Why Do We Use Fibonacci Numbers to Estimate User Stories?

https://www.scruminc.com/why-do-we-use-fibonacci-numbers-to-estimate-user-stories/ par Jeff Sutherland

Il y a fréquemment de grands débats sur l’utilisation de la suite de Fibonacci pour estimer des histoires d’utilisateur. L’estimation est au mieux un outil imparfait, mais un outil nécessaire pour planifier le travail.

L’estimation d’histoire d’utilisateur est basée sur la recherche du Ministère de la Défense américaine en 1948 qui a développé la technique Delphi. La technique a été classifiée jusqu’aux années 1960 (il y a des douzaines de papiers sur le sujet sur rand.org). Essentiellement, les chercheurs de Rand ont voulu éviter la pression vers la conformité de groupe qui menait typiquement à de mauvaises évaluations. Donc, ils ont décidé que les estimations devaient être faites dans le secret. Initialement, les évaluations seraient très éloignées parce que les gens auraient des perceptions différentes du problème donc ils les feraient parler des maximums et des minimums proposés après l’estimation en secret, puis estimer ensuite dans le secret de nouveau. Sur Rand Worldwide vous pouvez lire les papiers originaux qui démontrent de la convergence.

Les chercheurs de Rand ont alors étudié l’effet des choix de nombres parmi lesquels choisir et ont constaté qu’un ordre linéaire donnait de plus mauvaises évaluations qu’un jeu de nombres augmentant exponentiellement. Il y a quelques arguments mathématiques récents pour ceux qui sont intéressés. La question, si vous voulez la meilleure évaluation statistiquement prouvable, est alors quelle série d’augmentation exponentielle utiliser. La suite de Fibonacci est presque, mais pas tout à fait exponentielle et a l’avantage que c’est le modèle de croissance vu dans tous les systèmes organiques. Pourquoi la suite de Fibonacci se répète-t-elle dans la nature ? Donc, les gens sont très familiers avec elle et l’utilisent constamment dans le choix des tailles de vêtements. Par exemple, les tailles de T-Shirt suivent Fibonacci. Puisque quelques développeurs sont opposés aux nombres (un phénomène vraiment étrange pour ceux qui travaillent avec des ordinateurs), ils peuvent utiliser des tailles de T-Shirts et leurs évaluations sont facilement traduites en chiffres.

Microsoft a répété cette recherche ces dernières années et publié un papier primé par l’IEEE. En conséquence, Microsoft a abandonné les estimations horaires des projets. Voir le papier récompensé en 2011 par IEEE de Laurie Williams, Gabe Brown, Adam Meltzer, Nachiappan Nagappan (2012) Scrum + Engineering Practices: Experiences of Three Microsoft Teams.

Donc la communauté Agile a convergé sur Fibonacci comme la suite de nombres à utiliser. Malheureusement, beaucoup d’équipes agiles ne l’utilisent pas correctement et essayent de faire chacun converger sur un nombre de Fibonacci, ce qui vous donne mathématiquement et par expérience de mauvaises évaluations à cause du biais de conformité au groupe. C’est exactement ce que les chercheurs de Rand ont cherché à éviter en inventant la Technique Delphi.

À maintes reprises, les chercheurs ont montré que les estimations en heures ont de très forts taux d’erreur. C’est vrai même si l’utilisateur est un expert. C’est l’outil qui est le problème. Si vous voulez pratiquer en vous basant sur les évidences, des évaluations de taille relatives livrent tout simplement une estimation beaucoup plus précise.