Accelerate

Accelerate

L’observabilité au service du produit

Pourquoi on monitore Vous vous rappelez la dernière fois qu’un utilisateur vous a remonté un problème avec une application. On ne s’en était pas rendu compte, et on a dû réagir sur le tard pour remettre d’équerre le système. Suite à ça, on s’est dit qu’on allait mettre en place du monitoring pour être au courant au plus tôt des problèmes éventuels.  La question à se poser c’est : qu’est-ce qu’on veut monitorer. Généralement ce sont les ops qui mettent en place l’observabilité. On se…

Lire la suite
Accelerate

Stratégies et patterns pour déployer automatiquement un modèle de machine learning

Automatiser un déploiement c’est pouvoir rendre accessible une nouvelle version de son logiciel en un clic. En ce qui concerne le déploiement d'un modèle de machine learning, il s’agit d’automatiser deux choses : la construction de l’artéfact modèle, communément appelé entraînement ; le déploiement du service d’inférence.  Service d’inférencePipeline de construction de l’artefact modèleRôleSert les prédictionsProduit un modèle à partir de données et de codeEnjeuPouvoir déployer une nouvelle version du modèle utilisable par le logiciel à la demandePouvoir lancer un entraînement à la demande Nous…

Lire la suite
Accelerate

Le change approval process d’un logiciel avec du ML

Cet article fait partie de la série Accélérer le Delivery de projets de Machine Learning, traitant de l’application d’Accelerate dans un contexte incluant du Machine Learning. Si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, nous vous invitons à commencer par lire l’article introduisant cette série. Vous y trouverez également le lien vers le reste des articles pour aller plus loin. Change Approval Process : de quoi s’agit-il ? Commençons par une définition…

Lire la suite
Accelerate

Utiliser la démarche Accelerate sans production est-ce possible ?

vitesse

Le but du récit Il s’agit avant tout d’une réflexion et d’un partage autour du sujet suivant :  Pouvons-nous utiliser la boîte à outils Accelerate quand nous n’avons pas d’environnement de production ? Y a t-il un intérêt à mesurer ? Que pouvons-nous faire ?  C’est un sujet qui questionne souvent nos clients et les Octos. Je vais vous partager mes convictions plus qu’une vérité absolue. Quelques définitions  Production  Il s’agit de l'environnement où l'on met à disposition une fonctionnalité aux utilisateurs finaux pour obtenir…

Lire la suite
Accelerate

Visualiser, Faire dialoguer, Anticiper – partie 3

(précédement …) Tableau 7 Dans lequel une nouvelle interlocutrice remue le couteau dans la plaie Paulette : PO sur le projet TITAN Sandrine : Développeuse sur TITAN Jacqueline : Testeuse sur TITAN Thomas : Tech Lead sur l'application TITAN Un backlog grooming Thomas : Ah au fait, je vous présente Jacqueline qui intègre le projet ce matin. Sandrine : Salut, tu viens renforcer l'équipe de dev ? Jacqueline : Non, disons que je viens plutôt constituer l'équipe de test. Sandrine : Ah. D'accord. … ……

Lire la suite
Accelerate

Visualiser, Faire dialoguer, Anticiper – partie 2

(précédement …) Tableau 4 Dans lequel l'information remonte difficilement à la surface Kanya : DSI Mohammed : Chef de projet sur le projet TITAN Paulette : PO sur le projet TITAN Thomas : Tech Lead sur l'application TITAN Pierrick : Ops/Administrateur système Kanya : Excusez pour le retard. Tout le monde est là ? Mohammed : On t'attendait. Regards circonspects Kanya : Je suppose que tu as présenté le but de la réunion ? Mohammed : J'allais le faire. Donc: suite à l'incident TITAN-382 du…

Lire la suite
Accelerate

Visualiser, Faire dialoguer, Anticiper – partie 1

Tableau 1 Où la réputation de la nouvelle responsable de la Direction du Système d'Information la précède Mohammed : Chef de Projet sur le projet TITAN Thomas : Tech Lead sur l'application TITAN Thomas : Tu as rencontré la nouvelle DSI ? Mohammed : Oui. Thomas : Alors tu en penses quoi ? Mohammed : Tu l'as rencontrée ? Thomas : Pas eu l'occasion mais on m'a parlé d'elle. Mohammed : Elle a remplacé Bernard au pied levé. Il partait quand elle est arrivée. Thomas…

Lire la suite
Accelerate

Pourquoi et comment retarder au plus tard les choix techniques non-structurants

Introduction La raison principale pour laquelle on crée un produit est d’apporter de la valeur au métier. C’est cet objectif qui uni les développeurs au métier : rechercher ensemble des solutions pour amener cette valeur le plus rapidement possible en production. Tant que le code n’est pas livré sur cet environnement, il n’est pas confronté à son utilisation et n’apporte rien aux utilisateurs. L'agilité a cette vocation d’amener au plus vite de la valeur, mais seule elle n’est pas suffisante. En effet, il est possible…

Lire la suite
Accelerate

L’expérimentation dans un Delivery de Machine Learning

La méthode du Lean Product Management dont s'inspire fortement Accelerate dans sa vision du Delivery vise à construire le bon produit, au bon moment. Cette philosophie cherche surtout à permettre aux organisations de s'adapter aux changements continus auxquels est confronté un produit tout au long de son cycle de vie. L'expérimentation fait partie des pratiques de cette méthode et appartient au groupe de capabilities Product and processes du modèle Accelerate. Et même si cette capability rime souvent avec risques et/ou perte de temps, elle est…

Lire la suite
Accelerate

Rendre visible la chaîne de valeur dans un projet de Machine Learning Delivery

“Make the flow of work visible through the value stream. Teams should have a good understanding of and visibility into the flow of work from the business all the way through to customers, including the status of products and features. Our research has found this has a positive impact on IT performance." Extrait de: Forsgren PhD. « Accelerate. » Cet article fait partie de la série “Accélérer le Delivery de projets de Machine Learning”, traitant de l’application d’Accelerate [1] dans un contexte incluant du Machine…

Lire la suite