À la suite d’une importante migration d’applications, une grande banque canadienne s’est heurtée à des défis bien connus de plusieurs grandes organisations : l’accès aux connaissances essentielles sur les applications demeurait difficile et l’ingénierie de la qualité exigeait encore beaucoup de travail manuel.
Le défi : établir des bases plus solides pour la modernisation
La banque devait améliorer sa compréhension de son environnement applicatif complexe comprenant plus de 500 000 lignes de code.
La documentation était incomplète, ce qui compliquait la traçabilité des règles d’affaires, des dépendances et du comportement des API. Les connaissances essentielles sur les applications étaient concentrées entre les mains d’un petit nombre de spécialistes. Par conséquent, l’évaluation des changements et le transfert de connaissances pouvaient mobiliser une grande partie du temps des spécialistes techniques d’expérience.
L’ingénierie de la qualité présentait aussi un défi connexe. L’intelligence artificielle (IA) pouvait faciliter certains aspects de la conception, de l’exécution et du débogage des tests, mais l’analyse des anomalies et la production de rapports exigeaient encore beaucoup de travail manuel.
La portée du projet a donc été étendue au-delà de l’accélération des tâches individuelles. La banque souhaitait se doter de capacités fiables et réutilisables en matière d’ingénierie des connaissances et de la qualité pour faciliter la modernisation de l’ensemble de son environnement applicatif, tout en préservant la responsabilité humaine, la traçabilité et la qualité.
L’approche de CGI : créer des connaissances réutilisables sur les applications grâce à l’IA agentique
Nous avons déployé une approche de documentation basée sur l’IA agentique afin d’analyser la base de code des applications et de reconstituer les connaissances qui y étaient enfouies.
Grâce à l’orchestration intelligente de plusieurs agents, à des techniques de formulation de requêtes et à des mécanismes de validation, la solution a analysé le code et généré une documentation technique structurée, une documentation sur les API ainsi que des représentations visuelles des processus destinées aux publics techniques et d’affaires. La documentation produite a été publiée directement dans l’environnement Confluence de la banque, facilitant la recherche, la mise à jour et la réutilisation des connaissances sur les applications.
La banque a pu convertir les connaissances fragmentées sur les applications en un actif réutilisable pour soutenir le transfert de connaissances, l’intégration, les évaluations d’impact et la planification des initiatives de modernisation, sans aucune revue manuelle du code.
La validation humaine est demeurée une composante importante du processus. Les spécialistes ont examiné les résultats générés par l’IA en fonction de critères de qualité définis pour s’assurer que les gains de rapidité ne se font pas au détriment de l’exactitude ou de la fiabilité.
Renforcer l’ingénierie de la qualité grâce à des capacités intelligentes de tests
Nous avons mis en œuvre une approche de tests assistée par l’IA pour la conception et l’exécution des tests, le débogage intelligent et la production de rapports.
L’analyse prédictive des défaillances et les capacités d’autocorrection ont permis de repérer plus rapidement les problèmes, de réduire les activités répétitives en assurance qualité et de mieux suivre l’avancement et les résultats des tests ainsi que les tendances en matière de qualité.
Ces capacités ont permis de répondre à deux besoins de modernisation interreliés : comprendre le fonctionnement des applications et valider de façon efficace et fiable les changements qui y sont apportés.
Générer des résultats mesurables
Le mandat a permis d’obtenir des améliorations mesurables en matière de documentation des applications et d’ingénierie de la qualité :
- Taux d’approbation de plus de 95 % dès la première soumission : plus de 95 % de la documentation générée par l’IA a été approuvée par les spécialistes de la banque dès la première soumission et ont nécessité peu de modifications.
- Réalisation en six semaines plutôt que huit mois : des travaux qui auraient nécessité environ huit mois selon l’approche traditionnelle ont été réalisés en six semaines.
- Réduction de plus de 80 % du travail de documentation : comparativement au même processus manuel, cette approche a réduit de plus de 80 % le nombre d’heures-personnes nécessaires pour la documentation, ce qui a permis aux spécialistes techniques de se consacrer à des activités d’ingénierie ayant une plus grande valeur.
- Analyse de plus de 500 000 lignes de code : plus d’un demi-million de lignes de code applicatif ont été analysées et converties en actifs intellectuels structurés.
- Aucune revue manuelle du code : la documentation a été générée sans nécessiter de revue manuelle du code, ce qui a réduit la dépendance à un petit nombre de spécialistes.
Les travaux d’ingénierie de la qualité ont également produit des améliorations mesurables :
Une réduction de 40 % des efforts manuels en assurance qualité par mise en production, une réduction de 50 % du temps nécessaire au diagnostic et à la résolution des échecs de tests, une réduction de 25 % des efforts consacrés aux tests de bout en bout et une réduction de 25 % de la durée des cycles de tests de régression.
D’une application à une capacité de modernisation reproductible
La valeur du mandat s’est notamment confirmée lorsque, à la lumière des résultats obtenus, la banque a utilisé l’approche de documentation pour d’autres applications.
Plutôt que de considérer l’IA agentique comme un projet ponctuel, nous avons conjointement adopté une approche réutilisable pour moderniser progressivement l’ensemble de l’environnement applicatif en combinant l’accélération rendue possible par l’IA, la validation humaine et des seuils de qualité clairement définis.
Étendre le développement logiciel assisté par l’IA tout en maîtrisant les coûts
Nous avons aidé à optimiser les coûts associés au développement logiciel assisté par l’IA dans un contexte d’adoption généralisée de l’IA dans les initiatives de modernisation de la banque.
Dans le cadre d’un programme connexe de modernisation des systèmes de cartes de crédit, les coûts liés aux jetons d’IA avaient atteint environ 1 000 $ par développeur/développeuse, par mois. Nous avons travaillé avec la banque pour optimiser l’utilisation de l’IA dans l’ensemble du cycle de développement par la sélection du modèle le mieux adapté à chaque tâche, une meilleure maîtrise de l’IA et l’automatisation traditionnelle lorsque le recours à l’IA n’était pas nécessaire.
Pour le premier cas d’utilisation réalisé selon cette approche, les coûts mensuels liés aux jetons d’IA sont passés d’environ 1 000 $ à 200 $ par développeur/développeuse. Une activité type qui nécessitait auparavant de six à sept heures a été réalisée en environ 50 minutes.
En constatant ces résultats, la banque a approuvé l’application de cette approche à un cas d’utilisation plus complexe.
Établir des bases solides pour une modernisation continue
Pour les organisations qui gèrent de grands environnements applicatifs, la modernisation repose sur une compréhension fiable du fonctionnement des applications, de leurs interdépendances et de la validation des changements qui y sont apportés.
En combinant l’IA agentique, l’ingénierie de la qualité et l’expertise humaine, nous avons aidé la banque à convertir ses connaissances sur les applications en un actif réutilisable, à réduire les efforts manuels et à mettre en place des capacités basées sur l’IA qui peuvent être appliquées au-delà du mandat initial.
Cette réalisation a confirmé un principe important : l’IA crée le plus de valeur lorsqu’elle est utilisée là où elle est réellement pertinente et selon une approche qui intègre dès le départ le jugement humain, des contrôles de qualité et une maîtrise des coûts.
