Surmonter les défis des bases de données héritées dans la modernisation de la logistique
Le client, un leader australien de la logistique, relie les entreprises et les consommateurs grâce à un vaste réseau de livraison par route, rail, air et mer. Il offre des services complets de fret, de colis et de chaîne d’approvisionnement à l’échelle nationale et internationale.
Le défi
L’organisation a été confrontée à des obstacles importants lors de la modernisation d’une application essentielle en fonctionnement depuis plus de 35 ans.
- Une base de données MySQL héritée, très complexe, avec des tables et des relations élaborées sur plusieurs décennies
- Absence complète d’experts en la matière (SME) connaissant la conception de la base de données existante ou la logique d’affaires
- Compréhension limitée des DBA concernant le fonctionnement de la base de données, rendant la cartographie du schéma et la modernisation risquées
- Difficulté à planifier une migration vers l’état cible sans perturber involontairement les processus existants
- Ces défis ont engendré un haut degré d’incertitude, accroissant le risque de retards de projet et de problèmes potentiels d’intégrité des données

L'objectif
L'objectif principal était de permettre aux équipes d’inverser l’ingénierie et de comprendre systématiquement la structure de la base de données MySQL héritée. Cette connaissance était essentielle pour concevoir l’architecture cible, réduire la dépendance à la connaissance tribale manquante et assurer une migration sans heurts.


La solution
Pour combler le manque de connaissances, une solution propulsée par GenAI a été mise en place :
- Interface Web basée sur Streamlit : une interface de clavardage légère et conviviale a été conçue pour faciliter l’interaction avec le schéma patrimonial
- Ingestion du schéma : le schéma de la base de données patrimoniale a été intégré au système pour une analyse contextuelle
- Bedrock + Claude Sonnet : un modèle Claude Sonnet propulsé par Amazon Bedrock a été intégré pour interpréter les définitions et les relations du schéma
- Rétro-ingénierie conversationnelle : les utilisateurs pouvaient interroger le modèle pour déchiffrer la structure des tables, la fonction des colonnes et les dépendances cachées, permettant ainsi de reconstruire étape par étape la logique de la base de données
- Découverte itérative : les équipes ont utilisé l’interface de clavardage pour explorer le schéma de façon collaborative jusqu’à obtenir une compréhension complète du système patrimonial

L’incidence
L’initiative a permis d’obtenir des améliorations mesurables en matière d’efficacité et de réduction des risques :
- A permis aux équipes d’obtenir des analyses approfondies sur une base de données vieille de 35 ans sans le besoin d’experts en patrimoine
- A considérablement réduit le temps nécessaire pour rétroconcevoir et documenter des structures de schéma complexes
- A fourni une interface collaborative et conversationnelle qui a démocratisé l’accès à la connaissance technique
- A minimisé les risques de migration en garantissant que la conception de l’état cible soit fondée sur une solide compréhension du système existant
- A créé un cadre reproductible piloté par l’IA pouvant être appliqué à d’autres systèmes patrimoniaux à l’avenir
Services AWS utilisés
- Amazon Bedrock
- Amazon ECS
- AWS CloudTrail
- Amazon CloudWatch
- Amazon VPC

