De l'optimisation des coûts à la création de revenus : Le véritable ROI de l'Intelligence Artificielle

 Dans les comités de direction, l'intégration de l'Intelligence Artificielle est trop souvent abordée sous le prisme exclusif de la productivité et de la rationalisation. En automatisant les processus répétitifs, l'IA offre une opportunité indéniable d'optimisation des structures de coûts. Cependant, s'arrêter à ce bénéfice de premier niveau constitue une erreur d'analyse majeure pour tout dirigeant ou responsable technologique.

Le véritable potentiel de l'IA ne réside pas dans la réduction de la masse salariale, mais dans la réallocation capacitaire. Il s'agit de transformer un temps de traitement "subi" en un temps d'investissement "lucratif".

1. La limite du modèle défensif

Utiliser la technologie pour réduire les effectifs de "X" personnes et augmenter mécaniquement les marges est une stratégie défensive, par nature éphémère. Les barrières technologiques s'effondrent : vos concurrents déploieront les mêmes algorithmes pour obtenir les mêmes gains de productivité. Très vite, la baisse des coûts deviendra le nouveau standard du marché, entraînant une pression à la baisse sur les prix. L'avantage concurrentiel fondé sur la seule économie d'échelle algorithmique est une illusion.

La pérennité d'une entreprise technologique ou numérisée repose sur sa capacité à déplacer la valeur là où la machine n'est pas (encore) autonome : l'empathie complexe, la stratégie créative et la conquête commerciale.

2. Le pivot vers les "Nouvelles Tâches Lucratives"

Le changement de paradigme consiste à considérer les heures libérées par l'IA non pas comme une charge en moins, mais comme un capital à réinvestir immédiatement. Voici les axes stratégiques majeurs pour générer de nouvelles sources de revenus :

• Le conseil à haute valeur ajoutée (Upselling structuré) : Lorsqu'un collaborateur est déchargé du support de niveau 1 ou de la saisie d'informations, il peut dédier son temps à la compréhension des enjeux business de ses clients. Ce passage d'une posture réactive à une posture de conseil proactif est le premier levier de montée en gamme et de fidélisation.

• L'exploration de marchés adjacents : Le manque de ressources humaines est souvent le principal frein au développement. L'IA, en agissant comme un copilote analytique, permet aux équipes de synthétiser des études de marché complexes en un temps record. Les équipes de développement peuvent ainsi se concentrer sur l'exécution et l'ouverture de nouvelles verticales business.

• L'innovation produit et l'itération rapide : Le temps est le carburant de la R&D. En automatisant les phases de tests ou de codage de base, les experts techniques et produits peuvent accélérer la mise sur le marché de nouvelles fonctionnalités monétisables.

3. L'enjeu managérial : Piloter la création de valeur

Ce redéploiement ne s'opère pas organiquement. Il exige une impulsion managériale forte et une refonte de nos grilles d'évaluation.

Il est impératif d'accompagner les collaborateurs (et particulièrement les profils juniors) dans cette transition. Il faut les former à devenir des "opérateurs de valeur", capables d'auditer l'IA et de prendre des décisions stratégiques à partir de ses recommandations. Parallèlement, les indicateurs de performance (KPIs) doivent évoluer : nous devons cesser de mesurer l'efficacité par le volume de tâches traitées, pour évaluer l'impact direct sur la croissance du chiffre d'affaires et la satisfaction client.

Conclusion

Pour les dirigeants, l'IA est un test de vision. Ceux qui y voient un simple outil d'automatisation des coûts préparent, à terme, l'obsolescence de leur organisation. Ceux qui y voient le levier ultime pour libérer l'intelligence humaine et la concentrer sur des tâches inédites et lucratives sont en train de bâtir les leaders de demain. L'objectif n'est pas de faire moins avec moins, mais de faire nettement plus avec ceux qui maîtrisent déjà votre culture d'entreprise.

Sacrifier les profils juniors face à l’IA : L’erreur stratégique que vous allez payer cher

L’adoption massive de l’intelligence artificielle générative bouscule toutes les lignes de l’organisation d’entreprise. En automatisant les tâches à faible valeur ajoutée, répétitives ou chronophages, l’IA offre une opportunité inédite de gains de productivité. Face à ce constat, une équation simple mais dangereuse se dessine dans l’esprit de nombreux décideurs : l'IA remplace les tâches de "X" personnes, il suffit donc de réduire la masse salariale d'autant pour maximiser les marges.

Cette approche purement comptable cache un angle mort systémique majeur : la destruction programmée du management de demain.

1. Le carrefour stratégique : Encaisser ou Réinvestir ? Lorsqu'une entreprise déploie des outils d'IA performants, elle se retrouve à la croisée des chemins avec deux options fondamentales :

• L'option de la stagnation (La vision comptable) : Elle consiste à chasser le coût fixe. On automatise, on réduit les effectifs ou on gèle les embauches, et on encaisse le gain à court terme. Le risque ? Une perte de compétitivité à moyen terme, car tous vos concurrents auront accès aux mêmes outils de réduction des coûts.

• L'option de l'expansion (La vision humaine) : Elle consiste à considérer le temps libéré comme un levier de croissance. Les collaborateurs ne sont pas licenciés ; ils sont réaffectés à de nouvelles tâches lucratives, au développement de nouvelles offres, ou à l'amélioration de la relation client. Le bénéfice est ici exponentiel grâce à la création de nouvelles sources de revenus.

2. Le péril du middle management : Le chaînon manquant C’est le point critique de la réflexion. Historiquement, les profils juniors entrent dans l'entreprise par la gestion des tâches répétitives. C'est en exécutant ces missions de base qu'ils découvrent les rouages d'un secteur, développent leurs compétences et se préparent, pas à pas, à devenir les managers intermédiaires de demain.

Si l'on coupe la base de la pyramide en bloquant l'accès des jeunes diplômés au marché du travail, on assèche le vivier de talents internes.

À moyen terme, le résultat est inévitable : une pénurie de middle managers capables de comprendre le terrain, et à long terme, une absence totale de relève pour la direction générale. On ne naît pas leader ou expert, on le devient par l'expérience.

3. Réussir la transition : Vers le junior "augmenté" Pour éviter ce scénario catastrophe, les entreprises doivent repenser l'onboarding et le rôle des juniors. Au lieu de voir l'IA comme un remplaçant du jeune diplômé, il faut la concevoir comme son accélérateur de compétences.

Cela implique un effort de formation et d'accompagnement fort :

• Former au pilotage : Apprendre aux jeunes recrues à maîtriser, auditer et orienter les outils d'IA (Prompt Engineering) plutôt que de subir l'automatisation.

• Valoriser les "soft skills" : Développer immédiatement chez le junior l'esprit critique, la créativité, l'empathie et la résolution de problèmes complexes (ce que l'IA ne sait pas faire de manière autonome).

• Responsabiliser plus tôt : Libéré des tâches chronophages, le profil junior peut être impliqué beaucoup plus tôt dans des projets stratégiques ou de développement commercial.

