Types d'estimation : temps vs complexité vs multidimensionnel

Sélectionner la langue :

Vous devez autoriser les cookies de Vimeo pour pouvoir visionner la vidéo.
Débloquez le cours complet et obtenez votre certification !

Vous consultez le contenu gratuit. Débloquez le cours complet pour obtenir votre certificat, vos examens et le matériel téléchargeable.

*En achetant le cours, nous vous offrons deux cours de votre choix*

*Voir la meilleure offre du web*

Transcription Types d'estimation : temps vs complexité vs multidimensionnel


Lorsque les équipes agiles doivent estimer l'effort nécessaire pour réaliser un travail (comme une histoire utilisateur), plusieurs approches sont possibles.

Les plus courantes peuvent être regroupées en trois grandes catégories : les estimations basées sur le temps, les estimations basées sur la complexité (taille relative) et les estimations multidimensionnelles (qui combinent plusieurs facteurs).

Chaque approche a ses propres caractéristiques, avantages et inconvénients.

Le choix de la méthode d'estimation peut avoir une influence significative sur la dynamique de l'équipe, la précision de la planification et la capacité à utiliser les données historiques pour prédire les performances futures.

Estimation basée sur le temps (heures/jours-homme) et ses inconvénients

Il s'agit de l'approche la plus traditionnelle, où le travail est estimé en unités de temps absolues, telles que les heures-homme ou les jours-homme. Par exemple, on estime qu'une histoire nécessitera « cinq jours-homme ».

Bien qu'elle semble simple, cette méthode présente plusieurs inconvénients importants dans les contextes agiles :

  • Ce n'est pas linéaire : cinq jours-homme ne signifie pas que cinq personnes termineront le travail en une journée ; ajouter plus de personnes augmente souvent la complexité et peut même allonger le temps nécessaire.
  • Données historiques peu utiles : savoir que l'équipe a effectué 180 heures la semaine dernière et 220 cette semaine n'indique pas clairement si elle s'est améliorée, si elle a travaillé plus d'heures ou si elle a simplement eu des tâches différentes. Cela rend les prévisions futures difficiles.
  • Lié à la personne : l'estimation dépend de la personne qui effectue la tâche (un senior prendra moins de temps qu'un junior), ce qui nécessite de connaître l'affectation à l'avance ou génère des imprécisions.
  • Génère de la pression : cela peut créer une dynamique malsaine où les membres de l'équipe se sentent obligés de respecter les estimations de temps, en particulier les moins expérimentés, ou se font concurrence pour donner l'estimation la plus basse.

Bien qu'utile dans la gestion de projet classique, elle est généralement évitée pour la planification agile quotidienne.

Estimation basée sur la complexité (tailles de t-shirts)

Cette approche estime le travail à l'aide de catégories de taille relative, telles que les tailles de t-shirt (S, M, L, XL, etc.).

Elle se concentre sur la complexité ou la taille perçue du travail lui-même, en le dissociant du temps spécifique ou de la personne qui le réalisera.

Il s'agit d'un pas vers l'estimation relative, qui surmonte certains inconvénients de l'estimation basée sur le temps.

Cependant, sa principale limite est similaire : la difficulté d'utiliser les données historiques de manière exploitable.

Le fait de savoir que l'équipe a réalisé « 2M, 1L et 5S » lors d'une itération ne permet pas de prédire combien de « L » ou de « S » elle pourra réaliser lors de la suivante.

Estimation multidimensionnelle (points d'histoire)

Les points d'histoire (Story Points) sont l'exemple le plus courant d'estimation multidimensionnelle.

Cette approche vise à obtenir une mesure relative de l'effort en tenant compte simultanément de plusieurs facteurs : le temps approximatif, la complexité technique ou du domaine, et l'incertitude ou le risque associé.

Tout comme les tailles de t-shirts, ils évaluent le travail en lui-même, indépendamment de la personne spécifique.

Leur grand avantage est que, s'agissant de valeurs numériques (bien que


types destimation temps vs complexite vs multidimensionnel

Y a-t-il des erreurs ou des améliorations ?

Où est l'erreur ?

Qu'est-ce qui ne va pas ?