mai 2026
The Monoculture Premium
Quand la standardisation du paysage informatique rend l’entreprise plus fragile, et jusqu’où il convient de standardiser.
Résumé
Consolider les systèmes d’une entreprise sur un plus petit nombre de plateformes est un conseil orthodoxe, et pour de bonnes raisons : moins de plateformes coûtent moins cher à exploiter, à doter en personnel et à intégrer. Nous soutenons que ce conseil n’est juste que jusqu’à un certain point, lequel peut se calculer. La standardisation échange de nombreuses petites défaillances indépendantes contre quelques grandes défaillances corrélées ; dès que le dommage d’une panne croît plus vite que sa portée, la perte attendue augmente à mesure que les plateformes sont consolidées, alors même qu’aucune défaillance isolée ne devient plus probable. Nous, chez Nashua, formulons un modèle minimal d’une entreprise choisissant combien de plateformes exploiter, avec un coût d’exploitation qui diminue avec la consolidation et une perte liée aux pannes qui est convexe dans la part de l’entreprise mise à l’arrêt, et nous dérivons en forme fermée le nombre de plateformes qui minimise leur somme. Le résultat est non monotone : la standardisation complète est optimale lorsque les pannes sont rares, peu coûteuses ou linéaires, sinon c’est un nombre intérieur de plateformes qui l’est, la différence étant la prime de monoculture que les business cases de consolidation négligent. Nous montrons que la diversité nominale surestime la diversité effective dès que des plateformes partagent un composant, et nous soutenons que les chaînes étroitement couplées doivent être standardisées tandis que les fonctions faiblement couplées ne doivent pas l’être. Ancrée dans la situation néerlandaise et dans les réglementations DORA et NIS2, cette recherche théorique se clôt sur la manière dont elle pourrait être mesurée.
Mots-clés : standardisation ; consolidation informatique ; risque de concentration ; défaillance corrélée ; monoculture ; résilience ; diversification de portefeuille ; DORA ; NIS2 ; Pays-Bas ; risque opérationnel
1. Introduction
Par standardisation, nous entendons la réduction du nombre de plateformes, produits, fournisseurs ou composants distincts qu’une entreprise exploite pour un usage donné, de sorte qu’une part plus grande de l’entreprise dépend de chacun de ceux qui restent. C’est l’une des recommandations les moins controversées de l’informatique. Moins de plateformes, c’est moins de licences, moins de compétences à entretenir, moins d’intégrations à construire et moins de choses à sécuriser ; la littérature sur l’architecture d’entreprise traite un cœur standardisé comme un socle d’exécution (Ross, Weill & Robertson, 2006), et les programmes de consolidation sont un classique de toute revue des coûts. Nous, chez Nashua, recommandons souvent la standardisation, et cet article ne soutient pas qu’elle soit erronée. Il soutient qu’elle est non monotone : bénéfique jusqu’à un certain point, nuisible au-delà, et que ce point peut être calculé à partir de grandeurs qu’une entreprise est en mesure d’estimer.
L’argument a été fait pour nous le 19 juillet 2024, lorsqu’une mise à jour de contenu défectueuse d’un produit de sécurité des terminaux largement déployé a mis hors service en quelques heures quelque 8.5 millions d’ordinateurs Windows (Weston, 2024 ; CrowdStrike, 2024). Le produit avait été choisi par des milliers d’organisations pour les meilleures raisons : il était performant, il était standard, et faire tourner un seul agent de sécurité partout était plus simple que d’en faire tourner plusieurs. La panne a atteint compagnies aériennes, aéroports, hôpitaux, radiodiffuseurs et ministères le même matin, aux Pays-Bas comme ailleurs, parce que tous s’étaient standardisés sur le même composant. Aucun d’eux, pris isolément, n’avait commis d’erreur. Ensemble, ils avaient bâti une monoculture, et une monoculture tombe d’un seul coup.
L’analogie écologique est ancienne (Geer et al., 2003) et a généralement été faite à propos de la sécurité logicielle : une population exécutant un seul système d’exploitation est vulnérable à un seul exploit. Cet article avance une thèse différente et plus large. Le dommage d’une défaillance corrélée ne dépend pas d’un attaquant ; il dépend uniquement de la forme de la fonction de perte, c’est-à-dire de savoir si perdre toute l’entreprise d’un coup est pire que perdre ses parties séparément. Nous soutenons que c’est presque toujours le cas, nous montrons que cela suffit à faire croître la perte attendue liée aux pannes avec la consolidation, et nous dérivons le nombre de plateformes qu’une entreprise devrait exploiter en fonction de sa probabilité de panne, de son échelle de perte, de la convexité de sa perte et du coût de chaque plateforme supplémentaire.
L’article pose la question suivante : à quelles conditions la standardisation du paysage informatique augmente-t-elle, au lieu de la réduire, la perte attendue de l’entreprise, et jusqu’où une entreprise devrait-elle standardiser à la place ? La section 2 situe la question parmi les littératures qui y ont répondu dans d’autres domaines. La section 3 présente le modèle et l’optimum en forme fermée. La section 5 explique d’où vient la convexité et où elle est absente. La section 7 montre pourquoi la diversité nominale surestime la diversité réelle. La section 9 lit la situation néerlandaise à travers le modèle. La section 10 suit une banque construite. Les sections 12 à 16 donnent les règles, les limites et les conclusions.
Le cadrage néerlandais est délibéré. Les Pays-Bas exploitent une identité numérique nationale par laquelle la plupart des citoyens accèdent à l’administration, aux assureurs santé et aux fonds de pension, et elle est un point de défaillance unique par conception. Son secteur financier est soumis, depuis janvier 2025, à un règlement européen qui impose aux institutions d’évaluer la concentration de leurs dépendances TIC et de déclarer les incidents majeurs ; ses secteurs critiques passent sous la transposition néerlandaise d’une seconde réglementation qui étend cette obligation. Le risque de concentration est devenu, aux Pays-Bas, une grandeur supervisée. Cet article est une tentative de lui donner un prix.
2. Contexte
2.1 Les arguments en faveur de la standardisation
Les bénéfices de la consolidation sont réels et bien documentés. Ross, Weill et Robertson (2006) ont montré que les entreprises dotées d’un cœur standardisé et intégré exécutaient leur stratégie de manière plus fiable ; Weill et Ross (2004) ont constaté que les entreprises les plus performantes limitaient le choix local d’infrastructure. La littérature praticienne sur le coût total de possession repose sur la même économie : chaque plateforme distincte porte des coûts fixes en licences, compétences, outillage, intégration et sécurité largement indépendants de la part de l’entreprise qu’elle sert, de sorte que le coût par unité de service diminue à mesure que les plateformes sont consolidées. Nous tenons tout cela pour acquis. Le modèle de la section 3 comporte un coût d’exploitation qui diminue avec la consolidation, et la thèse de l’article porte sur ce qu’il faut mettre en face.
2.2 La défaillance corrélée dans d’autres domaines
D’autres domaines ont appris depuis longtemps que concentration et fragilité vont de pair. En finance, Markowitz (1952) a montré que le risque d’un portefeuille ne dépend pas du risque de ses positions mais de la manière dont elles évoluent ensemble, et que la diversification entre actifs imparfaitement corrélés réduit le risque sans coût en rendement attendu ; cette intuition est le fondement de la discipline. En écologie, May (1972) a montré que les systèmes plus grands et plus connectés sont, toutes choses égales par ailleurs, moins stables, et Tilman, Reich et Knops (2006) ont démontré expérimentalement que les écosystèmes diversifiés sont plus stables dans leur productivité que les monocultures. Haldane et May (2011) ont transposé l’argument écologique à la banque, montrant qu’un système d’institutions détenant des actifs similaires et reliées par des expositions similaires est sujet à la défaillance simultanée dont 2008 a donné l’exemple. En gestion de la chaîne d’approvisionnement, Sheffi (2005) a documenté comment la redondance et la flexibilité, et non la seule efficience, décident des entreprises qui survivent à une perturbation, et la littérature de l’ingénierie de la résilience (Hollnagel, Woods & Leveson, 2006) a tenu le même raisonnement pour les systèmes sociotechniques en général. En ingénierie de la sécurité, Perrow (1984) a soutenu que les systèmes étroitement couplés et interactivement complexes produisent des accidents qui sont normaux plutôt qu’exceptionnels, et Leveson (2011) que la sûreté est une propriété de la structure du système plutôt que de ses composants. En sécurité informatique, Geer et al. (2003) ont soutenu qu’une monoculture logicielle est une vulnérabilité nationale parce qu’un seul exploit atteint tout le monde.
Chacune de ces littératures contient la thèse du présent article dans un vocabulaire différent. Ce qui manque à la littérature de l’informatique d’entreprise, c’est le pas que la finance a franchi en 1952 : un modèle dans lequel le bénéfice de la concentration et le coût de la corrélation figurent dans la même équation, de sorte que l’arbitrage puisse être calculé plutôt qu’affirmé. La section 3 est une tentative de franchir ce pas.