Conclusion L'intelligence artificielle ne doit pas être le prétexte d'un rétrécissement de l'entreprise. Bien au contraire, elle offre la chance historique de redéfinir le travail humain. En choisissant de réinvestir le potentiel des profils juniors et en les formant à devenir des professionnels augmentés, les leaders d'aujourd'hui s'assurent non seulement une croissance économique renouvelée, mais garantissent surtout la pérennité et l'intelligence collective de leur organisation pour les décennies à venir.

Suis-je encore enseignant si l’IA prépare une partie de mes cours ?

Pendant des années, pour préparer mes cours d’université ou de cycle ingénieur / master, je m’abonnais à plusieurs plateformes spécialisées.

Des sites pour le développement logiciel, la gestion des données, l’analyse de données, l’intelligence artificielle, l’architecture, les bonnes pratiques, etc.

Je lisais, je synthétisais, je préparais mes transparents, je construisais mes supports, souvent avec GitHub Pages pour donner un accès en ligne à mes étudiants.

Je faisais aussi des vidéos pour expliquer les notions importantes, revenir sur les points difficiles, ou prolonger le cours après la séance.

C’était passionnant, mais très consommateur en temps.
Et aussi en budget : chaque domaine avait ses ressources, ses abonnements, ses mises à jour, ses outils.

Aujourd’hui, avec un abonnement à une IA sérieuse — que ce soit Google, OpenAI, Anthropic ou une autre solution majeure — une grande partie de ce travail change profondément.

Je peux reprendre mes anciennes notes, mes anciens cours, mes supports, mes exemples, mes références.
Je peux les structurer, les enrichir, les transformer en synthèses, en transparents, en fiches de révision, en quiz, en exercices progressifs.

Avec des outils comme NotebookLM, je peux construire un assistant basé sur mes propres documents, mes propres cours, ma propre progression pédagogique.

Et là, une vraie question se pose :

Suis-je moins enseignant parce que l’IA m’aide à préparer ?

Je pense exactement l’inverse.

L’IA ne remplace pas l’enseignant.
Elle déplace son rôle.

Avant, une grande partie de mon énergie partait dans la recherche, la compilation, la mise en forme, la création de supports, la production d’exercices.

Aujourd’hui, cette partie peut être accélérée.

Mais ce qui reste — et qui devient encore plus important — c’est le cœur du métier :

• faire comprendre,
• donner du sens,
• motiver,
• coacher,
• orienter,
• corriger,
• challenger,
• adapter le discours au niveau réel des étudiants,
• faire le lien entre la théorie, la pratique et le monde professionnel.

L’IA peut générer un exercice.
Mais elle ne sait pas toujours pourquoi cet exercice est pertinent pour ce groupe précis, à ce moment précis de leur apprentissage.

L’IA peut produire un résumé.
Mais elle ne voit pas les regards perdus dans la salle.

L’IA peut expliquer un concept.
Mais elle ne remplace pas l’expérience de l’enseignant qui sait dire :

“Attention, ici vous croyez avoir compris, mais dans un vrai projet, c’est là que vous allez vous tromper.”

Le métier change.

L’enseignant n’est plus seulement un producteur de contenu.
Il devient davantage un architecte de parcours, un guide, un coach, un médiateur entre la connaissance, les outils et l’étudiant.

Et finalement, c’est peut-être une bonne nouvelle.

Parce que préparer des slides n’a jamais été la partie la plus noble du métier.
La vraie valeur est ailleurs : dans la pédagogie, l’accompagnement, l’exigence, la transmission de l’expérience, et la capacité à donner envie d’apprendre.

Donc non, je ne pense pas que l’IA fasse disparaître l’enseignant.

Elle oblige simplement l’enseignant à se recentrer sur ce qu’il aurait toujours dû être :

moins un distributeur de contenu,
plus un révélateur de compétences.

Domptez l'IA : Mon guide personnel pour mieux parler à Gemini

On a tous vécu ce moment. Vous ouvrez Gemini, vous tapez une question rapide... et la réponse est "mouais". Pas fausse, mais pas transcendante non plus. Vous vous dites peut-être que l'IA, c'est surfait.

Spoiler : Le problème, ce n'est pas l'IA. C'est la façon dont on lui parle.

C'est là qu'intervient le Prompt Engineering. Derrière ce terme un peu technique se cache une compétence toute simple : l'art de poser la bonne question pour obtenir la meilleure réponse. Je travaille quotidiennement avec Gemini, et j'ai compilé pour vous mes meilleures astuces pour passer de réponses "banales" à des résultats bluffants.

Voici comment transformer Gemini en votre meilleur allié créatif.

---

1. La Règle d'Or : Le Contexte est Roi 👑

Imaginez que vous demandez à un stagiaire (très intelligent mais qui débarque tout juste dans l'entreprise) : "Fais-moi un rapport." Il va vous regarder avec des yeux ronds. Un rapport sur quoi ? Pour qui ? Quelle longueur ?

Avec Gemini, c'est exactement pareil. Si vous êtes vague, il est obligé de deviner (et souvent, il devine mal).

Pour éviter ça, utilisez la méthode C.R.O. avant d'appuyer sur Entrée :

• C - Contexte : Qui êtes-vous et quelle est la situation ? (ex: "Je suis un étudiant pressé...")

• R - Rôle : Qui doit être Gemini ? (ex: "Agis comme un professeur d'histoire passionnant...")

• O - Objectif : Que voulez-vous accomplir précisément ? (ex: "...et résume la Révolution française en 3 points clés.")

💡 L'astuce pro : Commencez toujours vos prompts par "Agis en tant que..." ou "Tu es un expert en...". Cela change radicalement la qualité de la réponse car cela active le vocabulaire et le ton spécifiques au domaine que vous ciblez.

---

2. Soyez obsédé par le format 📝

Gemini ne sait pas lire dans vos pensées. Si vous avez besoin d'un tableau et que vous ne le demandez pas, vous aurez un pavé de texte indigeste.

N'hésitez pas à imposer des contraintes strictes sur la forme de la réponse :

• "Réponds uniquement sous forme de liste à puces."

• "Fais un tableau comparatif avec 3 colonnes : Avantages, Inconvénients, Prix estimé."

• "Utilise du gras pour mettre en évidence les concepts clés."

• "Limites-toi à 280 caractères maximum (pour un tweet)."

Plus vous êtes directif sur la forme, moins Gemini divague sur le fond.

---

3. L'exemple "Avant / Après" pour tout comprendre

Voyons la différence concrète entre un prompt d'amateur et un prompt d'ingénieur.

❌ Le Prompt "Bof" :

"Écris-moi un article de blog sur le télétravail."

Résultat probable : Un texte générique, un peu plat, que l'on a déjà lu 1000 fois sur le web.

✅ Le Super Prompt (Méthode C.R.O + Format) :

"Agis en tant que DRH spécialisé dans le bien-être au travail (Rôle). Rédige une introduction d'article de blog à destination des managers sceptiques (Contexte/Cible). Le sujet : Pourquoi le télétravail augmente la productivité. Ton : Professionnel mais persuasif, basé sur des données. Format : Utilise une métaphore frappante pour commencer."

Résultat probable : Un contenu ciblé, structuré, avec un angle d'attaque original et immédiatement utilisable.

