IA et déploiement continu : les 2 armes de Bonitasoft pour la transformation numérique

Un module de  livraison continue

L’étape suivante consistait donc à travailler sur les phases de déploiement – une étape de plus en plus complexe au regard de la diversité des environnements actuels. C’est ce que l’on retrouve dans ce premier module. La société prépare en effet un module de livraison continue (Continuous Delivery) dont  la vocation est de mieux insérer le BPM, et Bonita, dans les environnements de développements modernes où se croisent Cloud, Jenkins, Docker, DevOps et consorts. Des outils et concepts déjà largement exploités par les utilisateurs de la plateforme Bonita, rappelle Miguel Valdes Faura.

Cet add-on sera composé de deux parties : une partie Dev qui abordera la dimension de l’intégration continue, et une partie Ops, celle portant sur le provisioning - et donc les phases de déploiements. Une façon de faire entrer de plain-pied le BPM Bonita dans une chaîne DevOps, et surtout – cela est un point clé dans  les entreprises – d’outiller cette interaction entre les développeurs d’un côté et les opérationnels de l’autre. Pour le responsable, cela est aussi nécessaire pour Bonita qui doit être prêt à tous les scenarii de déploiements.

Sans la dimension itérative et des capacités d’amélioration en continu, le BPM va devenir très lourd à déployer, explique le responsable. Par exemple Bonita se pluggue ainsi directement dans Jenkins de façon à ce que toutes régressions soient automatiquement détectées. Dans la même logique, une image Docker a été créée pour faciliter les déploiements tant en interne qu’en externe chez AWS par exemple.

Pour ce module, BonitaSoft s’est également appuyé sur sa base utilisateurs dont les environnements cibles sont très diversifiés. Depuis 6 mois, ce module est testé auprès de clients d’AWS, d’autres s’adossant à des Cloud privés bâtis sur Cloud Foundry ou d’autres encore ayant déployé Bonita sur site. L’idée est de répondre aux multiples cas d’usage en matière de déploiement,  mais avec la même base de code.

Mais là où ce module s’inscrit dans la continuité pour Bonitasoft : il est en fait la version mature de BonitaCloud, ajoute le responsable. BonitaCloud est une instance Cloud de la plateforme Bonita sur AWS, présentée en 2014, et dont nous n’avions plus entendu parler. Ce module est en fait le fruit des travaux réalisés avec ce Cloud. « Lors des phases de tests, les équipes IT de la société ont fini par utiliser ce Cloud pour fournir des services de Bonita à Bonitasoft », raconte Miguel Valdes Faura. « Tous les processus et applications en interne qui reposent sur Bonita sont hébergés dans une version privée d’AWS et opérés par l’équipe IT ». Cette expérience se traduit aujourd’hui dans la partie provisioning de ce module de livraison continue.

Une IA centrée sur l’exécution des processus

Le second module, également prévu pour la fin 2017, apportera quant à lui une dimension intelligence artificielle à cette notion d’amélioration continue. Mais avec l’approche de Bonitasoft, à savoir centrée sur les processus, cœur du BPM. Ce module permettra d’aider les développeurs à améliorer les interfaces et les processus, en détectant des processus déficients dans leur exécution, ou encore des interfaces utilisateurs qui font perdre du temps dans cette même exécution.

On connecte ce module à Bonita et les logs d’exécution sont par exemple analysés. L’IA  de Bonitasoft repose sur un algorithme qui non seulement découvre les processus et mais effectue également des prédictions quant à certains comportements. Il recommande enfin des modifications de processus (la réassignation de processus à une autre personne ou à une autre étape).

Pour cela, la société s’appuie certes sur des données collectées depuis des années lors de ses activités. Mais ce n’est pas tout. Car le métier de BonitaSoft n’est toujours de créer des outils pour Data Scientists, ironise Miguel Valdes Faura. En fait, le module analyse, trace et score les processus métier et l’ensemble des étapes de leur exécution – on parle de « process mining ». Les données sont ajoutées ensuite « si l’on souhaite raffiner ». Ce même algorithme sera à terme appliqué aux interfaces utillisateurs, termine le Pdg.