Points clés
1. L’ère de l’abondance technologique est insoutenable
Depuis une vingtaine d’années, les organisations consacrent des budgets toujours plus importants à la technologie.
Des coûts en explosion. Les dépenses mondiales en technologies devraient atteindre près de 5 000 milliards de dollars, soit une hausse de 81 % entre 2005 et 2023, principalement due à la migration vers les services cloud. Cette « ère de l’abondance » a engendré une croyance généralisée en des ressources illimitées, alors qu’en réalité, la migration vers le cloud provoque souvent un « choc tarifaire » lié aux modèles de facturation à l’usage. Nombre de responsables technologiques ne maîtrisent pas pleinement le Coût Total de Possession (CTP) de ces plateformes, ce qui entraîne des dépenses incontrôlées.
Des inefficacités cachées. Pour gérer ces coûts croissants, les organisations réduisent généralement les dépenses opérationnelles, comme le nombre de serveurs ou la capacité de stockage. Pourtant, les entreprises performantes attirent davantage de clients et génèrent plus de données, ce qui nécessite plus de ressources, sauf si les applications et processus sont optimisés. La mentalité dominante néglige souvent les économies potentielles — des millions, voire des dizaines de millions de dollars — qu’une meilleure compréhension des analyses de charge et l’identification des inefficacités dans les plateformes technologiques, notamment au niveau du code et des processus, pourraient permettre.
Un nouveau paradigme. L’auteur soutient que l’industrie technologique doit opérer un changement fondamental de perspective. Plutôt que de se contenter d’assurer la continuité des systèmes, les dirigeants doivent prioriser l’efficacité technologique et la transparence financière. Cela implique de comprendre les coûts réels au sein des applications et services pour cibler les processus les plus coûteux, mettant ainsi fin à l’ère de l’abondance et inaugurant une ère d’efficacité où chaque investissement IT génère une valeur tangible.
2. La santé technologique manque de définition et de mesure claires
En vérité, personne ne sait vraiment à quel point son environnement technologique est sain aujourd’hui ni dans quelle mesure il pourra le soutenir demain.
Des interprétations subjectives. À l’image des spécialistes médicaux qui peuvent poser des diagnostics différents sur la santé humaine, les responsables technologiques (CDO, CIO, CTO, CFO) évaluent la « santé » d’un environnement technologique selon leurs expertises et les données qu’ils consultent. L’absence d’une mesure unifiée et objective conduit à des évaluations souvent incohérentes, incapables d’offrir une vision globale du bien-être des systèmes ou de leur préparation future.
Au-delà de la disponibilité. Les méthodes actuelles de mesure de la santé technologique, peu évoluées depuis vingt ans, se concentrent principalement sur la disponibilité (temps de fonctionnement). Or, la véritable santé englobe davantage :
- Stabilité : la capacité du système à résister aux perturbations, sa fiabilité et sa prévisibilité sous contrainte.
- Performance : non seulement la fonctionnalité, mais aussi un fonctionnement optimal et efficient, minimisant le gaspillage.
- Capacité : la suffisance des ressources, évitant à la fois la sous- et la sur-provision.
Sans définitions et métriques standardisées pour ces critères, les organisations ne peuvent évaluer avec précision l’état réel de leurs systèmes ni l’impact des changements.
Des informations exploitables absentes. Bien que de nombreux outils fournissent des visualisations et tableaux de bord, ils génèrent souvent une surcharge d’informations plutôt que des recommandations concrètes. Ils identifient les problèmes, mais prescrivent rarement des actions spécifiques et hiérarchisées (par exemple, « modifier X maintenant et Y ensuite pour atteindre Z »). Ce manque empêche les équipes techniques de savoir quelles mesures prendre pour améliorer les systèmes et comment ces actions s’alignent sur les indicateurs clés de performance (KPI) ou les objectifs métier.
3. L’efficacité, KPI crucial mais négligé
Au fond, tout se résume à une chose qui influence et impacte presque tout ce dont nous parlons dans ce livre : l’efficacité.
L’impératif oublié. Autrefois, les développeurs devaient écrire un code efficace en raison des limites de mémoire. Aujourd’hui, avec une capacité cloud apparemment illimitée, l’attention s’est déplacée vers le développement rapide de fonctionnalités, souvent au détriment de l’efficacité. Il est plus simple d’ajouter du matériel (CPU, mémoire) pour accélérer un code lent que de corriger les inefficacités sous-jacentes, perpétuant ainsi une mentalité du type « si ce n’est pas cassé, ne le répare pas » qui entretient le gaspillage.
