Improve Delivery Performance with 2024 DevOps Trends

J’ai eu la chance, il y a quelques jours, d’assister à une présentation des grandes lignes du DevOps Report qui vient de sortir. Merci à l’équipe de DORA.

Le rapport 2024 est disponible DevopsReport 2024 by Dora. 

Parmi les éléments clé de cette année, on peut noter 4 axes principaux : 

L’amélioration, l’affinage des métriques permettant d’évaluer la performance de livraison des entreprises informatiques. Cela fait maintenant plusieurs années que les entreprises collectent les données, et les interprétations s’appuient donc sur des éléments plus fiables. Pour rappel, les quatre métriques sont : 

Indicateurs de performance : 

• Lead time for change : quel est le délai entre le commit du code et le code utilisé en production.
• Deployment frequency : à quelle fréquence le code est déployé en production ou release aux utilisateurs finaux.

Indicateurs de stabilités: 

• Change fail percentage: quel pourcentage de changement en production entraîne une dégradation du service aux utilisateurs.
• Failed deployment recovery time : Combien de temps faut-il pour restaurer à un état stable suite à un changement en production ayant entraîné un dysfonctionnement.

 On peut notamment voir des petites surprises sur le “Change failure rate”, ou en y regardant de plus près, on observe que ceux qui livre moins souvent peuvent être plus stable. Cela peut s’expliquer par le fait que si on livre moins fréquemment, et que l’on passe un temps plus important à vérifier la livraison, celles-ci génèrent en % moins de problèmes. Pour moi, cela indique aussi qu’il est important d’avoir un indicateur complémentaire en interne sur la gravité des “fail rate”, on pourrait se focaliser sur les chemins critiques utilisateurs par exemple.

L’intelligence artificielle, qui évidemment occupe le devant de la scène. L’adoption semble venir d’une volonté TOP/DOWN d’inclure l’IA à tout prix dans les produits ou les pratiques. Sur le terrain, les ressentis sont mitigés. Une grande partie (70%) reconnaît un gain de productivité, cependant presque la moitié des personnes interrogées a des doutes sur la pertinence et le gain réel. Il ressort aussi qu’on semble se focaliser sur une micro-optimisation d’une partie de nos processus (le développement par exemple), et qu’il faut regarder la chaîne de valeur dans sa globalité. Il ne faut pas oublier de lever la tête et essayer de réduire le temps de spécification, de prise de décision ou de validation. Ainsi, même si l’IA semble enlever de nombreux obstacles dans le quotidien des développeurs, l’impact sur la “delivery performance” au global semble négatif. Gardez bien à l’esprit d’avoir un regard critique sur votre utilisation et essayer de traiter vos points douloureux en priorité. 

Le platform engineering, les IDP (Internal Developer Platform) semblent augmenter la productivité des équipes, surtout dans les grandes organisations. Comme dans toute amélioration, il y a un gain fort au démarrage, suivi d’une phase de stabilisation avant d’observer une nouvelle augmentation des gains. Par contre, surprenamment, il semble falloir devoir surveiller le “change stability” qui semble impacté par cette mise en commun. Pour moi cela indique le besoin de bien tester et maîtriser les utilisations.

La “Developer Experience” , l’efficacité vient avec la stabilité. Comment combiner réactivité et efficacité est donc un des challenges majeurs. Le point commun qui semble unifier ces challenges a priori contradictoire est de répondre aux besoins des utilisateurs/clients. Notons, que la documentation technique/produit semble jouer un rôle important comme accélérateur et stabilisateur de changements. 

Comme vous le voyez, pas de grandes révolutions cette année. Par contre, avec les données qui s’enrichissent (à la fois quantitativement et qualitativement (durée plus longue d’observation), on commence à avoir plus de recul sur les impacts de décisions ou des choix faits dans le passé. 

A titre personnel, je garderai 2 messages clé : 

• L’IA : oui, mais pas n’importe comment. Il faut l’intégrer dans un processus d’apprentissage avec un regard critique. 

Les entreprises qui réussissent sont celles qui collaborent (via le Platform Engineering) et qui n’oublient pas l’utilisateur/client du produit qu’elles font.