6. Algosys : qualité, croissance et productisation
6.1 Le produit et sa personnalisation
Algosys Metallurgical Accountant réalise de la comptabilité de production, plutôt que de la comptabilité financière. Il réconcilie des données par le bilan matière, avec un important volume de données et des problèmes complexes. L’intervenant rattache les premiers algorithmes à des recherches à l’Université Laval dans les années 1970, puis à l’informatisation des mines. Le produit présenté existe depuis 2000.
La diapositive indique plus de 500 bibliothèques, environ 300 000 lignes de code utiles, sans compter les lignes vides ou les simples symboles, et plus de 30 000 tests en intégration continue. Le nombre affiché de tests pourrait être inférieur au nombre réel à la date de la séance, précise le conférencier.
Une implantation client dure de un à six mois. Chaque usine doit être modélisée selon sa minéralogie, son procédé et les ressources disponibles; il ne suffit pas de choisir une installation standard dans un catalogue. Cette personnalisation explique une partie du travail et de la variabilité entre les projets.
6.2 Le soutien peut empêcher la croissance
Lorsque le nombre de projets, leur complexité et les arrivées de développeurs ont augmenté sans tests suffisants, les difficultés ont grandi avec eux. L’intervenant décrit notamment un traitement chez un client qu’il fallait surveiller et relancer quotidiennement. Il invite à comprendre les pratiques historiques dans leur époque, tout en constatant leurs limites à plus grande échelle.
| Bilan présenté dans la conférence | Avant TDD | Situation actuelle de la séance |
|---|---|---|
| Implantations à soutenir | 4 | Environ 40 |
| Développeurs | 5 | 4 |
| Personnel au soutien | 2 personnes à temps plein | 1 personne, avec aussi du temps pour développer |
Les chiffres sont vérifiés dans la diapositive. Ils illustrent une inversion du poids du soutien malgré une multiplication des implantations. Si chaque nouveau client exigeait une part proportionnelle de corrections et de surveillance, la croissance deviendrait coûteuse et possiblement non rentable.
La démarche de diagnostic proposée consiste à projeter les difficultés à une plus grande échelle : laquelle rendrait le fonctionnement intenable si le volume augmentait? Il faut attaquer cette contrainte prioritaire. Dans ce cas, réduire les problèmes de qualité a rendu la croissance beaucoup plus soutenable.
6.3 Mesurer la durée jusqu’à une implantation stable
| Repère de l’étude de cas | Déroulement indiqué | Effet décrit |
|---|---|---|
| Avant 2008 | Projet annoncé de six mois : quatre mois de développement, deux de tests/débogage, puis encore environ trois mois de soutien difficile. | La livraison ne met pas fin au travail; corrections urgentes et stress persistent. |
| Adoption complète du TDD en 2013 | Cinq à six mois réunissant développement, tests et débogage. | Implantations plus sereines, forte diminution du travail de correction après livraison. |
| 2023 | Environ un mois de développement, tests et débogage pour cette catégorie de projet. | L’amélioration continue a accru la vélocité et la capacité à livrer. |
| 2025 | Environ un mois de configuration par un expert métier, sans développement spécifique par projet. | Généralisation et productisation des adaptations auparavant programmées. |
Le TDD peut rendre le développement initial un peu plus long, tout en économisant beaucoup de validation, d’installation et de soutien. Une mesure limitée au premier temps de codage manquerait donc l’essentiel du gain. Le conférencier évoque aussi le soulagement des personnes qui ne doivent plus corriger un problème en urgence sous la pression d’un client.
Ces résultats constituent un retour d’expérience sur un produit et une entreprise. Ils ne promettent pas la même réduction de durée sur tout projet. Le dernier gain de 2025 n’est d’ailleurs pas attribué directement au TDD : l’équipe a poursuivi l’amélioration au-delà de la qualité.
6.4 Du point d’extension programmé à la configuration métier
Le moteur possédait auparavant des points d’extension à développer pour chaque client. Avec suffisamment d’installations connues, l’équipe a pu généraliser les principes et rendre le produit configurable. Le travail est alors confié à un SME, Subject Matter Expert, c’est-à-dire une personne experte du domaine métier.
Cette évolution réduit le besoin de programmation propre à chaque nouvelle usine. Elle montre que la qualité et le découpage peuvent soutenir une stratégie plus large de produit, mais que la transformation commerciale et fonctionnelle ne se résume pas à écrire davantage de tests.