Contexte
Dans une logique de rationalisation de son système d’information, la DSI de Banque PSA Finance a lancé un projet visant à classifier automatiquement les environnements applicatifs du groupe. L’objectif était de structurer un référentiel fiable, à jour et automatisé, sans avoir à le maintenir manuellement — une tâche longue, sujette aux erreurs et peu évolutive.
Le projet a été développé sur l’environnement on-premise Hadoop Cloudera. Une nomenclature existante sur les noms d’applications permettait déjà de déduire certaines caractéristiques clés (environnement : dev, recette, prod, pays de déploiement, etc.), mais elle n’était ni strictement respectée, ni pleinement exploitable sans un traitement intelligent.
Mon rôle
J’ai travaillé en autonomie, accompagné d’un architecte SI pour le cadrage et les validations métier. Mon rôle couvrait l’ensemble du projet :
- Conception de l’approche algorithmique.
- Développement des traitements de classification.
- Intégration dans le SI existant.
- Modélisation et alimentation du référentiel d’architecture d’entreprise.
Approche technique
Classification semi-supervisée
Un premier essai avec du machine learning non supervisé (NLP avec NLTK) n’a pas donné de bons résultats : les patterns dans les noms n’étaient pas assez clairs pour l’algorithme seul.
J’ai donc mis en place une approche semi-supervisée basée sur :
- Des règles métiers explicites (extraction de tags à partir des noms).
- Un moteur de matching pour les cas flous.
- Un système de validation progressive (cf. PDF fourni).
Cette approche a permis d’atteindre 98 % de classification automatique fiable, avec seulement une minorité de cas nécessitant un contrôle manuel.
Données et traitements
- Source : base contenant la liste des applications.
- Traitement initial : POC avec Pentaho (ETL open source).
- Industrialisation : traitement en Python (Pandas, Scikit-learn, NLTK).
- Automatisation : batch quotidien sur l’environnement Hadoop.
- Stockage : ingestion dans Hive, mise à disposition pour les autres outils.
Modélisation & architecture
Le résultat de la classification a été utilisé pour enrichir le référentiel TOGAF / Archimate :
- Modélisation des différents types d’applicatifs et de leurs couches techniques.
- Intégration dans Sparx Enterprise Architect.
- Création de dashboards d’architecture à partir des tags générés automatiquement.
Cette cartographie a ensuite été utilisée dans une optique stratégique :
- Suivi des moteurs de versions.
- Identification des applications obsolètes.
- Mise en conformité avec les standards d’architecture internes.
Organisation
- Projet mené en autonomie technique, avec des points réguliers avec un architecte SI.
- Collaboration directe avec les équipes architecture d’entreprise et gouvernance IT.
Résultats
- Plus de 200 environnements applicatifs classifiés automatiquement.
- Référentiel mis à jour automatiquement, exploité dans les outils d’architecture.
- Gain en fiabilité, maintenabilité et traçabilité des environnements applicatifs.
- Réutilisation possible de l’approche dans d’autres entités du groupe.
Ce que j’ai appris
- Conception et mise en œuvre d’une approche semi-supervisée peu courante (règles + NLP).
- Industrialisation de traitements Python sur un environnement on-premise.
- Travail structuré autour de TOGAF, Archimate et Sparx EA, avec une vraie compréhension des enjeux d’architecture SI.
- Prise en main d’outils BI et ETL (Pentaho, Hive) dans un contexte concret de gouvernance.
Bonnes pratiques réutilisables
- Approche hybride règle + ML pour les systèmes à nomenclature floue.
- Valorisation automatique de la donnée dans les outils d’architecture (Sparx).
- Structuration d’un projet de data engineering avec une forte portée fonctionnelle.