Aller au contenu
Encyclopédie informatique Édition 2026

La haute disponibilité

Un service informatique est utile tant qu’il répond. Or toute machine finit par tomber en panne, tout logiciel contient des défauts, et toute personne se trompe un jour. La haute disponibilité est l’ensemble des moyens qui permettent à un service de continuer à répondre malgré ces pannes inévitables : dupliquer ce qui est critique, répartir le travail, détecter la panne vite, basculer sans que l’utilisateur ne s’en aperçoive. Cet article explique le vocabulaire (défaillance, disponibilité, fiabilité), comment on exprime la disponibilité en « neuf » et ce que cela représente en minutes d’arrêt, d’où viennent les pannes, comment fonctionnent la redondance, les clusters et l’équilibrage de charge, pourquoi une sauvegarde n’est pas une redondance, comment on calcule la disponibilité d’un ensemble, et comment on conçoit un système qui accepte la panne plutôt que de la nier. Il corrige quelques erreurs courantes et traite des risques de sécurité propres à ces dispositifs.

Rubrique
Cloud et virtualisation
Niveau
Intermédiaire
Lecture
38 min (essentiel)
41 min (complet)
Révision
4 novembre 2026
Niveau de lecture :

En bref

  • La disponibilité est la part du temps où le service fonctionne ; elle s’exprime en « neuf » : 99,9 % laisse environ 8 heures 45 minutes d’arrêt par an, 99,99 % environ 53 minutes.
  • On ne peut pas empêcher les pannes ; on les tolère en dupliquant les éléments critiques (redondance) et en détectant vite la panne pour basculer sur l’élément de secours.
  • Le calcul est simple : des éléments en série dégradent la disponibilité (chaque maillon compte), des éléments en parallèle l’améliorent, à condition que leurs pannes soient indépendantes.
  • Un répartiteur de charge distribue le travail entre plusieurs serveurs et écarte ceux qui ne répondent plus ; un cluster fait coopérer plusieurs machines comme une seule.
  • La redondance ne remplace pas la sauvegarde : une erreur de manipulation ou un virus est recopié partout, et seul un retour à une copie ancienne et isolée répare.

Prérequis conseillés : Le cloud computing

1Pourquoi les pannes sont inévitables

Un fabricant de disques durs peut annoncer qu’un disque fonctionne en moyenne plusieurs centaines de milliers d’heures avant de tomber en panne. Cela ne veut pas dire qu’il ne tombera jamais en panne : cela veut dire que sur un grand nombre de disques, quelques-uns tomberont chaque jour. Un centre de données de quelques dizaines de milliers de disques (voir le centre de données) en voit tomber plusieurs par semaine. De même, les alimentations électriques claquent, les câbles réseau se débranchent, les logiciels ont des défauts, les mises à jour se passent mal, les personnes se trompent de commande. On le dit sans détour : il est « impossible d’empêcher totalement les pannes ». La seule attitude raisonnable est donc de construire des systèmes qui continuent à fonctionner malgré les pannes.

C’est l’objet de la haute disponibilité (en anglais high availability, souvent abrégé « HA »). On la définit comme « toutes les dispositions visant à garantir la disponibilité d’un service, c’est-à-dire assurer le bon fonctionnement d’un service 24 heures sur 24 ». Cette formule est un peu ambitieuse : aucun service n’est garanti à 100 %. On vise plutôt un niveau précis, chiffré, et l’on choisit les moyens correspondants.

1.1La sûreté de fonctionnement

La haute disponibilité est un chapitre d’une discipline plus large, la sûreté de fonctionnement (en anglais dependability), qui étudie ce qui permet de faire confiance à un système. On le dit ainsi : « quel que soit le service rendu par un système informatique, il est essentiel que les utilisateurs aient confiance en son fonctionnement ». La sûreté de fonctionnement regroupe plusieurs qualités : la disponibilité (le service répond quand on en a besoin), la fiabilité (il fonctionne sans interruption pendant une durée donnée), la maintenabilité (on le répare vite), la sécurité-innocuité (il ne provoque pas de catastrophe) et, dans l’informatique moderne, l’intégrité et la confidentialité des données (voir l’introduction à la sécurité).