2.3 Le risque de concentration comme grandeur supervisée
Le règlement européen sur la résilience opérationnelle numérique (règlement (UE) 2022/2554), applicable aux entités financières depuis janvier 2025, impose aux institutions d’identifier et d’évaluer le risque de concentration TIC né de la dépendance à des prestataires tiers, et de déclarer les incidents majeurs liés aux TIC à leur superviseur, aux Pays-Bas la banque centrale. La deuxième directive sur la sécurité des réseaux et des systèmes d’information (directive (UE) 2022/2555) étend les obligations de déclaration des incidents et de gestion des risques aux entités essentielles et importantes des secteurs critiques, par la loi de transposition néerlandaise. Toutes deux traitent la concentration comme un risque à mesurer et à gérer, et aucune ne dit quel degré de concentration est excessif. Le modèle ci-dessous est proposé comme une réponse, et les données d’incidents que les obligations de déclaration accumuleront sont, comme le soutient la section 15, le moyen par lequel il pourrait être calibré.
3. Un modèle minimal
3.1 Cadre
Une entreprise a fonctions métier, chacune devant s’exécuter sur une plateforme. Elle choisit le nombre de plateformes distinctes à exploiter, , avec ; est la standardisation complète et une plateforme par fonction. Par souci de clarté, nous supposons les fonctions réparties uniformément, par plateforme ; les répartitions inégales sont traitées à la section 7.
Exploiter des plateformes coûte de l’argent. Chaque plateforme distincte porte un coût par période indépendant du nombre de fonctions qu’elle sert : licences, compétences pour l’exploiter, outillage, intégration avec le reste, sécurité. Le coût d’exploitation est
Équation 1. Coût d’exploitation du parc : une part fixe plus un coût par plateforme.
où est le coût qui ne dépend pas du nombre de plateformes. C’est là l’argument en faveur de la standardisation : diminue de pour chaque plateforme supprimée.
Les plateformes tombent en panne. À chaque période, chaque plateforme subit une panne invalidante avec une probabilité , indépendamment des autres ; lorsque cela se produit, toutes les fonctions qu’elle porte sont à l’arrêt pendant la durée de référence de la panne. La perte due à une panne dépend de la part des fonctions de l’entreprise à l’arrêt en même temps :
Équation 2. Perte due à une panne comme fonction convexe de la part des fonctions à l’arrêt en même temps.
où est la perte si toute l’entreprise est à l’arrêt et la convexité de la perte. Si , la perte est proportionnelle à la part à l’arrêt : perdre la moitié de l’entreprise coûte moitié moins que la perdre tout entière. Si , la perte est convexe : tout perdre coûte plus du double de perdre la moitié. La section 5 soutient que est le cas normal et indique où il ne l’est pas.
3.2 Perte attendue et total
Avec plateformes portant chacune une part des fonctions, la perte attendue liée aux pannes par période est
Équation 3. Perte attendue liée aux pannes par période pour plateformes également chargées.
L’expression contient la thèse de l’article. Lorsque , pour tout : la perte attendue ne dépend pas du nombre de plateformes, seul le coût d’exploitation décide, et la standardisation complète est optimale. Lorsque , diminue quand augmente : davantage de plateformes, chacune portant moins, signifient moins de perte attendue, parce que la convexité pénalise les grandes pannes que produisent les plateformes peu nombreuses. La consolidation accroît la perte attendue non parce que les défaillances deviennent plus probables, est inchangé, mais parce que chaque défaillance devient plus grande, et que les grandes défaillances coûtent plus que leur taille.
L’entreprise minimise le total
Équation 4. Coût total : coût d’exploitation plus perte attendue liée aux pannes, la grandeur que l’entreprise minimise.
En traitant comme continu et en annulant la dérivée, on obtient l’optimum en forme fermée :
Équation 5. Le nombre optimal de plateformes, en forme fermée.
Le nombre optimal de plateformes augmente avec la probabilité de panne , l’échelle de perte et la convexité , et diminue avec le coût d’une plateforme . Lorsque l’expression est inférieure à un, la standardisation complète est optimale ; le conseil orthodoxe tient. Lorsqu’elle est supérieure à un, un nombre intérieur de plateformes minimise le coût total, et la différence est ce que nous appelons la prime de monoculture : le montant dont la standardisation complète coûte plus que l’optimum, par période, une fois la perte liée aux pannes comptée.
3.3 Deux régimes
L’équation (5) répartit les entreprises en deux régimes, et le contenu pratique de l’article consiste à les distinguer. Le tableau 1 présente les deux avec des paramètres illustratifs, et la figure 1 dessine le second.
Tableau 1. Deux régimes du modèle, avec des paramètres illustratifs. Coûts et pertes en millions d’EUR par an ; omis car il n’affecte pas l’optimum.
| Enjeux faibles | Enjeux élevés | |
|---|---|---|
| Probabilité de panne (par plateforme-année) | 0.02 | 0.10 |
| Perte si tout est à l’arrêt | 20 | 60 |
| Coût par plateforme | 1.0 | 1.0 |
| Convexité | 2 | 2 |
| 0.4 | 6.0 | |
| d’après (5) | 0.63 1 | 2.45 2–3 |
| : une plateforme | 1.4 | 7.0 |
| : deux plateformes | 2.2 | 5.0 |
| : trois plateformes | 3.1 | 5.0 |
| Prime de monoculture | 0 | 2.0 |
Dans le régime à enjeux faibles, les pannes sont rares et peu coûteuses, est petit par rapport au coût d’une plateforme, et est inférieur à un : standardiser complètement, comme le dit l’orthodoxie. Dans le régime à enjeux élevés, une panne invalidante par plateforme-décennie et une perte de 60 millions d’EUR pour une panne totale, ce qui n’a rien d’exotique pour une banque, une compagnie aérienne ou un groupe hospitalier, vaut environ deux et demi, exploiter une seule plateforme coûte 2 millions d’EUR par an de plus qu’en exploiter deux ou trois, et le business case orthodoxe de consolidation, qui ne compte que , est faux dans son signe.
3.4 L’espérance n’est pas toute l’histoire
L’équation (5) porte sur la perte attendue, et la perte attendue sous-estime l’argument contre la monoculture. Considérons le régime à enjeux élevés avec , où la perte attendue est de 6 millions d’EUR par an quel que soit . Avec une plateforme, l’entreprise ne perd rien neuf années sur dix et 60 millions d’EUR la dixième. Avec trois plateformes, elle perd 20 millions d’EUR environ une année sur quatre, 40 millions d’EUR environ trois années sur cent, et 60 millions d’EUR une année sur mille. Les espérances sont égales ; les distributions ne le sont pas. L’entreprise à une plateforme a chaque année une chance sur dix de subir une perte susceptible de dépasser un seuil de déclaration réglementaire, un coussin de fonds propres ou une tolérance réputationnelle ; l’entreprise à trois plateformes a une chance sur mille. Un conseil d’administration qui n’est pas indifférent à l’ampleur de sa pire année, c’est-à-dire tout conseil d’administration, devrait préférer la distribution à trois plateformes même lorsque les espérances sont égales, et cette préférence s’ajoute à l’argument de convexité plutôt que d’en dépendre. L’annexe A donne les chiffres de queue.
4. Extensions du modèle
Le modèle minimal fait quatre simplifications qu’un praticien voudra lever avant de se fier à son chiffre : les plateformes tombent en panne indépendamment, les fonctions sont réparties uniformément, la perte d’une panne ne dépend pas de sa durée, et la consolidation elle-même est gratuite. Chacune peut être levée sans perdre la leçon de la forme fermée, et chaque levée déplace l’optimum dans une direction qu’il vaut la peine de connaître.
4.1 Chocs communs
Supposons qu’en plus de la défaillance indépendante de chaque plateforme, un choc commun mette hors service toutes les plateformes à la fois avec une probabilité par période : un composant partagé tombe en panne, un cyberincident se propage, la région d’un prestataire s’effondre. La perte attendue devient
Équation 6. Perte attendue avec un choc commun qui met hors service toutes les plateformes à la fois avec une probabilité .
Le choc commun ajoute un plancher, , qu’aucun nombre de plateformes ne supprime, et il réduit le bénéfice de la diversification d’un facteur . L’optimum est celui de l’équation (5) avec remplacé par : moins de plateformes valent la peine d’être exploitées lorsque les chocs communs dominent, parce que la diversification ne peut pas les atteindre. La lecture pratique est celle que développe la section 7 : le premier argent doit aller à l’abaissement de , en supprimant les composants partagés, et seulement ensuite à l’augmentation de , parce qu’une plateforme ajoutée sous un composant partagé n’achète rien contre le choc qui compte le plus.
