Pour maintenir son engagement envers l’excellence clinique, le client a identifié la nécessité de moderniser les processus opérationnels hérités et de remédier à la dette technique au sein de son écosystème d’ingénierie. Les principaux défis comprenaient :

• Goulots d’étranglement opérationnels manuels : Une dépendance aux processus manuels et hérités—plus précisément à un mécanisme de planification basé sur Excel—limitait la précision, l’évolutivité et la résilience opérationnelle.
• Lacunes dans la qualité de l’ingénierie : Plusieurs dépôts de code présentaient une couverture insuffisante des tests unitaires, une duplication de code répandue et des “code smells” persistants, ce qui nuisait à la maintenabilité à long terme.
• Pressions sur la capacité et les échéanciers : Le besoin de livrer de nouvelles fonctionnalités dans des délais serrés, jumelé à une capacité d’ingénierie limitée, rendait difficile l’équilibre entre la livraison rapide de fonctionnalités et le respect rigoureux des normes de codage.
• Impact sur l’entreprise : Ces processus fragmentés réduisaient l’efficacité opérationnelle globale et allongeaient le délai de mise en marché pour les besoins d’affaires critiques.

Piliers stratégiques de modernisation

• Développement assisté par l’IA : Intégration de Copilot GitHub (GHCP) pour rationaliser les tâches principales d’ingénierie, incluant la création de code standardisé et la génération automatisée de tests unitaires.
• Soutien par l’IA agentique : Mise en œuvre de capacités d’IA agentique pour automatiser l’amélioration de la documentation et réduire l’analyse manuelle durant le développement de fonctionnalités.
• Rémédiation de la qualité : Effort systématique pour augmenter la couverture des tests unitaires et éliminer les duplications et mauvaises pratiques dans le code à travers les dépôts, afin de renforcer la santé du portefeuille applicatif.

La transition vers un modèle d’ingénierie dirigé par l’IA a entraîné des gains importants et mesurables en productivité, en qualité et en confiance clinique :

• Adoption et confiance élevées envers l’IA : Le programme a atteint un taux d’adoption de 79 % au sein des groupes ciblés, avec un taux d’acceptation de 57 % pour les suggestions de GenIA.
• Hausse de la productivité : L’initiative a permis une amélioration de la productivité de 6 %, traduite par un ratio « dire-à-faire » plus élevé et une vélocité d’équipe maintenue.
• Accélération du délai de mise en marché : Les temps de cycle de déploiement de fonctionnalités ont été réduits de 7 %, permettant à l’organisation de répondre plus rapidement à l’évolution des besoins cliniques et réglementaires.
• Résilience opérationnelle : L’amélioration du débit permet à l’organisation de gérer des volumes croissants d’autorisations et de diagnostics sans compromettre la rigueur clinique.
• Décision clinique plus rapide : Le triage intelligent et le soutien à la décision sont maintenant routiniers, ce qui permet de prendre des décisions en matière de diagnostics et d’utilisation plus rapidement et de façon plus uniforme.

En regardant vers l’avenir, HCLTech prévoit de :

• Faire évoluer les pratiques d’IA : Étendre les flux de travail de développement et de documentation propulsés par Copilot à un ensemble plus large de modules et de dépôts.
• Modernisation continue : S’attaquer aux processus hérités restants pour assurer que l’ensemble de l’environnement applicatif demeure aligné sur la feuille de route de transformation numérique de l’organisation.