MTTR (Mean Time to Recovery), aussi appelé Mean Time to Restore, mesure la durée moyenne requise pour se rétablir d'une panne système ou d'une interruption de service. Il couvre l'ensemble du cycle d'incident : du moment où la panne se produit, en passant par la détection, la notification, le diagnostic, la remédiation, et la vérification que le service est à nouveau pleinement opérationnel.
MTTR se calcule en divisant le temps total de récupération sur tous les incidents par le nombre d'incidents. Par exemple, si quatre incidents dans un mois ont pris 8, 23, 45 et 12 minutes à résoudre, le MTTR serait (8 + 23 + 45 + 12) ÷ 4 = 22 minutes.
La métrique englobe plusieurs phases séquentielles :
| Phase | Signification |
|---|---|
| Détection | Temps entre la panne et l'alerte du système de monitoring |
| Notification | Temps pour que l'alerte atteigne l'intervenant de garde |
| Diagnostic | Temps pour identifier la cause racine |
| Remédiation | Temps pour appliquer un correctif (rollback, redémarrage, changement de config) |
| Vérification | Temps pour confirmer que le service est revenu à la normale |
MTTR est l'une des métriques DORA essentielles utilisées par les équipes DevOps modernes pour mesurer la fiabilité et la capacité de réaction. Il fonctionne aux côtés du monitoring de disponibilité et des vérifications de santé pour suivre la stabilité du système.
WarningLa détection représente souvent la plus grande portion du MTTR. Un système de monitoring qui vérifie toutes les 5 minutes ajoute un délai moyen de 2,5 minutes comparé à celui qui vérifie toutes les 30 secondes. MTTR mesure la durée des incidents, non leur fréquence — une équipe avec une récupération rapide mais des incidents fréquents livre toujours une expérience peu fiable.