4.2 Répartitions inégales et la conception cœur et satellites
Les fonctions sont rarement réparties uniformément. La conception courante est une plateforme cœur portant l’essentiel de l’entreprise et des satellites portant le reste, et la question est de savoir si les satellites valent leur coût. Avec des parts de somme un, la perte attendue est , qui pour un donné est minimisée par des parts égales, parce que est convexe ; toute inégalité élève la perte attendue au-dessus du cas uniforme. Un cœur portant neuf dixièmes avec deux satellites à un vingtième chacun a, pour , une perte attendue de , à peine inférieure au de la plateforme unique, tout en payant trois plateformes. Les satellites coûtent presque autant qu’une vraie diversification et n’en apportent presque rien. La conception qui paie est celle qui partage la charge, et c’est pourquoi la banque de la section 10 sépare la banque de détail de la banque des entreprises au lieu de détacher un petit satellite d’un cœur dominant.
4.3 Durée
La perte d’une panne croît avec sa durée, et la durée dépend du nombre de plateformes de deux manières opposées. La capacité de rétablissement est finie, de sorte qu’une panne plus grande met plus longtemps à être rétablie si les mêmes équipes doivent tout restaurer en série ; c’est l’une des sources de convexité de la section 5 et elle est déjà dans . En sens inverse, un paysage comptant plus de plateformes compte plus de choses distinctes susceptibles de casser et plus de procédures de rétablissement distinctes à entretenir, de sorte que tout rétablissement donné peut être plus lent par manque de pratique. Le second effet plaide pour garder modeste et pour exercer le rétablissement sur chaque plateforme conservée, et c’est l’une des raisons pour lesquelles les règles de la section 12 préfèrent la consolidation plus petite à la diversification plus grande.
4.4 Le coût de la consolidation
Une consolidation est une migration, et les migrations sont elles-mêmes une source de pannes : données déplacées, interfaces reconstruites, personnel reformé, et une période de double exploitation pendant laquelle l’entreprise dépend à la fois de l’ancien et du nouveau. Un business case de consolidation devrait comporter un terme de risque ponctuel, la perte attendue des incidents de migration, à côté de l’économie récurrente, et reconnaître que ce terme croît avec le nombre de plateformes supprimées. Le modèle ne le chiffre pas, parce qu’il est ponctuel et que le modèle est par période, mais il déplace la décision dans le même sens que la prime : vers la consolidation plus petite.
4.5 Sensibilité de l’optimum
La figure 2 dessine l’optimum de l’équation (5) en fonction du ratio , les enjeux rapportés au coût d’une plateforme, pour trois valeurs de . En dessous d’un ratio d’environ un, l’optimum est une plateforme quelle que soit la convexité, et le conseil orthodoxe est sans danger. Au-dessus, l’optimum croît, lentement, avec les enjeux : un ratio de six, le cas de la banque, donne deux à trois plateformes ; un ratio de vingt, un groupe hospitalier ou une bourse, en donne trois à cinq. Les courbes sont assez plates pour que les paramètres exacts comptent moins que le régime : une entreprise n’a besoin de savoir qu’approximativement si son ratio est inférieur à un ou nettement supérieur pour savoir si elle se trouve dans le régime orthodoxe ou dans celui de la prime, et l’annexe donne la grille complète.
5. D’où vient la convexité
Le résultat du modèle repose sur : sur l’affirmation que perdre toute l’entreprise d’un coup coûte plus que la somme des pertes de ses parties prises séparément. Cette affirmation doit être argumentée, non supposée, et il faut dire où elle échoue, parce que là où elle échoue le conseil orthodoxe est juste.
5.1 Cinq sources de convexité
Couverture mutuelle. Lorsqu’une fonction est à l’arrêt, d’autres prennent le relais : une agence prend un appel que l’application ne peut pas prendre, un entrepôt expédie ce que le portail ne peut pas vendre, le personnel travaille sur papier. La couverture n’est possible que si la fonction qui couvre est en service. Une panne partielle est absorbée par la couverture ; une panne totale n’a personne pour couvrir. La perte de la dernière fonction à tomber est donc plus grande que celle de la première, ce qui est la convexité.
Capacité finie de contournement. Une entreprise dispose d’un nombre fini de personnes capables d’exécuter des solutions de contournement manuelles, d’un nombre fini de lignes téléphoniques et d’une tolérance finie chez ses clients. Une petite panne tient dans cette capacité ; une grande la dépasse, et l’excédent est perdu purement et simplement.
Seuils. La déclaration réglementaire, les pénalités de service contractuelles, l’attention réputationnelle et la couverture médiatique ont toutes des seuils. Une panne sous le seuil coûte sa perte directe ; une panne au-dessus coûte sa perte directe plus les conséquences du seuil. Les seuils font monter la fonction de perte par paliers avec la taille, ce qui est de la convexité dans l’agrégat.
Parallélisme du rétablissement. Le rétablissement est effectué par des équipes de capacité finie. Deux pannes indépendantes sur des plateformes différentes peuvent être rétablies en parallèle par des équipes différentes ; une panne touchant tout est rétablie en série par les mêmes personnes, de sorte que sa durée, et sa perte, croît avec sa taille.
Contagion par les dépendances. Les fonctions dépendent les unes des autres. Une fonction en service mais dépendant d’une fonction à l’arrêt est dégradée ; à mesure que la part à l’arrêt augmente, la part dégradée augmente plus vite, parce que chaque panne supplémentaire retire une dépendance à plusieurs survivantes.
Chaque source est familière à quiconque a géré un incident, et ensemble elles font de le cas normal pour une entreprise de fonctions faiblement couplées. La valeur de est une question empirique ; nous utilisons 1.5 et 2 à titre d’illustration, et la section 15 dit comment elle pourrait être mesurée.
5.2 Où la convexité est absente : le couplage étroit
L’argument s’inverse lorsque les fonctions sont si étroitement couplées que perdre l’une d’elles est aussi grave que les perdre toutes. Une chaîne de paiement dans laquelle l’autorisation, la compensation et le règlement doivent tous fonctionner pour qu’un paiement aboutisse en est un cas : la panne d’une étape arrête la chaîne, et la perte d’une étape à l’arrêt est la perte de la chaîne à l’arrêt. Au sein d’une telle chaîne, , la diversification entre plateformes n’achète rien, parce que la défaillance de n’importe quelle plateforme arrête tout, et la standardisation est correcte : une plateforme, un mode de défaillance, un rétablissement. Le couplage étroit de Perrow (1984) en est la condition, et il donne à l’article sa première règle : standardiser au sein des chaînes étroitement couplées, diversifier entre les fonctions faiblement couplées. L’unité de diversification n’est pas la fonction mais la chaîne, et une entreprise devrait cartographier ses chaînes avant de compter ses plateformes.
La même logique répond à une objection. Exploiter plusieurs plateformes ne sert à rien si une défaillance sur l’une se propage aux autres ; la propagation est un couplage, et des plateformes couplées ne forment qu’une seule plateforme aux fins du modèle. La diversité ne compte que là où les plateformes tombent en panne indépendamment, ce qui est l’objet de la section suivante.
6. Mesurer la convexité
Tout dans le modèle repose sur , et est une grandeur qu’aucune entreprise n’enregistre. Elle peut être mesurée, et cette section montre comment à l’aide d’un exemple construit, afin qu’une fonction risques puisse faire de même avec son propre registre des incidents.
6.1 Les données
Pour chaque panne du registre, deux nombres sont nécessaires : la part des fonctions de l’entreprise qu’elle a atteinte, , et la perte qu’elle a causée, , dans les mêmes unités que . La part est généralement récupérable dans la fiche d’incident, qui nomme les systèmes touchés ; la perte est plus difficile, parce que les entreprises enregistrent le coût direct d’un incident et rarement son manque à gagner, ses compensations ou ses conséquences réputationnelles, et que la convexité réside largement dans ceux-ci. Un registre qui n’enregistre que le coût direct sous-estimera . La mesure commence donc par un exercice ponctuel : pour les dix ou vingt plus grandes pannes du registre, reconstituer la perte complète avec les métiers, y compris ce qui a été récupéré par couverture et contournement et ce qui ne l’a pas été.
6.2 L’ajustement
Avec la fonction de perte , le passage aux logarithmes donne , une droite dont la pente est . Le tableau 2 donne un registre construit de huit pannes pour une entreprise de douze fonctions, et l’ajustement. Les pannes qui ont atteint une fonction ont coûté environ un vingtième du chiffre de la panne totale, et non un douzième ; celles qui ont atteint la moitié de l’entreprise ont coûté environ un tiers, et non la moitié ; la pente est d’environ 1.8. Le nombre est illustratif, mais son ordre de grandeur est l’essentiel : une entreprise dont les petites pannes sont absorbées par la couverture et dont les grandes ne le sont pas trouvera nettement supérieur à un, et l’ajustement fait de ce constat un nombre plutôt qu’une impression.