---

4. N'ayez pas peur de discuter ! (L'itération) 🗣️

C'est l'erreur la plus fréquente chez les débutants : penser que si la première réponse n'est pas parfaite, c'est raté. C'est faux.

Le "Prompt Engineering", c'est une conversation, pas une commande unique au drive-in. Gemini a une mémoire dans le fil de discussion actuel. Traitez-le comme un collègue et rebondissez sur sa réponse :

• "C'est une bonne base, mais le ton est trop formel. Rends-le plus fun et accessible."

• "Tu as oublié de parler du budget dans le point 2, rajoute une section là-dessus."

• "Simplifie le 3ème paragraphe pour qu'un enfant de 10 ans puisse comprendre."

---

En résumé : Osez tester !

Le prompt engineering n'est pas une science exacte, c'est une pratique. C'est en forgeant qu'on devient forgeron. Plus vous testerez des contextes bizarres et des rôles différents, plus vous comprendrez comment "raisonne" le modèle.

Alors, la prochaine fois que vous ouvrez Gemini, ne soyez pas timide. Soyez précis, soyez exigeant, et surtout... amusez-vous !

---

🚀 À vous de jouer

Copiez-collez ce prompt pour tester dès maintenant la puissance des rôles :

"Agis comme un coach sportif d'élite, très intense mais juste. Donne-moi 3 conseils inattendus (pas les trucs habituels) pour me motiver à aller courir alors qu'il pleut dehors. Utilise un ton direct."

Dites-moi en commentaire ce qu'il vous a répondu ! 👇

Moderniser Rambouillet par l'Action : L'engagement de Pascal Fares

Rambouillet est à un tournant. Entre tradition et modernité, notre ville a besoin d'un nouveau souffle, ancré dans le concret et l'efficacité. Dans ma dernière vidéo, Je (Pascal Fares), expert en gestion de systèmes d'information, partage ma vision pour une ville connectée, solidaire et dynamique au sein de la liste Agir Pour Rambouillet, menée par Gilles Schmidt.

Dans cette vidéo, J'explique pourquoi j'ai décidé de m'engager. Mon parcours de Directeur des Systèmes d'Information (DSI) n'est pas seulement un titre, c'est une méthode de travail éprouvée au quotidien :

1. Gestion Rigoureuse des Budgets : "Diriger des budgets, tenir des délais, optimiser les coûts, c'est mon quotidien". Une compétence essentielle pour une gestion municipale saine et transparente.

2. La Technologie au Service de l'Humain : Je ne prône pas la technologie pour la technologie. Notre objectif est de l'utiliser comme un levier pour soutenir l'économie locale et faciliter la démocratie participative.

3. Des Résultats Mesurables : "Pas d'effets d'annonce, nous voulons des résultats mesurables pour nos commerces et pour la vie de nos quartiers". L'engagement de la liste Agir Pour Rambouillet est clair : du concret avant tout.

Normes, maîtrise budgétaire et innovation : deux logiques qui se heurtent

Un système de maîtrise budgétaire et de normes n’est pas “mauvais” en soi. Il est même indispensable dès qu’une organisation dépasse une certaine taille : il protège la qualité, la sécurité, la conformité, la rentabilité et la continuité de service. Le problème, c’est que ce système est optimisé pour une chose : réduire l’incertitude.

Or, l’innovation, elle, n’est pas l’optimisation de l’existant. C’est la création de quelque chose qui n’a pas encore prouvé sa valeur. Et donc, par définition, l’innovation augmente l’incertitude au lieu de la réduire.

C’est là que naît l’opposition “structurelle” :

• Le système de maîtrise budgétaire et de normes récompense la prévisibilité, la stabilité, la conformité aux processus, le contrôle des coûts, et l’évitement des risques.

• L’innovation exige l’inverse : exploration, expérimentation, rapidité, décisions incomplètes, apprentissage par essais-erreurs, et tolérance à l’échec.

Ces deux logiques ne sont pas juste différentes : elles produisent des comportements opposés. Si on applique les mêmes règles à tout, l’une écrase l’autre.

---

Pourquoi l’innovation “meurt” naturellement dans les organisations établies et normées

À mesure qu’une entreprise grandit, elle devient très bonne pour exécuter :
budgets annualisés, comités d’arbitrage, processus d’approbation, normes, reporting, prévisions, KPIs de performance, gestion des risques, conformité… 

Tout cela rend l’organisation plus robuste. Mais ces mécanismes ont aussi un effet secondaire : ils rendent l’innovation structurellement désavantagée.

Dans beaucoup d’entreprises, on ne “refuse” pas l’innovation ouvertement (en principe)— on la tue par asphyxie administrative :

• on exige un ROI fiable trop tôt,

• on impose des jalons conçus pour des projets certains,

• on surcharge les équipes de validations,

• on demande une architecture “parfaite” avant d’avoir appris ce qu’il faut construire,

• on juge un projet exploratoire avec les métriques d’un produit mature.

Résultat : les idées nouvelles passent leur temps à se justifier, et n’ont plus le temps d’apprendre ou d'essayer et finir par produire.

---

Ne pas “attendre” que le système adopte l’innovation

Une entreprise qui attend que le système “se transforme” spontanément pour accueillir l’innovation attendra indéfiniment. Pas parce que les gens sont contre, mais parce que le système fait exactement ce pour quoi il a été créé : rendre l’organisation maîtrisable.

Créer de la place pour quelque chose de nouveau demande donc une intervention explicite au plus haut niveau :

définir des exceptions encadrées (et assumées) aux normes et au cycle budgétaire,

• isoler un périmètre où l’on autorise l’incertitude,

• protéger l’équipe des processus qui font tourner le reste de l’organisation,

• accepter que la “bonne gouvernance” d’un projet innovant n’est pas la même que celle d’un projet d’exécution.

Protéger l’innovation n’est pas être laxiste. C’est mettre en place une gouvernance différente, adaptée à l’exploration :

• des budgets “par tranches” et agilité,

• des objectifs d’apprentissage (hypothèses testées POC) plutôt que des promesses de résultat,

• des délais courts, des démonstrations fréquentes,

• et un droit à l’échec… mais rapide et instructif, pas un échec lent et coûteux.

---

Une tension permanente, pas un problème à “résoudre” une fois

Cette tension existera toujours :

• Sans normes et maîtrise budgétaire, l’entreprise se fragilise et se disperse.

• Sans espace protégé pour l’innovation, l’entreprise s’optimise… jusqu’à devenir obsolète.

Les organisations qui réussissent ne “choisissent” pas un camp; elles acceptent qu’il faut deux systèmes qui cohabitent :

1. un système d’exécution (stabilité, qualité, coûts, conformité)

2. un système d’exploration (vitesse, apprentissage, expérimentation, agilité)

 

Plus qu'une boutique de pierres : 4 facettes surprenantes des Secrets de G&M

Vous pouvez visiter le site pour achat en ligne : https://lessecretsdegetm.fr/

Lorsque l'on pense à une boutique de lithothérapie, on imagine souvent des étagères remplies de cristaux scintillants. Si "Les secrets de GetM" excelle dans ce domaine, elle est en réalité une destination bien plus complète pour quiconque s'intéresse au bien-être et à la spiritualité. Cet article vous dévoile plusieurs facettes qui font de cette boutique un lieu unique en son genre.