Le « vrai MPG » pour la tech. À l’image des acheteurs de voitures qui considèrent le nombre de miles par gallon (MPG) comme référence d’efficacité énergétique, l’industrie technologique a un besoin urgent d’une mesure équivalente pour l’efficacité du code et des applications. Une telle norme permettrait de :
- Évaluer les applications en phase de développement.
- Identifier les applications inefficaces en production.
- Prendre des décisions éclairées sur la migration vers le cloud, où un code inefficace engendre des coûts plus élevés.
Cela déplacerait le focus de la simple fonctionnalité vers une performance durable et rentable.
Les coûts cumulés de l’inefficacité. Un code inefficace, même mineur, peut avoir un impact négatif cumulatif sur la durée de vie typique d’une application (10 à 20 ans). Il augmente les coûts d’hébergement, de support et de dépannage, et consomme davantage de ressources à mesure que les volumes de données et d’utilisateurs croissent. Ce « Coût Total du Code » est rarement pris en compte dès le départ, générant des dizaines de milliers, voire des millions de dollars de dépenses imprévues sur le long terme. Prioriser le développement et l’optimisation d’un code efficace est essentiel pour la santé financière et la préservation des ressources.
4. La transparence financière est essentielle mais absente
La majorité des organisations peinent à gérer la hausse des coûts technologiques et le manque de transparence financière sur les services IT.
L’angle mort du CFO. Les directeurs financiers manquent souvent de visibilité granulaire sur les coûts technologiques. Lorsque les dépenses cloud explosent, ils ne disposent généralement que de détails au niveau des ressources ou serveurs, sans pouvoir analyser les applications ou processus spécifiques responsables des dépenses. Ce décalage empêche les équipes financières de suivre le rythme des décisions complexes et rapides prises par les ingénieurs, entraînant des dépassements budgétaires et un déficit de responsabilité.
Au-delà du bilan comptable. La transparence financière en technologie dépasse la simple comptabilité traditionnelle. Elle nécessite de comprendre :
- Le coût réel de la technologie (incluant les dépenses opérationnelles et de maintenance).
- La valeur que la technologie apporte à l’entreprise.
- Les opportunités de réduction des coûts via l’amélioration de l’efficacité.
Sans cette vision globale, les organisations ne peuvent pas gérer leurs actifs immatériels comme le code et les données avec la rigueur appliquée aux informations financières, ce qui freine la création de valeur durable et érode la confiance.
Un nouveau cadre de responsabilité. L’auteur plaide pour un changement de mentalité, passant du simple suivi des coûts de projet à la compréhension du Coût Total de Possession (CTP) des applications, codes et données tout au long de leur cycle de vie. Cela implique d’instrumenter des métriques financières au niveau du code, de prévoir les coûts annuels et d’identifier les économies potentielles via l’optimisation. Le conseil de Gartner de « gérer la technologie comme une entreprise » en intégrant la planification budgétaire technique, les services métier et les investissements, ainsi qu’un benchmarking rigoureux, constitue une avancée vers cette transparence indispensable.
5. L’empreinte environnementale de la technologie exige une attention accrue
Ce qui manque dans ce débat, c’est la mesure dans laquelle la technologie contribue à la crise environnementale mondiale.
Le coût caché de l’abondance. Alors que les normes ESG (environnementales, sociales et de gouvernance) gagnent en importance, l’impact environnemental massif de l’industrie technologique est souvent négligé. La croissance exponentielle des données — 2,5 quintillions d’octets créés chaque jour, avec une projection de 200 zettaoctets d’ici 2025 — nécessite une consommation énergétique colossale. Les centres de données américains seuls consomment 73 milliards de kilowattheures par an, soit l’équivalent de six millions de foyers, contribuant significativement aux émissions de carbone et aux déchets électroniques.
Les data centers verts ne suffisent pas. Des géants comme Microsoft et Google investissent massivement dans des « data centers verts » alimentés par des énergies renouvelables, visant une exploitation sans carbone. Si cette démarche est louable, elle ne constitue qu’une partie de la solution. Si les applications hébergées sont inefficaces et gaspillent cycles CPU et ressources, le bénéfice environnemental global s’en trouve réduit. L’auteur souligne que s’appuyer uniquement sur une infrastructure verte crée une « fausse impression de confort ».
