Modèles de conception pour un moteur de règles
Un dossier dont le score est inférieur au seuil de refus ressort avec la décision « approve ». Le document des critères d’octroi est ouvert, et sa formulation paraît sans ambiguïté : « decline » sous le seuil inférieur, « refer » sous le seuil suivant, « approve » dans tous les autres cas. Le tableau reprend cet ordre, avec chaque condition sur sa propre ligne. À la relecture, la ligne censée s’appliquer au dossier figure toujours dans le tableau, clairement formulée. Pourtant, le panneau de résultat affiche la décision associée à l’autre extrémité du tableau.
Choisir une structure qui respecte les critères d’octroi
Un modèle de conception pour moteur de règles structure les règles métier de façon à ce que le moteur puisse les évaluer. Commencez par définir les résultats attendus, l’ordre des conditions et la personne chargée d’examiner les dossiers orientés vers une étude manuelle. Choisissez ensuite la structure qui respecte ces décisions.
Dans le code applicatif, les règles prennent souvent la forme de chaînes de conditions if/else ou de patrons de conception comme stratégie, chaîne de responsabilité et spécification. Un moteur de règles stocke les règles sous forme de définitions qu’il évalue. Un moteur de règles métier exécute ces définitions dans un flux de décision. L’architecture du moteur comprend la logique et les composants qui l’exécutent et en permettent le déploiement. Cette séparation change aussi la façon dont les équipes maintiennent les règles par rapport à leur gestion dans le code applicatif.
- Ensemble de règles : applique des règles une à une, dans l’ordre. Cette structure convient aux règles d’exclusion. L’enregistrement des règles déclenchées permet de voir lesquelles se sont appliquées.
- Table de décision : associe une grille de conditions à des résultats. Elle convient aux critères d’octroi qui prévoient des décisions comme decline, refer et approve.
- Arbre de décision : organise les branches selon des attributs successifs, avec un résultat au bout de chaque parcours.
La structure compte. La façon dont elle évalue les critères d’octroi aussi.
Voir l’effet de l’ordre des lignes sur les décisions
L’analyste a transposé les critères d’octroi en trois lignes : refuser sous 500, orienter vers une étude manuelle sous 650, puis accepter dans les autres cas. Les scores ci-dessous montrent l’effet du paramètre de correspondance de la table. Cet exemple reprend le comportement décrit dans la documentation du produit.
| Score du demandeur | Lignes correspondantes | Dernière correspondance (défaut) | Première correspondance |
|---|---|---|---|
| 480 | 1, 2, 3 | approve | decline |
| 600 | 2, 3 | approve | refer |
| 700 | 3 | approve | approve |
Avec le paramètre par défaut, un score de 480 aboutit à une acceptation, alors que les critères d’octroi prévoient un refus. La table accepte aussi un score de 600 au lieu de l’orienter vers une étude manuelle. Les lignes semblent correctes, mais le responsable du crédit voit des acceptations là où les critères d’octroi prévoient un refus ou un examen complémentaire. Pour l’analyste crédit, la table ne produit aucun résultat d’orientation à traiter.
Définir quelle ligne correspondante l’emporte
Pour une table transposée à partir de critères d’octroi présentés dans un ordre précis, choisissez « Première ligne correspondante ». Avec le paramètre par défaut, « Dernière ligne correspondante », chaque ligne qui correspond écrit son résultat. C’est donc la ligne correspondante la plus basse qui l’emporte. Ici, la ligne d’acceptation sans condition correspond à toutes les demandes et remplace un refus ou une orientation défini plus haut.
Avec le paramètre « Première ligne correspondante », l’évaluation s’arrête à la première ligne qui correspond et respecte ainsi l’ordre des critères d’octroi. Placez la ligne par défaut en dernier pour qu’elle ne s’applique que si aucune condition précédente ne correspond. Ce paramètre fait partie de la définition de la table. Les mêmes lignes peuvent donc produire des décisions différentes si le paramètre change.
Repérer les valeurs manquantes avant les comparaisons numériques
Lors d’une comparaison numérique, un champ de revenu manquant est traité comme la valeur 0. Une demande sans revenu peut donc correspondre à une ligne prévue pour les revenus faibles.
Utilisez une condition is null ou is not a number pour orienter les demandes sans revenu vers le résultat prévu pour les informations incomplètes. Si le paramètre « Première ligne correspondante » est sélectionné, placez cette ligne avant la comparaison numérique. Avec le paramètre « Dernière ligne correspondante », placez-la après la comparaison pour que son résultat l’emporte. Enregistrez un test de régression sans revenu et définissez le résultat attendu comme étant celui des informations incomplètes. La règle applicable aux données manquantes est ainsi explicite.
Prévoir une issue pour chaque branche de l’arbre de décision
Choisissez un arbre de décision lorsque les critères d’octroi s’articulent autour d’attributs successifs, et prévoyez un résultat pour chaque parcours. Une table de décision convient à une grille de conditions et de résultats.
Un fork peut aussi laisser un dossier sans branche correspondante. Dans l’exemple de la documentation, une branche couvre les scores de 0 à 30 et une autre les scores à partir de 40. Aucune ne correspond à un score de 35. L’exécution s’arrête au fork et renvoie HTTP 200 avec uniquement les données calculées jusque-là. Ajoutez une dernière branche, définie sur any value, qui oriente le dossier vers une étude manuelle.
Relier les structures de règles dans un flux de décision
Les structures se relient dans un flux de décision selon l’ordre prévu par les critères d’octroi. Placez les règles d’exclusion dans un ensemble de règles ordonné, avec enregistrement des règles déclenchées, puis utilisez une table de décision pour les résultats decline, refer et approve. Avec le paramètre « Première ligne correspondante », le score de 600 donne refer. C’est le résultat dont le processus d’examen complémentaire a besoin en aval.
