L'entretien d'ingénieur SRE est l'hybride le plus étrange du recrutement tech : moitié ingénieur logiciel, moitié pompier de production, avec un statisticien planqué au fond. Vous allez écrire du code, déboguer sous pression de panne simulée un système que vous n'avez jamais vu, puis débattre du nombre de neuf dont un service a réellement besoin. Ce guide couvre les questions qui tombent vraiment en 2026 et la façon d'y répondre comme quelqu'un qui a porté un pager.
Ce que les entretiens SRE évaluent vraiment en 2026
Le recrutement en fiabilité a changé. Il y a cinq ans, on passait avec des questions pièges sur Linux et un exercice de complexité. Aujourd'hui, la barre, c'est votre capacité à raisonner sur la défaillance dans les systèmes distribués et à quantifier la fiabilité au lieu de rester dans le vague.
En 2026, vos interlocuteurs sondent quatre choses. Pensez-vous en SLI, SLO et budgets d'erreur, ou courez-vous encore après "100 pour cent de disponibilité" comme après une vertu ? Savez-vous déboguer méthodiquement un système en production sans contexte préalable, comme vous le feriez à 3h du matin ? Comprenez-vous les systèmes sous les abstractions (répartiteurs de charge, files, caches, consensus, relances, contre-pression) ? Et savez-vous opérer la stack moderne : Kubernetes, Terraform, pipelines d'observabilité, et l'outillage d'alerting et d'auto-remédiation assisté par IA devenu standard ces deux dernières années ?
La couche culturelle compte aussi plus que les candidats ne l'imaginent. Le comportement après incident, l'absence de blâme et votre façon d'équilibrer vélocité et fiabilité sont notés aussi durement que votre code : un ingénieur qui cherche un coupable ou qui gèlerait tous les déploiements après une mauvaise nuit échoue sur les valeurs, aussi propre que soit son bash.
Le processus d'entretien
La plupart des parcours SRE en 2026 comptent quatre à six étapes et diffèrent nettement d'un parcours d'ingénierie logicielle pure.
- Préqualification par le recruteur. Logistique, motivation, et "pourquoi SRE plutôt que backend ou plateforme ?". Ayez une vraie réponse.
- Entretien technique téléphonique. Du code à saveur systèmes plus quelques questions Linux, réseau ou dépannage. Certains le remplacent par un exercice de script : parser un log, calculer un taux, trouver l'anomalie.
- Épreuve de code. Les SRE codent toujours. Attendez-vous à un problème d'algorithmes de difficulté moyenne et, de plus en plus, à une tâche "écrivez un petit outil" : un limiteur de débit, un wrapper de backoff, ou du parsing de logs.
- Épreuve systèmes et dépannage. L'entretien SRE emblématique. On vous lâche dans un système cassé ou hypothétique et on vous demande de le diagnostiquer à voix haute, souvent sur un scénario en direct du type "la latence vient d'exploser, expliquez-moi".
- Conception de système orientée fiabilité. Concevoir pour des cibles explicites de disponibilité, de latence et d'échelle. C'est l'angle fiabilité (domaines de panne, rayon d'impact, marge de capacité) qui distingue cette épreuve d'un exercice de design générique.
- Épreuve comportementale et astreinte. Histoires d'incidents, conflits, et votre façon de vivre une astreinte, le tout au prisme de l'absence de blâme.
Google, Meta et les grandes boîtes donnent un poids fort à l'épreuve systèmes. Les startups compressent les étapes et misent sur le dépannage pratique et votre vraie expérience d'astreinte.
Les questions
Fondamentaux de fiabilité : SLO, budgets d'erreur et calculs
Quelle est la différence entre un SLI, un SLO et un SLA ? Comment l'aborder : le SLI est la mesure (les requêtes servies en moins de 300ms), le SLO est votre cible interne sur cette mesure, et le SLA est le contrat externe avec des conséquences. Gardez le SLO plus strict que le SLA pour être alerté tôt.
Un service a un SLO de disponibilité mensuelle de 99.9 pour cent. Combien d'indisponibilité cela autorise-t-il, et que faites-vous quand le budget est presque épuisé ? Comment l'aborder : faites le calcul à voix haute (99.9 pour cent d'environ 30 jours, ça fait à peu près 43 minutes par mois), puis précisez qu'un budget épuisé implique de geler les lancements risqués et de remettre la fiabilité en tête des priorités.
