Pourquoi utilisons-nous les nombres de Fibonacci pour estimer les User Stories ?

De Wiki Agile du @GroupeCESI
Aller à : navigation, rechercher

Auteur : Jeff Sutherland
Source : Why Do We Use Fibonacci Numbers to Estimate User Stories?
Date : 21/02/2018


Traducteur : Fabrice Aimetti
Date : 04/04/2020


Traduction :

L'utilisation de la séquence de Fibonacci pour l'estimation des user stories fait souvent l'objet de grands débats. L'estimation est au mieux un outil redouté, mais nécessaire pour la planification du travail.

L'estimation des user stories est basée sur les recherches du Département de la Défense en 1948 qui a développé la technique Delphi. Cette technique a été classée secrète jusque dans les années 1960 (il existe des dizaines d'articles sur le sujet sur le site rand.org). En gros, les chercheurs de Rand voulaient éviter la pression exercée par les groupes pour qu'ils se conforment à la norme et qui conduisait généralement à de mauvaises estimations. Ils ont donc déterminé que les estimations devaient être faites en secret. Au départ, les estimations étaient très éloignées les unes des autres, car les gens avaient des perceptions différentes du problème. Ils leur faisaient donc parler des estimations hautes et basses après avoir fait des estimations en secret, puis ils faisaient de nouveau des estimations en secret. Sur le site Rand Worldwide, vous pouvez lire les documents originaux qui démontrent la convergence.

Les chercheurs de Rand ont ensuite étudié l'effet des nombres que les estimateurs pouvaient choisir et ont constaté qu'une séquence linéaire donnait des estimations pires qu'un ensemble de nombres à croissance exponentielle. Pour ceux que cela intéresse, il existe quelques arguments mathématiques récents. La question qui se pose alors, si vous voulez la meilleure estimation statistiquement prouvable est de savoir quelle suite à croissance exponentielle utiliser. La suite de Fibonacci est presque, mais pas tout à fait exponentielle et a l'avantage d'être le modèle de croissance que l'on retrouve dans tous les systèmes organiques. Pourquoi la séquence de Fibonacci se répète-t-elle dans la nature ? Les gens la connaissent donc très bien et l'utilisent constamment dans le choix des tailles de vêtements. Par exemple, les tailles de tee-shirts sont des nombres de Fibonacci. Comme certains développeurs ont une aversion pour les chiffres (un phénomène vraiment étrange pour ceux qui travaillent avec des ordinateurs), ils peuvent utiliser les tailles de tee-shirts et leurs estimations sont facilement traduites en chiffres.

Microsoft a répété cette recherche ces dernières années dans un article récompensé par l'IEEE. En conséquence, Microsoft a abandonné l'estimation horaire sur les projets. Voir Laurie Williams, Gabe Brown, Adam Meltzer, Nachiappan Nagappan (2012) *Scrum + Engineering Practices: Experiences of Three Microsoft Teams. *IEEE Best Industry Paper Award, 2011 International Symposium on Empirical Software Engineering and Measurement.

La communauté Agile a donc convergé pour utiliser la séquence de Fibonacci. Malheureusement, de nombreuses équipes agiles ne l'utilisent pas correctement et essaient de faire en sorte que tout le monde s'accorde sur un seul nombre de Fibonacci qui donne de mauvaises estimations mathématiquement et expérientiellement prouvables à cause du conformisme forcé des groupes. C'est précisément pour éviter cela que les chercheurs de Rand ont inventé la technique Delphi.

À maintes reprises, les chercheurs ont montré que les estimations horaires présentent un taux d'erreur très élevé. Cela est vrai même si l'utilisateur est un expert. C'est l'outil qui pose problème. Si vous voulez vous exercer sur la base de preuves, les estimations de taille relative fournissent simplement une estimation beaucoup plus précise.