1. Un univers bien au-delà des simples minéraux

Si la boutique propose une gamme impressionnante de minéraux sous toutes leurs formes (pierres roulées, brutes, géodes...), son catalogue s'étend bien plus loin pour offrir un accompagnement global. L'objectif est de fournir tous les outils nécessaires à une pratique spirituelle et de bien-être épanouie. Vous y trouverez notamment :

• Bijoux
• Encens et Sauges
• Runes et Pendules
• Bols chantants
• Décoration Zen
• Livres, Tarots & Oracles

Cette approche holistique permet à chacun de trouver les alliés qui résonnent avec sa pratique, que ce soit pour la méditation, la divination, la purification d'un lieu ou simplement pour s'entourer de beauté et d'énergies positives.

2. Un lieu pour apprendre et grandir

"Les secrets de GetM" n'est pas seulement un espace de vente, c'est aussi une véritable ressource pour ceux qui souhaitent approfondir leurs connaissances. La boutique anime un blog riche et inspirant, articulé autour de quatre thématiques principales : Lithothérapie, Univers Spirituel, Méditations, et Actualités.

L'engagement de la boutique à guider sa communauté est palpable à travers des invitations claires comme "Je veux en apprendre plus" ou "Oui, je veux tout savoir !". Cette démarche éducative positionne la boutique non pas comme un simple vendeur, mais comme un guide bienveillant sur le chemin de la découverte de soi.

3. Une pratique de la lithothérapie ancrée dans la responsabilité

Dans le domaine du bien-être, la clarté et l'honnêteté sont fondamentales. "Les secrets de GetM" l'a bien compris et place l'éthique au cœur de sa pratique. La boutique affiche ainsi un avertissement essentiel qui définit le cadre de la lithothérapie :

La Lithothérapie ne remplace pas l'avis médical. Les Pierres sont des Outils, des alliées précieuses dans la compréhension de soi et le bien-être, en aucun cas, elles ne se substituent à un avis médical, ni à un traitement prescrit.

Cette transparence est un gage de sérieux. Elle assure que les clients abordent la lithothérapie de manière éclairée, en la considérant comme un complément précieux à une démarche de bien-être globale, sans jamais la substituer à la médecine conventionnelle.

4. Une double présence, à la fois en ligne et en boutique

À l'ère du numérique, "Les secrets de GetM" allie le meilleur des deux mondes. La boutique en ligne, propulsée par Shopify, offre la commodité de l'achat à distance, accessible à tous. En parallèle, elle conserve l'authenticité et la chaleur d'un magasin physique.

Pour ceux qui préfèrent sentir l'énergie des pierres et recevoir des conseils en personne, la boutique vous accueille à l'adresse suivante : 91 Rue de la République, 31290 Villefranche-de-Lauragais.

Ce modèle "brick-and-click" offre une flexibilité totale, permettant à chacun de choisir l'expérience qui lui convient le mieux, qu'il s'agisse de la praticité d'un clic ou de la richesse d'une visite en personne.

Conclusion : Une Invitation au Voyage Intérieur

En résumé, "Les secrets de GetM" se révèle être bien plus qu'une simple boutique de minéraux. C'est un écosystème complet, une source de savoir et un partenaire éthique pour tous les passionnés de bien-être et de spiritualité.

Et vous, quelle sera la prochaine alliée sur votre chemin de découverte personnel ?

Refléxions autour de la Propriété et confidentialité des productions assistées par IA

Propriété et confidentialité

La propriété et la confidentialité sont deux considérations clés lors de l’évaluation de la pertinence de ChatGPT (Ou semblable) pour un cas d’utilisation donné. Négliger ces facteurs, en particulier pour les entreprises, peut entraîner des pénalités financières, des poursuites judiciaires et porter atteinte à la confiance des clients ainsi qu’à l’image de marque.

Qui possède la réponse ?
Nous allons d’abord évoquer la réponse, car c’est ainsi que la valeur sera finalement délivrée aux utilisateurs. Déterminer qui détient la propriété de la réponse est essentiel, surtout si nous avons l’intention d’intégrer le résultat de l’assistance IA à des produits générant des revenus.

Par exemple, comme l’indique les conditions d’utilisation d’OpenAI, "tant que les utilisateurs respectent ces conditions et toutes les lois applicables", ils peuvent revendiquer la propriété de la sortie. C’est une bonne nouvelle, mais avant de nous réjouir, examinons de plus près ces conditions.

Exemple de conditions d'usage ChatGpt : https://openai.com/policies/terms-of-use

Premièrement, nous ne pouvons pas revendiquer la propriété des réponses considérées comme uniques, car elles peuvent également être générées pour d’autres utilisateurs. Si nous utilisons une invite avec un nombre restreint de réponses probables, par exemple pour poser des questions factuelles ou demander de très courts extraits de texte, nous ne pouvons pas en revendiquer la propriété. Deuxièmement, nous ne pouvons pas prétendre que les réponses de ChatGPT sont générées par un humain. Pour les produits ou outils basés sur ChatGPT, nous devons nous assurer que les clients ne pensent pas à tort que le contenu généré l’a été par une personne. Enfin, ChatGPT ne peut pas être utilisé pour porter atteinte aux droits d’autrui, ce qui inclut la violation du droit d’auteur. OpenAI met régulièrement à jour ses conditions d’utilisation, il est donc préférable de les vérifier à nouveau avant de donner le feu vert.

Propriété et droit d’auteur
Le droit d’auteur empêche les personnes d’utiliser une propriété intellectuelle sans le consentement préalable de son propriétaire. Si un contenu généré par l’IA présente une similarité avec un contenu protégé par le droit d’auteur, nous risquons de recevoir une plainte pour violation de la part du détenteur des droits.

Qui possède l’invite ?
Passons maintenant à la question de la propriété de l’invite !

Comme on pouvait s’y attendre, les conditions d’OpenAI indiquent que l’utilisateur possède l’entrée (prompt) dans la mesure permise par la loi. Bien que cela réponde à la question de la propriété de l’invite, il existe d’autres éléments à prendre en compte.

Confidentialité de l’invite
OpenAI améliore en continu ChatGPT pour accroître ses performances, et l’une des méthodes utilisées à cet effet consiste à analyser les invites et les réponses des utilisateurs. Si nous interagissons avec ChatGPT via un navigateur et que nous ne souhaitons pas que ces données soient utilisées pour l’amélioration des performances, il faudra se désinscrire dans les paramètres de confidentialité. Saisir des données sensibles sans consentement approprié peut entraîner une violation des lois sur la gouvernance des données ; il est donc toujours important de vérifier les conditions spécifiques et la législation en vigueur.

Gouvernance des données

Les lois relatives à la gouvernance des données réglementent la façon dont les données et informations peuvent être collectées, stockées et utilisées pour protéger les données personnelles. L’une des lois les plus importantes et les plus établies dans ce domaine est le RGPD (Règlement général sur la protection des données), qui réglemente l’utilisation des données impactant les citoyens et résidents de l’UE. Les lois sur la gouvernance des données imposent déjà des restrictions quant à la manière d’utiliser des données sensibles, il est donc indispensable que toute utilisation de ChatGPT respecte non seulement les conditions d’utilisation d’OpenAI, mais également les lois de gouvernance des données applicables.

