Groupements Forestiers du Québec

Le client

GFQ (Groupements Forestiers du Québec) est un réseau provincial regroupant 33 groupements forestiers indépendants répartis à travers le Québec. Chaque groupement gère ses propres opérations et sa propre base de données, ce qui confère à l'organisation une richesse d'information considérable, mais dispersée sur autant de systèmes distincts.

Défis à relever

Coexistence de 33 bases de données indépendantes, rendant toute vue d'ensemble du réseau difficile à obtenir.

Absence d'outil centralisé permettant d'interroger l'ensemble des données du réseau de façon fiable et sécurisée.

Risque de collisions entre identifiants et codes provenant de groupements différents, pouvant compromettre l'intégrité des données consolidées.

Volume et fréquence élevés des transferts de données (sauvegardes pouvant atteindre 500 Mo) nécessitant un canal d'échange sécurisé.

‍

Constats initiaux

Certains groupements utilisent leur propre structure de base de données, sans normalisation entre les regroupements.

Certains identifiants (codes de regroupement) présentent des incohérences ou des doublons dans les fichiers de référence, exposant un risque de contamination des données en l'absence de validation avant intégration.

Les tables temporaires et de travail (ex. tâches d'impression) devaient être exclues du processus d'intégration pour ne pas alourdir la base centrale.

Les contraintes d'intégrité entre les données n'étaient pas gérées de façon uniforme d'un groupement à l'autre.

‍

Objectifs

Concevoir et déployer une base de données centrale unique consolidant les 33 groupements forestiers.

Garantir la traçabilité et l'auditabilité de chaque donnée intégrée, de sa source jusqu'à son chargement.

Sécuriser les échanges de données entre les groupements et la plateforme centrale.

Rendre les données du réseau interrogeables par des agents d'intelligence artificielle et un chatbot, au bénéfice de l'ensemble des équipes.

Offrir aux utilisateurs de GFQ et de chaque groupement forestier un accès à des agents IA adaptés à leurs besoins respectifs, dans le respect du périmètre de données propre à chacun.

‍

Interventions

Diagnostic

Cartographie complète des schémas de données des 33 groupements et identification des écarts entre leurs structures respectives.

Repérage des risques de collision entre codes et identifiants provenant de groupements distincts.

Analyse du fichier de référence officiel des codes de regroupement afin de confirmer les codes exacts et de détecter les cas ambigus, notamment liés à des fusions récentes entre groupements.

Identification des tables et données à exclure du processus de consolidation, telles que les tables temporaires et les caches applicatifs.

‍

Actions clés

Conception d'une architecture centrale complète : modèle de données, pipeline d'extraction-transformation-chargement (ETL), schémas de vues propres à chaque groupement, couche sémantique et journal d'audit.

Mise en place d'un mécanisme de préfixage unique par groupement afin d'éliminer tout risque de collision entre identifiants.

Ajout de colonnes de traçabilité sur chaque table, permettant des rechargements sécurisés et une auditabilité complète des données.

Déploiement de portes de validation bloquant automatiquement l'intégration de toute donnée ambiguë tant qu'elle n'est pas confirmée par le fournisseur logiciel.

Sécurisation des transferts de sauvegardes et mise en place d'une authentification unique avec gestion des rôles à privilège minimal.

Déploiement d'un serveur MCP (Model Context Protocol) autonome reliant la base centrale à OpenWebUI, permettant aux agents d'intelligence artificielle d'interroger les données du réseau de façon sécurisée et structurée.

Connexion de la base centrale à un chatbot déployé sur OpenWebUI, afin de permettre aux équipes d'interroger l'ensemble des données du réseau en langage naturel.

Mise en place d'agents IA répondant à la fois aux besoins de GFQ à l'échelle provinciale et aux besoins spécifiques des utilisateurs de chaque groupement, chaque utilisateur n'ayant accès qu'aux données de son propre groupement grâce à une gestion des rôles applicatifs à privilège minimal.

‍

Résultats

Livraison à GFQ d'une solution complète et opérationnelle : architecture centrale (base de données, pipeline ETL, contrôles de qualité, journal d'audit), serveur MCP et interface OpenWebUI reliée à la base centrale.

Mise à disposition d'un chatbot OpenWebUI connecté directement aux données consolidées du réseau, permettant leur consultation en langage naturel.

Déploiement d'agents IA facilitant, pour les administrateurs de GFQ comme pour les utilisateurs de chaque groupement, l'interaction avec les données et leur visualisation, sans nécessiter de compétences techniques.

Élimination des risques de collision entre les 33 groupements grâce au mécanisme de préfixage unique.

Mise en place de portes de validation automatiques empêchant l'intégration de données de qualité douteuse avant leur résolution.

Sécurisation complète du transfert et de l'accès aux données grâce à l'authentification unique et aux rôles à privilège minimal.

Hébergement de l'ensemble de la solution dans un centre de données situé au Canada, avec une protection des données conforme à la Loi 25 sur la protection des renseignements personnels.

‍

Retombées

Un gain de temps significatif pour les administrateurs de GFQ et les employés des groupements, qui n'ont plus à consulter manuellement 33 sources de données distinctes et cela présente un bénéfice cohérent avec les projets de centralisation de données menés ailleurs dans le secteur forestier.

Une meilleure qualité et rapidité des décisions grâce à un accès unifié, fiable et à jour à l'ensemble des données du réseau, un levier régulièrement identifié dans les initiatives nord-américaines de transformation numérique forestière, dont celles soutenues par Ressources naturelles Canada.

Une réduction du risque d'erreurs et d'incohérences liées à la saisie manuelle ou à la consultation de sources dispersées, grâce aux contrôles de qualité et aux portes de validation intégrés à la plateforme.

Une plus grande autonomie des utilisateurs de chaque groupement dans l'interrogation et la visualisation de leurs propres données grâce aux agents IA, sans dépendre d'un support technique pour chaque demande.

Un positionnement de GFQ en phase avec la tendance mondiale du secteur forestier à investir dans les infrastructures numériques et l'intelligence artificielle pour soutenir la productivité, la compétitivité et la prise de décision, tout en assurant une gouvernance des données rigoureuse et conforme à la Loi 25.
Ces retombées, cohérentes avec les tendances observées dans les projets de numérisation forestière au Canada et ailleurs dans le monde, pourront être précisées et quantifiées pour GFQ une fois les agents seront pleinement opérationnel auprès des équipes.

‍

Consulter tous les cas réels

Devenir un cas réel!