Low-code : Enedis, Pierre Fabre et la STIME témoignent

low-code Enedis STIME Pierre Fabre

Pierre Fabre, STIME, Enedis : trois retex agrémentent le dernier rapport du Cigref sur le développement low code / no code.

Quelle gouvernance pour le développement low code / no code ? Dans le cadre de ses réflexions sur le sujet, le Cigref a choisi de mettre en avant un exemple : celui de Pierre Fabre.

Pour accompagner les métiers dans les projets « small apps », le groupe pharmaceutique a défini trois rôles :

– BPO (business process owner)
Référent transverse des processus et des données, il fait partie des métiers. Il a pour mission de mieux qualifier les demandes, de gérer l’urgence métier et son besoin.

– CSIB (coordinateur SI business unit)
Garant de la capacité à mettre en œuvre les projets côté métier. Il assure un reporting consolidé des activités SI pour la BU.

– BRM (business relationship manager)
Répartis par domaines (R&D, marketing et commerce, opérations, RH / finances…). Ils gèrent la demande métier et cadrent les besoins SI pour leur domaine fonctionnel.

Pierre Fabre a monté une entité spécifique, nommée DAIS (Digital acceleration and information system). Elle résulte de la collaboration d’une entité process & organisation, d’une entité digitale et d’une DSI classique.

Dans le cadre de la stratégie « small apps », l’autonomie est laissée aux métiers en termes de delivery. Mais dans un cadre maîtrisé. La DAIS va en l’occurrence :

– S’assurer que les services ne sont pas déjà existants ou en construction dans son catalogue
– Les référencer et en assurer la conformité
– Définir et maintenir les architectures et les solutions de référence
– Mettre à disposition des plates-formes sécurisées, supervisées et sauvegardées
– Gérer l’intégration avec le SI
– Apporter des lignes directrices et une expertise technique

Un arbre de décision low code chez le Groupement des Mousquetaires

Sur la question du choix des plates-formes low code / no code, le Cigref explique :

Il peut être judicieux de commencer par définir un périmètre d’usage et d’exclusion via un arbre de décision. Celui-ci peut être construit avec les métiers.

C’est ce qui s’est passé chez la STIME (DSI du Groupement des Mousquetaires), sous la houlette de son pôle Dev Factory. L’objectif : déterminer les applications réalisables avec AppSheet ou avec PowerApps, les deux solutions les plus utilisées dans le groupe.

Première étape : la validation d’un organe de décision réunissant développeurs, utilisateurs, architectes et les équipes de sécurité. Celui-ci assure la revue :

– Des applications créées sur la période, pour éviter les doublons et détecter celles sur lesquelles on peut communiquer
– De patterns d’architecture applicative mêlant plate-forme no code et interaction avec le SI
– Des demandes de mise à disposition de sources de données issues du SI via API

Un questionnaire est fourni aux métiers. Pour leur demander quels sont, entre autres, le nombre d’utilisateurs visés, le niveau de complexité UI/UX et la durée de vie de l’application.

Lors de la sélection d’une app, suivant le type de projet et de public, on mobilise différentes instances : un comité d’architecture et/ou un comité de gouvernance. Puis on décide de l’éventuel lancement d’un plan de formation. La Dev Factory assure la maintenance et le suivi de l’application.

arbre de décision low code no code STIME
(Cliquer sur l’image pour l’agrandir.)

Enedis inscrit le low-code dans sa stratégie data

Pour quels bénéfices, le low code / no code ? Le Cigref évoque la possibilité de développer ou d’enrichir les plates-formes de développement à moindre coût. Il mentionne par ailleurs l’opportunité de poser, avec les métiers, un cadre de fonctionnement plus sécurisé et standardisé que le shadow IT. Il affirme également :

L’approche low code / no code peut aussi servir la stratégie data de l’organisation. […] Une autre dimension positive […] est l’acculturation des métiers aux enjeux IT.

Deux éléments qu’illustre le cas d’Enedis. Le groupe a choisi une solution on-prem qui cible les data analysts dans les régions. Elle a permis d’améliorer plusieurs aspects :

– Dynamique collaborative avec les data scientists au niveau national
– Réduction des délais de mise en œuvre et optimisation de l’utilisation des ressources rares
– Passage du stade expérimental au stade industriel « de manière fluide et by design »
– Acculturation des métiers à l’ouverture maîtrisée des données (solution reliée au data lake d’Enedis)

Photo d’illustration © ZinetroN – Adobe Stock