SLO & SLA

Objectif & portée

• Définir SLI/SLO officiels et SLA commerciaux pour SalamBot
• Couverture: API v1, webhooks, canaux (webchat, Facebook, WhatsApp)
• Fuseau: UTC+1 (Maroc)

Définitions

• SLI: indicateur mesuré (latence, dispo, erreurs)
• SLO: objectif d'un SLI (ex: p95 ≤ 500ms)
• SLA: engagement client (dispo mensuelle + crédits)
• Error budget: 1 − SLO; Burn rate: vitesse de consommation

SLI officiels

SLI	Description	Source	Agrégat	Labels	Fenêtre
Disponibilité API	1 − (5xx)/total	gateway http_requests_total	ratio	tenant,endpoint,status	30 j roulants
Ingestion p95	gateway_in → orchestrateur_in	salambot_ingest_duration_seconds	p95	tenant,channel	5m alert / 30j
NLU p95	latence NLU	salambot_nlu_duration_seconds	p95	tenant,model	5m/30j
Retrieval p95	latence RAG	salambot_retrieval_duration_seconds	p95	tenant	5m/30j
TTFB p95	POST → 1er event SSE	salambot_ttfb_seconds	p95	tenant,channel	5m/30j
E2E p95	demande → réponse	salambot_e2e_duration_seconds	p95	tenant,channel	5m/30j

Notes :

• Exclure 4xx du calcul d'erreur. La disponibilité est calculée sur les 5xx ; les timeouts ne sont pas inclus par défaut (sauf métrique dédiée).

Cibles SLO

Latence (p95)

Composant	Objectif
Ingestion	≤150ms
NLU	≤200ms
Retrieval	≤500ms
TTFB	≤600ms
E2E	≤2500ms

Disponibilité mensuelle

Palier	Objectif
Gold	99.9%
Silver	99.5%
Bronze	99.0%

Mesure & instrumentation

• Tracing OpenTelemetry → Prometheus
• Propager: trace_id, span_id, correlation_id, X-Request-Id
• Labels requis: tenant, channel, endpoint, status
• TTFB mesuré au 1er token/event SSE

Formules (PromQL)

Disponibilité API :

1 - (
  sum(rate(http_requests_total{job="gateway",status=~"5.."}[30d])) /
  sum(rate(http_requests_total{job="gateway"}[30d]))
)

Latence E2E p95 :

histogram_quantile(0.95,
  sum by (le) (rate(salambot_e2e_duration_seconds_bucket[5m]))
)

Alerting par burn rate

• SLO 99.9% (budget 0.1%): P0 si BR>14.4/1h ET >6/6h
• SLO 99.5% (budget 0.5%): P1 si BR>6/1h ET >3/6h

Exemple de règle :

groups:
  - name: slo.availability.gold
    rules:
      - alert: SLOBurnRateFast
        expr: slo_error_ratio_1h > 0.001*14.4 and slo_error_ratio_6h > 0.001*6
        for: 5m
        labels: { severity: p0 }
        annotations: { summary: 'SLO 99.9% burn rate élevé' }

SLA commerciaux

Offre	Dispo	Crédit	Support
Gold	99.9%	10% si <99.9%; 25% si <99.5%	24/7 ≤15 min
Silver	99.5%	5% si <99.5%; 15% si <99.0%	J+1 ouvré
Bronze	99.0%	5% si <99.0%	Heures ouvrées

Conditions :

• Maintenances annoncées ≥72h, ≤2h/mois, exclues si communiquées
• Crédits déduits de la facture suivante

Gouvernance

• Revue mensuelle SLO/SLA par Platform Team
• Versionner les changements et notifier clients
• Aligner avec runbooks.md (mode dégradé) et quality.md

Annexes

• Budgets d'erreur (30 j): 99.9% = 43m12s; 99.5% = 3h36m; 99.0% = 7h12m
• Conformité CNDP/RGPD: pas de PII dans labels/logs

---

Références croisées :

• Ops/runbooks.md
• API/reference.md
• Quality/quality.md