Amazon a présenté hier ses excuses aux milliers d’entreprises touchées par l’importante panne d’Amazon Web Services (AWS) survenue en début de semaine. Le géant du cloud a révélé que l’incident, qui a paralysé une partie d’Internet pendant plusieurs heures, provenait non pas d’une attaque ou d’une défaillance matérielle, mais d’un enchaînement improbable d’erreurs logicielles et d’automatismes concurrents à l’intérieur de ses propres systèmes.

L’incident s’est produit dans la région US-East-1 en Virginie, le plus grand cluster de centres de données d’AWS, où transitent chaque jour une part considérable du trafic mondial. Selon le rapport technique publié par Amazon, deux processus automatisés ont tenté simultanément de mettre à jour les enregistrements du service de base de données DynamoDB, déclenchant une « course de conditions » logicielle, un conflit interne entre programmes exécutés en parallèle. Cette interaction a effacé des entrées DNS cruciales, empêchant des milliers de serveurs de se connecter correctement aux adresses IP associées.

Ce bug « latent », resté inaperçu jusqu’ici, a provoqué une cascade de pannes dans plusieurs autres services AWS, notamment EC2 (machines virtuelles) et Network Load Balancer, ralentissant le rétablissement complet des opérations. Entre le 19 octobre à 23 h 48 et le 20 octobre à 2 h 40, DynamoDB a enregistré une explosion d’erreurs d’API, bloquant la communication entre de nombreuses applications. Certaines, comme Snapchat, Reddit, Roblox, Fortnite, Coinbase ou Signal, ont été inaccessibles pendant plusieurs heures.

Les conséquences ont été mondiales : selon la BBC, plus de 1 000 sites et services ont subi des interruptions, allant de Lloyds Bank au système de paiement Venmo, en passant par des objets connectés comme les lits intelligents Eight Sleep, dont certains se sont bloqués en position inclinée. L’épisode a mis en lumière une fois de plus la dépendance extrême d’Internet à l’égard d’AWS et, par extension, de Microsoft Azure.

Amazon assure avoir immédiatement désactivé les automatismes fautifs à l’échelle mondiale. Avant de les réactiver, l’entreprise prévoit de corriger le bogue et d’ajouter des garde-fous afin d’empêcher toute suppression erronée d’enregistrements DNS. De nouvelles mesures de contrôle seront aussi déployées pour les équilibreurs de charge et les serveurs virtuels EC2 afin d’accélérer la propagation des états réseau lors d’incidents similaires.

« Nous savons à quel point nos services sont essentiels aux entreprises, à leurs applications et à leurs utilisateurs finaux », a déclaré AWS dans son communiqué. « Nous ferons tout ce que nous pouvons pour tirer les leçons de cet événement et améliorer encore notre fiabilité. »

Pour plusieurs experts, cette panne est un signal d’alarme. Le chercheur britannique Junade Ali, spécialiste en ingénierie logicielle, souligne que « l’automatisation défectueuse » est devenue un risque majeur dans les infrastructures hyperscales : « Lorsqu’un seul point de défaillance existe dans une région aussi centralisée, tout un pan du Web peut se retrouver à l’arrêt. » Il appelle les entreprises à diversifier leurs prestataires cloud afin de pouvoir basculer rapidement vers un autre fournisseur en cas de problème.

Si Amazon a agi rapidement pour publier son rapport post-incident, cette panne rappelle à quel point l’équilibre du Web moderne repose sur quelques acteurs dominants. En misant toujours plus sur l’automatisation, les géants du cloud devront aussi redoubler de prudence : à cette échelle, une simple erreur de code peut littéralement faire vaciller Internet.

Source : AWS

+++

Tous les jours de la semaine, du lundi au vendredi, Bruno Guglielminetti vous propose un regard sur l’essentiel de l’actualité numérique avec 120 secondes de Tech.

Ou encore…

Écoutez la plus récente édition de Mon Carnet,
le magazine hebdomadaire de l’actualité numérique.