1.2Faute, erreur, défaillance

Trois mots, souvent confondus, décrivent trois étapes d’une panne. On les distingue ainsi :

  • une faute est la cause initiale : un défaut de fabrication d’un composant, une ligne de code erronée, une mauvaise configuration, une erreur humaine ;
  • une erreur est l’état anormal qui en résulte à l’intérieur du système : une valeur fausse en mémoire, un processus bloqué, un secteur de disque illisible. On la décrit comme « un dysfonctionnement local » ; toutes les erreurs ne conduisent pas nécessairement à une défaillance ;
  • une défaillance est le moment où le service rendu à l’utilisateur n’est plus conforme à ce qui était attendu, c’est-à-dire « non conforme aux spécifications » : le site ne répond plus, ou répond faux.

Du point de vue de l’utilisateur, un service n’a que deux états : service approprié (il répond comme prévu) ou service inapproprié. Le but de la sûreté de fonctionnement est d’empêcher qu’une faute n’entraîne une défaillance, en arrêtant la chaîne à l’étape de l’erreur : si une erreur est détectée et corrigée ou masquée avant d’atteindre l’utilisateur, il n’y a pas de défaillance. Un disque qui tombe en panne (faute) dans un ensemble RAID (voir le RAID) provoque une erreur (un disque manquant) mais pas de défaillance : les données restent lisibles grâce aux autres disques.

1.3Le plan de l’article

La partie 2 définit les mesures (figure 1), la partie 3 recense les origines des pannes, la partie 4 les quatre moyens de lutte. La partie 5 présente la redondance et la tolérance aux pannes (figure 2), la partie 6 le calcul de la disponibilité d’un ensemble (figure 3). Les parties 7 et 8 traitent de l’équilibrage de charge et des clusters, la partie 9 des données, la partie 10 des sites distants, la partie 11 de la conception d’un système qui accepte la panne. La partie 12 évoque les coûts, la partie 13 ce qui a changé depuis une quinzaine d’années, la partie 14 propose sept exercices.

2Mesurer : disponibilité, fiabilité et durée de réparation

2.1La disponibilité

La disponibilité d’un service est la probabilité qu’il soit en bon état de fonctionnement à un instant donné. En pratique, on la mesure en rapportant le temps pendant lequel le service a fonctionné au temps total observé. Elle s’exprime en pourcentage : un service disponible 99,9 % du temps est en panne 0,1 % du temps. Pour avoir une idée concrète, on traduit ce pourcentage en durée d’indisponibilité (en anglais downtime) sur une année de 365 jours, soit 8 760 heures. La figure 1 donne les valeurs, avec aussi l’équivalent par mois de 30 jours.

COMBIEN D’ARRÊT LAISSE CHAQUE TAUX DE DISPONIBILITÉ ? 97 % environ 11 jours par an 21 h 36 min par mois 99 % 3 jours 15 h 36 min par an 7 h 12 min par mois 99,9 % 8 h 45 min 36 s par an 43 min 12 s par mois 99,99 % 52 min 34 s par an 4 min 19 s par mois 99,999 % 5 min 15 s par an 26 s par mois 99,9999 % 31 s par an 2,6 s par mois Chaque « 9 » de plus divise le temps d’arrêt autorisé par dix, et le coût monte vite. Calcul sur 365 jours pour l’année, 30 jours pour le mois.
Figure 1. Le temps d’arrêt autorisé par chaque taux de disponibilité : chaque « 9 » de plus le divise par dix.

Une correction à un tableau souvent reproduit : celui-ci indique pour 99,9 % une indisponibilité de « 8 heures et 48 minutes » par an. Le calcul exact est 0,1 % de 8 760 heures, soit 8,76 heures, c’est-à-dire 8 heures 45 minutes et 36 secondes. L’écart n’a rien de dramatique, mais l’ordre de grandeur est ce qui compte : à 99,9 %, on accepte environ une demi-journée de panne par an ; à 99,99 %, moins d’une heure ; à 99,999 % (les « cinq neuf » des fournisseurs de télécommunications), environ cinq minutes.

Chaque neuf de plus coûte beaucoup plus cher que le précédent, car il faut éliminer des causes de panne de plus en plus rares et de plus en plus difficiles à prévoir. Passer de 99 % à 99,9 % se fait souvent avec de bonnes pratiques et un peu de redondance ; passer de 99,99 % à 99,999 % demande une conception très soignée, des équipes entraînées, des sites multiples.

