Critères d’éligibilité d’un BRMS

moteur de regles brms

Critères d’éligibilité d’un BRMS

brms definition

Aux origines du BRMS (moteur de règles)

La technologie des moteurs de règles / BRMS ne date pas d’hier. Née sous l’impulsion des américains dans les années 70 avec notamment la conception et de l’algorithme de RETE, elle a connu ses premières gloires début des années 80 sous l’appellation des systèmes experts. Le moteur de règle est une technologie ayant considérablement évolué, en traversant des années plus creuses (les années 90) avant de rebondir, au début de la bulle Internet, en solution technologique de Business Rules Management System (BRMS).

Ainsi, aujourd’hui, une vingtaine d’éditeurs postulent sur ce segment technologique, pour la plupart américains. Pour autant, il s’agit pour les clients d’apprécier la pertinence ou non de l’usage d’un BRMS pour répondre à la problématique métier qui est la leur.

Alors, comment apprécier cette pertinence ?

Le BRMS en quelques mots

Tout d’abord, il s’agit de transposer la logique métier, historiquement codée dans le patrimoine informatique des entreprises ou issue de l’expertise humaine, en règles communément appelées règles SI ALORS. Néanmoins, le SI contient les conditions qui doivent être évaluées à VRAI pour que la règle soit éligible au déclenchement. Une règle éligible s’exécute, c’est-à-dire que le moteur de règles exécute les actions contenues dans la partie ALORS de la règle. Une règle exécutée peut permettre potentiellement qu’une autre règle devienne éligible et ainsi de suite.

Ainsi, un raisonnement logique apparait par le déclenchement successif des règles éligibles.

Voici un exemple :

brms comprendre

Par ailleurs, certains éditeurs fournissent en réalité 3 représentations possibles de la logique métier : les règles, les tables de décision (qui s’apparentent à une table de feuille Excel) et des arbres de décision.

Au final, l’objectif d’une technologie BRMS est bien d’améliorer la lisibilité de la logique métier répartie dans les applicatifs du SI et de permettre ainsi une meilleure maintenabilité de cette logique en créant une indépendance entre le contenu d’un ensemble de règles (service de règles) et la manière dont on le consomme au sein du SI.

Comment évaluer la pertinence ou non d’un BRMS ?

Malgré les avantages énoncés du BRMS, son usage n’est pas systématiquement pertinent au regard du contexte et de la problématique des entreprises qui se poseraient la question de l’utiliser.

De ce fait, il s’agit de vérifier un certain nombre de critères d’appréciation qui sont résumés ici :

La démarche de Pacte Novation est axée autour de la réalisation d’ateliers avec les différents acteurs partie prenante dans le futur projet, l’analyse et la retranscription des éléments recueillis durant ces ateliers, la rédaction de notes, et la restitution/présentation des conclusions aux instances de décision du client.

En tout état de cause, la clé du succès d’un projet BRMS est d’abord et avant tout, l’adhésion à cette technologie de toutes les parties prenantes du projet.

Nous vous proposons des solutions autour du système d’information, système expert, embarqué et édition de logiciels,  nous permettant de répondre à la plupart des exigences du marché. 

L’Intelligence Artificielle au service d’une e-Réputation écologique?

intelligence artificielle ecologie

L’Intelligence Artificielle au service d’une e-Réputation écologique?

De plus en plus, l’environnement et la protection de la planète deviennent un enjeu sociétal et politique fort. Appauvrissement des ressources naturelles, pollution, perte de la biodiversité… la terre se dégrade et notre qualité de vie avec.

intelligence artificielle ecologie

L’e-réputation de l'écologie : une valeur éthique indispensable

Tout d’abord, de nombreux facteurs expliquent cette dégradation : exploitation par des entreprises peu respectueuses, besoin de survie de populations locales, arrivées d’espèces invasives. En effet, les grandes entreprises, par leurs activités humaines, peuvent avoir un impact écologique fort (positif ou négatif). Celles dont l’activité aurait un impact négatif sur l’environnement se trouvent être la cible des ONGs, de la presse spécialisée et des activistes écologiques, au travers de l’écriture d’articles, de tweets, qui en l’espace de quelques lignes peuvent mettre à mal l’image de ces entreprises. 

Tout un chacun peut lire ces articles et avoir une perception de la « bonne » ou « mauvaise » réputation écologique d’une société. Mais est-ce qu’une Intelligence Artificielle pourrait avoir la même perception ?

Ainsi, rien n’existe ou n’est en partie réalisé en la matière. Si la e-Réputation est un enjeu en premier lieu pour les grands groupes, pour autant, les applications informatiques dédiées à la détection d’une mauvaise réputation, de surcroît en matière écologique, n’existent pas.