Vers des « applications certifiées vertes ». Pour réellement réduire l’impact environnemental de la technologie, il faut étendre l’attention aux applications elles-mêmes. Un système de notation pour des « applications certifiées vertes », à l’image des certifications LEED pour les bâtiments, est nécessaire. Cela impliquerait :
- De mesurer l’empreinte carbone des applications.
- D’optimiser le code et les processus pour réduire la consommation de ressources.
- De mettre en place une gestion du cycle de vie des données pour maîtriser leur croissance.
- De prolonger la durée de vie du matériel.
En rendant les applications plus efficaces, les organisations peuvent réduire significativement leurs besoins en énergie, refroidissement et ressources, générant ainsi des économies carbone substantielles et contribuant à un avenir plus durable.
6. Le Coût Total de Possession (CTP) doit inclure le code et les données
Quel est le Coût Total de Possession d’une application, d’un code ou d’un processus ?
Au-delà du prix d’achat. À l’instar d’une voiture dont le CTP inclut carburant, entretien et dépréciation au-delà du prix d’achat, le CTP technologique doit englober bien plus que l’acquisition initiale. De nombreux fournisseurs sous-estiment les ressources nécessaires, conduisant à des systèmes qui ne répondent plus aux attentes au bout d’un an, nécessitant des mises à jour coûteuses. Ce manque de prévoyance alourdit les dépenses sur la durée de vie, souvent de 10 à 20 ans.
Le coût cumulé du code et des données. Deux composantes critiques, souvent négligées, du CTP sont :
- Le Coût Total du Code : Un code inefficace, même marginal, consomme davantage de ressources (CPU, E/S, mémoire) à chaque exécution. Sur plusieurs années, cela se traduit par des millions de dollars supplémentaires en hébergement, licences et support. Optimiser les 5 % de processus les plus inefficaces peut générer des gains d’efficacité de 40 à 80 %.
- Le Coût Total des Données : Au-delà du stockage, la croissance des données engendre des « coûts cachés » liés à la gestion, maintenance, interrogation et sauvegarde. L’accumulation excessive de données, sans archivage ni purge, impacte fortement la performance et les coûts opérationnels.
Ces coûts sont dynamiques et croissent exponentiellement avec l’expansion des activités et des données, mais sont rarement intégrés dans les estimations initiales du CTP.
FinOps et le fossé du CTP. Si FinOps vise à instaurer une responsabilité financière sur les dépenses cloud, les outils actuels s’arrêtent souvent au niveau des ressources, sans approfondir les inefficacités du code et des applications qui génèrent les coûts. Un modèle complet de CTP doit intégrer :
- Les coûts initiaux : installation, personnalisation, migration, formation, licences.
- Les coûts récurrents : maintenance, abonnements, matériel (calcul, mémoire, stockage, bande passante).
- Les économies potentielles : ajustements de taille, optimisation des processus, rééquilibrage des charges, déclassement des services, politiques de cycle de vie des données.
Cette approche offre une vision financière réaliste, permettant une gestion proactive des coûts et des décisions d’investissement stratégiques, plutôt que des ajustements budgétaires réactifs.
7. Passer d’une résolution réactive des problèmes à une optimisation proactive
Personne ne se demande : Pourrions-nous faire ce que nous faisons plus vite, mieux, plus intelligemment (c’est-à-dire plus efficacement) ?
Le piège du « pompier ». La culture dominante en IT est souvent réactive, centrée sur la prévention des pannes et la résolution immédiate des problèmes. Cette mentalité de « pompier » fait passer à côté des opportunités d’optimisation proactive — rendre les systèmes plus rapides, meilleurs et plus intelligents. Sauf en cas de panne ou de réduction budgétaire imposée, les équipes revisitent rarement le code ou les processus existants pour améliorer l’efficacité, perpétuant un cycle de gaspillage et d’occasions manquées.
Prioriser l’impact sur l’effort. Pour rompre ce cercle, les organisations doivent adopter une approche stratégique de l’optimisation, en hiérarchisant les actions selon leur impact potentiel par rapport à l’effort et au risque encourus. Cela inclut :
- Modifications de configuration : optimisation des paramètres OS, plateforme ou application.
