Moderniser les bases de l’infrastructure applicative pour une autorité de transport australienne

Permettre des opérations de transport sécurisées et évolutives grâce à l’ingénierie assistée par l’IA Générative et aux migrations infonuagiques natives
5 min de lecture
Partager

Aperçu

Une importante autorité gouvernementale des transports exploitant des systèmes de transport en commun essentiels dans une vaste région avait besoin de plateformes hautement disponibles, sécurisées et évolutives afin d'assurer la continuité des services. Pour répondre à ces besoins, elle a lancé le programme de modernisation—visant à éliminer les interruptions, à moderniser les systèmes existants et à accroître l'efficacité opérationnelle sans affecter les fonctionnalités ou les structures de données en place.

Le défi

L’écosystème du programme de modernisation comprend plusieurs applications basées sur Java fonctionnant sur une infrastructure AWS EC2 autogérée. Au fil du temps, cet environnement a créé d’importants points de friction :

Le défi
  • Obsolescence technologique : La plateforme reposait sur une pile technologique de fin de service (EOSL), comprenant Java 8, Spring Boot 1.x et JUnit 4, ce qui a entraîné des risques aigus de soutien et de sécurité.
  • Limites de résilience : La configuration autogérée manquait d’automatisation moderne, de cadres de haute disponibilité (HA) et de reprise après sinistre (DR), entraînant des pannes d’applications fréquentes.
  • Vulnérabilités de sécurité : Les applications comportaient des bogues de sécurité non résolus et des vulnérabilités structurelles mises en évidence par les résultats d’analyse de Checkmarx.
  • Effet d’entraînement sur l’entreprise : Ces contraintes ont engendré des coûts d’infrastructure intenables, de graves goulets d’étranglement en matière de performance et un fardeau opérationnel manuel qui ont prolongé les cycles de livraison et miné la confiance des utilisateurs côté usagers.

La solution

HCLTech a dirigé un programme complet de modernisation des applications et de l’infrastructure, transformant le cycle de vie de livraison logiciel du client grâce à et à l’ingénierie assistée par l’IA.

Transformation Cloud et DevOps

HCLTech a repensé l’infrastructure existante, remplaçant les instances autogérées, exigeantes en entretien, par un environnement automatisé et sans serveur :

La solution
  • Pile modernisée : Applications mises à niveau vers Java 21, Spring Boot 3.2.x, Hibernate et JUnit 5.
  • Écosystème sans serveur : Migration des systèmes principaux vers AWS ECS Fargate, AWS MSK (Managed Streaming for Apache Kafka), AWS ElastiCache et AWS S3.
  • Infrastructure as Code (IaC) : Déploiements automatisés avec CloudFormation, Ansible, Docker et des pipelines Azure basés sur YAML.

Génie qualité piloté par GenIA

En intégrant GitHub Copilot (GHCP) au cycle de vie central de l’ingénierie, HCLTech a accéléré le développement de code, l’automatisation des pipelines, le scriptage IaC ainsi que des tests unitaires complets. Cette solution a été déployée via une approche agile et pilote, permettant d’établir des références de vélocité initiale dans un groupe de développement ciblé avant d’exécuter progressivement un déploiement par phases dans l’ensemble des domaines de la planification et des opérations du transport.

L'impact

La transition vers un moderne et natif infonuagique a offert des avantages substantiels et quantifiables dans l’ensemble de l’écosystème du client :

L'impact
  • Forte confiance et adoption de l’IA : L’initiative a atteint un taux d’adoption de la GenIA de 70 % à 75 % chez les ingénieurs, ainsi qu’un taux d’acceptation des recommandations de 60 % à 65 %, afin de standardiser la livraison du code.
  • Services aux usagers accélérés : Les équipes d’ingénierie ont constaté une amélioration de la productivité de 12 % à 18 %, permettant un déploiement plus rapide des capacités numériques sans augmenter la capacité de base.
  • Diminution des cycles de défauts : Les améliorations de la qualité ont mené à une réduction de 10 % à 15 % des reprises, ce qui a considérablement réduit les délais entre la création et la validation.
  • Évolutivité à l’échelle de l’entreprise : Les ingénieurs ont réussi à atteindre un taux de réutilisation de schémas IA de 20 % à 30 % dans les domaines de planification, gestion des actifs et exploitation, éliminant ainsi la duplication des efforts.
  • Résilience opérationnelle : L’élimination des contraintes héritées a permis au client d’absorber de façon fiable les pics de demande en transport en commun et de réaliser en parallèle plusieurs chantiers de modernisation sans nuire à la sécurité ou à la continuité des services publics.

Au-delà des chiffres

Le succès technique du programme de modernisation met en lumière un puissant changement culturel pour les équipes de développement de l'autorité. En déléguant les tâches de codage répétitives, la génération de scripts et le travail d'infrastructure standard à GitHub Copilot, la charge cognitive des équipes d’ingénierie a diminué de façon spectaculaire. Ce changement a permis d’établir un modèle d’exécution hautement standardisé qui réduit la variabilité des livraisons dans le cadre de grands projets de transport. La migration d’un environnement EOSL vers une architecture sans serveur a non seulement minimisé les risques opérationnels, mais elle a activement rétabli l’agilité à long terme des équipes, faisant passer le service TI d’un goulot d’étranglement de la maintenance à un accélérateur d’innovation.

Célébration du succès

Les dirigeants du client ont grandement apprécié le profond engagement, la solide prise en charge des résultats et la rigoureuse responsabilisation démontrés par les équipes HCLTech et client intégrées de près. La collaboration a permis d’atteindre avec succès les étapes clés dans des délais serrés grâce à des démonstrations de solutions claires et à des boucles de rétroaction rapides.

Celebrating Success

Pour l’avenir, HCLTech prévoit d’élargir ce partenariat en :

  • Normaliser la livraison propulsée par l’IA : Établir la modernisation basée sur GitHub Copilot comme modèle de référence pour tous les secteurs d’activité des clients.
  • Développer les cas d’utilisation de l’automatisation : Faire progresser l’adoption de GenAI et de l’IA agentique pour l’analyse de code, la maintenance des défauts et la conception automatisée des cas de test.
  • Favoriser la rapidité future du GTM : Aligner les feuilles de route technologiques avec les nouvelles initiatives d’affaires de l’agence pour améliorer continuellement l’expérience globale du navetteur final.
DBS Affaires numériques Étude de cas Moderniser les bases de l’infrastructure applicative pour une autorité de transport australienne