Tableau 2. Un registre des incidents construit pour une entreprise de douze fonctions, et la convexité qui lui est ajustée. Perte en millions d’EUR, reconstituée pour inclure le manque à gagner et les compensations. La pente ajustée de sur est ; l’ordonnée à l’origine donne .
| Panne | Fonctions | Part | Perte | |
|---|---|---|---|---|
| A | 1 | 0.08 | 0.7 | 0.012 |
| B | 1 | 0.08 | 1.1 | 0.019 |
| C | 2 | 0.17 | 2.4 | 0.041 |
| D | 3 | 0.25 | 4.9 | 0.084 |
| E | 4 | 0.33 | 8.0 | 0.138 |
| F | 6 | 0.50 | 17.0 | 0.293 |
| G | 9 | 0.75 | 36.0 | 0.621 |
| H | 12 | 1.00 | 58.0 | 1.000 |
6.3 Lire les résidus
Les résidus de l’ajustement sont aussi instructifs que sa pente. Les pannes qui ont coûté plus que la droite ne le prédit pour leur taille sont celles où la couverture a échoué, où les contournements ont été épuisés ou où un seuil a été franchi ; leurs fiches disent laquelle de ces causes, et cette indication identifie les sources de la section 5 qui sont actives dans cette entreprise. Les pannes qui ont coûté moins que prévu sont celles où la couverture a fonctionné, et elles identifient les capacités manuelles et mutuelles de la section 7 qui méritent d’être conservées. Une entreprise qui ajuste la droite et lit les résidus apprend à la fois son et ses raisons, ce qui est plus que le modèle ne demande et exactement ce dont la décision de consolidation a besoin.
6.4 Éliciter sans données
Lorsque le registre est mince, peut être borné par élicitation. Demander aux métiers, pour une petite panne et pour une grande, combien de temps la couverture tient et quelle fraction de la valeur elle soutient ; demander où se situent les seuils de déclaration, contractuels et réputationnels et ce que coûte le franchissement de chacun ; demander comment le rétablissement évolue avec le nombre de systèmes à l’arrêt. Chaque réponse donne un point sur la courbe de perte, et trois ou quatre points donnent une pente. L’élicitation est grossière, mais elle est grossière au bon endroit : la décision entre une plateforme et deux dépend de savoir si est proche de un ou proche de deux, et une élicitation permet généralement de les distinguer.
7. Les monocultures cachées
7.1 Diversité nominale et diversité effective
Le modèle compte les plateformes qui tombent en panne indépendamment. Une entreprise qui exploite trois plateformes applicatives sur un seul système d’exploitation, authentifie les trois par un seul fournisseur d’identité, les met à jour par un seul agent et les héberge dans une seule région cloud a trois plateformes aux fins de sa facture de licences et une seule aux fins d’une défaillance de l’un de ces composants partagés. Sa diversité nominale est de trois ; sa diversité effective, face à la défaillance d’un composant partagé, est de un. La panne de juillet 2024 fut précisément cela : des organisations aux paysages applicatifs diversifiés ont découvert qu’elles partageaient un seul agent de sécurité, et l’agent était la plateforme qui a défailli.
Deux mesures rendent la distinction opérationnelle. Pour les répartitions inégales, où la plateforme porte une part des fonctions, le nombre effectif de plateformes est l’inverse de la somme des carrés des parts,
Équation 7. Nombre effectif de plateformes pour des parts inégales : l’inverse de la somme des carrés des parts.
l’indice de Simpson inverse (Simpson, 1949), connu en économie comme l’indice de Herfindahl inverse (Hirschman, 1964). Trois plateformes portant la moitié, trois dixièmes et un cinquième de l’entreprise ont , et non trois ; une plateforme portant neuf dixièmes avec deux autres petites a . La perte attendue de l’entreprise est gouvernée par , et l’équation (5) doit être lue comme une cible pour cette grandeur.
Pour les composants partagés, où les défaillances des plateformes sont corrélées avec une corrélation par paire , le nombre effectif est
Équation 8. Nombre effectif de plateformes lorsque les défaillances sont corrélées avec une corrélation par paire .
qui diminue de pour à un pour . Trois plateformes avec une corrélation de un demi en valent effectivement une et demie ; avec une corrélation de neuf dixièmes, elles en valent effectivement une. Un composant partagé dont toutes les plateformes dépendent fixe pour les défaillances de ce composant, aussi diversifiées que soient les plateformes par ailleurs.
7.2 Un inventaire des composants partagés
Le tableau 3 énumère les composants par lesquels les entreprises partagent le plus souvent un mode de défaillance sans s’en apercevoir, parce qu’aucun d’eux n’apparaît comme plateforme dans l’inventaire applicatif. Leur propriété commune est que chacun est choisi une fois, pour toute l’entreprise, par une fonction qui ne compte pas les plateformes : la sécurité choisit l’agent, l’infrastructure choisit l’hyperviseur et la région, l’identité choisit le fournisseur, le réseau choisit le DNS. Chaque choix est localement sensé et chacun ajoute une dépendance avec .
Tableau 3. Composants par lesquels des plateformes nominalement diversifiées partagent un mode de défaillance, et la fonction qui les choisit typiquement sans compter les plateformes.
| Composant partagé | Choisi par qui, et pourquoi il est invisible |
|---|---|
| Agent de sécurité des terminaux | Sécurité ; déployé sur chaque appareil par politique |
| Système d’exploitation et canal de correctifs | Infrastructure ; « la configuration standard » |
| Fournisseur d’identité, authentification unique | Identité ; chaque application s’authentifie par lui |
| Hyperviseur, fournisseur cloud, région | Infrastructure ; la décision d’hébergement |
| DNS, certificats, diffusion de contenu | Réseau ; personne d’autre ne les voit |
| Bus d’intégration, passerelle API | Architecture ; chaque intégration y transite |
| Un seul éditeur SaaS pour plusieurs produits | Achats ; un contrat, un gestionnaire de fournisseur |
| Un seul intégrateur ou prestataire de services managés | Sourcing ; un seul interlocuteur à qui s’en prendre |
| Cœur de réseau, pare-feux | Réseau ; une seule architecture |
L’inventaire donne à l’article sa deuxième règle : compter la diversité effective, non la diversité nominale. Un business case de consolidation devrait indiquer avant et après, calculé sur les composants partagés aussi bien que sur les plateformes applicatives, et une décision de diversification devrait vérifier que les plateformes maintenues séparées ne partagent pas un composant qui n’en fait qu’une.
7.3 La diversité de dernier recours
Une plateforme est toujours disponible et presque jamais comptée : le processus manuel. Une agence qui peut prendre un paiement sur papier, un entrepôt qui peut préparer les commandes à partir d’une liste imprimée, un service hospitalier qui peut tenir ses dossiers à la main, est une seconde plateforme avec un coût d’exploitation élevé par transaction, une corrélation quasi nulle avec tout ce qui est numérique, et une capacité finie qui se dégrade si elle n’est pas exercée. Dans le modèle, c’est une plateforme avec un grand et , c’est-à-dire la sorte la plus chère et la plus précieuse. Les entreprises qui se sont consolidées sur une seule plateforme numérique et ont laissé la capacité manuelle se perdre ont au sens le plus strict, et les organisations qui s’en sont le mieux sorties en juillet 2024 furent, de l’avis général, celles qui pouvaient encore travailler sans leurs écrans.
8. La diversité qui coûte peu
Exploiter une seconde plateforme est la manière coûteuse d’acheter de la diversité, et le modèle la chiffre à . Plusieurs conceptions achètent une partie de la même protection pour bien moins, et le modèle montre pourquoi elles fonctionnent : chacune abaisse la part qu’une seule défaillance peut atteindre, ou abaisse la corrélation entre les choses qui peuvent défaillir, sans ajouter de plateforme.
8.1 La diversité dans le temps : anneaux et canaris
Un changement déployé sur toutes les instances à la fois atteint s’il est mauvais. Le même changement déployé en anneaux, chaque anneau étant retenu jusqu’à ce que le précédent ait fonctionné sans incident pendant une période, atteint au plus avant d’être arrêté, de sorte que la perte d’un mauvais changement passe de à : avec quatre anneaux et , à un seizième. Le déploiement par anneaux est une diversité dans le temps plutôt que dans les plateformes, il coûte du délai plutôt que de l’argent, et il est disponible pour chaque composant partagé du tableau 3. C’est aussi ce que l’éditeur au centre de la panne de juillet 2024 a adopté ensuite pour les mises à jour de contenu qui l’avaient causée (CrowdStrike, 2024) : le premier anneau est le canari, et le canari est la plateforme la moins chère qu’une entreprise puisse exploiter. La réserve du modèle est que les anneaux ne protègent que contre les défaillances qui se manifestent pendant la période de rétention ; un défaut dormant atteint tous les anneaux, et les défauts dormants sont un choc commun.
