AOL 1996 : une maintenance de routine a mis hors service pendant 19 heures le plus grand service en ligne du monde

Avant l'aube du 7 août 1996, les techniciens d'AOL ont arrêté leur système informatique pour ce que l'entreprise a qualifié de maintenance de routine. Le Washington Post a rapporté qu'avec le système hors service, l'était aussi le logiciel qui aurait normalement détecté les anomalies entre les ordinateurs d'AOL et son partenaire réseau ANS — et une anomalie a frappé ANS précisément pendant cette fenêtre. Le plus grand service en ligne du monde n'est pas revenu.

Pendant 19 heures, America Online a simplement disparu. L'écran d'erreur invitait les utilisateurs à réessayer dans 1 heure et 45 minutes ; la panne a duré dix fois plus longtemps, a fait la une des journaux télévisés nationaux et a relégué l'annonce par la NASA d'une possible vie sur Mars hors de la une du New York Times. Des analystes ont déclaré à NPR que les services en ligne croissaient trop vite pour leurs propres systèmes — et que les fournisseurs sur lesquels les gens comptent « gâchent les choses » faute d'expérience de la défaillance.

Les décisions qui en étaient à l'origine étaient ordinaires, et c'est ce qui les rendait dangereuses. La maintenance chez AOL signifiait mettre tout le service hors ligne parce qu'il n'existait pas de voie de mise à niveau en ligne. La supervision était désactivée dans le cadre de la même fenêtre. La croissance dépassait l'infrastructure. Et une fois l'incident terminé, le PDG Steve Case, invoquant la nouveauté du médium, n'a pas pu garantir qu'il ne se reproduirait pas. Une panne remarquablement similaire en mai 1996 — une seule phase électrique coupée au centre de données d'AOL, des générateurs qui ne l'ont jamais remarqué, des batteries à plat — n'avait jamais fait une seule colonne de presse, si bien que rien n'a changé.

Matt Korn, alors vice-président des opérations d'AOL, a rappelé plus tard que l'entreprise avait fini par reconstruire le système afin qu'il n'ait plus du tout besoin d'arrêt pour maintenance, corrigeant silencieusement la faiblesse d'origine. À ce moment-là, la panne était déjà entrée dans l'histoire comme la première panne internet que le grand public a vécue comme une nouvelle — preuve que la fiabilité devient un sujet de une dès lors qu'une part suffisante de la vie quotidienne passe par vos serveurs.

19 heures hors ligne pour le plus grand service en ligne du monde ; l'événement a fait la une des journaux nationaux, reléguant la découverte de vie sur Mars par la NASA hors de la une du NYT

La procédure de maintenance exigeait un arrêt complet de tout le service, faute de capacité de mise à niveau progressive ou en ligne.

Le logiciel qui surveillait les défauts réseau était éteint dans la même fenêtre, si bien que l'anomalie d'ANS n'a fait l'objet d'aucune détection précoce.

L'hypercroissance avait dépassé l'infrastructure ; des contemporains avertissaient déjà que les services en ligne « croissaient trop vite pour leurs propres systèmes ».

Une défaillance d'infrastructure quasi identique en mai 1996 n'a rien appris à l'organisation sur le plan public parce qu'elle n'a fait l'objet d'aucune couverture.

Le cadrage par la direction a abaissé le seuil de récurrence au lieu de s'engager sur une correction, traitant les pannes comme un coût inévitable d'un nouveau médium.

Les fenêtres de maintenance sont des répétitions de panne. AOL traitait l'arrêt de tout le service comme une routine — et éteignait sa supervision pour ce faire. La dette de fiabilité reste cachée jusqu'à ce que la routine échoue à l'échelle nationale.

AOL a reconstruit ses systèmes afin que la maintenance n'exige plus de mettre le service hors ligne, corrigeant la faiblesse précise qui avait causé la panne, selon Korn. L'entreprise n'a payé aucun prix commercial durable pour la panne — elle a continué de croître, faisait alors l'objet d'une enquête distincte de la SEC sur sa comptabilité, et trois décennies plus tard la marque AOL a été vendue à Bending Spoons en 2025 pour 1,5 milliard de dollars. La panne de 19 heures reste le cas d'école de ce qui se produit lorsque des infrastructures critiques croissent plus vite que leur capacité à être maintenues.