Éthique de l’IA

Au-delà des aspects juridiques liés à la mise en œuvre d’un cas d’utilisation, il est également important de s’arrêter pour envisager l’éthique. L’éthique de l’IA est un domaine dédié à l’assurance que l’IA est utilisée dans l’intérêt des personnes et de la société. Bien qu’il s’agisse d’une définition assez large et non contraignante sur le plan juridique, nous devons néanmoins veiller à ce que notre utilisation de l’IA n’ait pas d’impact négatif sur la société et, idéalement, apporte une contribution globalement positive.

Embracing the Power of Data Literacy in a Rapidly Evolving World

In today’s fast-paced, technology-driven environment, data has become the backbone of almost every decision we make. From small startups to multinational enterprises, everyone relies on data to understand customer behavior, optimize processes, and refine strategic goals. Yet, while data is abundant, the ability to properly comprehend and act on it—what we call data literacy—often lags behind. Here’s why data literacy is crucial in our rapidly evolving world and what you can do to build these essential skills.

---

1. What Is Data Literacy?

Data literacy refers to the capacity to read, analyze, and communicate data effectively. It’s the skill set that enables you to:

• Interpret raw data: Recognizing patterns, trends, and insights without getting lost in the numbers.
• Evaluate sources and quality: Determining whether the data is credible, relevant, and free from bias.
• Draw meaningful conclusions: Translating complex findings into actionable insights that can guide decision-making.
• Communicate results clearly: Presenting data-driven arguments to stakeholders, teammates, and clients.

While it may sound technical, data literacy goes beyond spreadsheets and charts. It’s about developing a strong analytical mindset that helps you solve problems logically and make informed choices.

---

2. Why Data Literacy Matters

1. Informed Decision-Making
   Data offers a clearer view of what’s happening within your organization and the market. When teams understand how to read and interpret reports, dashboards, and analytics, they make decisions grounded in evidence rather than speculation. This approach reduces guesswork and increases success rates in achieving desired outcomes.

2. Building a Competitive Edge
   Organizations that prioritize data literacy often outperform their peers. From product design to marketing campaigns, data-literate employees can spot new opportunities and foresee challenges early. This advantage fosters innovation, efficiency, and agility—key traits for thriving in competitive environments.

3. Reduced Risk
   Data literacy helps teams spot anomalies, detect fraud, and anticipate risks before they escalate. Whether managing budgets, overseeing supply chains, or investing in research and development, a data-empowered mindset allows for proactive risk management instead of reactive damage control.

4. Improved Communication and Collaboration
   When data becomes a shared language across an organization, it breaks down silos and encourages collaboration. Diverse teams—from marketing to finance, HR to engineering—can align on goals more easily because everyone is working off the same set of insights.

---

3. How to Develop Data Literacy Skills

1. Start with the Basics
   Familiarize yourself with core concepts: what is a dataset, how do you calculate basic measures like mean, median, or mode, and what is the difference between correlation and causation? Understanding these building blocks forms the foundation for more advanced analytical approaches.

2. Learn the Tools
   While it’s not necessary to become a technical expert, gaining proficiency in tools like Excel, Google Sheets, or business intelligence platforms (e.g., Tableau, Power BI) can significantly boost your confidence. Hands-on practice with these tools helps you learn how to manipulate and visualize data effectively.

3. Ask Good Questions
   Data is only as useful as the questions we ask. Learn to frame thoughtful, specific questions that can be tested with the information at hand. Instead of simply asking, “How are our sales?” be more precise: “Which region’s sales have grown the most over the last quarter, and how does our marketing budget correlate with that growth?”

4. Focus on Interpretation, Not Just Numbers
   Cultivating data literacy means going beyond technical analysis and exploring why certain patterns emerge. If revenue drops, don’t just note the numerical decrease—delve into potential causes like market conditions, competitors, or internal process inefficiencies.

5. Practice Ethical Data Use
   In the age of heightened privacy awareness, ethical data use is crucial. Understand the guidelines for collecting, storing, and sharing data. When you respect users’ privacy and demonstrate responsibility in data handling, you build trust with customers, colleagues, and stakeholders.

---

4. Building a Data Culture in Your Organization

• Offer Training and Workshops: Provide sessions that teach fundamental data concepts, interpretation, and communication. Even bite-sized workshops can have a significant impact on team confidence and fluency.
• Encourage Experimentation: Foster a culture where employees feel free to explore data, test hypotheses, and share findings without fear of failure.
• Align Leadership: Executives and managers should champion data literacy initiatives. When leaders value and prioritize data-driven decisions, the rest of the organization follows suit.
• Celebrate Insights: Recognize individuals and teams who effectively use data to drive successful outcomes. This reinforcement helps embed the idea that data literacy is everyone’s responsibility.

---

5. Conclusion

As data continues to reshape our daily lives, developing strong data literacy skills is no longer optional—it’s essential. By understanding how to read, analyze, and effectively communicate data, you’ll be better positioned to make well-informed decisions and uncover new opportunities for growth and innovation. Whether you’re a student aspiring to enter the workforce or a seasoned professional eager to stay ahead, investing time in learning the language of data will empower you to navigate the complexities of our modern, data-driven world.

Start small, stay curious, and watch as your newfound insights elevate your ability to contribute meaningfully to your organization, your community, and your career.

L’intelligence artificielle (IA) : Jusqu’où peut-on aller sans exploser les coûts ?

L’IA offre des opportunités incroyables pour améliorer les performances des modèles et optimiser les processus, mais à quel prix ? Entre infrastructures coûteuses, données de qualité, maintenance continue et talents spécialisés, le développement de solutions IA performantes peut vite devenir un gouffre financier.

1. Facteurs influençant le coût de l’IA :

1.1. Infrastructure matérielle

• GPU et TPU coûteux : Les entraînements massifs nécessitent des cartes graphiques haut de gamme (NVIDIA A100, H100) ou des TPU (Tensor Processing Units) qui coûtent entre 10 000 et 30 000 € par unité.
• Cloud Computing : Les services comme AWS, Google Cloud, ou Azure facturent des tarifs horaires élevés pour des instances IA (jusqu'à 30 €/heure).

1.2. Données

• Collecte et nettoyage : Le traitement de données non structurées peut coûter des milliers d’euros par mois en main-d’œuvre ou outils d’annotation.
• Données de qualité : L’achat de datasets spécialisés peut coûter entre 10 000 et 100 000 € selon la taille et la complexité.

1.3. Développement et maintenance

• Talents spécialisés : Les salaires des ingénieurs en IA, data scientists, et DevOps sont élevés (environ 70 000 à 150 000 €/an).
• Mise à jour continue : Les modèles nécessitent des réentraînements pour rester pertinents face à l’évolution des données, générant des coûts récurrents.

1.4. Licences et logiciels

• Modèles propriétaires : L’accès à des modèles pré-entraînés comme GPT-4 ou BERT peut être facturé selon l’usage, avec des coûts allant de 1 000 € à 10 000 €/mois pour des licences commerciales.
• Frameworks open-source : Ils réduisent les coûts initiaux, mais nécessitent plus de développement et d’expertise.