8.2 La diversité dans l’espace : régions et sites
Héberger la même plateforme dans deux régions ou sur deux sites n’ajoute pas de plateforme, mais abaisse pour les défaillances locales à une région : alimentation, réseau, incident régional d’un prestataire. Cela ne fait rien contre les défaillances du logiciel même de la plateforme, qui atteignent les deux régions, et une entreprise qui compte une seconde région comme une seconde plateforme a confondu les deux. La lecture du modèle est que la diversité régionale abaisse pour une classe de chocs communs et doit être chiffrée comme telle, non comme .
8.3 Modes dégradés
Une plateforme capable de se replier sur un mode réduit, lecture seule, cache, mise en file d’attente et transmission différée, lorsqu’une dépendance défaille convertit une panne totale en panne partielle : la part qu’une panne atteint devient la part de fonction que le mode dégradé ne peut pas soutenir. Les modes dégradés sont bon marché là où ils sont conçus d’emblée et impossibles là où ils ne le sont pas, et le modèle les compte en abaissant pour la défaillance de la dépendance. Le processus manuel de la section 7 en est le cas limite, le mode dégradé qui n’a besoin d’aucun logiciel.
8.4 La diversité des fournisseurs, non des produits
Deux produits d’un même fournisseur partagent les modes de défaillance du fournisseur : son processus de mise à jour, son service d’identité, sa santé financière. Une entreprise qui veut une diversité de fournisseurs dans une couche où un second produit est trop cher peut parfois l’obtenir dans les dépendances de la couche à la place, un second fournisseur d’identité en secours, un second DNS, une seconde autorité de certification, pour une fraction du coût d’une plateforme. Ceux-ci abaissent pour la défaillance de la dépendance et laissent le nombre de plateformes inchangé.
8.5 Ce qu’elles ont en commun
Chacune de ces conceptions est bon marché parce qu’elle n’ajoute pas une chose à exploiter ; elle change la manière dont une chose existante défaille. Le modèle est indifférent entre un plus bas, un plus bas et un plus élevé, parce que les trois abaissent la perte attendue, et une entreprise devrait les acheter par ordre de coût par unité de réduction. Les anneaux et les modes dégradés viennent généralement en premier, la diversité régionale et celle des dépendances ensuite, et une seconde plateforme en dernier, ce qui est l’ordre inverse de celui dans lequel les revues de consolidation les considèrent.
9. La situation néerlandaise
9.1 Un matin de juillet
La panne du 19 juillet 2024 a atteint les Pays-Bas comme elle a atteint partout. Des vols à l’aéroport national ont été retardés et annulés à mesure que les systèmes des compagnies et des services au sol défaillaient ; des hôpitaux ont signalé des perturbations des systèmes sur les postes de travail touchés et reporté des soins ; des services publics et privés ont été interrompus. Les organisations touchées n’avaient pas choisi les mêmes plateformes applicatives ; elles avaient choisi le même agent de sécurité, qui s’exécutait à un niveau privilégié sur chaque ordinateur Windows qu’elles possédaient. Dans les termes du modèle, leur diversité applicative était sans objet : l’agent était un composant partagé avec , la panne a atteint une part proche de un dans chaque organisation touchée, et la convexité a fait le reste. Le coût a été supporté par des organisations qui n’avaient, individuellement, rien fait d’imprudent, ce qui est la signature d’une monoculture.
9.2 Un point de défaillance unique par conception
L’identité numérique nationale, DigiD, exploitée par l’agence gouvernementale des services numériques, est le moyen par lequel la plupart des résidents accèdent en ligne à l’administration fiscale, aux communes, aux assureurs santé, aux gestionnaires de pensions et aux hôpitaux. Elle est un point de défaillance unique par conception, choisi pour la cohérence et la commodité qu’apporte une identité unique, et ce choix est défendable exactement sur l’économie de la standardisation que cet article tient pour acquise. Le modèle dit ce que coûte ce choix : pour chaque service qui en dépend, la couche d’identité est un composant partagé avec , et une panne, dont les attaques par déni de service ont causé plusieurs, retire l’accès à tous d’un coup. Les atténuations existantes, un dispositif d’identité distinct pour les entreprises, le futur portefeuille européen d’identité numérique et les canaux de secours propres aux services, sont de la diversification au sens du modèle, et leur valeur peut s’énoncer dans ses termes : chacune abaisse pour une part des services dépendants. Nous ne soutenons pas que l’identité nationale devrait être dupliquée ; nous soutenons que les entreprises qui en dépendent devraient la compter dans et maintenir un canal de secours exercé.
9.3 Une réglementation qui compte la concentration
DORA impose aux entités financières néerlandaises d’évaluer leur risque de concentration TIC et de déclarer les incidents majeurs à la banque centrale ; la transposition néerlandaise de NIS2 étend les obligations de déclaration et de gestion des risques aux secteurs critiques. Toutes deux font de la concentration une grandeur qui doit être connue. Le modèle offre au superviseur et au supervisé le même vocabulaire : est la concentration, l’équation (5) est le niveau au-delà duquel elle cesse d’être prudente, et la prime de monoculture est le coût de son dépassement. Les déclarations d’incidents que les deux réglementations exigent désormais sont, comme le soutient la section 15, les données à partir desquelles , et surtout pourraient enfin être mesurés plutôt que supposés.
9.4 Le matin des hôpitaux
Les hôpitaux sont le secteur où la convexité de la section 5 est la plus visible, parce que les seuils y sont cliniques. Un service qui perd son dossier électronique se replie sur le papier et s’en sort ; un hôpital qui perd d’un coup les dossiers de tous ses services, avec le laboratoire, la pharmacie et les systèmes d’imagerie qui dépendent des mêmes postes de travail, ne s’en sort pas, et reporte des soins. Plusieurs hôpitaux néerlandais ont signalé exactement cela le 19 juillet 2024, et ceux qui se sont rétablis le plus vite furent, de leur propre aveu, ceux qui disposaient de procédures papier exercées, ce qui est la diversité de dernier recours dans les termes du modèle. La consolidation du secteur sur un petit nombre de plateformes de dossier électronique, défendable sur tous les plans de la standardisation, est aussi une monoculture entre hôpitaux : un défaut dans une plateforme atteint chaque hôpital qui l’exploite, ce qui est un choc commun à l’échelle du secteur qu’aucune diversification d’un hôpital isolé ne peut traiter, et que la loi de transposition de NIS2, en qualifiant le secteur d’essentiel, oblige désormais le secteur à considérer.
9.5 Ce que demandent les réglementations, dans les termes du modèle
Les exigences de DORA se traduisent directement dans les grandeurs du modèle. Le registre des accords avec des tiers TIC qu’il impose à chaque entité financière de tenir est l’inventaire des composants partagés du tableau 3 sous forme réglementaire, et peut en être calculé. L’évaluation du risque de concentration qu’il impose est la question de savoir si est prudent, à laquelle l’équation (5) est une réponse. Et sa classification des incidents majeurs, qui utilise des seuils de clients touchés, de durée, d’étendue géographique et d’impact économique, est en elle-même une source de convexité : une panne qui franchit les seuils entraîne des conséquences déclaratives, prudentielles et réputationnelles qu’une panne en dessous n’entraîne pas, de sorte que la réglementation elle-même raidit la courbe de perte au-dessus du seuil. Une institution qui estime son devrait inclure les seuils de la réglementation parmi les sources, ce qui signifie que DORA à la fois mesure la concentration et en augmente le coût.
9.6 La question de la souveraineté
Le débat public néerlandais sur la dépendance à un petit nombre de fournisseurs cloud non européens est, dans les termes du modèle, un débat sur : un choc commun, juridique, politique ou commercial, qui atteindrait d’un coup toutes les charges de travail hébergées chez un seul fournisseur. Le modèle ne tranche pas le débat, qui dépend de la probabilité d’un tel choc, mais il en énonce les termes : un second fournisseur est une plateforme au coût qui abaisse pour une classe de chocs, et la question de savoir s’il vaut la peine de l’exploiter dépend de , et de la manière habituelle. Les entreprises des deux bords du débat argumenteraient plus utilement avec ces trois nombres que sans eux.
10. Un cas construit
Le cas est construit, non observé. Il ne rend compte d’aucune banque et ses chiffres sont illustratifs ; il existe pour faire tourner le modèle sur une décision du type de celles que produisent les revues de consolidation.
10.1 La proposition
Bank K est une banque néerlandaise de taille moyenne qui, après deux fusions, exploite quatre plateformes bancaires cœur, une par ancienne entité, chacune portant environ un quart de ses fonctions. Une revue des coûts propose une consolidation sur une seule, économisant 3 millions d’EUR par an en licences, compétences, outillage et intégration : la suppression de trois plateformes à 1 million d’EUR chacune. Le business case compte l’économie et le coût de migration et rien d’autre, et il est approuvé en principe.
