metriques : node_exporter mourait a chaque renouvellement de certificat

Le passage d'idempotence a trouve une PANNE, pas une imperfection. 17 taches
changed au second passage contre 924 au rejeu depuis zero — mais 13 d'entre
elles etaient « Activer et demarrer node_exporter », et Ansible ne le
redemarrait pas par maladresse : il le trouvait ARRETE.

Le dump du module : ActiveState inactive, SubState dead, ExecStart code=killed
status=1/HUP.

Cause : le script de synchro du certificat faisait try-reload-or-restart, qui
RECHARGE si l'unite declare un ExecReload — et Debian en declare un
(kill -HUP). node_exporter ne sait pas se recharger : il meurt sur SIGHUP. Le
commentaire du script affirmait le contraire ; c'est l'hypothese qui etait
fausse, pas le code.

Consequence : a chaque renouvellement (24 h), la collecte de metriques
s'arretait sur toute la flotte, en silence. Elle repartait au deploiement
suivant, ce qui rendait la panne invisible a qui deploie souvent.

Mesure sur backup-01 : reload alloy -> active, reload loki -> active, reload
node_exporter -> INACTIVE. Seul lui est concerne.

Corrige en restart. Preuve : synchro declenchee sur les 14, quatorze active.

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>

CHANGELOG.md

@@ -1,5 +1,50 @@
 # CHANGELOG — Set-OPS
 
+## 2026-08-09 — Le passage d'idempotence trouve une panne, pas une imperfection
+
+**17 tâches `changed` au second passage, contre 924 au rejeu depuis zéro.** La flotte
+converge à 98 %. Mais les 17 restantes ne sont pas du bruit — l'une d'elles cachait un
+service mort.
+
+```
+13x  client_metrique : Activer et demarrer node_exporter
+ 1x  serveur_prometheus : Deployer la configuration Prometheus  -> redemarrage
+ 1x  serveur_forgejo : Deployer app.ini                          -> redemarrage
+```
+
+**Treize hôtes sur quatorze redémarraient node_exporter à chaque passage.** Pas parce que
+la tâche est mal écrite : parce qu'Ansible le trouvait **arrêté** et le ressuscitait. Le
+dump du module le disait sans ambiguïté — `ActiveState: inactive`, `SubState: dead`,
+`ExecStart ... code=killed ; status=1/HUP`.
+
+**La cause.** Le script de synchronisation du certificat faisait
+`systemctl try-reload-or-restart prometheus-node-exporter`. Cette commande *recharge* si
+l'unité déclare un `ExecReload` — et Debian en déclare un : `kill -HUP $MAINPID`. Or
+node_exporter ne sait pas se recharger : **il meurt sur SIGHUP**.
+
+Le commentaire du script énonçait l'hypothèse inverse — « node_exporter relit le cert à
+chaud ; un reload suffit ». C'est l'hypothèse qui était fausse, pas le code.
+
+**Conséquence, jusqu'à aujourd'hui** : à chaque renouvellement de certificat — toutes les
+24 h — la collecte de métriques s'arrêtait sur toute la flotte, et **rien ne le disait**.
+Elle repartait au déploiement suivant, ce qui rendait la panne invisible à qui déploie
+souvent.
+
+**Mesuré plutôt que supposé**, sur `backup-01` :
+
+```
+systemctl reload alloy                    -> active
+systemctl reload loki                     -> active
+systemctl reload prometheus-node-exporter -> INACTIVE
+```
+
+Seul node_exporter est concerné ; `alloy` et `loki` honorent leur `ExecReload`. Le motif
+`try-reload-or-restart` reste donc valable ailleurs — mais il fait confiance à une
+promesse de l'unité que le binaire peut ne pas tenir, **en silence**.
+
+Corrigé en `restart`. **Preuve** : synchronisation déclenchée sur les quatorze hôtes,
+quatorze `active`.
+
 ## 2026-08-09 — Plus aucun `get_url` sans garde : la dépendance externe est comptée
 
 Arbitrage rendu par l'exploitant : garder aussi les clés de signature. **Zéro `get_url`

roles/client_metrique/templates/setops-node-exporter-cert-sync.sh.j2

@@ -14,5 +14,21 @@ DST="{{ client_metrique_tls_dir }}"
 install -o prometheus -g prometheus -m 0644 "$SRC_CERT" "$DST/node.crt"
 install -o prometheus -g prometheus -m 0600 "$SRC_KEY"  "$DST/node.key"
 
-# node_exporter (exporter-toolkit) relit le cert a chaud ; un reload suffit.
+# REDEMARRAGE, pas rechargement. L'unite Debian declare `ExecReload=kill -HUP $MAINPID`,
-systemctl try-reload-or-restart {{ client_metrique_service }} 2>/dev/null || true
+# mais node_exporter ne sait PAS se recharger : il MEURT sur SIGHUP. `try-reload-or-restart`
+# fait donc confiance a un ExecReload que le binaire n'honore pas, et laisse le service
+# arrete — silencieusement, jusqu'au prochain deploiement.
+#
+# Mesure du 2026-08-09, sur backup-01 :
+#     systemctl reload alloy                    -> active
+#     systemctl reload prometheus-node-exporter -> INACTIVE
+# et dans l'unite morte : `ExecStart ... code=killed ; status=1/HUP`.
+#
+# Consequence de l'ancien code : a chaque renouvellement de certificat (toutes les 24 h),
+# la collecte de metriques s'arretait sur les quatorze hotes sans que rien ne le dise.
+# Trouve par le passage d'idempotence — 13 hotes rapportaient `changed` sur
+# « Activer et demarrer node_exporter », parce qu'Ansible le RESSUSCITAIT a chaque fois.
+#
+# Le commentaire precedent enoncait une hypothese (« relit le cert a chaud ») ; c'est
+# elle qui etait fausse, pas le code.
+systemctl restart {{ client_metrique_service }} 2>/dev/null || true