Comprendre l’accroissement naturel de la complexité des SI PAGE N° 1

René MANDEL Mai 2015

COMPRENDRE L’ACCROISSEMENT DE LA COMPLEXITE DES SYSTEMES D’INFORMATION :

CADRAGE DU PROJET « FOCUS COMPOSANTS »

René MANDEL René www.value-architecture.com

Version 0.1 24/05/2015

Table des matières

1. PREAMBULE .............................................................................................................................. 2

1.1 CONTEXTE DE LA COMPLEXIFICATION DES SI ......................................................... 2

1.2 DONNEES MOBILISABLES ............................................................................................... 2

2. PISTES DE RECHERCHE ........................................................................................................ 3

2.1 CARACTERISER LA DESORGANISATION D’UN ENSEMBLE DE COMPOSANTS. . 3 2.2 ETUDIER LE CAS DE BASES REELLES DE COMPOSANTS ......................................... 4

2.3 ETUDIER L’EMPILEMENT DES GENERATIONS DE COMPOSANTS ......................... 4 2.4 EVALUER LES IMPACTS SUR LA REACTIVITE ET SUR LES COUTS ....................... 5

3. CONCLUSIONS .......................................................................................................................... 6

3.1 MAITRISER LES DERIVES NATURELLES DES SI ......................................................... 6

3.2 ASSOCIER LES PARTIES PRENANTES............................................................................ 6

Comprendre l’accroissement naturel de la complexité des SI PAGE N° 2

René MANDEL Mai 2015

1. PREAMBULE

1.1 CONTEXTE DE LA COMPLEXIFICATION DES SI Dans une note précédente « l’accroissement de l’entropie des systèmes d’information est-il une fatalité ? » deux hypothèses principales ont été posées :

• Il existe un accroissement « naturel » de la complexité, dû à une dérive de l’architecture. En effet, au fur et à mesure de l’intégration des composants, le rôle « optimal » des composants de référence est « usurpé ». Les causes probables de cette dérive peuvent être le manque d’informations, l’absence de flexibilité des composants de référence existant, le court-termisme qui privilégie le développement rapide au détriment de la simplicité, …

• Une autre hypothèse est que l’utilisation des technologies d’intégration de données, largement

disponibles pour un coût modique, permettrait de contrecarrer la propension naturelle à la complexification.

Ce phénomène se produit dans des contextes extrêmement variés : informatique de gestion, mais aussi informatique « technique » : systèmes de systèmes, et il se produira aussi « fatalement » dans les domaines extensifs actuels : Big Data, objets connectés. Les évolutions technologiques et méthodologiques (approches agiles, micro-services,…) ne pallieront pas à ces difficultés consubstantielles à l’activité de développement et d’intégration de systèmes. L’enjeu économique de la maîtrise de cette course à la complexité est primordial, et devrait mobiliser les énergies des experts du SI.

1.2 DONNEES MOBILISABLES Il est paradoxal de constater que, face à cet enjeu, à ce « mur » de la complexité qui peut handicaper les investissements dans les SI :

• Les milieux du génie logiciel, comme ceux de l‘ « Enterprise Architecture » se sont surtout intéressés à la modélisation, à la création d’un architecture, aux « systèmes de systèmes », et assez peu au phénomène d’empilement de ces architectures, de vieillissement par générations successives.

• De plus en plus de données sur « le SI du SI » sont disponibles, car la gestion de patrimoine

applicatif, la gestion de configuration, se sont généralisés, par exemple au travers de méthodes comme ITIL.

Comprendre l’accroissement naturel de la complexité des SI PAGE N° 3

René MANDEL Mai 2015

2. PISTES DE RECHERCHE

2.1 CARACTERISER LA DESORGANISATION D’UN ENSEMBLE DE CO MPOSANTS. A partir de l’étude d’une population de composants reliés par graphe récursif on peut caractériser chaque composant par son implication dans le graphe d’architecture. Par exemple :

• Nombre d’ascendants directs, • Nombre de descendants directs, • Complexité de ces relations

On peut aussi s’intéresser à 2 classes de composants :

• Les composants de référence, qui sont utiles en général à un grand nombre de composants • Les composants ordinaires, qui sont en général dans des relations d’intégration « locales »

A partir de ces caractéristiques on peut :

• Aboutir à un résumé de la population (dispersion pour les différentes classes de composants)

• Caractériser des populations peu imbriquées (exemple : arbre parfait) ou au contraire anarchiques (spaghetti)

L’idée est de « résumer » la désorganisation autrement que par un simple scalaire. Les définitions actuelles de l’entropie la caractérisent par un seul nombre : une grande variété de graphes sont caractérisés par la même entropie, qui est une sorte de moyenne (par exemple quadratique). De plus la plus ou moins structuration autour de composants de référence est un critère d’organisation du SI à faire apparaître. L’ambition serait d’aboutir à des « signatures » typiques d’organisations de composants : arbre hiérarchique, étoile, réseau, …reconnaissables par les dispersions de ces classes. Ce travail peut être initié sur des populations fictives, générées par algorithme. Par exemple en générant un graphe de composants par tirage aléatoire (tirage de nouveaux composants, tirage de liens d’intégration entre composants), selon différentes variantes inspirées de la réalité (surpondération des composants de référence, …). Une validation sur le cas d’un projet de complexité moyenne serait sans doute praticable. L’idée est de tester un outil « théorique » de représentation et d’analyse.