Comment choisiriez-vous un SLO pour un service tout neuf sans historique ? Comment l'aborder : partez du parcours utilisateur critique, fixez une cible prudente, mesurez le comportement réel pendant quelques semaines, puis resserrez. Un SLO que personne ne peut tenir apprend juste à tout le monde à ignorer les alertes.
Pourquoi viser 100 pour cent de disponibilité est-il en général un mauvais objectif ? Comment l'aborder : ça justifie rarement son coût et ça ne laisse aucune place pour livrer, et les utilisateurs ne font pas la différence avec 99.99 pour cent parce que leur propre réseau tombe plus souvent. C'est cet écart qui justifie les budgets d'erreur.
Réponse aux incidents et astreinte
Expliquez-moi comment vous piloteriez un incident majeur en tant qu'ingénieur d'astreinte. Comment l'aborder : évaluez la gravité, nommez un commandant d'incident et des rôles si c'est gros, communiquez aux parties prenantes, privilégiez l'atténuation sur la cause racine (arrêter l'hémorragie d'abord), puis menez un postmortem.
On vous réveille pour une latence élevée sur un service que vous n'avez jamais touché. Que faites-vous dans les cinq premières minutes ? Comment l'aborder : regardez les tableaux de bord et les alertes récentes, cherchez un déploiement ou un changement de configuration récent (le déclencheur habituel), vérifiez les dépendances amont et aval, et formez une hypothèse à partir des signaux en commentant votre arbre de décision. Ici, la méthode compte plus que la réponse.
Qu'est-ce qui fait un bon postmortem, et que veut vraiment dire "sans blâme" ? Comment l'aborder : un bon postmortem contient une chronologie, les facteurs contributifs, ce qui a bien marché, et des actions avec des responsables ; sans blâme veut dire traiter l'erreur humaine comme le symptôme d'une faille du système.
Comment réduisez-vous la fatigue d'alerte sur une astreinte bruyante ? Comment l'aborder : alertez sur les symptômes que les utilisateurs ressentent plutôt que sur chaque métrique, liez les réveils au taux de consommation du SLO, et supprimez les alertes qui ne débouchent jamais sur une action.
Débogage et internes des systèmes
Une machine Linux répond lentement. Comment trouvez-vous pourquoi ? Comment l'aborder : descendez ressource par ressource, le CPU (top, mpstat), la mémoire et le swap (free, vmstat), les entrées-sorties disque (iostat), le réseau, puis le processus, et regardez les logs et les changements récents. Nommer la méthode USE (utilisation, saturation, erreurs) signale de la maturité.
Des requêtes expirent par intermittence entre deux services. Comment isolez-vous la cause ? Comment l'aborder : localisez d'abord (toutes les requêtes ou une partie, une instance ou toutes), puis vérifiez l'épuisement du pool de connexions, le DNS, les tempêtes de relances, et une dépendance lente qui provoque des expirations en cascade que des disjoncteurs contiennent.
Que se passe-t-il, de bout en bout, quand vous tapez une URL et appuyez sur Entrée ? Comment l'aborder : couvrez la résolution DNS, les poignées de main TCP et TLS, la requête, le traitement par le répartiteur de charge et le serveur, puis le rendu, mais en SRE appuyez là où vit la fiabilité : les couches de cache, la réutilisation des connexions, et les sauts qui tombent le plus souvent.
Expliquez le thundering herd et comment vous l'éviteriez. Comment l'aborder : définissez-le (beaucoup de clients tapant en même temps sur une ressource après l'expiration d'un cache ou un redémarrage) et donnez des défenses concrètes : backoff avec jitter, fusion des requêtes identiques, et TTL de cache décalés.
Conception de systèmes orientée fiabilité
Concevez un système capable de servir 1 million de requêtes par seconde avec une cible de disponibilité de 99.95 pour cent. Comment l'aborder : énoncez d'abord les hypothèses et le SLO, puis concevez pour la panne (redondance entre zones de disponibilité, répartition de charge, cache, dégradation progressive). Le signal, c'est votre raisonnement sur le rayon d'impact et les points de défaillance uniques, pas seulement le chemin heureux.
Comment concevriez-vous un limiteur de débit global ? Comment l'aborder : clarifiez le périmètre (par utilisateur, par IP, global), puis discutez du token bucket contre la fenêtre glissante et de l'endroit où vit l'état (magasin partagé type Redis contre local avec synchronisation), en acceptant qu'une exactitude globale parfaite se paie en latence.
Comment déployez-vous en sécurité un changement risqué sur un service critique ? Comment l'aborder : utilisez la livraison progressive, un canari sur un petit pourcentage, surveillez les SLI et la consommation du budget d'erreur, et gardez un retour arrière rapide et testé qui s'interrompt automatiquement en cas de régression des métriques.