10.2 La lecture du modèle
La fonction risques de la banque estime, d’après son propre historique d’incidents et celui de ses pairs, qu’une panne invalidante d’une plateforme cœur survient environ une fois par décennie et par plateforme, ; qu’une panne totale de la durée de référence coûterait environ 60 millions d’EUR en compensations, manque à gagner, conséquences réglementaires et réputation ; et, d’après la forme de ses pannes partielles passées, qui ont coûté bien moins que leur part proportionnelle, que . Ce sont les paramètres à enjeux élevés du tableau 1, et la lecture de la proposition par le modèle figure au tableau 4.
Tableau 4. Bank K : coût d’exploitation, perte attendue liée aux pannes et total pour le parc actuel, la proposition et l’optimum du modèle. Millions d’EUR par an ; omis. Chiffres de queue tirés de l’annexe A.
| 4 (actuel) | 1 (plan) | 2 | 3 | |
|---|---|---|---|---|
| Coût d’exploitation | 4.0 | 1.0 | 2.0 | 3.0 |
| Perte attendue | 1.5 | 6.0 | 3.0 | 2.0 |
| Total | 5.5 | 7.0 | 5.0 | 5.0 |
| Pire année sur 20 (VaR 95 %) | 30 | 60 | 30 | 20 |
La proposition économise 3 millions d’EUR de coût d’exploitation et ajoute 4.5 millions d’EUR de perte attendue liée aux pannes. Son total est pire de 1.5 million d’EUR par an que le parc qu’elle remplace, et sa pire année sur vingt double, d’environ 30 millions d’EUR à 60 millions d’EUR. La consolidation sur deux plateformes, en revanche, économise 2 millions d’EUR de coût d’exploitation, ajoute 1.5 million d’EUR de perte attendue, et abaisse le total d’un demi-million avec une pire année inchangée ; la consolidation sur trois abaisse le total du même montant et divise la pire année par deux. Le mouvement orthodoxe est faux dans son signe ; le bon mouvement est une consolidation plus petite que celle proposée par la revue.
10.3 La conception
La banque se consolide sur deux plateformes et applique les règles de l’article à la scission. Elle cartographie d’abord ses chaînes étroitement couplées : la chaîne de paiement, de l’autorisation au règlement, est placée entière sur une plateforme, parce qu’en son sein et que la diversité n’achèterait rien. Les fonctions restantes sont séparées selon le couplage le plus faible dont dispose la banque, la banque de détail sur une plateforme et la banque des entreprises sur l’autre, de sorte qu’une panne de l’une laisse l’autre servir ses clients et capable de prendre le relais, ce qui est l’origine de la convexité. La banque vérifie ensuite la diversité effective : les deux plateformes reçoivent des canaux de correctifs différents et des agents de terminaux différents, sont hébergées dans des régions cloud différentes, et sont authentifiées par une couche d’identité dont le secours est exercé chaque trimestre, de sorte que la corrélation par composants partagés est faible plutôt qu’égale à un. La capacité manuelle du réseau d’agences de détail est conservée et exercée. Le de la banque est deux ; son , calculé sur les composants partagés, est proche de deux ; et son business case de consolidation comporte désormais une ligne pour la perte liée aux pannes que celui de la revue n’avait pas.
11. Un second cas construit : un groupe hospitalier
Le cas de la banque porte sur les plateformes. Le second porte sur les composants partagés, là où, selon le modèle, réside généralement le risque le plus grand. Il est construit, non observé, et ne rend compte d’aucun hôpital.
11.1 Le parc
Le groupe hospitalier G exploite trois hôpitaux sur un seul dossier patient électronique, un seul système de laboratoire, un seul système d’imagerie et un seul système de pharmacie : quatre plateformes, chacune un standard du secteur, chacune bien choisie. Chaque poste de travail des trois hôpitaux exécute la même configuration de système d’exploitation, le même agent de sécurité des terminaux et le même canal de correctifs ; chaque clinicien s’authentifie par un seul fournisseur d’identité ; les quatre plateformes sont hébergées dans un seul centre de données avec un secours tiède dans un second. Nominalement, . Le registre du groupe, constitué pour la loi de transposition de NIS2, montre que les quatre plateformes dépendent de la configuration des postes, de l’agent, du fournisseur d’identité et du réseau du centre de données, et que le secours partage l’agent et le fournisseur d’identité avec le site primaire.
11.2 La diversité effective
Pour les défaillances du logiciel propre aux plateformes, vaut environ quatre, et le groupe est bien diversifié : un défaut dans le système de pharmacie laisse le dossier, le laboratoire et l’imagerie en service, et la perte clinique est bornée. Pour les défaillances de la configuration des postes, de l’agent, du fournisseur d’identité ou du réseau, sur les quatre plateformes et : un défaut dans l’un d’eux atteint chaque clinicien de chaque hôpital d’un coup, et le secours, qui en partage deux, n’aide pas. La diversité réelle du groupe est d’une plateforme pour les modes de défaillance que l’histoire dit être les plus susceptibles d’être corrélés, et juillet 2024 fut une défaillance exactement de ce type.
11.3 Les chiffres
La fonction risques du groupe estime une défaillance invalidante d’un composant partagé à par an sur l’ensemble, une perte de panne totale d’environ 40 millions d’EUR pour la durée de référence, en soins reportés, déroutements, heures supplémentaires et conséquences réglementaires, et, d’après les pannes partielles des hôpitaux eux-mêmes, un d’environ 2.2, élevé parce qu’une panne partielle est absorbée par le papier et qu’une panne totale ne l’est pas. Pour le mode de défaillance des composants partagés, avec à environ 0.8 million d’EUR donne un ratio de quatre, et l’équation (5) donne : le groupe devrait exploiter ses composants partagés en deux ensembles indépendants, non en un seul.
11.4 La conception
Exploiter deux dossiers patients électroniques serait ruineux, et le modèle ne le demande pas ; il demande deux ensembles indépendants des composants partagés qui font actuellement des quatre plateformes une seule. Le groupe scinde ses postes de travail en deux configurations avec deux agents d’éditeurs différents et deux canaux de correctifs, affecte chaque service hospitalier à une configuration de sorte que chaque unité ait des collègues sur l’autre, ajoute un second chemin d’identité en secours exercé chaque mois, et déplace le centre de données de secours vers un réseau et un agent que le primaire ne partage pas. Les plateformes restent au nombre de quatre. La diversité effective pour les défaillances des composants partagés passe de un à environ deux, ce que le modèle demandait, pour un coût bien inférieur à celui d’une seconde plateforme : la seconde configuration et le second agent coûtent une fraction de , le second chemin d’identité est une dépendance et non une plateforme, et le déploiement par anneaux de la section 8 est appliqué aux deux configurations de sorte qu’une mauvaise mise à jour atteigne au plus un quart du parc. Le secours papier est conservé, financé et exercé chaque trimestre, parce que pour le groupe c’est la seule plateforme dont la corrélation avec tout le reste est nulle.
11.5 Ce que montre le cas
Le cas de la banque a montré que la consolidation orthodoxe peut être fausse dans son signe. Celui de l’hôpital montre quelque chose de plus courant : une entreprise diversifiée dans ses plateformes et monoculture dans ses composants, où la prime est payée sans qu’aucune consolidation ait jamais été proposée, et où le remède coûte peu parce qu’il s’agit de diversité dans les composants, le temps et les dépendances plutôt que dans les plateformes. La plupart des entreprises sont plus proches de l’hôpital que de la banque, et le registre que DORA et NIS2 exigent désormais est l’instrument qui le leur montre.
12. Règles
Standardiser au sein des chaînes, diversifier entre les fonctions. Cartographier les chaînes de processus étroitement couplées ; au sein de chacune, une plateforme. Entre les fonctions faiblement couplées, l’optimum du modèle s’applique. L’unité de diversification est la chaîne.
Compter la diversité effective. Calculer sur les composants partagés aussi bien que sur les plateformes applicatives, avant et après toute consolidation. Trois plateformes sur un seul agent sont une seule plateforme.
Chiffrer la prime. Ajouter à chaque business case de consolidation une ligne pour la perte attendue liée aux pannes, avant et après, en utilisant les estimations propres de l’entreprise. Un dossier qui ne peut énoncer , et n’est pas un dossier sur le risque, et la consolidation est une décision sur le risque.
Vérifier la queue. Énoncer la pire année sur vingt avant et après, et la comparer aux seuils de déclaration, aux coussins de fonds propres et aux expositions contractuelles de l’entreprise. Des espérances égales avec des queues différentes sont des décisions différentes.
Conserver la diversité de dernier recours. Traiter la capacité manuelle comme une plateforme : la financer, l’exercer et la compter. C’est la seule plateforme dont la corrélation est nulle.
Préférer la consolidation plus petite. Lorsque le modèle donne un optimum intérieur, la perte à s’arrêter une plateforme avant lui est petite et la perte à aller une plateforme au-delà est grande, parce que la courbe de perte attendue est raide près de un. En cas de doute, garder une plateforme.