- Ajustements de ressources : dimensionnement adapté des serveurs ou services.
- Affinement des processus : audit et désactivation des processus hérités, modification des horaires, réduction de la maintenance.
- Optimisation du code et des données : amélioration des indexations, archivage des données, optimisation du code, refactorisation des structures de données.
Ces actions, mesurées avant et après mise en œuvre, démontrent une valeur tangible au-delà de la simple résolution d’un problème.
Repenser la dette technique. La dette technique, souvent perçue comme une conséquence négative de solutions « rapides et sales », peut être requalifiée en « santé continue du produit ». Plutôt qu’une réflexion a posteriori, le traitement de la dette technique doit devenir une pratique quotidienne, intégrée aux sprints de développement. Donner aux ingénieurs les moyens et la motivation de prioriser le « travail de correction » et le « travail d’investissement » parallèlement aux nouvelles fonctionnalités est essentiel pour instaurer une culture proactive axée sur l’efficacité.
8. Traduire les succès techniques en valeur métier
Aujourd’hui, les équipes communiquent leurs succès en termes techniques à un public métier qui ne maîtrise pas la technologie.
La barrière du langage. Les équipes techniques célèbrent souvent des « victoires » en termes de réduction des E/S, accélération des temps d’exécution ou diminution des cycles CPU. Si ces indicateurs ont du sens pour les ingénieurs, ils sont souvent incompréhensibles pour les dirigeants et CFO, qui ont besoin de mesurer l’impact en dollars, expérience client ou avantage stratégique. Ce décalage empêche la reconnaissance et la priorisation de la valeur réelle de la technologie au niveau exécutif.
Quantifier l’impact en termes métier. Pour combler ce fossé, les succès technologiques doivent être traduits en résultats business. Par exemple, au lieu d’annoncer une réduction de 65 % des E/S, il faut communiquer :
- « Durée totale des rapports réduite de 35 à 4 jours par an, économisant 31 jours d’attente utilisateur. »
- « Économies annuelles estimées à 31 807 $ en hébergement cloud, soit 159 035 $ sur cinq ans. »
Cette approche contextualise les gains, démontrant la valeur financière et opérationnelle à long terme des efforts d’optimisation, facilitant ainsi l’approbation des investissements futurs.
Construire une boucle de rétroaction. Une boucle systématique est indispensable pour démontrer continuellement la valeur. Elle comprend :
- Établissement de bases de référence : capture des performances, temps d’exécution et métadonnées avant modifications.
- Mesure d’impact : quantification des résultats « avant-après » pour chaque optimisation.
- Communication de la valeur : présentation des résultats en langage métier, avec un focus sur les impacts à 1, 3 et 5 ans.
- Intégration dans les feuilles de route : inclusion régulière des efforts d’optimisation dans le développement produit et la planification budgétaire.
Ce processus transforme les développeurs en acteurs business, alignant leur travail sur les objectifs organisationnels et favorisant une culture où l’efficacité est directement liée à la rentabilité et à la satisfaction client.
9. Institutionnaliser l’efficacité par la culture et les outils
Il faut intégrer une boucle de rétroaction dans nos outils pour que les économies ou gains d’efficacité résultant des changements soient communiqués aux parties prenantes métier.
Au-delà de l’effort individuel. Atteindre une efficacité généralisée requiert plus que des initiatives isolées ; cela demande un changement culturel et les bons outils. La philosophie « économiser un gramme par mois » de Ford illustre comment de petits efforts constants à l’échelle d’une organisation peuvent générer des économies massives. En technologie, cela signifie que chaque ingénieur, développeur et administrateur doit être responsabilisé et incité à détecter et corriger les inefficacités.
Responsabiliser les ingénieurs. Une stratégie clé consiste à créer des boucles de responsabilité directe, où les développeurs interagissent avec les clients ou constatent en temps réel l’impact de leur code sur les coûts et performances. Cela favorise un sentiment de propriété et les motive à écrire un code efficace. Par ailleurs, les évaluations de poste devraient inclure des métriques sur l’efficacité du code et la consommation des ressources, pas seulement le nombre de lignes de code ou la livraison de fonctionnalités. Cela encourage une mentalité de « santé continue du produit » plutôt que la simple satisfaction des exigences fonctionnelles.
Le rôle de l’analytique avancée et de l’IA. Pour étendre les efforts d’efficacité à des centaines ou milliers d’app
