Sopra Steria, acteur majeur de la Tech en Europe, avec 51 000 collaborateurs dans près de 30 pays, est reconnu pour ses activités de conseil, de services et solutions numériques. Il aide ses clients à mener leur transformation digitale et à obtenir des bénéfices concrets et durables. Le Groupe apporte une réponse globale aux enjeux de compétitivité des grandes entreprises et organisations, en combinant une connaissance approfondie des secteurs d'activité et des technologies à une approche collaborative. Sopra Steria place l'humain au coeur de son action et s'engage auprès de ses clients à tirer le meilleur parti du numérique pour construire un avenir positif. En 2024, le Groupe a réalisé un chiffre d'affaires de 5,8 milliards d'euros.
The world is how we shape it Mia-Discovery est un logiciel conçu pour effectuer la cartographie des systèmes d'information (SI) des organisations. À partir de l'analyse des codes sources des applications (Java, COBOL, .NET, etc.), il permet de reconstituer automatiquement une vue globale et détaillée du patrimoine applicatif, de ses dépendances, de ses flux et de ses interactions. Les responsables IT, urbanistes ou architectes d'entreprise utilisent ainsi Mia-Discovery pour mieux comprendre, rationaliser et moderniser leur SI : analyse de l'obsolescence, détection des redondances, préparation à la migration vers le cloud, gestion des risques, etc.
Grâce à l'analyse des codes sources et des métadonnées, Mia-Discovery alimente un référentiel central où chaque élément du SI est modélisé comme un graphe : des noeuds (entités, applications, bases de données, scripts, etc.) et des relations (dépendances, communications, flux, usages).
Actuellement, lors de chaque nouvelle analyse ou rechargement du SI, le processus de chargement du référentiel repart de zéro : l'ensemble du graphe existant est intégralement supprimé, puis régénéré entièrement à partir des nouvelles sources. Si cette approche from scratch garantit l'alignement complet du référentiel avec l'état courant du SI, elle comporte cependant d'importantes limitations :
- Coût élevé en ressources et en temps : la suppression puis la reconstruction intégrale d'un référentiel volumineux (comptant parfois des dizaines ou centaines de milliers de noeuds et de relations) engendre des traitements longs, mobilise de la bande passante, sollicite intensément les bases de données, et peut impacter la disponibilité du service.
- Perte de traçabilité et d'historique : ce mode destructif rend difficile, voire impossible, la détection des évolutions fines entre deux versions du SI (ajouts, suppressions, modifications). Les équipes ne peuvent pas facilement exploiter l'historique ou comprendre les changements, ce qui nuit à l'analyse d'impact et au suivi dans le temps.
- Risques opérationnels accrus : toute erreur, interruption ou incohérence lors d'un rechargement complet peut laisser le référentiel dans un état instable, voire le rendre temporairement inutilisable.
Dans ce contexte, la mise en oeuvre d'un chargement incrémental représente un levier majeur d'amélioration. Une telle approche consisterait à analyser les différences entre l'état actuel du SI et le référentiel existant afin de n'appliquer que les modifications nécessaires : ajout, suppression ou mise à jour de noeuds/relation spécifiquement concernés. L'objectif est multiple :
- Accélérer les traitements
- Réduire la charge système
- Permettre la conservation de l'historique des évolutions
- Offrir une meilleure robustesse, traçabilité et réactivité aux évolutions du SI
L'intégration de ce mécanisme au coeur de Mia-Discovery renforcerait significativement la qualité, la performance et la valeur ajoutée du produit pour toutes les organisations soucieuses de l'excellence dans la gestion de leur système d'information.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.