Estimer, oui mais comment?

Que ce soit lors d’un sprint planning ou dans une réponse d’appel d’offre, l’estimation est essentielle. Peu importe l’unité (t-shirt size, story point, temps en heures, $$$, j/p, etc.), les experts sont appelés à estimer presque quotidiennement. Mais une question demeure: comment mesurer la fiabilité de l’estimation produite par un expert? Est-ce qu’un sénior dans un domaine en fait automatiquement un expert en estimation?

Certains diront qu’il est impossible d’obtenir une évaluation d’une précision acceptable en TI en raison de la trop grande variabilité du domaine (#NoEstimates). Contrairement à la construction, on ne peut mesurer la surface à couvrir et s’appuyer sur des chantiers similaires pour en extrapoler les coûts. Malgré tout, je ne crois pas que la tâche soit impossible.

L’estimateur est un outil de mesure

L’expert estimateur est un outil de mesure au même titre qu’un pèse-personne ou qu’un ruban à mesurer. On s’attend donc à ce qu’il soit précis. En anglais, on définit la précision par deux termes qui se traduisent de la même façon: accuracy et precision. Généralement, lorsqu’on demande à l’expert d’estimer, on favorise un seul de ces points puisqu’on lui demande un nombre unique. Il devient alors impossible de déterminer si l’estimé est fiable (sans risque de dépassement) ou précis (proche de l’effort réel).

La dictature du nombre unique

La plupart des gestionnaires exigent un nombre unique comme produit de l’estimé. Une série de nombres uniques est beaucoup plus simple à modéliser (une simple addition) qu’une série de probabilités. Le nombre unique est aussi beaucoup plus rassurant et élégant pour un gestionnaire. Il n’expose pas de risque quant au dépassement potentiel.

Lorsque questionné, l’expert essayera souvent de se défiler. Il dira que la tâche est impossible à quantifier. Que la variabilité est trop grande. Qu’il y a trop d’inconnus. À force d’insister, le gestionnaire parvient généralement à soutirer une réponse de son expert. L’estimateur, à bout d’arguments, en vient donc à donner une moyenne de son meilleur scénario et de son pire. Un bon estimateur se donnera même de la marge pour ne pas se faire taper sur les doigts en cas de dépassement. (Entre 1 et 2 mois? Disons 1 mois et demi plus un mois de marge… 2 mois et demi!).

Sam L. Savage explique très bien dans son livre The Flaw of Averages pourquoi une telle pratique est dangereuse lorsqu’on doit planifier. La première illustration de son ouvrage exprime d’ailleurs assez bien son propos:

Un gestionnaire averti demandera alors deux mesures correspondant aux deux extrêmes du meilleur et du pire. Car, si l’homme sur l’image est en vie à la profondeur moyenne du lac, il est assurément mort s’il tente de le traverser.

Affiner l’évaluation

Mais comment faire pour ne pas avoir des évaluations de l’ordre de: « entre 0 et 1 million » qui offre 100% de fiabilité mais qui sont peu précise? Dans son livre How to Measure Anything, Douglas Hubbard présente un exercice simple (réalisable en 3 heures) pour calibrer un individu ou un groupe afin qu’il produise des estimés à 90% d’intervalle de confiance. Une équipe ou un expert ainsi calibrés produiront des évaluations d’une précision et d’une fiabilité suffisante pour réduire les risques au maximum tout en demeurant agressif sur la prévision.

Pousser plus loin l’exercice

C’est lorsque l’ensemble des éléments d’un projet sont ainsi estimés qu’il devient intéressant de modéliser le projet plutôt que de s’en tenir à une simple addition des minimums et des maximums. En utilisant une simulation Monte Carlo, la même qui est proposée par la méthode Kanban Actionable Agile de Daniel Vacanti, on peut obtenir un portrait beaucoup plus clair des risques et des gains potentiels d’un projet. Ces modèles sont d’une simplicité alarmante à construire avec des outils tels qu’Excel ou LibreOffice.

Choisir son camp

Je comprends bien l’envie d’abandonner tout estimé puisqu’il n’est pas, par définition, un portrait de la réalité. Je suis sympathique aux arguments des moins « matheux » qui comprennent mal la science de la statistique, des distributions aléatoires et de la gestion du risque, puisque c’est un domaine relativement jeune et complexe. Je préfère malgré tout me ranger dans le camp de ceux qui aiment prendre des décisions éclairées. #Estimates

Laissez un commentaire

Entrez vos coordonnées ci-dessous ou cliquez sur une icône pour vous connecter:

Logo WordPress.com

Vous commentez à l'aide de votre compte WordPress.com. Déconnexion / Changer )

Image Twitter

Vous commentez à l'aide de votre compte Twitter. Déconnexion / Changer )

Photo Facebook

Vous commentez à l'aide de votre compte Facebook. Déconnexion / Changer )

Photo Google+

Vous commentez à l'aide de votre compte Google+. Déconnexion / Changer )

Connexion à %s