L’e-réputation : du « buzzword » à la réalité d’un enjeu

Internet a fait naître l’identité digitale de chacun et donc une prise de conscience qu’elle peut être à « charge » comme à « décharge » dans la construction d’une réputation et d’une image qui peut nous échapper. Cela a donné naissance au terme E-réputation (Chun & Davies) qui devient un « Buzzword ».

Ainsi, de nombreux grands groupes ont compris cela et ont mis en place des cellules d’expertises de gestion de de l’E-réputation, applicables à la sphère écologique, à travers le « monitoring » des publications du Web. Ainsi, il s’agit de surveiller l’ensemble des contenus mentionnant la personne, la société, la marque de produit, et estimer précisément la visibilité d’un sujet, surtout lorsque celui-ci est à « charge ». 

Par ailleurs, une célèbre chaîne de vêtements en a fait les frais en 2013. A l’époque le PDG avait déclaré que sa marque ne s’adressait pas aux personnes corpulentes. Les Tailles XL et XXL avaient été alors retirées des rayons. Quasi immédiatement sur le Web, la marque est devenue une marque pour « gens beaux » et une enquête journalistique a démontré que les vendeurs étaient choisis sur des critères physiques. Les internautes ont donc réagi en se saisissant de cette politique de recrutement discriminatoire et les mentions négatives se sont multipliées évoquant les valeurs de la marque et ses figures dirigeantes. 

La marque a été entachée entraînant une baisse de 18% de l’action et une perte nette de 6 M$ de bénéfices, avec une répercussion durable en interne. Comme quoi, dans l’écologie ou n’importe quel autre secteur, la réputation en ligne, c’est essentiel.

Comment surveiller automatiquement les indices réputationnels ?

Il existe aujourd’hui des éditeurs de plateformes permettant de réaliser des analyses quantitatives automatiques et sur-mesure comme Yext, Brand24, OBI Brand Monitor, LocalClarity, Yotpo, Djubo, Grade.us, Review Ninja, HootSuite, TalkWalker, Cision, BrandWatch, WizVille, TagBoard, Twitter Counter, Hearsay Social, BirdEye, Feefo, DialogFeed, Infegy Atlas … Mais la plupart sont des outils dont les principales fonctionnalités sont des mécanismes d’alertes d’avis et de surveillance de conversations. Or, personne ne peut maîtriser l’ensemble des conversations ou articles sur le web.

Dans le monde de l’écologie et de l’activisme environnemental, aucune des plateformes citées précédemment ne permet de détecter un risque réputationnel au regard de l’impact sur l’environnement sans analyse humaine.

Or la masse d’information est telle qu’il est quasi impossible de les analyser « à la main » et pour autant, une notation de e-réputation qu’elle soit écologique ou autre ne peut être juste que si la totalité de l’information est traitée.

C’est pourquoi l’usage de l’Intelligence Artificielle apparaît dans les projets d’automatisation de la perception d’un risque réputationnel à travers notamment des outils d’analyse de sentiments.

e reputation intelligence artificielle

Analyse de sentiments des articles

Pourquoi, comment ?

L’analyse de sentiment (parfois appelée opinion mining) est la partie du text mining qui essaie de définir les opinions, sentiments et attitudes présente dans un texte ou un ensemble de texte. Développée essentiellement depuis les années 2000, elle est particulièrement utilisée en marketing pour analyser par exemple les commentaires des internautes ou les comparatifs et tests des blogueurs ou encore les réseaux sociaux. Mais elle peut également être utilisée pour sonder l’opinion publique sur un sujet, ou encore pour chercher à caractériser les relations sociales dans les forums.

Par ailleurs, l’analyse de sentiment demande bien plus de compréhension de la langue que l’analyse de texte et la classification par sujet. En effet, si les algorithmes les plus simples considèrent uniquement les statistiques de fréquence d’apparition des mots, cela se révèle en général insuffisant pour définir l’opinion dominante dans un document, surtout lorsque le contenu est court comme des messages dans un forum ou des tweets.

De ce fait, l’analyse de sentiment « basique » se focalise sur une seule dimension : le sentiment général est-il positif ou négatif ? Les techniques visant à déterminer un (ou plusieurs) sentiments généraux comme l’envie, la colère, la frustration ou la joie relèvent plus d’une forme d’adaptation des méthodes de découverte de sujet ou de méthodes de classification.