2.2La fiabilité et la continuité de service

On distingue la disponibilité de la fiabilité, probabilité qu’un système fonctionne normalement pendant une période donnée sans interruption. La nuance est réelle. Un système qui tombe en panne une seconde chaque heure est très peu fiable (il s’interrompt sans cesse), mais très disponible (99,97 % du temps). Un système qui tombe en panne une fois par an pendant deux jours est plus fiable, mais moins disponible. On associe souvent la fiabilité à la « continuité de service » ; on peut en effet dire qu’un service fiable assure sa continuité, mais les deux notions ne sont pas des synonymes parfaits : la continuité concerne l’absence d’interruption, la fiabilité la probabilité de n’en avoir aucune.

2.3MTBF, MTTF, MTTR et le lien avec la disponibilité

La fiabilité d’un matériel est souvent résumée par un chiffre, le MTBF (Mean Time Between Failures, « durée moyenne entre deux pannes »). Il s’applique à un équipement réparable : on le répare, il repart, puis il retombe en panne. Un MTBF de 100 000 heures ne veut pas dire que l’appareil dure onze ans et demi ; il signifie que, sur un très grand nombre d’appareils identiques, on observe en moyenne une panne par tranche de 100 000 heures d’utilisation cumulée.

On donne souvent une définition un peu confuse du MTTF (Mean Time To Failure, « durée moyenne avant la panne »). Il s’applique aux éléments qu’on ne répare pas (une ampoule, un disque qu’on remplace) : c’est la durée moyenne de vie jusqu’à la première panne. Pour un élément réparable, MTBF et MTTF se confondent souvent en pratique.

À ces deux notions s’ajoute une notion souvent oubliée, mais tout aussi importante : le MTTR (Mean Time To Repair, « durée moyenne de réparation »), c’est-à-dire le temps qu’il faut pour remettre l’élément en marche. La disponibilité d’un élément réparable se calcule ainsi :

disponibilité = MTBF ÷ (MTBF + MTTR)

Avec un MTBF de 1 000 heures et un MTTR de 4 heures, la disponibilité est 1 000 ÷ 1 004 ≈ 99,60 %. Si l’on ramène le MTTR à 1 heure, elle passe à 1 000 ÷ 1 001 ≈ 99,90 %. Cette formule donne une leçon pratique capitale : on peut améliorer la disponibilité en tombant moins souvent en panne, ou en réparant plus vite. Réparer plus vite (pièces de rechange sur place, procédures écrites, alertes qui préviennent tout de suite, restauration automatisée) coûte souvent bien moins cher que d’acheter du matériel plus fiable.

2.4RTO et RPO : deux limites à fixer

Pour les sinistres importants, on définit deux objectifs, qui sont les deux pôles de toute stratégie de reprise (voir le plan de continuité d’activité) :

  • le RTO (Recovery Time Objective, « objectif de durée de reprise ») : combien de temps le service peut rester arrêté au maximum ;
  • le RPO (Recovery Point Objective, « objectif de point de reprise ») : combien de données, exprimées en durée, on accepte de perdre. Un RPO de 15 minutes signifie qu’après un sinistre, on accepte de retrouver les données telles qu’elles étaient 15 minutes avant au plus.

Ces deux valeurs se choisissent en fonction du coût d’un arrêt et du coût d’une perte de données pour l’activité, puis on cherche les moyens techniques qui les respectent. Un RTO de quelques secondes impose un basculement automatique vers un système déjà prêt ; un RTO de quelques jours permet de restaurer une sauvegarde sur du matériel racheté. Un RPO de zéro impose d’écrire les données à deux endroits en même temps (partie 9.2).

Pour s’exercer

Exercice 1 : traduire un taux en durée

Un contrat garantit 99,95 % de disponibilité. Combien d’arrêt cela autorise-t-il (a) par an et (b) sur un mois de 30 jours ?

Voir la réponse

L’indisponibilité est 0,05 % du temps. (a) Sur 8 760 heures : 8 760 × 0,0005 = 4,38 heures, soit 4 heures 22 minutes 48 secondes. (b) Sur 30 jours, soit 43 200 minutes : 43 200 × 0,0005 = 21,6 minutes. Retenez l’ordre de grandeur : une vingtaine de minutes par mois.