Toil : mesurer et éliminer
Identifier et quantifier le toil pour prioriser objectivement les chantiers d'automatisation.
À retenir
- Le toil est manuel, répétitif, automatisable, sans valeur durable et croît avec l'échelle.
- Toute tâche manuelle n'est pas du toil : l'investigation d'incident crée de la valeur.
- Prioriser l'automatisation selon fréquence, durée et risque d'erreur humaine.
- Automatiser une procédure défectueuse ne fait qu'accélérer ses erreurs.
Qu'est-ce que le toil ?
Le Google SRE Book définit le toil comme un travail opérationnel manuel, répétitif, automatisable, sans valeur durable et qui croît linéairement avec la taille du système. Un redémarrage manuel de service, une purge de logs à la main, une création de compte utilisateur suivant toujours la même procédure : autant de candidats naturels à l'automatisation.
Les cinq critères du toil
| Critère | Question à se poser |
|---|---|
| Manuel | Faut-il l'exécuter à la main ? |
| Répétitif | Se reproduit-il régulièrement, pas une fois isolée ? |
| Automatisable | Une machine pourrait-elle le faire aussi bien ? |
| Sans valeur durable | Le système est-il exactement dans le même état après ? |
| Linéaire avec la croissance | Le volume de travail augmente-t-il avec le nombre de services/clients ? |
Point clé
toutes les tâches manuelles ne sont pas du toil. Une investigation d'incident complexe est manuelle mais crée de la valeur (compréhension, décision) : ce n'est pas du toil, c'est du travail d'ingénierie.
Mesurer avant d'automatiser
Avant de se lancer dans un chantier d'automatisation, il faut quantifier le toil réel : temps passé par semaine, fréquence, nombre de personnes impactées. Google recommande de maintenir le toil sous 50 % du temps d'une équipe SRE ; au-delà, la capacité d'ingénierie diminue mécaniquement.
# Exemple simple de suivi de toil : extraction depuis un système de tickets
# Filtrer les tickets récurrents catégorisés "opération manuelle"
curl -s "https://tickets.internal/api/v1/issues?label=toil&since=2024-01-01" \
| jq -r '.issues[] | [.title, .time_spent_minutes] | @csv' \
> /tmp/toil-report.csv
Prioriser : fréquence × durée × risque d'erreur
Une tâche exécutée une fois par trimestre en 5 minutes n'a pas la même priorité qu'une tâche exécutée dix fois par jour en 3 minutes, même si le temps unitaire est comparable. Le risque d'erreur humaine (fatigue, exécution à 3h du matin) doit aussi pondérer la priorité : une tâche à fort impact en cas d'erreur mérite d'être automatisée même si elle est peu fréquente.
Attention
automatiser une mauvaise procédure la fige et l'accélère — elle produit les mêmes erreurs, mais plus vite et plus souvent. Il faut d'abord corriger le processus, puis l'automatiser.
Sur le terrain
Sur le terrain
dans une équipe d'exploitation qui gère des dizaines de clients, la création manuelle de comptes suivant une checklist de 12 étapes est un cas typique de toil à fort ROI : 15 minutes par création, plusieurs fois par semaine, avec un risque d'oubli d'une étape de sécurité (ex. rotation de mot de passe initial) directement proportionnel à la fatigue de l'opérateur.
Astuce
tenez un registre de toil partagé (feuille de calcul ou tableau de ticketing dédié) alimenté par l'équipe elle-même ; le simple fait de nommer et journaliser le toil en réduit souvent la tolérance collective avant même la première automatisation.