13. Chiffrer la prime dans un business case
Les règles de la section 12 demandent que la prime soit chiffrée. Cette section montre à quoi ressemble la ligne dans le document où la consolidation est effectivement décidée, parce qu’un risque qui n’est pas sur la page du business case n’est pas dans la décision. Le tableau 5 présente un dossier de consolidation sous la forme qu’utilisent la plupart des fonctions finance, avec les lignes que le modèle ajoute marquées, pour la banque de la section 10.
Tableau 5. Un business case de consolidation pour Bank K avec les lignes du modèle ajoutées (marquées ). Chiffres annuels en millions d’EUR sauf les lignes ponctuelles de migration. Le dossier orthodoxe montre la proposition économisant 3.0 par an ; le dossier complet la montre coûtant 1.5 par an de plus qu’aujourd’hui et 2.0 de plus que l’alternative à deux plateformes, avec une pire année doublée.
| Ligne | Aujourd’hui () | Proposition () | Alternative () | Source |
|---|---|---|---|---|
| Coût d’exploitation des plateformes, | 4.0 | 1.0 | 2.0 | Licences, compétences, outillage, intégration |
| Coût d’exploitation, autre () | 12.0 | 12.0 | 12.0 | Inchangé par |
| Total annuel orthodoxe | 16.0 | 13.0 | 14.0 | |
| Perte attendue liée aux pannes, | 1.5 | 6.0 | 3.0 | , , |
| Dont attribuable aux composants partagés () | 0.6 | 0.6 | 0.6 | ; inchangé sauf si les composants sont diversifiés |
| Total annuel complet | 17.5 | 19.0 | 17.0 | |
| Pire année sur vingt (VaR 95 %) | 30 | 60 | 30 | Annexe A |
| Franchit les seuils d’incident majeur de DORA dans la pire année | probable | certain | probable | Clients touchés, durée |
| Coût de migration ponctuel | – | 18.0 | 9.0 | Estimation du programme |
| Risque ponctuel de panne de migration | – | 2.4 | 1.0 | Perte attendue des incidents de migration |
| Diversité effective après composants partagés | 3.6 | 1.0 | 1.9 | D’après le registre |
Trois traits du dossier complet méritent d’être soulignés. Premièrement, le dossier orthodoxe et le dossier complet ne divergent pas sur l’ampleur de l’économie mais sur son signe : l’économie de coût d’exploitation de 3 millions d’EUR de la proposition est réelle, et elle est inférieure aux 4.5 millions d’EUR de perte liée aux pannes qu’elle ajoute. Une fonction finance qui ne voit que le bloc du haut approuve la proposition ; une qui voit toute la page préfère l’alternative, et toutes deux lisent les mêmes chiffres. Deuxièmement, la ligne des composants partagés est inchangée d’une colonne à l’autre, ce qui est la manière du modèle de dire que la décision de consolidation ne touche pas au plus grand risque corrélé de l’entreprise ; ce risque est traité par la conception de la section 8, non par le nombre de plateformes, et un dossier qui montre cette ligne inchangée appelle la question de ce qui la changerait. Troisièmement, les lignes de queue ne s’additionnent pas avec le reste et ne doivent pas être compensées contre l’économie ; elles sont montrées pour que le conseil d’administration voie ce qu’il accepte, et ce sont les lignes sur lesquelles un superviseur lisant le dossier au titre de DORA s’interrogera en premier.
Le gabarit se généralise. Tout dossier de consolidation peut porter les quatre lignes annuelles étoilées, les deux lignes ponctuelles étoilées et la ligne de diversité effective, et une entreprise qui ne peut les remplir n’a pas encore estimé , et , ce que l’annexe B montre comment faire. L’exercice prend généralement quelques semaines à une fonction risques, ce qui est court au regard des années que prend une consolidation et de la décennie pendant laquelle sa prime est payée.
14. Implications pour les superviseurs
Les réglementations qui imposent désormais aux entreprises néerlandaises d’évaluer le risque de concentration ne disent pas quel degré de concentration est excessif, et un superviseur qui évalue l’évaluation d’une institution a besoin d’un étalon. Le modèle offre trois questions qu’un superviseur peut poser à propos de toute décision de consolidation ou évaluation de concentration d’une institution, chacune ayant un nombre pour réponse.
La première est la diversité effective du parc, calculée à partir du registre sur les composants partagés aussi bien que sur les plateformes, et la question de savoir si elle a été calculée du tout. Une institution qui déclare son nombre de plateformes sans ses composants partagés a déclaré une diversité nominale, et juillet 2024 est la démonstration permanente que la diversité nominale n’est pas la grandeur qui défaille. La deuxième est l’estimation par l’institution de sa propre convexité de perte, avec les données d’incidents ou l’élicitation qui l’étayent, parce qu’une institution qui n’a pas estimé ne peut pas avoir chiffré sa concentration, et qu’une institution dont le est proche de un a, de son propre aveu, peu à gagner à se diversifier et devrait pouvoir dire pourquoi. La troisième est de savoir si les décisions de consolidation des dernières années portaient les lignes du tableau 5, et si non, quelle aurait été la prime sur chacune. Aucune de ces questions n’exige du superviseur qu’il prescrive un nombre de plateformes, ce que le modèle ne fait pas non plus ; elles exigent de l’institution qu’elle montre qu’elle connaît l’arbitrage qu’elle a fait, ce qui est la raison d’être d’une évaluation du risque de concentration.
Un superviseur peut aussi utiliser le modèle à l’échelle du secteur, où sa forme à choc commun s’applique. Un secteur dans lequel la plupart des institutions exploitent la même plateforme, le même agent ou le même fournisseur a un qu’aucune diversification propre à une institution n’abaisse, et la résilience du secteur est alors une propriété du fournisseur plutôt que des supervisés. Le modèle donne au superviseur le vocabulaire pour le dire, et les données du registre lui donnent les moyens de le voir avant le matin où cela sera démontré.
15. Limites et programme de recherche
Il s’agit d’une recherche théorique. Quatre limites en découlent, chacune avec un test.
Premièrement, n’est pas mesuré. C’est le paramètre décisif du modèle et celui qu’aucune entreprise n’enregistre aujourd’hui. Il pourrait être estimé à partir des historiques d’incidents en régressant la perte de chaque panne sur la part de l’entreprise qu’elle a atteinte, au sein d’une entreprise ou à l’échelle d’un secteur ; la déclaration des incidents que DORA et NIS2 exigent désormais produira, pour la première fois, l’échantillon. Nous prédisons que est supérieur à un pour la plupart des entreprises et des secteurs, nettement supérieur à un là où les seuils sont prééminents, et égal ou inférieur à un au sein des chaînes étroitement couplées. Un constat de partout réfuterait la thèse pratique de l’article et n’en laisserait que l’argument de queue.
Deuxièmement, le modèle tient les défaillances de plateformes pour indépendantes et traite la corrélation par . Un modèle plus complet donnerait la distribution conjointe des défaillances sur un graphe de dépendances, et l’inventaire des composants partagés de la section 7 est le premier pas vers un tel modèle. Le test est de savoir si calculé à partir d’un inventaire prédit la corrélation des pannes observées.
Troisièmement, le coût d’exploitation est linéaire dans le nombre de plateformes et la perte est une puissance de la part à l’arrêt. Les deux sont des simplifications ; les coûts fixes par plateforme peuvent diminuer avec l’échelle et les pertes peuvent évoluer par paliers plutôt que par courbe. Le résultat qualitatif, un optimum intérieur dès que la perte est convexe et que est grand par rapport à , survit à toute fonction de coût croissante avec les plateformes et à toute fonction de perte convexe ; la forme fermée, non.
Quatrièmement, le cas est construit et la lecture néerlandaise est interprétative. Les événements de juillet 2024 et la conception de l’identité nationale sont publics ; l’affirmation que les entreprises qui en dépendent devraient les compter dans est la nôtre. Une étude de terrain qui calculerait pour un échantillon d’entités financières néerlandaises à partir de leurs évaluations de concentration DORA, et le comparerait à l’équation (5) en utilisant leurs propres estimations de perte, montrerait à quelle distance le secteur se trouve de l’optimum du modèle et dans quelle direction.
16. Conclusion
Standardiser le paysage informatique abaisse son coût d’exploitation et élève sa fragilité, et les deux ne s’annulent pas. Moins de plateformes signifient de plus grandes pannes, et lorsque le dommage d’une panne croît plus vite que sa taille, ce qui est le cas dès que des fonctions peuvent se relayer, que les contournements sont finis et que des seuils existent, la perte attendue liée aux pannes augmente à mesure que les plateformes sont consolidées alors même qu’aucune défaillance ne devient plus probable. Le nombre de plateformes qui minimise la somme du coût d’exploitation et de la perte liée aux pannes a une forme fermée : il augmente avec la probabilité et l’échelle des pannes et avec la convexité de la perte, et diminue avec le coût d’une plateforme. En dessous de un, le conseil orthodoxe tient ; au-dessus de un, l’entreprise qui se standardise complètement paie une prime de monoculture que son business case de consolidation ne montre pas.
