Pourquoi utilisons-nous des nombres de Fibonacci pour estimer les histoires d'utilisateurs ?
L'utilisation de la séquence de Fibonacci pour estimer les histoires d'utilisateurs fait souvent l'objet de grands débats. L'estimation est au mieux un outil imparfait, mais nécessaire pour planifier le travail.
L'estimation des histoires d'utilisateurs est basée sur des recherches menées par le ministère de la Défense en 1948, qui ont permis de développer la technique Delphi. Cette technique est restée confidentielle jusque dans les années 1960 (il existe des dizaines d'articles sur le sujet à l'adresse suivante rand.org). En fait, les chercheurs de la Rand voulaient éviter la pression de la conformité de groupe qui conduit généralement à de mauvaises estimations. Ils ont donc décidé que les estimations devaient être faites en secret. Au départ, les estimations devaient être très éloignées les unes des autres parce que les gens avaient des perceptions différentes du problème ; ils leur demandaient donc de parler des hauts et des bas après avoir estimé en secret, puis d'estimer à nouveau en secret. Au début, les estimations étaient très éloignées parce que les gens avaient des perceptions différentes du problème. 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 peuvent choisir et ont constaté qu'une séquence linéaire donnait de moins bonnes estimations qu'un ensemble de nombres augmentant de façon exponentielle. Il existe quelques arguments mathématiques récents pour les personnes intéressées. La question qui se pose alors - si l'on veut obtenir la meilleure estimation statistiquement prouvable - est de savoir quelle série exponentielle utiliser. La série de Fibonacci est presque, mais pas tout à fait exponentielle et présente l'avantage de correspondre au modèle de croissance observé 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 pour choisir la taille des vêtements. Par exemple, les tailles des tee-shirts sont 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 des tee-shirts et leurs estimations sont facilement traduites en chiffres.
Microsoft a répété cette recherche ces dernières années dans un article primé de l'IEEE. En conséquence, Microsoft a abandonné l'estimation horaire sur les projets. Voir Laurie Williams, Gabe Brown, Adam Meltzer, Nachiappan Nagappan (2012) *Scrum + Pratiques d'ingénierie : Expériences de trois équipes Microsoft. *IEEE Best Industry Paper Award, 2011 International Symposium on Empirical Software Engineering and Measurement.
La communauté Agile a donc convergé sur la séquence de Fibonacci comme séquence à utiliser. Malheureusement, de nombreuses équipes agiles ne l'utilisent pas correctement et essaient de mettre tout le monde d'accord sur un nombre de Fibonacci, ce qui donne de mauvaises estimations prouvées mathématiquement et expérimentalement par le biais d'une conformité forcée du groupe. C'est précisément pour éviter cela que les chercheurs de la Rand ont inventé la technique Delphi.
Les chercheurs ont montré à maintes reprises que les estimations horaires ont des taux d'erreur très élevés. Et ce, même si l'utilisateur est un expert. C'est l'outil qui pose problème. Si vous souhaitez pratiquer sur la base d'éléments probants, les estimations par taille relative fournissent tout simplement une estimation beaucoup plus précise.
French 
English 
Spanish