Amazon Web Services (AWS) s’est excusé auprès de ses clients suite à une importante panne survenue lundi, qui a mis hors service certaines des plus grandes plateformes au monde.
Des sites comme Snapchat, Reddit et Lloyds Bank faisaient partie des plus de 1 000 services touchés par ces problèmes issus des opérations du géant du cloud dans le Virginia, aux États-Unis, le 20 octobre.
Dans un compte rendu détaillé de ce qui a causé cette panne, Amazon a expliqué qu’elle était due à des erreurs empêchant ses systèmes internes de relier les sites web aux adresses IP utilisées pour les localiser.
« Nous nous excusons pour l’impact que cet événement a eu sur nos clients », a déclaré l’entreprise.
« Nous savons à quel point nos services sont essentiels pour nos clients, leurs applications, leurs utilisateurs finaux et leurs entreprises. Cet événement a eu des conséquences significatives pour de nombreux clients. »
Alors que de nombreuses plateformes comme les jeux en ligne Roblox et Fortnite étaient de nouveau opérationnelles quelques heures après la panne, certains services ont subi des interruptions prolongées.
Le cas de Lloyds Bank est illustratif, avec des clients rencontrant des problèmes jusqu’en milieu d’après-midi, sans compter l’application de paiement américaine Venmo et le site de médias sociaux Reddit.
La panne a eu des conséquences étendues, allant même jusqu’à perturber le sommeil de certains propriétaires de lits intelligents.
Eight Sleep, fabricant de « pods » de sommeil dotés de réglages de température et d’inclinaison nécessitant une connexion Internet, a déclaré qu’il allait travailler à rendre ses matelas « résilients face aux pannes » après que certains d’entre eux aient surchauffé ou se soient retrouvés bloqués en position inclinée.
De nombreux experts soulignent que cet incident illustre la dépendance croissante de la technologie à la domination d’Amazon dans le secteur du cloud computing, un marché largement dominé par AWS et Microsoft Azure.
La société a aussi précisé qu’elle « fera tout son possible » pour tirer des leçons de cet événement et améliorer sa disponibilité.
Dans son résumé détaillé de la panne de lundi, Amazon a indiqué que celle-ci était due à un problème dans la région US-EAST-1, son plus grand cluster de centres de données alimentant une grande partie de l’Internet.
Des processus critiques dans la base de données de la région, qui stocke et gère les enregistrements du système de noms de domaine (DNS), permettant aux ordinateurs de comprendre les URL des sites web, ont en fait été déréglés.
Selon Amazon, cela a déclenché une « condition de course latente » – autrement dit, un bug dormant qui pouvait survenir dans une séquence d’événements peu probable.
Le retard dans un processus, qui, selon Amazon, s’est produit dans la nuit de lundi, a eu un effet en chaîne provoquant un dysfonctionnement de ses systèmes.
La plupart de ces processus sont automatisés, ce qui signifie qu’ils sont exécutés sans intervention humaine.
Dr Junade Ali, ingénieur logiciel et membre de l’Institut de l’ingénierie et de la technologie, a déclaré à la BBC que l’automatisation défaillante était au cœur des problèmes d’Amazon.
« La raison technique précise est qu’une automatisation défectueuse a rompu les systèmes de « carnet d’adresses » internes sur lesquels cette région s’appuie », a-t-il expliqué.
« Ainsi, ils n’ont pas pu trouver l’un des autres systèmes clés. »
Comme d’autres, Dr Ali estime qu’il est crucial pour les entreprises de renforcer leur résilience et de diversifier leurs fournisseurs de services cloud, « afin de pouvoir basculer vers d’autres centres de données et fournisseurs lorsque l’un d’eux n’est pas disponible ».
« Dans ce cas, ceux qui avaient un point de défaillance unique dans cette région d’Amazon étaient susceptibles d’être mis hors ligne », a-t-il conclu.
Bon à Savoir
- La cyber-dépendance souligne la nécessité d’une diversification des services technologiques.
- Les entreprises doivent anticiper et se préparer à des pannes systémiques pour limiter leurs impacts.
- Le contrôle et la maintenance des systèmes automatisés restent des priorités pour une meilleure fiabilité.
- Les incidents de ce type interroge la centralisation des services dans un nombre restreint de fournisseurs.
La situation met en lumière une réflexion plus profonde sur la fiabilité des infrastructures technologiques. À l’ère du numérique, il est essentiel de considérer non seulement les bénéfices immédiats de la centralisation, mais aussi les risques associés. La résilience d’un système repose sur sa capacité à s’adapter et à se diversifier pour naviguer dans un environnement en constante évolution. Il serait sage de se demander si la recherche de la simplification ne devrait pas être contrebalancée par une stratégie d’adaptabilité robuste. Comment les entreprises pourront-elles innover leurs pratiques tout en assurant la continuité de leurs opérations face à de tels défis ?