Plan de reprise d'activité AWS : fixer RTO et RPO, puis les tester
PRA sur AWS : choisir entre backup & restore, pilot light, warm standby et actif/actif selon le RTO et le RPO, protéger les sauvegardes et tester la reprise.
Un plan de reprise qui n'a jamais été testé est une hypothèse. Le RTO réel d'un système se découvre de deux façons : lors d'un exercice planifié, ou le jour du sinistre. Tout l'enjeu d'un plan de reprise d'activité sur AWS est que ce soit la première.
RTO et RPO se négocient avec le métier
Le RTO (Recovery Time Objective) est la durée d'interruption acceptable entre l'incident et le rétablissement du service. Le RPO (Recovery Point Objective) est la perte de données acceptable, exprimée en temps écoulé depuis le dernier point de restauration. Ces deux chiffres ne se décident pas dans l'équipe d'infrastructure : ils se fixent service par service, avec le métier, à partir du coût d'une heure d'arrêt et d'une heure de données perdues. Un back-office qui tolère quatre heures d'interruption ne justifie pas le coût d'une architecture actif/actif ; un service de paiement, peut-être.
Deux pièges faussent souvent ces chiffres. Le premier : le RPO d'une application est celui de son composant le moins bien protégé. Une base Aurora restaurable à la seconde ne sert à rien si les fichiers associés dans S3 ne sont sauvegardés qu'une fois par nuit, ou si les messages en transit dans une file sont perdus. Le second : le RTO ne se résume pas à la durée de restauration. Il inclut le temps de détection, le temps de décision (qui a l'autorité de déclencher la bascule, et à 3 heures du matin ?) et le temps de vérification avant de rouvrir le trafic.
Il faut aussi inventorier les dépendances qu'on oublie : fournisseur d'identité, DNS, secrets, registre d'images, pipeline de déploiement. Si la chaîne CI/CD qui doit redéployer l'infrastructure dans la Région de secours tourne elle-même dans la Région sinistrée, le PRA ne fonctionne que sur le papier.
De quel sinistre parle-t-on ?
Le whitepaper AWS Disaster Recovery of Workloads on AWS fait une distinction utile. Pour la perte d'un datacenter, une charge de travail correctement déployée sur plusieurs zones de disponibilité est déjà résiliente : une stratégie de sauvegarde et restauration peut suffire. Les stratégies multi-Régions se justifient quand la définition du sinistre inclut la perte d'une Région entière, ou quand une réglementation l'exige.
Reste un troisième type de sinistre, que la haute disponibilité ne couvre pas : la corruption ou la destruction de données, par erreur humaine, bug applicatif ou ransomware. La réplication continue recopie fidèlement une suppression ou un chiffrement malveillant. Seules des sauvegardes à un instant donné, isolées et protégées contre l'effacement, permettent de revenir en arrière. Une architecture actif/actif sans sauvegardes testées n'est pas un PRA complet.
Quatre stratégies, quatre niveaux de coût
Le whitepaper classe les stratégies de reprise sur un axe coût et complexité, avec des ordres de grandeur de RTO et de RPO :
- Backup & restore : RPO et RTO en heures, coût minimal ; données sauvegardées et copiées dans une autre Région, infrastructure redéployée par IaC au moment du sinistre
- Pilot light : dizaines de minutes ; données répliquées en continu vers des bases actives, socle d'infrastructure en place, serveurs applicatifs éteints ou non déployés
- Warm standby : minutes ; copie réduite mais complète de la production, capable de servir du trafic immédiatement
- Multi-site actif/actif : proche de zéro ; plusieurs Régions servent le trafic en permanence, coût et complexité maximaux
La différence entre pilot light et warm standby est souvent mal comprise. Le pilot light ne peut pas traiter de requête sans action préalable : il faut démarrer ou déployer les serveurs, puis monter en charge. Le warm standby sert déjà du trafic à capacité réduite ; il ne reste qu'à l'agrandir. C'est aussi ce qui le rend plus facile à tester en continu.
Dans les deux cas, le passage à l'échelle repose sur Auto Scaling, qui est une opération du plan de contrôle. Le whitepaper le dit clairement : c'est un compromis. Provisionner d'emblée la pleine capacité dans la Région de secours (le hot standby) supprime cette dépendance mais coûte plus cher. Un point concret souvent oublié : les quotas de service de la Région de secours doivent permettre de monter à la capacité de production, faute de quoi la bascule s'arrête sur une erreur de limite.
Pour les bases de données, la stratégie conditionne le RPO. Aurora Global Database réplique vers les Régions secondaires avec une latence typique inférieure à la seconde, et une Région secondaire peut être promue en écriture en moins d'une minute selon AWS. Pour des serveurs hébergés sur EC2, sans services managés, AWS Elastic Disaster Recovery réplique en continu au niveau bloc et annonce des RPO de l'ordre de la seconde et des RTO de l'ordre de la minute ; il suit le modèle pilot light, avec une zone de staging et des instances de reprise lancées seulement lors d'un exercice ou d'un sinistre.
Basculer avec le plan de données
AWS distingue le plan de données, qui délivre le service, et le plan de contrôle, qui le configure. Les plans de données sont conçus pour une disponibilité plus élevée, et la recommandation du whitepaper est sans ambiguïté : une procédure de bascule ne devrait reposer que sur des opérations du plan de données.