Nous, chez Nashua, avons soutenu que la prime est réelle, qu’elle est la plus grande là où les entreprises l’attendent le moins, dans les paysages nominalement diversifiés qui partagent un composant, et qu’elle devrait être chiffrée dans chaque décision de consolidation à côté des économies. Les règles sont peu nombreuses : standardiser au sein des chaînes étroitement couplées et diversifier entre les fonctions faiblement couplées ; compter la diversité effective, non la nominale ; chiffrer la prime ; vérifier la queue ; et conserver la capacité manuelle comme la seule plateforme qui ne défaille avec rien d’autre. La convexité sur laquelle repose l’argument est la grandeur qui mérite le plus d’être mesurée, et les réglementations qui imposent désormais aux entreprises néerlandaises de déclarer leurs incidents la rendront, pour la première fois, mesurable. Nous préférerions qu’elle soit mesurée plutôt que crue.
Annexe A. Chiffres de queue
Pour plateformes également chargées, chacune défaillant indépendamment avec une probabilité par an et portant chacune une part , le nombre de plateformes à l’arrêt dans une année suit une loi binomiale de paramètres et , et la perte est lorsque sont à l’arrêt. Les chiffres ci-dessous utilisent et ; la valeur à risque (VaR) à 95 % est la plus petite perte dont la probabilité de dépassement est inférieure à 5 %.
Tableau 6.
| P(aucune panne) | 0.900 | 0.810 | 0.729 | 0.656 |
| P(une plateforme à l’arrêt) | 0.100 | 0.180 | 0.243 | 0.292 |
| P(deux à l’arrêt) | – | 0.010 | 0.027 | 0.049 |
| P(trois ou plus à l’arrêt) | – | – | 0.001 | 0.004 |
| Perte, une à l’arrêt () | 60 | 30 | 20 | 15 |
| Perte attendue () | 6.0 | 6.0 | 6.0 | 6.0 |
| Perte attendue () | 6.0 | 3.0 | 2.0 | 1.5 |
| VaR 95 % () | 60 | 30 | 20 | 30 |
La valeur à risque pour est d’environ 30 parce que la probabilité que deux plateformes ou plus défaillent la même année, environ 5.2 %, est juste au-dessus du niveau de 5 % ; avec un légèrement plus bas, elle serait de 15. L’intérêt du tableau tient à sa première et à sa dernière ligne : la perte attendue sous est identique d’une colonne à l’autre, et la pire année sur vingt ne l’est pas.
Annexe B. Estimation des paramètres
Probabilité de panne . D’après le registre des incidents de l’entreprise : pannes invalidantes par plateforme-année sur la fenêtre la plus longue disponible, agrégées avec les données de pairs ou de secteur lorsque l’historique propre de l’entreprise est court. Compter les pannes qui ont mis la plateforme hors service pendant la durée de référence ou plus longtemps ; les pannes plus courtes relèvent d’une autre échelle de perte.
Échelle de perte . La perte résultant de l’arrêt de toute l’entreprise pendant la durée de référence : revenu ou service perdu, compensations et pénalités de service, conséquences réglementaires, coût de rétablissement et estimation réputationnelle. La plupart des entreprises ont ce chiffre dans leur plan de continuité d’activité sous un autre nom.
Convexité . D’après le registre des incidents : pour chaque panne, la part des fonctions atteinte et la perte subie ; ajuster . Lorsque le registre est mince, éliciter à partir des sources de la section 5 : demander combien de temps la couverture et les contournements tiennent, où se situent les seuils et comment le rétablissement évolue, et borner d’après les réponses.
Coût d’une plateforme . D’après le business case de consolidation lui-même : l’économie revendiquée par plateforme supprimée est, par construction, .
Diversité effective . D’après l’inventaire applicatif et l’inventaire des composants partagés du tableau 3 : calculer la mesure fondée sur les parts sur les plateformes, puis pour chaque composant partagé relever quelles plateformes en dépendent et fixer leur corrélation par paire à un pour le mode de défaillance de ce composant.
Annexe C. Grille de sensibilité
Le tableau 7 donne d’après l’équation (5) pour une grille du ratio des enjeux et de la convexité . Les valeurs inférieures à un signifient la standardisation complète.
Tableau 7. Nombre optimal de plateformes selon le ratio des enjeux et la convexité.
| 0.5 | 1 | 2 | 4 | 8 | 16 | |
|---|---|---|---|---|---|---|
| 0.19 | 0.33 | 0.57 | 1.00 | 1.74 | 3.03 | |
| 0.40 | 0.63 | 1.00 | 1.59 | 2.52 | 4.00 | |
| 0.71 | 1.00 | 1.41 | 2.00 | 2.83 | 4.00 | |
| 0.92 | 1.18 | 1.55 | 2.05 | 2.70 | 3.56 | |
| 1.00 | 1.26 | 1.59 | 2.00 | 2.52 | 3.17 |
Annexe D. Perte attendue avec défaillances corrélées
Soit plateformes défaillant chacune avec une probabilité marginale et une corrélation par paire entre les indicateurs de défaillance. Le nombre attendu de plateformes à l’arrêt est quel que soit , de sorte qu’avec une perte linéaire () la corrélation ne change pas l’espérance ; elle ne change que la distribution, concentrant la même perte attendue dans des événements moins nombreux et plus grands. Avec une perte convexe, la corrélation élève l’espérance, parce qu’elle élève la probabilité des grands que la convexité pénalise. Pour la forme à choc commun de la section 4, dans laquelle un choc de probabilité met hors service toutes les plateformes et les défaillances sont par ailleurs indépendantes, la perte attendue est exactement , et le nombre effectif de plateformes qui la reproduit dans le modèle indépendant est pour . La forme à corrélation par paire de la section 7 est la réduction correspondante pour la variance de la part à l’arrêt, et constitue la meilleure mesure lorsque la corrélation est diffuse plutôt que concentrée en un seul choc.
Références
CrowdStrike (2024, 6 August). Channel File 291 incident: Root cause analysis. CrowdStrike Holdings. https://www.crowdstrike.com/wp-content/uploads/2024/08/Channel-File-291-Incident-Root-Cause-Analysis-08.06.2024.pdf
European Parliament and Council (2022). Regulation (EU) 2022/2554 on digital operational resilience for the financial sector (DORA). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/reg/2022/2554/oj
European Parliament and Council (2022). Directive (EU) 2022/2555 on measures for a high common level of cybersecurity across the Union (NIS 2). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/dir/2022/2555/oj
Geer, D., Bace, R., Gutmann, P., Metzger, P., Pfleeger, C. P., Quarterman, J. S., & Schneier, B. (2003, 24 September). CyberInsecurity: The cost of monopoly. Computer & Communications Industry Association. https://www.schneier.com/essays/archives/2003/09/cyberinsecurity_the.html
Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. Nature, 469, 351–355. https://doi.org/10.1038/nature09659
Hirschman, A. O. (1964). The paternity of an index. American Economic Review, 54(5), 761–762.
Hollnagel, E., Woods, D. D., & Leveson, N. (Eds.) (2006). Resilience engineering: Concepts and precepts. Ashgate. (Reissued by CRC Press, 2017. https://doi.org/10.1201/9781315605685)
Leveson, N. G. (2011). Engineering a safer world: Systems thinking applied to safety. MIT Press. https://doi.org/10.7551/mitpress/8179.001.0001
Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x
May, R. M. (1972). Will a large complex system be stable? Nature, 238, 413–414. https://doi.org/10.1038/238413a0
Perrow, C. (1984). Normal accidents: Living with high-risk technologies. Basic Books.
Ross, J. W., Weill, P., & Robertson, D. C. (2006). Enterprise architecture as strategy: Creating a foundation for business execution. Harvard Business School Press. ISBN 978-1-59139-839-4.
Sheffi, Y. (2005). The resilient enterprise: Overcoming vulnerability for competitive advantage. MIT Press.
Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688. https://doi.org/10.1038/163688a0
Tilman, D., Reich, P. B., & Knops, J. M. H. (2006). Biodiversity and ecosystem stability in a decade-long grassland experiment. Nature, 441, 629–632. https://doi.org/10.1038/nature04742
Weill, P., & Ross, J. W. (2004). IT governance: How top performers manage IT decision rights for superior results. Harvard Business School Press. ISBN 978-1-59139-253-8.
Weston, D. (2024, 20 July). Helping our customers through the CrowdStrike outage. The Official Microsoft Blog. https://blogs.microsoft.com/blog/2024/07/20/helping-our-customers-through-the-crowdstrike-outage/
