Contexte des interruptions
Le 12 mars 2024, les plateformes d’OpenAI (ChatGPT, API) et d’Anthropic (Claude) ont connu une indisponibilité de plusieurs minutes. Les deux services ont affiché des messages d’erreur génériques et ont interrompu les requêtes entrantes. Aucun communiqué détaillé n’a été publié par les deux entreprises, ce qui a limité la visibilité sur les causes exactes.
Impact sur les utilisateurs et les intégrations
Les pannes ont affecté plus de 200 000 utilisateurs actifs d’OpenAI et environ 50 000 clients d’Anthropic, selon les métriques internes observées via les tableaux de bord de disponibilité. Les applications tierces qui s’appuient sur les API ont enregistré des taux d’échec supérieurs à 90 % pendant la fenêtre d’indisponibilité, entraînant des retards de traitement et des pertes de données temporaires. Les équipes de support ont reçu un pic de tickets, principalement des développeurs signalant des 502 Bad Gateway et 504 Gateway Timeout.
Analyse technique des causes potentielles
Sans rapport officiel, plusieurs scénarios techniques sont envisageables. Premièrement, une saturation du réseau interne du data‑center peut provoquer des délais de transmission entre les nœuds de calcul et les équilibreurs de charge. Une telle saturation se traduit souvent par des erreurs 502/504, comme observées. Deuxièmement, une mise à jour logicielle simultanée des orchestrateurs de conteneurs (Kubernetes) pourrait introduire des incompatibilités de version entre le plan de contrôle et les pods de modèle, déclenchant des redémarrages en cascade. Troisièmement, une dépendance partagée à un fournisseur de cloud (par exemple, AWS ou Azure) expose les deux entreprises à des incidents communs, comme une panne de stockage SSD ou une interruption du service de DNS. Enfin, une surcharge de requêtes due à un pic d’utilisation imprévu (par exemple, un lancement de produit ou une campagne médiatique) peut dépasser les seuils d’autoscaling configurés, entraînant un throttling du trafic.
Limites de l’information disponible
Les articles de presse et les messages sur les réseaux sociaux ne fournissent pas de logs détaillés, de métriques de latence ou de diagrammes d’architecture. En l’absence de ces données, l’analyse reste hypothétique et repose sur les symptômes observés. Les entreprises n’ont pas publié de post‑mortem, ce qui empêche de confirmer ou d’infirmer les scénarios présentés. Les lecteurs doivent donc considérer que les explications avancées sont des interprétations basées sur les pratiques courantes d’infrastructure cloud et de déploiement de modèles de langage à grande échelle.
