Observabilité : logs, métriques et traces, à quoi sert chacun

Par Hamza Mechtaly · · 3 min de lecture

Les quatre signaux à surveiller, des logs structurés, des traces avec OpenTelemetry et des alertes basées sur les SLO : comment je rends une application observable.

Observabilité : logs, métriques et traces

Une application en production qui a un problème pose toujours la même question : que se passe-t-il, et où ? La supervision classique répond « le serveur est en vie, le disque n’est pas plein ». L’observabilité va plus loin : elle permet de comprendre un comportement qu’on n’avait pas prévu. Elle repose sur trois types de données, qui ne servent pas à la même chose.

Les métriques : savoir qu’il y a un problème

Les métriques sont des nombres dans le temps : requêtes par seconde, temps de réponse, taux d’erreur, mémoire utilisée. Elles sont légères, faciles à agréger et parfaites pour les tableaux de bord et les alertes.

Pour une application, je commence toujours par les quatre signaux popularisés par les équipes SRE de Google :

  1. la latence : combien de temps prennent les requêtes, en séparant celles qui réussissent de celles qui échouent ;
  2. le trafic : combien de requêtes arrivent ;
  3. les erreurs : quelle proportion échoue ;
  4. la saturation : à quel point la ressource la plus limitée est pleine (pool de connexions, file d’attente, CPU).

En Java, Micrometer expose tout ça en quelques lignes, et Spring Boot Actuator le fait presque sans configuration. Prometheus collecte, Grafana affiche.

Les logs : comprendre ce qui s’est passé

Les logs racontent les événements, un par un. Leur défaut : en texte libre, on ne peut ni les filtrer ni les agréger correctement. Je les écris donc structurés, en JSON, avec des champs fixes :

{"timestamp":"2026-11-11T09:14:03Z","level":"ERROR","service":"facturation",
 "trace_id":"4bf92f3577b34da6a3ce929d0e0e4736","user_id":"u-1842",
 "message":"Échec de génération de la facture","invoice_id":"F-2026-0912"}

Deux règles en plus : on ne loggue jamais de données sensibles (mots de passe, numéros de carte, données de santé), et on choisit le niveau avec soin. Si tout est en ERROR, plus rien ne l’est.

Les traces : voir où passe le temps

Une trace suit une requête à travers tous les composants qu’elle traverse : le front, l’API, la base, le service de paiement. Chaque étape est un span avec sa durée. Quand une page met trois secondes, la trace montre immédiatement si c’est la base, un appel externe ou le code.

OpenTelemetry est devenu le standard pour ça. L’agent Java instrumente automatiquement les frameworks courants (Spring, JDBC, clients HTTP, Kafka) :

java -javaagent:opentelemetry-javaagent.jar \
     -Dotel.service.name=facturation \
     -Dotel.exporter.otlp.endpoint=http://otel-collector:4317 \
     -jar app.jar

Les données partent vers Jaeger, Tempo, Elastic ou un APM commercial comme Dynatrace, qui sait aussi les recevoir.

Relier les trois

Le vrai gain arrive quand les trois signaux sont reliés. L’identifiant de trace (trace_id) est écrit dans chaque ligne de log : depuis une alerte sur une métrique, on ouvre une trace lente, et depuis cette trace on lit exactement les logs de cette requête-là. Sans cet identifiant commun, on passe son temps à recouper des horodatages.

Des alertes qui réveillent pour de bonnes raisons

Alerter sur « CPU à 80 % » réveille souvent quelqu’un pour rien. Je préfère partir d’un objectif de niveau de service (SLO), formulé du point de vue de l’utilisateur : « 99,5 % des requêtes réussissent en moins de 500 ms sur 30 jours ». On alerte quand on consomme trop vite la marge d’erreur que cet objectif autorise. Une alerte doit appeler une action ; si personne ne sait quoi faire en la recevant, elle n’a rien à faire là.

Par où commencer

Si rien n’est en place : des logs JSON avec un identifiant de requête, les quatre signaux en métriques, et un seul tableau de bord par service. Les traces viennent ensuite, et c’est souvent là qu’on comprend enfin pourquoi l’application est lente le lundi matin.

À lire aussi