Les erreurs courantes qui coulent les candidats SRE
La plus grosse, c'est de traiter ça comme un entretien de code pur. De très bons codeurs échouent aux parcours SRE parce qu'ils ne savent pas déboguer à voix haute ni quantifier la disponibilité.
Juste derrière : courir après 100 pour cent de fiabilité. Dites que vous ne tolèreriez jamais la moindre indisponibilité et vous venez d'annoncer que vous n'avez compris ni les budgets d'erreur ni le coût du dernier neuf.
Troisièmement, déboguer au feeling. Redémarrer des services au hasard sans hypothèse passe pour de la panique ; on veut un arbre de décision calme et commenté, même si vous n'arrivez pas à la réponse.
Quatrièmement, le blâme. Toute histoire d'incident dont la morale est "un développeur a merdé" plutôt que "notre système a laissé une erreur atteindre la production" échoue sur le plan culturel dans toute boîte sérieuse.
Cinquièmement, rester abstrait. "J'ajouterais du monitoring" ne veut rien dire : nommez le signal, le seuil, et ce que dirait l'alerte.
Comment se préparer (et où un copilote en direct aide)
Bâtissez un plan par couches. Travaillez les calculs de fiabilité jusqu'à ce que la conversion disponibilité vers indisponibilité et le raisonnement par budget d'erreur deviennent automatiques, et relisez les chapitres sur la gestion des pannes du matériel SRE de Google pour l'appliquer, pas le réciter. Entraînez-vous à déboguer à voix haute, parce que la compétence évaluée est votre narration, pas une justesse silencieuse. Gardez le code affûté, et écrivez trois incidents réels sous forme de chronologie, sans blâme, avec ce que vous avez changé ensuite.
Les entretiens blancs révèlent les manques le plus vite, en particulier ce muscle du parler-en-réfléchissant qu'exigent les épreuves de dépannage. C'est aussi là qu'un copilote en direct gagne sa place. GhostPilot tourne dans le panneau latéral de Chrome pendant votre vrai entretien, écoute la conversation, et fait apparaître une trame structurée quand vous calez : la prochaine étape de débogage à vérifier, une conversion de SLO, ou le mode de défaillance que vous avez oublié dans une épreuve de design. Il garde votre raisonnement en mouvement quand le trac vous vide la tête, plutôt que de vous souffler un texte. Plus d'infos sur ghostpilotai.com.
FAQ
L'entretien SRE est-il plus dur qu'un entretien d'ingénierie logicielle ? Il est plus large plutôt que plus dur. Vous avez toujours du code, mais vous ajoutez le dépannage systèmes, les calculs de fiabilité et le comportement en incident, et c'est là que les ingénieurs logiciels préparés trop étroitement dérapent.
Les ingénieurs SRE doivent-ils encore passer des épreuves de code en 2026 ? Oui. Presque tous les parcours SRE comportent une épreuve de code, en général des algorithmes de difficulté moyenne plus une tâche d'outillage pratique. La différence avec un parcours purement logiciel, c'est que le code n'est qu'un pilier parmi plusieurs.
Comment répondre aux questions comportementales SRE sur les incidents ? Servez-vous d'une chronologie claire, concentrez-vous sur les causes systémiques plutôt que sur les personnes, et terminez par les améliorations concrètes que vous avez apportées. Le cadrage sans blâme est le signal qu'on écoute, donc ne laissez jamais l'histoire retomber sur quelqu'un.
Quelle est la meilleure façon de travailler l'épreuve de dépannage SRE ? Répétez le débogage à voix haute sur des scénarios de systèmes cassés simulés, en énonçant chaque hypothèse et le signal qui la confirmerait ou la tuerait. L'épreuve note la méthode et la communication, donc la narration bat la résolution silencieuse.
Essayez GhostPilot AI
Les entretiens SRE récompensent un raisonnement calme et structuré sous pression, et c'est exactement là qu'une trame discrète aide le plus. GhostPilot tourne dans le panneau latéral de Chrome et ne fait pas partie de la capture d'un onglet partagé, avec une application de bureau Windows optionnelle invisible à la capture d'écran sous Windows 10 (build 2004 ou plus récent) et Windows 11. Commencez gratuitement avec des sessions en direct de 10 minutes et des réponses IA illimitées, prenez un Session Pass à $29 (trois entretiens complets de deux heures, paiement unique, sans abonnement), ou passez à Pro à $59/mois ou $192/an ($16/mois en facturation annuelle).