L'analyse peut s'effectuer à différents niveaux :

  • Au niveau du document : détermine l’opinion générale de l’ensemble du document. Cette analyse fonctionne bien pour des documents qui présentent un point de vue précis, mais moins pour des comparaisons car elle ne fera pas la différence entre les sujets abordés.
  • Au niveau de la phrase : détermine l’opinion générale d’une phrase (positive, négative ou neutre). Cette analyse peut donner une mesure de la « neutralité » d’un texte. Les méthodes utilisées sont celle de l’analyse de subjectivité.
  • Au niveau des aspects (aussi appelé Feature level) : au lieu de déterminer les entités à analyser en fonction de critère structuraux (phrase, paragraphe, document) ces méthodes se basent sur une analyse de corrélation entre l’opinion émise et la cible de cette opinion. Par exemple, la phrase « Le sujet du cours me passionne mais le professeur est ennuyeux. » présente deux sentiments sur l’entité « cours » : le sujet qui est perçu comme positif et le professeur, qui est perçu comme négatif. Ce niveau d’analyse permet de différencier les aspects qui sont aimés ou non par les auteurs des textes et ainsi permet plus facilement de déterminer des remédiations possibles. En revanche il est très difficile à mettre en place car extrêmement complexe, notamment la mise en relation des entités mentionnées.

Aujourd’hui des solutions d’Intelligence Artificielle existent et progressent considérablement en la matière. Pour autant, aucune IA n’est encore capable de comprendre l’ironie ou les sous-entendus !

Nous vous proposons des solutions logicielles autour des problématiques en intelligence artificielle & BRMS nous permettant de répondre à la plupart des exigences du marché. 

Pourquoi concevoir une architecture logicielle en microservices ?

architecture microservices

Pourquoi concevoir une architecture logicielle en microservices ?

L’architecture logicielle décrit les différents éléments d’une application et leurs intentions. La conception de l’architecture est donc une étape particulièrement cruciale du développement logiciel. De cette phase, va dépendre non seulement la stabilité, la robustesse ou encore la scalabilité d’une application, mais également le rapport coût /efficacité.

architecture microservices

Les objectifs de la structure en microservices

Depuis toujours, les deux objectifs principaux de toute architecture logicielle sont la réduction des coûts et l’augmentation de la qualité du logiciel ; jusqu’à présent, la réduction des coûts était principalement réalisée par la réutilisation de composants logiciels et par la diminution du temps de maintenance (correction d’erreurs et adaptation du logiciel). Quant à la qualité, cela s’exprimait à travers un ensemble de critères dont l’efficacité, la pérennité, la stabilité et l’interopérabilité. S’ajoutent aujourd’hui 2 nouvelles questions :  Comment réduire les empêchements au changement ? Et comment libérer les développeurs des contraintes de la complexité et du déploiement ?

Principes de l’Architecture microservices

Les applications logicielles étant de plus en plus gourmandes en consommation de ressources physiques des machines sur lesquelles elles s’exécutent, les entreprises utilisatrices doivent faire face à des coûts d’infrastructures plus importants, des problèmes éventuels de performances, ainsi qu’à des coûts de maintenabilité. C’est pourquoi, depuis quelques années, la conception logicielle s’oriente vers une architecture Microservices (évolution de l’architecture SOA – Services Oriented Architecture).

Cette approche propose une solution extrêmement simple : une application logicielle voit son code découpé en modules fonctionnels ou techniques appelés microservices, parfaitement indépendants et donc autonomes, qui exposent une API REST (Application Programming Interface) permettant ainsi aux autres microservices de les consommer si besoin. Cela sous-entend que chaque microservice doit avoir son modèle de données de domaine et sa logique de domaine associés (souveraineté et gestion des données décentralisée). Il peut être basé sur différentes technologies de stockage de données (SQL, NoSQL) et sur différents langages de programmation.

Microservices, que des avantages ?

Les microservices affichent normalement une plus grande maintenabilité dans les systèmes d’informations complexes et hautement scalables, en permettant de créer des applications basées sur de nombreux services qui peuvent être déployés indépendamment, chacun ayant des cycles de vie granulaires et autonomes. On ne déploie plus une application monolithique mais seulement les services modifiés.

Autre avantage, les microservices peuvent monter en charge (scale out) de façon indépendante. Ainsi, vous pouvez effectuer un scale-out ciblé de la zone fonctionnelle qui nécessite plus de puissance de traitement ou plus de bande passante réseau pour satisfaire la demande, au lieu d’effectuer un scale-out d’autres zones de l’application qui n’en ont pas besoin.Par conséquent , les ressources physiques sont ajustables.

Nous vous proposons des solutions autour du système d’information, système expert, embarqué et édition de logiciels,  nous permettant de répondre à la plupart des exigences du marché. 

