Ne pas agir est de plus en plus coûteux

Partout au Canada, le développement logiciel est ralenti par les systèmes vieillissants, les coûts en matière de conformité, l’incertitude liée à la souveraineté des données et la pénurie de talents. Ces enjeux ne concernent pas seulement les outils. Ils touchent le modèle opérationnel, la gouvernance et la modernisation.

 

Communiquez avec nous

Intégrer la gouvernance, la sécurité, la traçabilité et la responsabilité humaine à l’utilisation de l’IA permet de contourner les obstacles qui rendaient les modernisations lentes et risquées. CGI considère déjà l’IA comme un moteur de transformation dans la recherche, l’idéation, l’analyse, le développement et l’apprentissage. Avec l’IA, la transformation est plus concrète et davantage axée sur les résultats.

En appliquant le bon modèle opérationnel, les organisations peuvent :

  • réduire les cycles de mise en œuvre sans compromettre les mécanismes de contrôle;
  • moderniser les systèmes essentiels tout en limitant les interruptions;
  • améliorer la qualité, la couverture des tests et la confiance envers les mises en production;
  • produire des preuves vérifiables au fur et à mesure de l’avancement des travaux;
  • déployer l’IA de façon uniforme au sein des équipes et des portefeuilles;
  • • libérer les ressources d’ingénierie pour qu’elles se consacrent à des activités à valeur ajoutée.

Il ne s’agit plus de programmer rapidement, mais d’accélérer la création de valeur, de renforcer la gouvernance et de favoriser une mise en œuvre plus adaptative.

Close-up of Mars

De l’IA au rendement du capital investi : au-delà de l’engouement — repenser la livraison de logiciels pour générer une valeur d’affaires concrète

Dans cet épisode de lancement de la saison 2 de la série de balados From AI to ROI de CGI, l’animateur Dave Henderson, chef de la technologie chez CGI, reçoit John Davis et Victor Foulk afin d’explorer comment l’IA transforme la livraison de logiciels et pourquoi ce virage doit être abordé au niveau du conseil d’administration, et non seulement comme un enjeu technique.

Écouter le balado

Cycle de développement logiciel agentique et centré sur l’humain : intégration de l’IA et de la responsabilité humaine tout au long du cycle

CGI intègre l’IA dans l’ensemble de son cycle de développement agentique, mais conserve une responsabilité humaine aux étapes décisives : validation des objectifs, revue de code, autorisation des mises en production, traitement des exceptions et apprentissage continu.

Cette approche permet de passer d’une exécution manuelle à une orchestration des activités assistée par l’IA. L’IA facilite la gestion des exigences, les options de conception, la génération de code et le réusinage, l’optimisation des tests, la production des preuves associées aux mises en production, l’analyse des incidents et la détection des dérives. Les humains demeurent toutefois responsables des objectifs d’affaires, des seuils de qualité, des approbations et des résultats.

Planification et conception

L’IA aide à préciser les objectifs d’affaires, à analyser les options, à relever les risques, à rédiger les exigences et à préparer les décisions d’architecture. Les humains valident les priorités, les contraintes et les résultats attendus.

Développement

Des agents spécialisés par rôle et des outils d’ingénierie assistés par l’IA accélèrent la programmation, le réusinage, la production de la documentation et la revue de code. Les équipes de développement approuvent les modifications et demeurent responsables de la qualité et de la maintenabilité des logiciels.

Mise à l’essai

L’IA facilite la génération de tests, l’élargissement de la couverture de tests, les analyses de régression et le tri des anomalies. Les équipes d’assurance qualité valident les résultats, les seuils de couverture et l’état de préparation à la mise en production.

Mise en production

L’approche politique en tant que code (Policy-as-Code), l’évaluation des risques de déploiement et la génération des preuves associées aux mises en production permettent aux équipes d’accélérer le travail et de renforcer la traçabilité. L’autorisation de mise en production demeure une décision humaine.

Exploitation

AIOps, la détection des anomalies, l’analyse des incidents et les mesures d’autocorrection permettent aux équipes de passer d’un soutien réactif à une amélioration continue intégrant des mécanismes d’escalade et de prise en charge.

Un modèle pragmatique pour tous les environnements logiciels

Man working at a desk

1. Développement d’un nouveau système (greenfield) : conception intégrant l’IA

Pour les nouveaux développements, nous intégrons dès le départ une architecture axée sur l’IA, des flux de travail agentiques, des pratiques DevSecOps, des tests et des mécanismes de gouvernance.

 

Man working at a computer

2. Amélioration d’un système (brownfield) : modernisation assistée par l’IA

Pour les systèmes en place, nous utilisons l’IA afin d’accélérer le réusinage, la génération de tests, la production de la documentation, la modernisation progressive et l’amélioration de la qualité.

 

Abstract code background

3. Transformation à grande échelle : modernisation et migration dirigées par l’IA

Pour les programmes de modernisation à grande échelle, nous utilisons l’IA pour l’analyse, la reconstitution des exigences, la transformation du code, l’alignement sur l’architecture cible et l’exécution de migrations maîtrisées afin de réduire les risques et d’améliorer la prévisibilité.