Contexte de la panne
Le 13 novembre 2026, les services Outlook et Microsoft 365 sont restés indisponibles pendant plus de douze heures. Microsoft a indiqué que les modifications déployées pour améliorer la serviceability n’ont pas eu l’effet attendu, entraînant une dégradation continue du service. Les administrateurs ont pu consulter les tickets internes EX1550543 et MO1550821 via le centre d’administration ou le lien court msft.it/6013xBHsf lorsqu’il était accessible.
Analyse des mécanismes de serviceability
La serviceability désigne la capacité du système à appliquer des correctifs ou des ajustements sans interrompre les flux utilisateurs. Dans l’infrastructure Microsoft 365, les changements sont généralement propagés via des pipelines de déploiement automatisés qui utilisent des zones de disponibilité (availability zones) et des groupes de mise à jour (update rings). Le message indique que ces pipelines n’ont pas « taken as expected », ce qui suggère un échec de synchronisation entre les contrôleurs de configuration et les nœuds de calcul. Un tel désalignement peut bloquer la mise à jour des tables de routage interne, empêchant les services de réacheminer le trafic vers des instances saines.
Gestion du trafic et déséquilibres
Microsoft mentionne des « sustained traffic management imbalances ». La plateforme repose sur un répartiteur de charge global (global load balancer) qui répartit les requêtes selon des métriques de latence, de capacité CPU et de taux d’erreur. Un déséquilibre persistant indique que le répartiteur a continué à diriger le trafic vers des nœuds déjà saturés, alors que d’autres nœuds restaient sous‑utilisés. Cette situation peut résulter d’une mauvaise calibration des seuils de bascule ou d’une perte de visibilité sur les métriques d’utilisation en temps réel, souvent liée à des problèmes de télémétrie.
Implications et mesures correctives
Le principal impact a été l’impossibilité d’accéder aux boîtes aux lettres, aux calendriers et aux services collaboratifs associés. Les équipes Microsoft ont indiqué qu’elles explorent des « alternate workstreams » pour augmenter la capacité. Concrètement, cela peut inclure le déclenchement de scénarios de scaling manuel, la mise en place de routes de secours (fallback routes) et le redéploiement de services critiques dans des zones géographiques distinctes. La référence aux tickets internes montre que le suivi est centralisé, mais le manque de visibilité publique sur les métriques exactes limite l’évaluation précise de la cause racine. Les organisations clientes sont invitées à surveiller les alertes du centre d’administration et à préparer des plans de continuité incluant des solutions de messagerie de secours.
