Accelerate

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…

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…

(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. … ……

(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…

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…

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…

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…

“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…

L’objectif de cet article est de proposer un lien entre observabilité des systèmes techniques et observabilité des organisations. La littérature, les conférences, les retours d’expérience commencent à être assez riches autour de l’importance de la mesure, du monitoring et de l’observabilité de systèmes techniques. Nous proposons ici d’étudier la transposition de ces concepts, ces modèles, ces automatismes à l’observabilité et au debug de systèmes sociaux-techniques. Nous allons dans un premier temps revenir sur quelques définitions et concepts régulièrement partagés autour du monitoring, de l’observabilité et…

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. Il peut être lu indépendamment, mais si vous n’êtes pas familier avec Accelerate, ou si vous souhaitez avoir plus de détails sur le contexte de cet article, vous pouvez lire l’article introduisant cette série. Vous y trouverez également le lien vers le reste des articles pour aller plus loin. Dans Accelerate, l’automatisation des déploiements fait référence à l’aptitude à…