Résumé du Module 1 : Système d'Information PDF

1. Système d'Information (SI) Définition : Ensemble structuré de ressources (utilisateurs, processus, données, technologies) visant 2. Composantes du SI à gérer les informations nécessaires au Utilisateurs : Clients, employés, partenaires interagissa...

1. Système d'Information (SI) Définition : Ensemble structuré de ressources (utilisateurs, processus, données, technologies) visant 2. Composantes du SI à gérer les informations nécessaires au Utilisateurs : Clients, employés, partenaires interagissant fonctionnement et à la stratégie de l’entreprise. avec le système. Rôles principaux : Processus métier : Activités clés comme la vente, la 3. Fonctionnement et Objectifs Collecter : Capturer l'information à sa source. production, ou le support. Objectifs stratégiques : Traiter : Transformer les données en informations Applications : Logiciels spécifiques (CRM, ERP) facilitant les Aider à la prise de décision grâce à des données analytiques. exploitables. processus. Exemples : Personnalisation client, prédictions avec l’IA, gestion Stocker : Conserver de manière sécurisée et Données : Référentiels, transactions, documents critiques des stocks via l'IoT. accessible. pour l'organisation. Diffuser : Fournir la bonne information au bon Infrastructure : Matériel informatique, réseaux, sécurité et moment. stockage. Protéger : Garantir la confidentialité, l'intégrité et la disponibilité. 4. Enjeux des SI Actuels 4. Anatomie du SI Moderne 6. Urbanisation du SI Passé : Applications monolithiques, infrastructure locale, Front Office : Interfaces clients (Web, mobile, Définition : Processus de structuration du SI pour répondre aux cycles longs. agences). besoins actuels et futurs. Présent : Hybridation Cloud, APIs, agilité. Middle Office : Traitement administratif (compta, Étapes : Futur : Cloud natif, serverless, IT verte, edge computing. trésorerie, reporting). Cartographie AS-IS : Analyse de l’existant. Problématiques : Back Office : Stockage et gestion des données. Analyse : Diagnostic des faiblesses et opportunités. Coûts : Optimisation des dépenses. Zones fonctionnelles : Organisation des modules pour Cible TO-BE : Conception de l’architecture cible. Sécurité : Protection contre les cybermenaces. optimiser les performances. Plan de convergence : Planification de la mise en œuvre. Flexibilité : Adaptation rapide aux besoins. 7.3. Architecture Microservices (années 2010) 7.1. Architecture Monolithique (années 90) 7.2. Architecture en Couches (Layered - années 2000) Définition : Approche où une application est décomposée en petits services Définition : Application conçue comme un seul bloc avec tous Définition : Application divisée en couches logiques distinctes avec des indépendants, chacun ayant une fonction spécifique. Caractéristiques : les composants interconnectés. responsabilités spécifiques. Modularité : Chaque microservice est autonome. Caractéristiques : Exemple de couches : Indépendance : Services déployables indépendamment. Une seule base de code pour toutes les fonctionnalités. Interface utilisateur (UI) : Gestion des interactions utilisateur. Polyglotte : Différents services peuvent utiliser des langages ou technologies Les appels mémoire (interne) sont rapides. Règles métier : Logique de traitement des données. variés. Adaptée aux applications simples ou petites équipes. Accès aux données : Interaction avec les bases de données. Faible couplage : Communication via API ou messages. Avantages : Caractéristiques : Avantages : Performance : Les appels de fonction mémoire sont plus Chaque couche a un rôle bien défini. Scalabilité : Chaque service peut être mis à l’échelle indépendamment. rapides que les appels réseau. Les couches supérieures s’appuient sur les couches inférieures. Flexibilité technologique : Permet d’utiliser le langage ou la technologie adaptée à chaque service. Simplicité : Une seule application à déployer. Avantages : Résilience : Un service défaillant n’affecte pas nécessairement l’ensemble du Développement : Debugging facilité grâce à la Modularité : Simplifie le remplacement ou la mise à jour des système. centralisation du code. composants. Réutilisabilité : Certains microservices peuvent être utilisés dans plusieurs Inconvénients : Réutilisation : Une couche peut être partagée entre plusieurs projets. Elasticité limitée : Difficile de dimensionner applications. Cycle de développement rapide : Favorise les déploiements fréquents et les indépendamment des parties spécifiques. Centralisation des règles : Facilite la gestion de la logique métier. mises à jour continues. Maintenance complexe : Plus la taille du code augmente, Inconvénients : Inconvénients : plus la maintenance devient difficile. Performance réduite : Les appels entre couches ajoutent de la Complexité accrue : Nécessite une gestion rigoureuse des interactions (API, orchestration). Dépendances technologiques : Limitée à un seul langage latence. Coût opérationnel élevé : Besoin d’infrastructures pour le monitoring, la gestion ou une seule plateforme. Rigidité : Difficile d'ajuster ou de contourner certaines couches. des défaillances, etc. Risque accru : Un crash d'une partie de l'application peut Couplage : Si mal conçu, peut créer une dépendance forte entre les Réseau : Dépendance accrue aux performances réseau, ajoutant une possible affecter l'ensemble. couches. latence. Sécurité : Plus de points d’attaque potentiels en raison des nombreux services exposés.  Flux d’information dans une Architecture Moderne 1. Sources de Données 2. Traitement des Données Les données proviennent de différentes sources internes ou Les données brutes sont transformées pour devenir exploitables : 3. Stockage des Données externes : Traitement en temps réel : Les données transformées sont stockées dans des systèmes adaptés aux besoins : Clients : Interactions via des applications web, mobiles, ou Utilisation de Stream Processing pour les données continues comme Bases opérationnelles : Base de données en temps réel pour les services. celles issues de l’IoT. opérations courantes. Partenaires : Échanges via des APIs pour des intégrations Exemple : Apache Kafka ou Spark Streaming. Entrepôts de données (Data Warehouse) : externes. Traitement par lot (Batch Processing) : Données agrégées structurées pour l’analytique et le reporting. IoT/Capteurs : Données en temps réel (température, Extraction, Transformation et Chargement (ETL) des données en Exemple : Snowflake, AWS Redshift. Lacs de données (Data Lake) : localisation, etc.). différé. Stockage massif de données brutes (non structurées, semi- Systèmes internes : Bases de données internes, ERP, CRM, Exemple : Préparation pour un entrepôt de données (Data structurées). etc.​ Warehouse). Exemple : AWS S3, Azure Data Lake. API Gateway : Point centralisé permettant aux sources de données d’accéder aux systèmes internes en temps réel. Exemple de Flux d'Information 4. Utilisation des Données Collecte: Les données stockées sont exploitées à des fins spécifiques : Un capteur IoT envoie en temps réel des mesures de BI (Business Intelligence) : Création de tableaux de bord pour température. visualiser les KPI. Traitement: Analytics : Utilisation de l'analyse avancée pour la prise de Les données passent par Stream Processing (ex : Apache Kafka) décision. pour filtrage et agrégation. ML/IA : Algorithmes d’apprentissage automatique pour des Stockage: prédictions (ex : maintenance prédictive, personnalisation Les données brutes sont placées dans un Data Lake pour analyse client). future. Applications : Mise à disposition des données pour les Utilisation: applications métiers Un modèle ML prédit des anomalies pour déclencher une alerte dans une application BI.