Comprendre l’accroissement naturel de la complexité des SI PAGE N° 4

René MANDEL Mai 2015

2.2 ETUDIER LE CAS DE BASES REELLES DE COMPOSANTS Le ou les modèles ainsi testés peuvent être appliqués sur une ou plusieurs bases de données réelles fournies par des entreprises participant au projet. Plusieurs enseignements sont envisageables :

• Difficultés à appliquer le modèle (confronté avec la réalité du MCD de la base, données manquantes, …), sans doute importantes

• Aménagement de l’outil théorique confronté à la réalité

• Variabilité des résultats, …

• Autres résultats de statistique descriptive ouvrant de nouvelles pistes.

Ceci suppose une implication de spécialistes des entreprises, gestionnaires de ces bases.

2.3 ETUDIER L’EMPILEMENT DES GENERATIONS DE COMPOSANTS Les approches de maîtrise de la complexité posent en principe la connaissance a priori de la totalité de l’architecture. Or celle-ci résulte d’une histoire, où les décisions « locales » ne sont pas forcément conformes aux visées d’origine. Elles ne sont pas non plus complétement tracées. Comme un patrimoine génétique qui peut, à petits pas et sans bruit, se dégrader au niveau d’une cellule… et provoquer à terme un cancer. Ce type de mutation peut être introduit, et simulé, par une fonction de transformation probabiliste. Ensuite, la simulation du vieillissement de la population permet de restituer les résultats à différentes échéances. Ce vieillissement peut être combiné à une intensité démographique de composants (naissances et décès) en jouant sur la proportion de situations « cancéreuses »… On pourrait mettre à profit les modèles de propagation d’épidémies, problématique qui présente plusieurs similitudes avec le sujet (propagation par contagion, hétérogénéité des agents contaminés, du fait de la variété de taille de leur réseau, …). Il serait aussi très intéressant d’identifier les motivations de dérive :

• Duplication d’une interaction pour raison de syntaxe d’échange (format différent, architecture technique,…)

• Duplication par variation de mode (flux, stock), latence, temporalité

• Duplication par défaut de généricité du modèle (objet mal conçu, absence de modélisation tri-

datée, lien MDM non établi, subsidiarité non gérée, …).

Comprendre l’accroissement naturel de la complexité des SI PAGE N° 5

René MANDEL Mai 2015

Un sujet est aussi d’anticiper sur les approches nouvelles. En effet le risque est de tomber dans les mêmes travers, les mêmes causes produisant des effets similaires (même si certains facteurs vont dans le bon sens) : DevOps, micro-services. L’objectif est de progresser dans l’explication de cette complexification naturelle. Et, par voie de conséquence, de trouver les parades préventives (les « composants Janus » sont typiquement des agents limitant les effets pervers de l’empilement).

2.4 EVALUER LES IMPACTS SUR LA REACTIVITE ET SUR LES CO UTS L’objectif final de la recherche est de maîtriser la dérive des coûts induite par le vieillissement. « naturel » du patrimoine SI. Sur la base des travaux précédents, il est possible d’évaluer ces impacts financiers, en termes de surcoût d’investissement et de maintenance. Une application directe est l’évaluation du ROI d’approches de type « Janus » pour les composants de référence (MDM, Puits). De façon plus générale, la capitalisation autour des informations serait mieux explicitée, même au travers de nouveaux concepts très à la mode (Big Data, Data Lake).

En somme répondre à la question : Comment garder un SI toujours « jeune », et quels sont les enjeux financiers. Un lien avec la GPA est aussi une retombée pratique qui serait très avantageuse.

Comprendre l’accroissement naturel de la complexité des SI PAGE N° 6

René MANDEL Mai 2015

3. CONCLUSIONS

3.1 MAITRISER LES DERIVES NATURELLES DES SI Ce projet s’attaque à un phénomène bien connu et constaté aussi bien par les Maîtres d’ouvrages, les Maîtres d’œuvre, les Urbanistes des SI. Il a pour ambition de dépasser ce stade du constat, en appréhendant les dérives naturelles qui se produisent dans le cadre global, au-delà du cycle des projets. Car les approches d’architecture classiques se situent soit :

• Dans le contexte d’un projet, c’est-à-dire par analogie celui de la création d’un bâtiment (architecture logiciel, MDA, …)

• Dans le contexte d’un ensemble de projet, typiquement dans une démarche d’Enterprise Architecture (par exemple Open Group avec Togaf et son cycle ADM), c’est-à-dire par analogie la création d’une ville nouvelle.

L’approche par « modèle démographique » serait innovante, et adaptée à la phase actuelle de création des SI, de plus en plus extensive, et technologiquement diversifiée.

3.2 ASSOCIER LES PARTIES PRENANTES La proposition est celle d’un projet pluridisciplinaire associant chercheurs, et praticiens. Un tel projet a plusieurs répercutions scientifiques :

• Au niveau du « génie logiciel » en ouvrant une voie peu balisée

• Dans la mobilisation de données sur les SI (le SI du SI) qui relèvent à terme des Big Data et de la science des data

• Et sur l’économie, voire l’économétrie, du SI

Ce projet présente aussi des avantages pratiques pour des grandes entreprises préoccupées par le coût du SI et les difficultés de gouvernance du SI.

Partenaires scientifiques

Centre de recherche en Informatique

Data scientist

Chercheur (doctorant,...)

Partenaires institutionnels

Associations professionnelles (Club

Urba-EA, ...)

Institutions

Partenaires Entreprise

Grand Groupe Industriel

Groupe d'entreprises de service