Senior SRE

La Société Noveo:

Le Groupe Noveo, société en croissance et acteur majeur dans le développement de solutions innovantes, accompagne ses Clients Grands Comptes, PME et Startups dans la transformation et la mise en œuvre de leurs systèmes d'informations et solutions digitales.

Le Groupe Noveo, société en croissance et acteur majeur dans le développement de solutions innovantes, accompagne ses Clients Grands Comptes, PME et Startups dans la transformation et la mise en œuvre de leurs systèmes d'informations et solutions digitales.
Groupe international, s'appuyant sur une équipe de plus de 1000 ingénieurs, et fort de plus de 20 ans d'expérience dans le développement de systèmes complexes, le Groupe Noveo se positionne au cœur de la convergence des SI et des solutions numériques et digitales.
https://noveogroup.com/

Contexte :

Notre client est une scale-up technologique B2B basée à Paris, en forte croissance et positionnée parmi les acteurs de référence de son marché en Europe. Sa plateforme met en relation des entreprises avec un large réseau de prestataires et automatise une grande partie de leurs opérations.
Soutenue par des fonds d'investissement internationaux de premier plan, l'entreprise dispose d'une activité internationale et place l'innovation technologique au cœur de sa stratégie.
Dans un contexte de croissance et de transformation de son architecture technique, notre client souhaite renforcer la fiabilité, la résilience et la performance de sa plateforme.
L'environnement technique repose notamment sur NestJS, MongoDB et GraphQL, au sein d'un monorepo. La plateforme traite des transactions financières pour des clients grands comptes dans plusieurs pays.
L'équipe Engineering travaille actuellement à l'extraction de services API depuis le monolithe, à l'intégration de nouvelles équipes de développement et à l'amélioration des pratiques de fiabilité à la suite d'un incident de production majeur.
Nous recherchons un Senior Site Reliability Engineer (SRE) / DevOps capable de structurer les pratiques, les outils et la culture nécessaires pour faire de la fiabilité une composante essentielle du développement et de l'exploitation de la plateforme.
Il s'agit d'un poste d'expert technique individuel (Individual Contributor), rattaché au VP Engineering, avec une forte autonomie et un impact direct sur l'ensemble de l'équipe Engineering.

Vos missions :

• 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.

Fiabilisation des déploiements

• 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.

Resilience Engineering

• 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.

Gestion des incidents et culture SRE

• 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.

CI/CD et sécurité

• Améli