---

2. Sommes-nous à une limite financière pour de meilleurs modèles ?

Actuellement, nous ne sommes pas nécessairement à une limite technologique, mais plutôt à une limite économique et écologique :

2.1. Coût marginal décroissant

• Améliorer un modèle déjà performant nécessite des investissements disproportionnés pour des gains marginaux.
• Exemple : Passer d’une précision de 90 % à 95 % peut doubler ou tripler les coûts en infrastructure et données.

2.2. Retour sur investissement (ROI)

• IA spécialisée : Certaines applications (vision industrielle, NLP) montrent des ROI clairs.
• IA généraliste : Les gains en productivité ne justifient pas toujours les investissements massifs, en particulier pour les PME.

2.3. Limites écologiques

• Les entraînements de grands modèles consomment des quantités massives d’énergie, soulevant des préoccupations sur la durabilité.

---

3. Le modèle économique est-il viable ?

Pour les grandes entreprises (Google, OpenAI)

• Oui, grâce à l’économie d’échelle et au modèle SaaS (abonnements).
• Les investissements massifs sont amortis grâce à des millions d’utilisateurs.

Pour les PME et entreprises spécialisées :

• Variable, selon la capacité à réutiliser des modèles pré-entraînés ou à investir dans des solutions spécifiques comme les modèles open-source adaptés.
• L'optimisation repose souvent sur des approches hybrides (IA légère et inférence sur le cloud).

Exemple de viabilité économique :

• Utiliser des modèles open-source comme Llama 2 ou Falcon permet de réduire les coûts d’exploitation.
• Exploiter des solutions comme HuggingFace ou LangChain pour simplifier les déploiements.

---

4. Perspectives d'avenir

• IA décentralisée : Avec des solutions comme les réseaux distribués et l’informatique de périphérie (edge computing), il sera possible de réduire les coûts d’infrastructure.
• Modèles compacts : Les modèles optimisés (e.g., DistilBERT, quantification) réduisent drastiquement la consommation énergétique et les besoins matériels.
• Open-source : De nombreuses initiatives réduisent la dépendance aux modèles commerciaux, comme Mistral AI ou Bloom.

---

Conclusion :
Le coût de l’IA peut rapidement devenir un frein à des performances supérieures. Cependant, la viabilité économique repose sur des compromis : utilisation de modèles optimisés, externalisation vers le cloud, ou exploitation d’architectures open-source. Pour certaines entreprises, il est plus rentable d’adopter des modèles spécialisés plutôt que de viser des solutions généralistes coûteuses.

L'impact de l'IA sur la gouvernance des villes et villages

L'impact de l'IA sur la gouvernance des villes et villages est un sujet fascinant et en pleine évolution. L'IA offre un potentiel énorme pour améliorer l'efficacité, la réactivité et l'inclusivité de la gestion des collectivités, qu'il s'agisse d'une grande ville ou d'un petit village.

Voici quelques exemples concrets de l'impact de l'IA :

1. Optimisation des services publics: L'IA peut analyser de vastes quantités de données pour prédire les besoins en matière de transport, d'énergie, de gestion des déchets, etc. Cela permet d'optimiser l'allocation des ressources et d'améliorer la qualité des services offerts aux citoyens.
2. Amélioration de la prise de décision: Grâce à l'analyse des données et à la modélisation prédictive, l'IA peut aider les élus à prendre des décisions plus éclairées et à anticiper les conséquences de leurs choix.
3. Renforcement de la participation citoyenne: L'IA peut faciliter la communication entre les citoyens et l'administration, par exemple via des chatbots ou des plateformes de consultation en ligne.
4. Gestion des urgences et sécurité publique: L'IA peut aider à détecter les anomalies et à réagir plus rapidement en cas d'urgence (incendies, accidents, catastrophes naturelles).

Un maire purement IA numérique ?

L'idée d'un maire purement IA numérique soulève des questions fascinantes et des défis importants.

Avantages potentiels:

1. Objectivité et impartialité: Une IA pourrait prendre des décisions basées uniquement sur les données et les faits, sans être influencée par des émotions ou des intérêts personnels.
2. Efficacité et rapidité: Une IA pourrait traiter l'information et prendre des décisions beaucoup plus rapidement qu'un humain.
3. Disponibilité 24/7: Un maire IA serait accessible à tout moment pour répondre aux questions des citoyens et gérer les situations d'urgence.

Défis et limites:

1. Manque d'empathie et de compréhension humaine: Une IA, aussi sophistiquée soit-elle, ne peut pas remplacer complètement le contact humain et la compréhension des émotions et des besoins des citoyens.
2. Questions éthiques et de responsabilité: Qui serait responsable des décisions prises par une IA maire ? Comment garantir la transparence et la responsabilité ?
3. Risque de biais et de discrimination: Si les données utilisées pour entraîner l'IA sont biaisées, cela pourrait conduire à des décisions discriminatoires.

En conclusion, l'IA a le potentiel de transformer la gouvernance des villes et villages, mais il est peu probable qu'un maire purement IA numérique voie le jour prochainement. L'avenir réside probablement dans une collaboration étroite entre l'homme et la machine, où l'IA est utilisée comme un outil puissant pour aider les élus à prendre des décisions plus éclairées et à mieux servir leurs citoyens.

Navigating the Ethical Landscape of Large Language Models

 

As a longtime CIO (DSI in french) and Lecturer for more than 24 years, I’ve witnessed firsthand how emerging technologies can reshape organizational strategies, cultural norms, and the fundamental ways we interact with one another. Today, one of the most fascinating — and challenging — frontiers lies in the world of artificial intelligence, particularly within large language models (LLMs).

LLMs are transforming how we communicate, learn, and conduct business. These models can generate human-like text, code, and even reason through complex problems, but with such great capability comes significant responsibility. As stewards of technology, we need to consider the ethical dimensions that underpin the deployment and use of LLMs.

1. Bias and Fairness:
A model’s outputs often reflect the data it’s trained on. If that data skews toward certain cultural, gender, or racial biases, the model can inadvertently amplify harmful stereotypes. Ensuring fairness means diversifying training sets, applying robust evaluation metrics, and committing to ongoing model audits.

2. Transparency and Explainability:
LLMs can be black boxes. Their reasoning processes are not always easy to interpret, which can erode trust. Pushing for greater explainability and openness about how these models are developed, tested, and validated will help users and stakeholders understand the reliability and source of their outputs.

3. Privacy and Consent:
Drawing insights from vast amounts of text raises questions about data provenance, intellectual property, and personal privacy. Respecting the rights and confidentiality of individuals whose data may have contributed to a model’s training is paramount. Implementing strong data governance policies and privacy-preserving techniques ensures that innovation doesn’t come at the cost of personal rights.

4. Accountability and Regulation:
Who’s responsible when an LLM provides harmful content or faulty advice? Accountability must be shared among developers, implementers, and regulators. As these models influence decisions in healthcare, finance, education, and beyond, establishing clear standards and regulatory frameworks will help safeguard public interest.

