Les ingénieurs de CGI se sont servis de Databricks pour aider une organisation de soins de santé à accélérer le développement de logiciels assisté par l’IA tout en maintenant la gouvernance d’entreprise et la portabilité du code à source ouverte.

Les entreprises veulent accélérer l’adoption de l’IA sans se fermer de portes

Les plateformes d’intelligence artificielle (IA) modernes permettent aux organisations d’accélérer le développement de logiciels, de renforcer la gouvernance et d’améliorer la productivité des équipes d’ingénierie. Parallèlement, plusieurs organisations s’interrogent sur un enjeu concret : comment tirer parti de ces plateformes sans créer de dépendances technologiques inutiles ni se retrouver tributaires d’un seul fournisseur.

Le défi des organisations qui évoluent dans des secteurs fortement réglementés va au-delà de la productivité; elles doivent protéger les données sensibles, maintenir une gouvernance rigoureuse et garder une marge de manœuvre pour évoluer au rythme des technologies.

Pour un client en gestion des soins de santé, il était tout aussi important d’optimiser la valeur de sa plateforme Databricks que de préserver la flexibilité de son architecture à long terme. Les ingénieurs de CGI ont mis au point un environnement d’expérimentation pour les agents d’IA qui favorisait l’ingénierie logicielle de façon autonome tout en préservant la gouvernance de l’entreprise et en validant la comptabilité de façon continue au moyen de technologies à code source ouvert, ce qui réduit progressivement la dépendance à une seule plateforme. Le résultat? Un environnement d’ingénierie où les agents d’IA pouvaient développer, mettre à l’essai et valider des logiciels de manière autonome avant l’approbation finale des développeurs et le déploiement.

Le défi

La plateforme de données du client reposait déjà sur Databricks et le catalogue Unity, ce qui favorisait une gouvernance de l’entreprise, une gestion centralisée des métadonnées, une exécution Spark évolutive et une ingénierie accélérée des données. À mesure qu’elle mettait à l’essai l’ingénierie logicielle autonome afin d’accélérer le cycle de développement, l’organisation voulait aussi préserver sa capacité à faire des choix sans être tributaire de technologies propriétaires.

L’enjeu : comment tirer pleinement parti des capacités de Databricks tout en continuant de suivre une trajectoire claire vers la portabilité d’un code à source ouverte?

La solution : un environnement d’expérimentation pour les agents d’IA

Les ingénieurs de CGI ont collaboré avec le client pour concevoir un environnement d’expérimentation éphémère pour les agents d’IA qui repose sur des technologies à source ouverte, dont Apache Spark, sur le catalogue à source ouverte Unity ainsi que sur des outils de développement standards. Les agents d’IA pouvaient développer, mettre à l’essai et valider les modifications apportées aux logiciels dans des environnements isolés tout en s’assurant de la compatibilité avec les technologies à code source ouvert.

De manière tout aussi importante, aucune donnée de production sur les soins de santé n’a été saisie dans l’environnement d’expérimentation. Seules les structures des métadonnées ainsi que les définitions du catalogue Unity ont été synchronisées, ce qui a permis aux agents d’IA de travailler dans un environnement de développement représentatif sans compromettre des renseignements personnels sur la santé ni des renseignements permettant d’identifier une personne.

La gouvernance avant l’autonomie

L’un des principes de conception fondamentaux de la solution consistait à dissocier les processus déterministes de la prise de décision autonome.

Toutes les activités liées à la préparation de l’environnement de développement sont demeurées déterministes : création de l’environnement d’expérimentation, synchronisation des métadonnées, configuration du répertoire et des environnements. Ce n’est qu’une fois ces processus gouvernés terminés que les agents autonomes ont commencé à prendre des décisions liées à l’ingénierie.

Cette approche a permis de soutenir la reproductibilité, la traçabilité, la gouvernance et la conformité tout en réduisant les risques opérationnels, et ce, sans renoncer à la valeur ajoutée de l’IA en ingénierie.

Des agents d’IA aux responsabilités distinctes

Après la mise en place de l’environnement d’expérimentation, l’agent de développement est devenu responsable du récit utilisateur en :

  • interprétant les exigences fonctionnelles;
  • mettant en œuvre les modifications apportées au code;
  • générant des essais unitaires au moyen de données synthétiques;
  • validant automatiquement les modifications avant leur intégration dans une branche de fonctionnalité.

