NEWS

Subpage Hero

Subpage Hero

Use the featured image to change the subpage hero.

02 sept. 2021

SIMULATION ET PLANIFICATION PROJET : UNE APPROCHE DESIGN SCIENCE

Le management par projets s’est implanté dans les organisations. Néanmoins, un certain nombre de projets ne respectent pas les délais impartis. Les méthodes d’estimation par simulation peuvent être utiles dans ce contexte pour sensibiliser aux variations inhérentes à la planification. Aussi, nous posons la question suivante : Comment concevoir un logiciel basé sur la simulation de Monte-Carlo pour sensibiliser à la planification probabiliste de projets ? Cette recherche passe par la conception d’un artefact à la fois innovant et utile ainsi que la création de connaissances par une approche Design Science Research. L’évaluation de l’artefact s’appuie sur des références du domaine. Les résultats montrent que le logiciel de simulation, répond à cette problématique.

 

Le management par projets s’est progressivement implanté dans les organisations. Néanmoins, le chaos report 2015 du Standish Goup indique sur la base d’une analyse sur 25000 projets, que 60 % ne respectaient pas les délais et 56% ne respectaient pas les budgets. Les estimations des délais sont donc fréquemment dépassées (Ika et Paché, 2021), ce qui peut entraîner des pénalités. Kahneman (2016, p. 386) indique que : « les prévisions trop optimistes sur l’issue de projets sont monnaie courante » ; Kahneman précise également avoir proposé (avec Tversky) le terme « erreur de prévision » lorsque des plans et prévisions (1) « sont beaucoup trop proches des scénarios optimistes » et (2) « lorsqu’ils pourraient être améliorés par les statistiques de cas semblables ».

Une grande partie de la littérature qui s’intéresse aux scénarios de planification porte sur le choix des méthodes (Gantt, Pert, etc.). Les méthodes de simulation Monte-Carlo sont mentionnées dans le PMBOK (PMI). Mais l’utilité de ces méthodes paraît complexe. Or, l’analyse par simulation de Monte-Carlo permet de proposer une estimation prenant en compte un spectre plus large de possibilités et il semble important que les étudiants puissent l’expérimenter. En conséquence, nous posons la question suivante : « Comment concevoir un logiciel basé sur la simulation de Monte-Carlo pour sensibiliser à la planification probabiliste de projets ? ».

Cadre conceptuel

Tout d’abord, nous présentons les décisions et estimations, puis la simulation de Monte-Carlo et enfin le cadre de recherche.

 

Décision et estimations

Dans les organisations, la prise de décision est réalisée quotidiennement. Le contexte décisionnel dans lequel le manager agit dépend des connaissances dont il dispose. Trois types de contextes ont été identifiés[1] : (1) certitude, (2) risque et (3) incertitude (Schermerhorn et al., 2010; Turban et al., 2007). Turban et al. (2007) précisent que dans le contexte de certitude il est supposé qu’une information suffisante (voire complète) est disponible pour prévoir le résultat. Alors que dans le contexte de risque le manager dispose de probabilités, connues ou estimées, pour départager les différentes alternatives. Enfin dans le contexte d’incertitude, le manager ne dispose pas de probabilités connues et ne peut pas les estimer (Turban et al., 2007).

Dans un contexte décisionnel de risque la méthode « d’estimation à 3 points » est souvent utilisée. Généralement, dans le cadre du Pert probabiliste l’estimation à 3 points revient à calculer pour chaque tâche une durée estimée de la manière suivante : (Dopti + 4 * Dprob + Dpess) /6. Par ailleurs, l’estimation par la distribution triangulaire est aussi utilisée en management de projets, moyenne = (Dopti + Dprob + Dpess) /3.

 

Simulation Monte-Carlo

La simulation est une méthode de recherche connue, basée sur des modèles d’abstraction simplifiés et des programmes informatiques. Harrison et al. (2007, p. 1231) expliquent que «dans les principales revues de management et sciences sociales, environ 8% des articles publiés utilisaient une méthodologie de simulation». La simulation a notamment été utilisée par Jay Wright Forrester dans le cadre de la dynamique des systèmes, « En faisant varier certains éléments dans les temps, il est alors possible de connaître et de prédire l’impact de cette variation sur les autres éléments du système qui ont une importance majeure […] » (Rouleau, 2007, p. 43). Dans le cadre du management de projets deux types de méthodes de simulation sont généralement utilisés la simulation de Monte-Carlo et les analyses What-if.

La simulation de Monte-Carlo est mise en œuvre au moyen d’un d’algorithme qui fait intervenir plusieurs tirages aléatoires. Afin de réaliser ces tirages un générateur de nombres pseudo-aléatoires uniforme est utilisé. L’algorithme Mersenne Twister est fréquemment utilisé dans des langages de programmation. La qualité du générateur de nombres est particulièrement importante. Les générateurs pseudo-aléatoires sont utilisés pour réaliser des tirages suivant des distributions particulières. La distribution Pert -loi Béta et la distribution triangulaire sont souvent évoquées.

 

Cadre de recherche : Design Science Research

La science de conception a été introduite dans les travaux d’Herbert Simon (2004) qui indique qu’une telle science est possible et que, de plus, elle a déjà commencé à prendre corps depuis les années 1970 environ. Simon (2004, p. 234) précise que « la forme de la conception elle-même, et l’organisation du processus de la conception, sont l’une et l’autre deux composantes essentielles d’une théorie de la conception ». La recherche en science de la conception – Design Science Research (DSR) s’inscrit dans les travaux de Simon et peut être définie de la manière suivant : « Design science est un paradigme de recherche dans lequel un concepteur répond à des questions relatives à des problèmes humains par la création d’un artefact innovant tout en contribuant par l’apport de connaissances nouvelles à l’ensemble des preuves scientifiques » (Hevner et Chatterjee, 2010, p. 5). Dans un article de référence Hevner et al. (2004, p. 83) proposent un ensemble de lignes directrices pour la mise en œuvre de la DSR portant sur : (1) la conception d’un artefact, (2) l’importance du problème, (3) l’évaluation de la conception, (4) la contribution à la recherche, (5) la rigueur de la recherche, (6) la conception en tant que processus de recherche et (7) la communication de la recherche ( Cf. annexe 1). Alors que la recherche action est centrée sur la résolution de problèmes via des changements organisationnels et sociaux, la DSR est axée sur la résolution de problèmes par la création et le positionnement d’un artefact dans son environnement (Baskerville, 2008). Nous procéderons à une évaluation ex post (Venable, 2010) afin de déterminer la valeur du système implémenté.

 

Lire la suite

View all NEWS
Loading

Sponsors

SPONSOR THÉATRE 2023


 

Sponsor Silver 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

Sponsor Conférence


 

Sponsor Conférence


 

Partners

Partenaire Officiel

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA



 

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA-




 

Inscription à la newsletter