Concrètement, modifier les poids d'un enregistrement Route 53 pour envoyer le trafic vers la Région de secours est une opération du plan de contrôle. Les health checks Route 53, eux, relèvent du plan de données. Les routing controls d'Amazon Application Recovery Controller (ARC) exploitent ce mécanisme : ce sont des interrupteurs que l'on actionne par API, avec des règles de sécurité qui empêchent par exemple de désactiver les deux Régions à la fois. Pour orchestrer une bascule complète sur plusieurs comptes et services, ARC propose également Region switch, qui exécute des plans de reprise multi-Régions.
Nous recommandons une bascule déclenchée par un humain mais entièrement automatisée dans son exécution. Une bascule automatique sur alarme paraît séduisante, mais une fausse alerte déclenche alors une interruption et une perte de données bien réelles, puisque RTO et RPO ne sont jamais nuls. La décision reste humaine ; l'exécution doit se résumer à une commande.
Automatiser les sauvegardes, et les protéger
AWS Backup centralise les sauvegardes d'EBS, EC2, RDS, Aurora, DynamoDB, EFS, FSx ou S3, et sait les copier vers une autre Région ou un autre compte. Attention : un aws_backup_plan seul ne protège rien. Il faut lui associer une sélection de ressources, ici par tag. Dans l'exemple suivant, le provider aws.dr pointe vers la Région de secours et le rôle IAM est déclaré ailleurs.
resource "aws_backup_vault" "main" { name = "prod" }
resource "aws_backup_vault" "dr" {
provider = aws.dr
name = "prod-dr"
}
resource "aws_backup_plan" "daily" {
name = "daily-35d"
rule {
rule_name = "daily"
target_vault_name = aws_backup_vault.main.name
schedule = "cron(0 3 * * ? *)"
lifecycle { delete_after = 35 }
copy_action {
destination_vault_arn = aws_backup_vault.dr.arn
lifecycle { delete_after = 35 }
}
}
}
resource "aws_backup_selection" "tagged" {
name = "backup-daily"
plan_id = aws_backup_plan.daily.id
iam_role_arn = aws_iam_role.backup.arn
selection_tag {
type = "STRINGEQUALS"
key = "backup"
value = "daily"
}
}
Une sauvegarde qu'un attaquant peut supprimer avec les mêmes identifiants que la production n'est pas une protection contre le ransomware. Deux mesures complémentaires : copier les sauvegardes dans un compte dédié, comme le recommande le whitepaper face à la compromission d'identifiants, et verrouiller le coffre avec AWS Backup Vault Lock. En mode compliance, une fois la période de grâce écoulée (trois jours au minimum), ni l'utilisateur root ni AWS ne peuvent supprimer les points de restauration avant la fin de leur rétention.
aws backup put-backup-vault-lock-configuration \
--region eu-central-1 \
--backup-vault-name prod-dr \
--changeable-for-days 3 \
--min-retention-days 7 \
--max-retention-days 35
Une fois la période de grâce passée, ce verrou est irréversible : un point de restauration à rétention illimitée placé dans un coffre verrouillé sera conservé, et facturé, indéfiniment. Les rétentions minimale et maximale du verrou contraignent aussi les copies futures : un job dont la rétention sort de cette plage échoue. Nous validons donc la configuration en mode governance avant de passer en compliance.
Pour S3, la réplication inter-Régions ne remplace pas le versioning. Par défaut, une suppression dans le bucket source ajoute un delete marker qui n'est pas répliqué, ce qui protège la copie contre une suppression malveillante côté source, à condition de ne pas avoir activé la réplication des delete markers.
Tester, chronométrer, corriger
Nous recommandons un game day par trimestre : restauration complète dans un compte isolé, chronométrée de la décision de bascule jusqu'au premier appel réussi, suivie d'un compte rendu et d'actions correctives assignées. C'est le seul moyen de connaître le RTO réel, celui qui inclut les secrets manquants, les quotas trop bas et le runbook périmé.
Entre deux game days, la fonctionnalité restore testing d'AWS Backup automatise la partie données : elle restaure périodiquement des points de restauration choisis (le plus récent ou un point aléatoire), mesure la durée de chaque restauration, peut laisser une fenêtre de validation, puis supprime les ressources restaurées. Couplée à AWS Backup Audit Manager, elle permet de vérifier que la durée de restauration reste sous un objectif donné. Elle ne teste en revanche ni le DNS, ni l'application, ni la procédure humaine : c'est un complément au game day, pas un substitut.
Ce que DORA impose au secteur financier
Pour les entités financières de l'Union européenne, le règlement DORA (UE) 2022/2554, applicable depuis le 17 janvier 2025, transforme une partie de ces bonnes pratiques en obligations. Son article 11 impose de tester les plans de continuité et de rétablissement des TIC au moins une fois par an, ainsi qu'après toute modification substantielle des systèmes qui soutiennent des fonctions critiques ou importantes. Hors microentreprises, ces tests doivent inclure des scénarios de cyberattaque et de basculement entre l'infrastructure principale et la capacité redondante. L'article 12 exige des politiques de sauvegarde documentées, des tests périodiques de restauration et, lorsque l'entité restaure avec ses propres systèmes, des systèmes séparés physiquement et logiquement du système source.
Sur AWS, la lecture la plus naturelle de cette exigence de séparation passe par des sauvegardes copiées dans un compte dédié, dans une autre Région, avec un coffre verrouillé. La qualification juridique reste toutefois l'affaire de la fonction conformité, et il faut la documenter avec elle plutôt que la présumer. Un game day trimestriel dépasse le minimum annuel : nous considérons ce rythme comme nécessaire, parce qu'une infrastructure Cloud évolue trop vite pour qu'un plan testé une fois par an reste exact longtemps.
Besoin d'aide sur ce sujet ?
Nos ingénieurs peuvent auditer votre contexte et vous proposer un plan d'action concret.