Plutôt que de valider son propre travail, l’agent de développement déléguait cette tâche à un autre agent responsable du contrôle de la qualité qui s’exécute dans son propre environnement d’expérimentation isolé. Ce dernier générait de nouveaux scénarios de validation, au lieu de s’appuyer sur les tests élaborés par les développeurs, afin de vérifier les exigences fonctionnelles, les effets des régressions, la gestion des erreurs et les conditions limites sous un angle différent.

Les agents de développement et de contrôle de la qualité ont continué leur travail jusqu’à ce que tous deux conviennent indépendamment que la mise en œuvre respectait les critères d’acceptation établis. Ce processus a créé une boucle de rétroaction autonome en matière de contrôle de la qualité avant que le logiciel ne tombe dans les mains d’un vérificateur humain, afin de renforcer la qualité du logiciel tout en réduisant les tâches manuelles.

La supervision humaine demeure essentielle

Malgré ce processus largement automatisé, les ingénieurs demeurent responsables du résultat final. Une fois la validation des agents terminée, le code était automatiquement préparé pour révision dans l’environnement de développement Databricks, conformément aux processus de gouvernance d’entreprise, avant son déploiement.

Cette approche a établi un équilibre entre l’autonomie de l’IA, les exigences réglementaires et l’imputabilité des équipes d’ingénierie, une considération essentielle dans le secteur des soins de santé.

Réduire la dépendance aux fournisseurs grâce à la validation en continu

L’environnement d’expérimentation a intentionnellement été mis en place en s’appuyant sur le catalogue à source ouverte Unity, une infrastructure conteneurisée ainsi que des composants à source ouverte, dont Apache Spark. Tout au long du développement, chaque modification de code générée par l’IA a fait l’objet d’une validation continue afin de s’assurer de sa compatibilité avec ces technologies.

Cela a permis d’aligner les applications sur les tendances architecturales portables sans renoncer aux fonctionnalités de Databricks : gouvernance d’entreprise, gestion des données unifiées, exécution évolutive et productivité du développement. L’intégration de la portabilité au processus d’ingénierie dote l’organisation de la capacité à s’adapter aux futures décisions technologiques et à continuer de faire évoluer sa plateforme existante.

Résultats d’affaires

L’environnement d’expérimentation pour les agents d’IA a généré une valeur ajoutée sur plusieurs plans.

  • Livraison de logiciels accélérée grâce à la mise en œuvre assistée par l’IA, à la mise à l’essai automatisée et à des cycles d’ingénierie abrégés.
  • Logiciels de meilleure qualité grâce à une validation indépendante par l’IA, à des essais plus complets et à des boucles de rétroaction continue.
  • Protection des données renforcée grâce à la synchronisation limitée aux métadonnées et aux environnements d’exécution isolés.
  • Flexibilité architecturale accrue en réduisant le risque de dépendance envers un fournisseur grâce à une validation continue par des technologies à source ouverte.
  • Initiatives d’ingénierie à plus grande valeur ajoutée en réduisant le temps consacré aux tâches répétitives de codage et de test, ce qui permet aux ingénieurs de se concentrer sur l’architecture, les décisions de conception et les priorités d’affaires.

Bien que cette solution ait été conçue pour une organisation de soins de santé œuvrant dans un environnement hautement réglementé, les principes d’ingénierie vont au-delà d’un seul secteur d’activités. Les organisations de tous les secteurs cherchent des façons d’améliorer l’ingénierie assistée par l’IA tout en maintenant la gouvernance, la sécurité et la flexibilité à long terme.

Regard vers l’avenir

L’ingénierie assistée par l’IA change le développement, la mise à l’essai et la livraison de logiciels d’entreprise. Le plus grand potentiel ne réside pas uniquement dans l’accélération du développement, mais aussi dans la création d’environnements d’ingénierie où l’automatisation, la gouvernance et la flexibilité architecturale évoluent de pair.

En combinant les processus déterministes, la validation indépendante, la supervision humaine et les normes de code à source ouverte, les organisations peuvent adopter l’ingénierie assistée par l’IA avec plus d’assurance tout en préservant la flexibilité requise pour s’adapter aux changements technologiques et aux nouvelles priorités d’affaires.