From Scattered to Structured: A Vision for Automating Architectural Knowledge Management

Résumé Technique : De l'éparpillé au structuré : une vision pour l'automatisation de la gestion des connaissances architecturales

Énoncé du problème
L'architecture logicielle est intrinsèquement centrée sur la connaissance, pourtant celle-ci est actuellement distribuée à travers des artefacts hétérogènes, incluant les documents d'exigences, les diagrammes de conception, le code source et la documentation. Cette dispersion crée des barrières significatives pour les développeurs tentant d'accéder efficacement aux connaissances architecturales et de les utiliser. De plus, à mesure que les systèmes évoluent, des incohérences apparaissent fréquemment entre ces artefacts (par exemple, une documentation qui n'est plus synchronisée avec l'implémentation), ce qui entraîne une érosion architecturale et entrave la maintenance. Un défi critique réside dans le fait qu'une grande partie de la connaissance architecturale demeure implicite, résidant dans l'esprit des développeurs ou nécessitant une inférence par le contexte, tandis que des sources externes telles que les comptes rendus de réunions et les enregistrements restent largement inexploitées.

Méthodologie et approche proposée
Les auteurs proposent une vision pour un pipeline automatisé conçu pour extraire, lier et consolider systématiquement les connaissances architecturales dans une base de connaissances (BK) structurée. L'approche s'articule autour de cinq étapes techniques prévues :

1. Cadre d'extraction de connaissances spécialisé : Le pipeline emploiera des extracteurs distincts adaptés à des types d'artefacts spécifiques.

   • Artefacts textuels (exigences, documentation) : ils seront traités par le traitement du langage naturel (NLP) et les modèles de langage de grande taille (LLM) afin d'identifier les éléments architecturaux, les décisions et la rationalité.
   • Artefacts de code : ils feront l'objet d'une analyse statique et d'une compréhension de programme pour extraire les connaissances structurelles et comportementales.
   • Artefacts visuels (diagrammes) : ils utiliseront des mécanismes d'analyse syntaxique pour capturer les relations entre les composants.
   • Collaboration Humain-IA : Pour combler les lacunes de l'extraction automatisée (ex. : termes manqués ou contexte spécifique au domaine), le cadre permet une augmentation manuelle via des entrées utilisateur structurées (ex. : JSON) afin de corriger les erreurs et d'affiner la BK.

2. Schéma de base de connaissances unifié : Un schéma unifié sera conçu pour accueillir les connaissances provenant de diverses sources tout en maintenant les relations sémantiques et les liens de traçabilité (Trace Link Recovery - TLR). Ce schéma est destiné à soutenir la vérification de la conformité de l'architecture, l'analyse d'impact des changements et l'interrogation en langage naturel.

3. Vérification et résolution de la cohérence : Le système mettra en œuvre des mécanismes pour détecter les incohérences, telles que des contradictions dans les décisions architecturales ou des décalages entre les structures documentées et implémentées. Les auteurs prévoient d'explorer des approches basées sur des règles, sur l'apprentissage et sur les LLM pour la détection, couplées à des stratégies de résolution semi-automatisées impliquant les architectes humains dans la prise de décisions critiques.

4. Surveillance continue par agents : Un agent piloté par un LLM orchestrera le pipeline, surveillant continuellement les artefacts logiciels via l'intégration du système de fichiers et du contrôle de version. Lors de la détection de changements, l'agent déclenche la TLR et les vérifications de cohérence. Il est conçu pour résoudre de manière autonome les problèmes mineurs tout en escaladant les conflits critiques vers les parties prenantes humaines avec des demandes de clarification ciblées, garantissant que la supervision humaine reste centrale pour les décisions importantes.

5. Intégration de questions-réponses (QA) : En s'appuyant sur la BK structurée, le système intégrera des techniques de génération augmentée par récupération (RAG) pour permettre l'interrogation conversationnelle. Cela permet aux développeurs d'accéder aux connaissances architecturales via le langage naturel, de manière analogue aux systèmes comme HubLink pour la connaissance scientifique.

Contributions clés et travaux prévus
En tant que papier de vision, ce travail ne présente pas de résultats empiriques issus d'un système entièrement déployé, mais trace plutôt une feuille de route systématique pour la réalisation de l'automatisation proposée. Les principales contributions incluent :

• Une architecture de pipeline complète : Une proposition détaillée d'un système de bout en bout qui passe d'artefacts éparpillés à une base de connaissances structurée et interrogeable.
• Intégration de sources multimodales : L'inclusion explicite de sources non traditionnelles telles que les comptes rendus de réunions, les enregistrements d'appels et les croquis, aux côtés du code et de la documentation standards.
• Conception d'un agent avec l'humain dans la boucle : Un modèle architectural spécifique pour un agent intelligent qui équilibre la maintenance autonome avec un engagement humain proactif pour les conflits ambigus ou critiques.
• Développement de taxonomie et de cadre : Les auteurs prévoient de mener une revue de la littérature pour dériver une taxonomie des types de connaissances architecturales et établir les fondements théoriques du cadre d'extraction.

Signification et affirmations
Le papier affirme que la réalisation de cette vision permettrait de démocratiser l'accès aux connaissances architecturales, soutenant des pratiques de génie logiciel plus éclairées tout au long du cycle de vie du développement. En consolidant les connaissances éparpillées, le système vise à :

• Permettre des activités critiques telles que la vérification de la conformité de l'architecture et l'analyse d'impact des changements.
• Réduire le temps et les ressources que les développeurs consacrent à la compréhension, particulièrement dans les systèmes à grande échelle.
• Encourager potentiellement de meilleures pratiques de documentation en démontrant les bénéfices tangibles du maintien de connaissances précises et cohérentes.
• Servir d'agent intelligent qui maintient l'intégrité de la base de connaissances avec une intervention humaine minimale tout en garantissant que les décisions critiques restent sous le contrôle humain.

Défis anticipés
Les auteurs reconnaissent plusieurs obstacles importants qui doivent être adressés pour assurer l'efficacité du système :

• Hétérogénéité : Traiter des données multimodales (code structuré, diagrammes semi-structurés, notes non structurées) sans prétraitement manuel extensif.
• Scalabilité : Gérer les ressources de calcul et les limitations de la fenêtre de contexte des LLM lors du traitement de millions de lignes de code et de milliers de pages de documentation.
• Explicabilité et confiance : Atténuer les hallucinations des LLM et garantir que les connaissances extraites sont vérifiables pour éviter la propagation d'erreurs factuelles dans la BK.
• Erreur vs Incohérence : Distinguer entre de véritables conflits architecturaux et les erreurs introduites par le processus d'extraction lui-même.
• Validité temporelle : Gérer l'évolution des systèmes où les connaissances architecturales deviennent obsolètes avec le temps, nécessitant des mécanismes pour préserver le contexte historique tout en garantissant que les requêtes actuelles renvoient des informations pertinentes.
• Sécurité et confidentialité : Assurer des contrôles d'accès appropriés et l'anonymisation lors du traitement d'artefacts sensibles comme les enregistrements de réunions.