Si plusieurs flux de décision produit utilisent la même évaluation de la solvabilité, définissez-la dans un sous-flux appelé par chacun d’eux. Le flux appelant transmet les données utiles de la demande et reçoit le résultat dans l’attribut choisi. L’équipe maintient ainsi une seule définition de l’évaluation, plutôt que des copies distinctes dans chaque flux.
Vérifier les chevauchements et les lacunes avant le déploiement
Pour chaque scénario important, définissez une entrée et un résultat attendu. Pour ces critères d’octroi, un score de 480 doit entraîner un refus, un score de 600 une orientation vers une étude manuelle et un score de 700 une acceptation. Une demande sans revenu doit recevoir le résultat prévu pour les informations incomplètes. Au niveau du fork, un score de 35 doit être orienté vers une étude manuelle.
Vérifiez aussi les chevauchements et les lacunes dans la table de décision. L’outil de vérification des tables de décision repère les lignes qui se chevauchent, les combinaisons sans décision et le traitement des champs manquants. Enregistrez des tests de régression pour les scénarios et les cas limites, puis exécutez tous les tests enregistrés avant le déploiement en suivant les instructions de test des ensembles de règles.
Déployer le flux testé sous forme de copie figée
Une version est une copie figée d’un flux de décision. Les modifications ultérieures ne changent pas une version existante. Le flux testé peut donc être déployé sous la forme d’une copie distincte.
Revenons à la demande qui a été acceptée. La ligne de refus était bien présente, mais le paramètre par défaut, « Dernière ligne correspondante », a laissé la ligne d’acceptation sans condition décider. Avant de déployer le flux corrigé, reprenez la conception dans l’ordre :
- Définir les résultats attendus, l’ordre des conditions et la personne chargée des orientations vers une étude manuelle.
- Placer les règles d’exclusion dans un ensemble de règles ordonné, avec enregistrement des règles déclenchées.
- Utiliser des tables de décision pour les grilles de conditions et de résultats. Choisir le paramètre de correspondance qui respecte l’ordre des critères d’octroi et placer la ligne par défaut en conséquence.
- Utiliser des arbres de décision pour les branches successives et prévoir un résultat pour chaque parcours.
- Repérer les valeurs manquantes avant les comparaisons numériques, en plaçant la condition correspondante selon le paramètre de correspondance choisi.
- Relier les règles dans un flux de décision, réutiliser les évaluations communes dans des sous-flux et prévoir une branche finale d’étude manuelle pour chaque fork.
- Vérifier les chevauchements et les lacunes dans les tables, puis exécuter des tests de régression pour les segments concernés et les cas limites.
- Déployer le flux de décision testé sous forme de copie figée.
Questions fréquentes sur les modèles de conception des moteurs de règles
Qu’est-ce qu’un modèle de conception pour moteur de règles ?
C’est une façon de structurer les règles métier que le moteur doit évaluer, à l’aide de structures comme les ensembles de règles ordonnés, les tables de décision, les arbres de décision et les flux de décision. Choisissez la structure adaptée aux critères d’octroi, puis précisez l’ordre d’évaluation et les résultats attendus.
Quand choisir un ensemble de règles, une table de décision ou un arbre de décision ?
Choisissez un ensemble de règles pour des règles individuelles ordonnées, comme les règles d’exclusion. Une table de décision convient à une grille de conditions et de résultats. Un arbre de décision est adapté lorsque les critères d’octroi s’articulent autour d’attributs successifs. Vérifiez que la structure choisie produit les résultats attendus.
Que désigne la règle de correspondance dans une table de décision ?
Elle définit le résultat à retenir lorsque plusieurs lignes correspondent. Les paramètres décrits dans la documentation de Decisimo sont « Dernière ligne correspondante » et « Première ligne correspondante ». Choisissez celui qui respecte l’ordre des critères d’octroi.
Comment sortir les règles du code applicatif ?
Définissez-les dans un flux de décision, puis créez une version figée à déployer. Testez la version destinée au déploiement, car les modifications ultérieures ne changent pas une version existante.
Comment tester les règles avant le déploiement ?
Enregistrez des tests de régression avec leurs entrées et les résultats attendus, puis vérifiez les chevauchements et les lacunes dans les tables de décision. Exécutez tous les tests enregistrés avant le déploiement, y compris ceux qui couvrent les segments importants et les cas limites.
Que faire si aucune branche de l’arbre de décision ne correspond ?
Traitez une branche non couverte comme une exception, et non comme une acceptation ou une décision définitive. Ajoutez une dernière branche pour toutes les autres valeurs et orientez la demande vers une étude manuelle. Enregistrez ensuite un test de régression pour une valeur située dans la lacune et vérifiez que le résultat obtenu est celui attendu.
Qu’apporte un outil de vérification des tables de décision en complément des tests de régression ?
Il repère les lignes qui se chevauchent, les combinaisons sans décision et le traitement des champs manquants. Les tests de régression restent nécessaires pour vérifier les résultats prévus par les critères d’octroi : une table complète dans sa structure peut tout de même renvoyer un refus, une orientation ou une acceptation incorrects.
Où placer une règle d’exclusion par rapport à une table de décision ?
Placez l’ensemble de règles ordonné avant la table de décision dans le flux de décision. Orientez toute règle d’exclusion déclenchée vers le résultat prévu, plutôt que vers la grille de scores habituelle. Une ligne d’acceptation située plus loin ne pourra ainsi pas annuler l’exclusion prévue par les critères d’octroi. Testez une entrée qui déclenche l’exclusion et une autre qui la franchit, en définissant le résultat attendu pour chacune.