5. Human Oversight:
AI tools are powerful assistants, but they’re not a substitute for human judgment. Maintaining a “human in the loop” ensures that critical decisions, particularly those with ethical implications, are made by individuals who understand context, values, and the nuance that machines can’t fully grasp.

As we step into this era of AI-driven transformation, we must balance innovation with integrity. LLMs hold the potential to accelerate learning, streamline operations, and foster more inclusive dialogue, but only if we commit to shaping them responsibly.

This blog will continue to explore these challenges and opportunities as we strive to build a technology landscape that benefits society without compromising the values we hold dear. After all, the future of AI depends not only on the sophistication of our algorithms, but on the moral compass that guides their creation and use.

Cloud and IT challenges

Cloud computing can help address many of the challenges that an IT department faces during the transition from a startup to a larger organization. Some of the ways the cloud can help are:

• Scalability: Cloud services can easily scale up or down based on the company's requirements, providing flexibility as the organization grows. This allows the IT department to quickly provision resources to support new users, workloads, and applications without the need for large upfront investments in infrastructure.
• Security: Cloud providers typically invest heavily in security, offering robust protection measures and tools to safeguard data and applications. By leveraging the security features offered by cloud providers, the IT department can ensure that sensitive data and systems are protected from potential threats. However, it's crucial to understand that security in the cloud is a shared responsibility, and the company must also take steps to protect its data and systems.
• Integration: Cloud providers offer various tools and APIs that can facilitate the integration of new systems, tools, and technologies with the existing IT infrastructure. This can help streamline the integration process and ensure seamless interoperability between systems.
• Compliance: Many cloud providers have built-in compliance features that help organizations meet regulatory requirements. By leveraging these features, the IT department can more easily ensure that the company's systems and data are compliant with industry standards and regulations.
• IT Governance: Cloud services often come with built-in management and monitoring tools that can help establish a more structured and centralized approach to IT governance. This enables the IT department to track resource usage, manage access controls, and enforce policies consistently across the organization.
• Talent Management: Leveraging cloud services can help reduce the need for specialized IT skills in-house, as many of the complex infrastructure management tasks are handled by the cloud provider. This allows the IT department to focus on higher-value activities and strategic initiatives while still benefiting from the expertise of the cloud provider's support team.
• Change Management: Adopting cloud services can simplify the change management process, as the cloud provider typically handles updates, maintenance, and infrastructure changes. This can help reduce the impact of change on the organization and ensure a smoother transition to a larger structure.

While the cloud can significantly help address many of the challenges faced during the transition from a startup to a larger organization, it's essential to carefully evaluate the specific needs and requirements of the company to determine the most appropriate cloud services and deployment models. Additionally, it's important to remember that adopting the cloud requires a shift in mindset and an ongoing commitment to managing security, compliance, and governance effectively.

Modèle de language naturel tel que chatGPT pour les développeurs

Le développement de logiciels est une tâche complexe qui nécessite des compétences techniques et créatives. Les développeurs sont souvent confrontés à des défis tels que la conception de l'architecture logicielle, la résolution de bugs et l'amélioration de l'expérience utilisateur. Cependant, grâce à l'avancement de la technologie, les développeurs peuvent maintenant utiliser des outils tels que ChatGPT pour améliorer leur productivité et leur efficacité dans le processus de développement.


ChatGPT est un modèle de langage naturel basé sur l'architecture GPT-3.5 et maintenant GPT-4 d'OpenAI. Il peut comprendre le langage naturel et générer des réponses en fonction des entrées qu'il reçoit. Les développeurs peuvent utiliser ChatGPT pour effectuer diverses tâches, telles que la génération de code, la résolution de bugs, la planification de projets, la rédaction de documentation, et bien plus encore. Oui, Oui, ... essayer!

L'un des principaux avantages de l'utilisation de ChatGPT pour le développement est que cela permet aux développeurs de gagner du temps et de l'effort en automatisant certaines tâches. Par exemple, les développeurs peuvent utiliser ChatGPT pour générer du code à partir de descriptions en langage naturel, ce qui peut considérablement réduire le temps et les efforts nécessaires pour écrire du code. De plus, ChatGPT peut également aider les développeurs à trouver des solutions à des problèmes de code complexes en fournissant des suggestions de code.

ChatGPT peut également aider les développeurs à améliorer la collaboration et la communication au sein de l'équipe de développement. Les développeurs peuvent utiliser ChatGPT pour discuter de leurs idées et résoudre des problèmes de manière plus efficace en utilisant un langage naturel. De plus, ChatGPT peut également aider les développeurs à mieux comprendre les besoins des clients en analysant les commentaires et les réactions des utilisateurs.

Enfin, ChatGPT peut également aider les développeurs à améliorer leur compétence en programmation en fournissant des conseils et des astuces en temps réel. Les développeurs peuvent utiliser ChatGPT pour poser des questions sur des sujets spécifiques, tels que les bonnes pratiques de codage, les frameworks, les bibliothèques, et bien plus encore.

En conclusion, ChatGPT est un outil qui peut s'averer puissant pour les développeurs et qui pourrait aider à améliorer la productivité, la collaboration, la communication, la qualité du code et la compétence en programmation. Les développeurs qui utilisent ChatGPT peuvent bénéficier d'une meilleure efficacité et d'une réduction des efforts nécessaires pour mener à bien des projets de développement de logiciels.

Je vais dans un prochain article donner un exemple .... 

Modèle C4 et ArchiMate

Si vous lisez la description du modèle C4 (et je vous encourage vraiment à le faire), vous remarquerez que chaque type de diagramme est en fait une définition agnostique de métamodèle et d'outil d'un point de vue d'architecture : vous pouvez utiliser n'importe quelle solution que vous voulez pour créer un tel diagrammes, y compris stylo et papier et outils de dessin. 

Mais que se passe-t-il si vous travaillez dans un contexte où certains architectes utilisent ArchiMate ? Eh bien, dans ce cas, vous pouvez facilement tirer parti d'ArchiMate pour prendre en charge le modèle C4. Cela nécessite simplement un mappage entre le métamodèle C4 et ArchiMate :

• La personne (Person) peut être associée à un acteur metier  (Business Actor)
• Le système logiciel (Software System) et le conteneur peuvent être mappés au composant d'application (Application Component)
• Le composant peut être mappé à la fonction d'application (Application Function)
• L'élément de code (Code Element) est peut-être trop fin pour être utile dans ArchiMate, mais pourrait également être mappé à la fonction d'application (Application Function)
• La relation peut être mappée sur la relation de déclenchement (la convention est que les déclencheurs vont de l'appelant à l'appelé)

HATEOAS (Hypermedia as the Engine of Application State) Une introduction

• C'est un composant de l'architecture d'application REST qui la distingue des autres architectures d'application réseau. "Hypermédia" est un terme faisant référence à tout contenu contenant des liens vers d'autres formes de médias tels que des images, des films et du texte.
• Il facilite la création facile de représentations REST par certaines API qui suivent le principe HATEOAS lorsqu'elles travaillent avec Spring et en particulier Spring MVC.
• Dans le style architectural REST, nous pouvons utiliser les liens hypermédias dans le contenu de la réponse. Cela signifie qu'en traversant les liens hypermédias, le client peut naviguer dynamiquement vers les ressources appropriées.
• La navigation dans les liens hypermédias fonctionne sur le concept similaire d'un internaute parcourant des pages Web en cliquant sur les liens hypertextes pertinents pour atteindre un objectif final.