La transformation digitale du ferroviaire en pleine avancée

automatisation trains ter

La transformation digitale du ferroviaire en pleine avancée

automatisation trains ter

Le monde du ferroviaire révolutionné par l’automatisation des trains

Face à la montée de la demande en transports en commun et en marge de la rénovation du réseau ferroviaire en France, l’automatisation des trains devient la solution inévitable. En plus de se définir comme une solution facilitante, elle est favorisée par divers facteurs déclenchants :

  • La modernisation des systèmes
  • L’augmentation de la charge des voyageurs
  • L’extension du réseau ferroviaire

Aucun secteur n’échappe à la transformation digitale, pas même le ferroviaire…

La transformation digitale du ferroviaire : une étape inéluctable

Face aux forts afflux du trafic et à la multiplication des voies des réseaux ferrés, l’automatisation des trains, permise grâce aux logiciels ferroviaires permet de répondre à de nombreuses problématiques. Ainsi, la transformation digitale du ferroviaire marquée par son automatisation permettrait en premier lieu d’optimiser un problème récurrent et nuisant au bon fonctionnement du trafic ferroviaire : la sécurité. En effet, l’automatisation des trains permet d’améliorer la sécurité du réseau ferroviaire grâce à ses infrastructures fortifiantes (portes automatiques). Cela permet ainsi de réduire les accidents voyageurs et de ne pas en causer de nouveaux (réduire la marge d’erreur).

Ainsi, la transformation du réseau ferroviaire permet l’optimisation de la qualité des services, des économies d’énergie, de la sécurité et des performances du réseau, améliorant ainsi l’expérience des passagers.

Mais comment l’automatisation des trains améliore-t-elle la qualité du trafic ferroviaire ?

Outre ses avantages sécuritaires et écologiques, l’automatisation ferroviaire permettrait d’apporter bien des solutions pour résoudre les déficits de la gestion du réseau ferroviaire. En effet, utiliser une machine (ici, des logiciels ferroviaires : systèmes embarqués) permet d’éviter des erreurs que l’homme aurait pu commettre. Il est donc intéressant de s’appuyer sur la transformation digitale dans n’importe quel domaine pour faire avancer son activité.

Les différents facteurs optimisés par la transformation digitale du réseau ferroviaire

La SNCF épaulée par Thalès, RATP et autres grands acteurs du ferroviaire démultiplient leurs travaux dans l’automatisation des trains, voyant le grand nombre de bénéfices s’offrant à son utilisation.

Tout d’abord, l’automatisation ferroviaire permet de réaliser des économies d’échelle non négligeables. Entre les économies liées à la maintenance et celles dues à un meilleur trafic, l’automatisation se définit comme LA solution miracle pour optimiser la productivité du réseau ferroviaire.

Outre l’économie générée par cette solution, l’aspect sécuritaire demeure l’une des révolutions des trains automatisés. Entre contrôle temps réel permis grâce à des logiciels ferroviaires toujours plus innovants, limitation des incidents grâce aux portes automatisées et réduction de la marge d’erreur grâce au facteur humain effacé, les promesses des trains autonomes sont nombreuses.

Ainsi, entre gain de temps (intervalles réduits entre les trains), d’argent (augmenter l’offre quotidienne en un coût marginal faible) et fiabilité (systèmes temps réels), l’automatisation des trains devrait s’accroître de plus en plus.

En outre, en plus d’être une solution économique, ergonomique, sécuritaire et écologique pour les distributeurs de trains en France, la transformation digitale des trains sert également et principalement les usagers. De ce fait, en leur garantissant des services simplifiés, en temps réel et désintermédiés (retour à la normale en quelques minutes suite à un incident), elle leur offre une expérience de leur voyage optimale. Elle met ainsi le progrès technique au service du progrès social.

Après les métros autonomes, TER lance ses premiers trains autonomes à l’essai

Dans le même élan que la RATP et ses métros autonomes, TER Hauts-de-France se lance dans les trains autonomes. Dans le cadre d’un projet mené par la SNCF, Thalès met à l’essai ses produits en France en vue de proposer les TER autonomes d’ici 2025. De ce fait, le train Metrolinx Go circule depuis janvier en collectant des données en temps réel pour entraîner les systèmes ferroviaires à détecter les dangers et reconnaître les obstacles.

Le but final de recourir aux trains autonomes : réduction des retards, renforcement de la sécurité, amélioration de la maintenance et optimisation de l’exploitation et de la gestion du trafic.

La transformation digitale du ferroviaire n’a donc pas fini de faire parler d’elle…

Nous vous proposons des solutions autour du système d’information, système expert, embarqué et édition de logiciels,  nous permettant de répondre à la plupart des exigences du marché.