilisateurs de Google Cloud ont subi des erreurs de service pendant deux heures et demie. Spotify et Discord étaient parmi ceux touchés par la panne.

Un changement dans le code du Traffic Director pour le traitement des configurations a causé l'erreur. Selon le rapport post-récupération, de mauvais changements de code ont négligé les migrations de format de données de configuration, donc la plateforme a inadvertamment supprimé la programmation de l'utilisateur.

Panne Atlassian (avril 2022)

La plus grande panne Atlassian de l'année a commencé le 5 avril et s'est terminée le 18 avril (bien que certains utilisateurs aient commencé à restaurer les services dès le 8 avril). La société a expliqué que la panne s'est produite en raison d'une communication d'équipe inadéquate et d'un plan de réponse aux incidents mal planifié.

Bien que cette panne cloud ait duré presque deux semaines pour certains utilisateurs, il n'y a eu aucun rapport de pertes significatives de données clients. Cependant, les utilisateurs des deux produits phares d'Atlassian, Trello et Jira, ont été affectés par le problème.

Panne Microsoft Azure (juin 2022)

Le 7 juin, les clients Azure ne pouvaient pas se connecter aux ressources hébergées dans la région East US 2 (principalement la Virginie). La panne a duré environ douze heures et n'a pas affecté les consommateurs s'appuyant sur une infrastructure redondante par zone. Les services compromis incluaient :

• Application Insights.
• Log Analytics.
• Managed Identity Service.
• Media Services.
• NetApp Files.

Le coupable était une oscillation soudaine de l'alimentation dans l'un des centres de données locaux, ce qui a provoqué l'arrêt des unités de traitement d'air (AHU).

Panne Cloudflare (juin 2022)

En juin, une panne accidentelle chez Cloudflare a causé des perturbations majeures qui ont duré une heure et demie, mettant hors service des sites populaires tels que :

• Discord.
• Shopify.
• Fitbit.
• Peloton.

Le vendeur basé à San Francisco a expliqué que le temps d'arrêt non planifié résultait d'un changement de configuration réseau dans 19 de ses centres de données.

Ne négligez pas la valeur de la planification des pannes cloud

Les exemples de pannes cloud ces dernières années envoient un message clair : même si le cloud change la donne en IT, la technologie n'est pas infaillible. Les entreprises qui se soucient des utilisateurs finaux et de la disponibilité des applications doivent être prêtes pour des temps d'arrêt occasionnels, ce qui fait de la sauvegarde et de la reprise d'activité (BDR) une partie intégrante de l'utilisation des ressources basées sur le cloud.