Prenons un exemple. En supposant que nous ayons un service REST qui fournit différentes descriptions de produits ; pensez à certains sites de commerce électronique. Si nous obtenons une réponse JSON avec un produit de ce site Web avec l'aide de HATEOAS, cela pourrait ressembler à ceci:

========

{
    "productId": 123
    "productName": "Telé XYZ",
    "description": "La meilleure télé de la planète."
    "links": [{
        "rel": "self",
        "href": "http://localhost:8080/magasin/api/produits/123"

    }, {
        "rel": "details",
        "href": "http://localhost:8080/magasin/api/produits/123/details"

    }, {
        "rel": "ajoutPanier",
        "href": "http://localhost:8080/magasin/api/AjoutPanier/123"

    }]
}

Bon, alors, c'est du JSON avec des attributs qui sont des liens. Ça change quoi? La sémantique: rel et href

rel-

Il signifie « relation » et explique comment le lien se rapporte à l'objet que nous avons demandé. 

• self – ce qui signifie que ce lien nous amène à l'objet, 
• details – signifie que des informations détaillées sont disponibles, 
• ajoutPanier – indique le processus d'ajout de ce produit à un panier.

href –

Une URL complète qui montre comment l'action peut être effectuée.

HATEOAS réduira le besoin de configurer les points de terminaison d'URL, ce qui est une bonne chose. Toutes ces URL (dans l'exemple) nous indiquant :

• comment rechercher les détails du produit ? 
• Comment ajouter un produit au panier ? 

Nous n'en avons pas besoin codés en dur ou dans certains fichiers de configuration. Ils sont fournis par l'application. Si nous voulons vraiment avoir quelque chose dans nos fichiers de configuration, nous pouvons y placer les relations rel–. Dans toute application, nous avons différents appels d'API REST. Cela en fait un véritable avantage en quelque sorte.

Empaquetage et déploiement avec Spring Boot

 

Les options d’empaquetage flexibles de Spring Boot offrent un grand choix lorsqu’il s’agit de déployer votre application. Vous pouvez déployer des applications Spring Boot sur une variété de plates-formes cloud, sur des machines virtuelles/réelles, ou les rendre entièrement exécutables pour les systèmes Unix.

Ce document issue de la documentation officielle couvre certains des scénarios de déploiement les plus courants : Deploying Spring Boot Applications

En particulier pour K8s Spring Boot détecte automatiquement les environnements de déploiement Kubernetes en vérifiant la présence de variables « *_SERVICE_HOST » et « *_SERVICE_PORT » dans l’environnement. Vous pouvez remplacer cette détection par la propriété de configuration spring.main.cloud-plateforme.

Spring Boot vous aide à gérer l’état de votre application et à l’exporter avec http Kubernetes Probes à l’aide d’Actuator, l'outils de surveillance de SpringBoot.

Pourquoi l'architecture logicielle est plus importante que jamais (réf: Continuous Architecture in practice)

L'amélioration continue vaut mieux que la perfection différée. -Mark Twain

L'objectif de l'architecture reste d'offrir une valeur ajouté commerciale, la vitesse de livraison croissante attendue des informaticiens (TIC) au sein des entreprises présente de nouveaux défis. Dans le même temps, la facilité d'utilisation et les attentes 24h/24 et 7j/7 des utilisateurs finaux sont dictées par l'expansion écrasante de la technologie dans la vie quotidienne : nous sommes passés des PC aux tablettes, aux smartphones et à la technologie portable. Les ordinateurs sont maintenant dans nos poches. Ils sont presque toujours connectés les uns aux autres et leurs capacités dépassent nos besoins! Les équipes de livraison de logiciels d'aujourd'hui doivent désormais fonctionner à l'heure et à l'échelle d'Internet et du cloud. Cela a considérablement accru les exigences des parties prenantes de l'entreprise et a entraîné l'adoption croissante de pratiques agiles, de livraison continue, de DevOps et même de DevSecOps.

Pour relever ces défis et atteindre l'objectif de création de valeur commerciale dans cet environnement en évolution rapide, il est plus important que jamais pour les activités d'architecture de permettre une livraison précoce et continue de valeur et de s'assurer que ce qu'elles font appuie cet objectif.

ON PEUT, PEUT-ÊTRE, SE POSER LA QUESTION, MAIS C'EST QUOI UNE ARCHITECTURE AU JUSTE?

Quand on parle d'architecture, on s'intéresse à l'architecture logicielle. Mais comment définir l'architecture logicielle ? Voyons quelques définitions courantes.

D'APRÈS INTERNATIONAL FEDERATION FOR INFORMATION PROCESSING (IFIP):

L'architecture logicielle fait référence aux structures fondamentales d'un système logiciel et à la discipline de création de ces structures et systèmes. Chaque structure comprend des éléments logiciels, des relations entre eux et des propriétés à la fois des éléments et des relations. L'architecture d'un système logiciel est une métaphore, analogue à l'architecture d'un bâtiment. Il fonctionne comme un modèle pour le système et le projet en développement, définissant les tâches nécessaires à exécuter par les équipes de conception.

L'architecture logicielle consiste à faire des choix structurels fondamentaux qui sont coûteux à modifier une fois mis en œuvre. Les choix d'architecture logicielle incluent des options structurelles spécifiques à partir des possibilités de conception du logiciel. . . .

La documentation de l'architecture logicielle facilite la communication entre les parties prenantes, capture les premières décisions concernant la conception de haut niveau et permet la réutilisation des composants de conception entre les projets

D'APRÈS INTERNATIONAL STANDARDS ORGANIZATION AND INSTITUTE OF ELECTRICAL AND ELECTRONICS ENGINEERS (IEEE)

Architecture : Concepts ou propriétés fondamentaux d'un système dans son environnement incorporés dans ses éléments, leurs relations et dans les principes de sa conception et de son évolution.

AIE TOUJOURS PAS CLAIRE, VOYONS POURQUOI RÉALISER DES ARCHITECTURES

Au moins 4 raisons..

1. Atteindre les exigences d'attributs de qualité pour un système logiciel. L'architecture concerne la mise en œuvre d'exigences d'attributs de qualité importantes, telles que la sécurité, l'évolutivité, les performances et la résilience.
2. Définir les principes directeurs et les normes d'un projet ou d'un produit et développer des plans directeurs. L'architecture est une vision du futur et des outils de support pour aider à communiquer la vision. Les Blueprints permettent d'abstraire l'architecture à un niveau approprié pour prendre des décisions commerciales et techniques. Ils facilitent également l'analyse des propriétés et la comparaison des options.
3. Créez des services utilisables (et peut-être même réutilisables). Un aspect clé de l'architecture logicielle consiste à définir de bonnes interfaces pour les services.
4. Créez une feuille de route vers un état futur de l'informatique. L'architecture traite des activités de planification de la transition qui mènent à la mise en œuvre réussie d'un plan informatique.

Maintenant que nous avons une définition de travail de l'architecture logicielle, on peut aborder avec sérénité le parcours d'architecte logiciel