Tout changement comporte, d'une certaine manière, des risques. Cela inclut les modifications progressives apportées aux produits et services numériques dont dépendent des millions (voire des milliards) de clients. Une gestion rigoureuse du changement implique de quantifier les risques et de rechercher des solutions qui les évitent, sans pour autant ralentir inutilement le déploiement des changements.

On s'attendait initialement à ce que toutes les modifications soient examinées minutieusement avant leur déploiement, afin de réduire les risques d'interruptions de service, d'incidents ou d'autres problèmes. Cependant, une grande partie de ce protocole a eu un effet dissuasif sur la rapidité de déploiement sans pour autant améliorer la qualité des versions.

Nous disposons désormais des données et des technologies nécessaires pour éviter d'avoir à examiner manuellement chaque modification apportée au processus. Grâce à la modélisation par IA/ML, combinée à un tableau de bord analytique et à l'automatisation des processus, DevOps Les équipes peuvent passer de la « gestion du changement » à l'idéal de «activation du changement« où les équipes de gestion du changement et les ingénieurs de développement bénéficient des conditions nécessaires pour mettre en œuvre les changements à un rythme régulier. »

Digital.ai La prédiction des risques de changement fonctionne en combinaison avec Digital.ai Release pour concrétiser cette ambition. Les modèles de données et l'analyse basée sur l'IA permettent DevOps Les responsables pourront ainsi identifier les catégories de changements et les équipes de gestion des changements présentant un taux de réussite élevé. Ils pourront ensuite utiliser ces informations pour automatiser les approbations de ces types de changements, en s'affranchissant de nombreuses procédures de révision complexes qui ralentiraient autrement le rythme des mises en production.

C’est là, au fond, l’idéal de la facilitation du changement : créer une situation où les changements circulent librement et où les équipes apportent plus fréquemment une valeur ajoutée aux clients.

Des données riches et contextualisées alimentent la capacité de changement

Le principal problème qui empêche la mise en œuvre des changements et retarde les équipes de changement est l'inconnu. Les équipes peuvent ignorer quels changements échoueront. Plus inquiétant encore, elles n'en ont aucune idée. why Certaines modifications échouent. Dans ce cas, la méthode la plus courante pour gérer un risque inconnu consiste à mettre en place un système de contrôle d'accès, souvent sous la forme d'un processus d'examen manuel.

ITIL a été l'un des premiers cadres informatiques à proposer un processus formalisé d'examen des changements. et ce, dès 1989. Désormais, avec la publication des directives ITIL v4 en 2019, le manuel des meilleures pratiques informatiques suggère aux équipes de passer d'une perspective de « gestion du changement » excessivement rigoureuse à une perspective de « facilitation du changement ».

Examinons de plus près comment ce changement sémantique révèle une évolution plus profonde des mentalités. Le terme « gestion » sous-entend que chaque modification doit être traitée selon un processus spécifique. Or, en réalité, de nombreuses modifications peuvent être déployées avec un minimum de revues et un niveau de risque minimal. Exiger que chaque modification soit « gérée » individuellement par des opérateurs humains suppose un niveau de contrôle ni nécessaire, ni réellement possible. Imposer des revues manuelles des modifications non seulement retarde chaque mise en production, mais exige également des relecteurs qu'ils appliquent le même niveau de rigueur et de prévoyance à chaque modification. En pratique, si de nombreuses approbations de modifications sont accordées à juste titre, certaines entraînent inévitablement des anomalies non détectées.

Au lieu de gérer chaque changement manuellement, il est nécessaire de disposer d'une méthode permettant d'identifier les types de changements et les facteurs de risque. Ces facteurs de risque peuvent être mis en évidence et compris grâce à l'analyse de données combinée à la modélisation par IA/ML. En utilisant des processus automatisés pour trier les données pertinentes, les équipes de gestion des changements peuvent non seulement élargir le périmètre des revues de changement, mais aussi identifier les facteurs de risque prioritaires et déterminer quels changements à risque minimal peuvent être exemptés d'une revue complète. Cette approche représente un véritable tournant vers une plus grande fluidité des changements, tout en priorisant les types de changements et les équipes qui en ont le plus besoin.

Dans l' Paroles de Jon Stevens, expert ITIL, et de Joseph Mathenge, consultant ITSM« L’objectif de la pratique d’accompagnement du changement est de maximiser le nombre de changements informatiques réussis en veillant à ce que les risques aient été correctement évalués. »

L'idée est donc d'accélérer le changement en se concentrant uniquement sur les modifications présentant un risque élevé, tout en automatisant l'approbation des modifications à faible risque ou sans risque. Une façon d'y parvenir est de quantifier les risques de chaque changement Grâce à la modélisation par apprentissage automatique et intelligence artificielle, et en utilisant des données historiques et un modèle de données associant les pannes et incidents passés à des facteurs de risque spécifiques, les responsables informatiques peuvent identifier d'un coup d'œil, sur un tableau de bord, les changements les plus susceptibles d'échouer et en comprendre les raisons.

