Senior SRE/DevOps Engineer — Paris, Remote 3 days/wk
Posted Updated
Description
Le Groupe Noveo, scale-up technologique à Paris, recrute un Senior Site Reliability Engineer (SRE) / DevOps pour fiabiliser et faire évoluer sa plateforme et son architecture. Vous travaillerez en autonomie sur l’observabilité, les déploiements sans interruption et la résilience du système.
Vous maîtrisez Node.js, MongoDB, AWS ECS/Fargate, Datadog et GitHub Actions, avec une excellente capacité à diagnostiquer les incidents et à améliorer les performances en production.
Approfondir l'observabilité de la plateforme à l'aide de Datadog. Mettre en place et exploiter des métriques avancées : consommation du heap V8, latence de l'event loop, erreurs de type OOM (Out of Memory) et temps d'exécution des handlers. Surveiller les files de messages, notamment la profondeur des dead letter queues. Améliorer l'instrumentation applicative, les alertes, les dashboards et les tests synthétiques. Identifier les problèmes de performance et de stabilité avant qu'ils n'affectent les utilisateurs. Concevoir et mettre en place des stratégies de déploiement sans interruption de service (zero-downtime deployment). Définir des standards de migration de bases de données en ligne, notamment selon l'approche expand/contract. Mettre en œuvre des mécanismes de feature flags et de déploiements progressifs (canary releases). Participer à l'amélioration des stratégies de déploiement blue/green sur AWS ECS. Standardiser les pratiques de déploiement afin de réduire les risques de régression et les interruptions de service. Identifier, analyser et prioriser les points de fragilité de l'architecture applicative et de l'infrastructure. Corriger les problèmes de résilience liés aux event listeners, aux mécanismes de reconnexion SSE, aux parcours de données et à la gestion des clés Redis. Mettre en place des mécanismes de protection tels que les circuit breakers, les garde-fous et les stratégies de reconnexion contrôlées. Améliorer la gestion des erreurs, la tolérance aux pannes et la stabilité des services. Définir des patterns techniques réutilisables afin de prévenir la réapparition des incidents. Structurer les pratiques de gestion des incidents et la rotation d'astreinte (on-call). Créer et maintenir des runbooks pour faciliter le diagnostic et la résolution des incidents. Définir des objectifs de fiabilité (SLO) et des budgets d'erreur (error budgets) adaptés aux flux métier critiques. Organiser les revues post-incident (postmortems) et identifier les actions correctives nécessaires. Développer une culture d'amélioration continue, fondée sur l'analyse des causes racines et la prévention des incidents. Améliorer les pipelines CI/CD avec GitHub Actions dans un environnement monorepo. Mettre en place des builds ciblés (affected-only builds) et optimiser les stratégies de cache. Intégrer des contrôles de sécurité automatisés dans les pipelines, notamment avec Semgrep. Contribuer à l'amélioration des pratiques de sécurité applicative et à la détection précoce des vulnérabilités. Accompagner la transition progressive du monolithe vers des services indépendants. 6 ans d'expérience minimum en SRE, Platform Engineering ou DevOps, idéalement chez un éditeur de logiciels ou dans une entreprise développant son propre produit. Solide expérience de Node.js en production, avec une bonne maîtrise de l'event loop, du heap V8 et du diagnostic des problèmes mémoire. Très bonne maîtrise de MongoDB à l'échelle : stratégies d'indexation, optimisation des aggregation pipelines, replica sets et migrations en ligne. Expérience concrète sur AWS ECS / Fargate et les workloads conteneurisés : health checks, task definitions et auto-scaling. Maîtrise de Datadog : métriques personnalisées, monitors, tests synthétiques et instrumentation APM. Expérience dans la conception et l'optimisation de pipelines CI/CD avec GitHub Actions, notamment dans un environnement monorepo. Expérience confirmée dans la gestion d'incidents de production, l'analyse des causes racines et la rédaction de postmortems. Capacité à travailler en autonomie, à prioriser les actions et à améliorer durablement la fiabilité d'une plateforme. Bon niveau d'anglais, à l'oral comme à l'écrit. Tickets restaurant 11€ par jour Mutuelle Alan prise en charge Remboursement transports 50% RTT 10 joursSkills
Sign in to read and join the discussion.