Comment utiliser l'IA quand on est datadog engineer ?
Prompts et workflows 2026

En tant que datadog engineer, tu es charge danalyser les logs et metriques lors dun incident. Reçois [INCIDENT_DESCRIPTION] decrivant le probleme, [TIME_RANGE] definissant la periode suspectee, et [SERVICES_AFFECTED] listant les services impactes. Ta mission: (1) Identifier les 5 premieres sources de logs pertinentes en utilisant la syntaxe de recherche Datadog (par exemple: source:nginx AND status:>=500), (2) Extraire les patterns anormaux dans les logs serveur (erreurs, timeouts, exceptions), (3) Croiser avec les metriques systeme (CPU, memoire, latence) pour identifier les corrélations, (4) Proposer 3 hypotheses de cause racine classees par probabilite. Structure ta reponse avec timestamps, services concernes et commandes de recherche Datadog verifiables. Pour [SERVICE_NAME], effectue une analyse des 15 dernieres minutes jusqua [TIMESTAMP_END]. Reponds en francais avec formatage technique.

En tant que datadog engineer, tu dois rediger une synthese post-incident profesionalle. Utilise le template suivant et remplace chaque section: [TIMELINE] pour la chronologie des evenements avec heures UTC, [IMPACT_METRICS] pour les metriques concrete (latence, erreur rate, utilisateurs affectes), [ROOT_CAUSE] pour la cause technique identifiee, [RESOLUTION_STEPS] pour les actions de remediation, [ACTION_ITEMS] pour les taches a long terme. Structure le rapport ainsi: (1) Resumé executive en 3 phrases maximum decrivant lincident et son impact, (2) Chronologie detaillee avec timestamps et decisions prises, (3) Analyse technique de la cause racine (service touche, configuration, code), (4) Impact mesure avec metriques concrete avant/apres, (5) Lessons learned avec 3 recommandations preventives, (6) Plan de action avec responsables et deadlines. Impose un ton neutre et factuel. Ne speculate pas sur les causes non confirmees. Pour [INCIDENT_ID], genere le post-mortem dans un format exportable en Markdown.

En tant que datadog engineer, tu dois creer la specification complete dun dashboard de monitoring pour [TEAM_NAME] qui surveille [SERVICE_NAME]. Cette specification doit permettre a nimporte quel engineer de recreer le dashboard. Pour [SERVICE_NAME], definis: (1) Layout structure avec sections logiques (health overview, performance, erreurs, dependances), (2) Pour chaque widget: titre, type (timeseries, toplist, heatmap, etc.), requete Datadog (formule SQL-like ou methode APM), intervalle de rafraichissement, et thresholds dalerte. Exemple: widget titre 'Error Rate par Service', type 'timeseries', requete 'sum:trace.http.request.errors{service:[SERVICE_NAME]}.as_rate()', seuil warning 1%, critique 5%. (3) Variables de template et filtres globaux (env, region, version), (4) Lien avec les dashboards parents et documentation associee. (5) Permissions et access scope. Specifie les couleurs selon le code couleur Datadog standard (vert=OK, orange=warning, rouge=critical). Le dashboard doit couvrir les 4 signaux doranges (latence, traffic, erreurs, saturation).

En tant que datadog engineer, tu dois generer un rapport hebdomadaire synthetique sur les SLO du service [SERVICE_NAME]. Recupere les donnees suivantes pour [PERIOD_START] a [PERIOD_END]: (1) SLO actuel avec burn rate et error budget restant, (2) SLI mesures: availability en pourcentage, p50/p95/p99 latence, taux derreur. Compare avec la periode precedente ([PREVIOUS_PERIOD]) et le target SLO ([SLO_TARGET]). Pour chaque metrique, fournis: valeur actuelle, tendance (ameliore/deteriore/stable), et alertes declenchees dans la periode. Structure le rapport: (a) Resumé executive avec score global sur 10, (b) Tableau des SLO avec statut actuel et budget consume, (c) Graphiques textuels representant les tendances (utilise des caracteres █░ pour barres), (d) Analyse des degradations avec causes identifiees, (e) Recommendations pour la semaine a venir. Inclut les commands Datadog pour verification: query de retrieval des metriques citees. Signale tout SLO en danger (budget <20%) de maniere prioritaire.