Digital.ai Prédiction du risque de changement Cela va même jusqu'à attribuer des scores de risque/probabilité d'échec à tous les changements planifiés. Ces informations contextuelles permettent aux équipes de gestion du changement d'agir face aux risques émergents et de se concentrer sur les changements à faible risque qui ne nécessitent pas leur attention.

Une fois ce système amélioré de facilitation du changement mis en place, DevOps Les dirigeants peuvent accélérer encore davantage le rythme du changement en créant une voie rapide pour les équipes de changement qui atteignent ou dépassent constamment les objectifs de qualité. L'analyse pilotée par l'IA peut utiliser des indicateurs clés de performance (KPI) de référence, en combinant des facteurs tels que les défauts non détectés, pour évaluer le risque relatif de chaque équipe de changement, permettant ainsi un système d'approbation accélérée pour les équipes qui font régulièrement leurs preuves.

Ouvrez la voie rapide à vos équipes de changement performantes

Digital.ai La prédiction des risques liés au changement est capable de prendre en compte la performance des équipes de changement individuelles comme un facteur de risque global d'échec du changement.

Les équipes peuvent se voir attribuer un «modification du score de crédit à risque« en fonction de leurs performances pour des indicateurs spécifiques. Voici quelques exemples de facteurs pouvant entrer en compte dans le calcul du score : »

• % de modifications échouées
• Alertes CI au cours des 7 derniers jours
• Défauts de préproduction détectés par l'automatisation des tests
• dépendances inter-équipes

Les équipes présentant un faible risque de crédit global peuvent bénéficier d'approbations automatisées à condition de maintenir certains objectifs de performance. L'automatisation de la gestion des risques permet de créer ou de supprimer des mécanismes de contrôle en fonction de seuils prédéfinis, tels que des tests de conformité réussis ou des vérifications automatisées.

En résumé, les responsables du changement pilotent les processus de manière automatisée en se basant sur les prévisions de risques et les performances passées. L'automatisation du changement, via des approbations instantanées ou un contrôle simplifié, permet aux équipes de déployer rapidement des changements stables et constants, sans incidents ni interruptions de service. Ce niveau d'automatisation simplifie également les processus d'accompagnement du changement.

La gestion du changement devrait consister à définir des attentes et à mesurer la capacité des équipes de changement à atteindre, voire à dépasser, ces attentes. dit Greg Sanker, auteur de « Gestion du changement informatique : un guide pratique ».

« Tant que l'objectif de changement est atteint, la gestion du changement ne peut apporter aucune valeur ajoutée à la chaîne de valeur en inspectant les changements individuels. Il s'agit d'une attente de résultat qui est littéralement intégrée à la chaîne de valeur elle-même. »

Accélérer la mise en œuvre de certains changements permet non seulement de gagner du temps, mais aussi d'éviter les coûts liés à la mise en place d'un comité consultatif sur les changements (CAB). De plus, la modélisation et la compréhension des risques liés aux changements permettent de maîtriser les coûts des incidents et des interruptions de service, que Gartner estime à 6 000 $ par minute pour les grandes entreprises et leurs clients, soit plus de 10 millions de dollars par jour en cas de perturbation majeure du service.

Tout cela s'inscrit dans une stratégie visant à s'appuyer davantage sur les données dans les processus de conduite du changement, en orientant ces processus vers des résultats spécifiques et un retour sur investissement plus élevé.

Il y a aussi l'aspect ludification qui consiste à noter les équipes et à les récompenser pour leurs performances positives et constantes. Comme le dit… Digital.ai Neal DeBuhr, consultant en solutions : « Les équipes chercheront naturellement à améliorer la cote de crédit lorsqu’elles constateront ces facteurs et disposeront des informations nécessaires pour le faire de manière très efficace et très précise. »

Les données mises en évidence par les modèles d'IA/ML permettent une compréhension approfondie, riche et globale, aidant ainsi les équipes de conduite du changement à travailler plus efficacement grâce aux informations qu'elles fournissent. DevOps Les équipes peuvent exploiter ces informations pour optimiser leurs processus, ce qui accélère les opérations et réduit les risques d'erreurs. Grâce aux ressources ainsi libérées, elles peuvent se concentrer sur le lancement d'innovations de pointe, avec une efficacité accrue et des coûts d'exécution moindres, ce qui diminue le risque global d'échecs imprévus liés aux changements.

Voilà toute la puissance et le potentiel de l'automatisation dans la gestion des risques, à portée de main.

Apprenez-en davantage sur la manière d'exploiter la puissance de l'analyse de données dans notre vidéo issue de la série de rencontres de l'été dernier : "Obtenez une visibilité complète et des informations exploitables pour prendre des décisions basées sur les données grâce à Digital.ai Intelligence haute qualité"