Software Effort Estimation: a Review of Taxonomies for use to-wards a Probabilistic Evidence Synthesis
Cet article présente une revue systématique de la littérature de six taxonomies d'estimation de l'effort logiciel, révélant une fragmentation structurelle significative, un manque de couverture pour les domaines d'application émergents tels que le mobile et l'IA, ainsi qu'une absence générale de validation externe, soulignant ainsi le besoin urgent d'une taxonomie unifiée et validée par l'industrie.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Tout projet logiciel, d'une simple application mobile à un système bancaire complexe, commence par une question d'une simplicité trompeuse : quel travail cela va-t-il représenter ? Dans le monde du génie logiciel, on appelle cela l'estimation de l'effort. Il s'agit du processus consistant à prédire le temps et les ressources nécessaires pour construire un logiciel avant même qu'une seule ligne de code ne soit écrite. Cette prédiction est vitale ; elle détermine le budget, le calendrier et si un projet peut être doté des bonnes personnes. Cependant, prédire l'avenir d'un logiciel est notoirement difficile car les facteurs qui influencent la durée d'un projet sont vastes, variés et souvent incertains. Un projet peut durer plus longtemps parce que l'équipe est inexpérimentée, parce que la technologie est nouvelle ou parce que les exigences ne cessent de changer. Pour donner un sens à ce chaos, des chercheurs ont passé des décennies à tenter d'organiser ces facteurs en listes structurées, ou taxonomies, qui agissent comme des cartes pour aider les experts à naviguer dans le terrain complexe du développement logiciel.
Malgré le besoin évident de telles cartes, un nouvel examen du domaine révèle que les cartes existantes sont fragmentées et incomplètes. Emilia Mendes et Marc Solé Estragués, chercheurs à l'Université d'Aarhus au Danemark, ont entrepris d'examiner tous les systèmes de classification connus pour l'estimation de l'effort logiciel. Leur objectif était de voir si ces systèmes pouvaient être combinés pour créer un outil unifié pour l'avenir, ou s'ils étaient trop différents pour être conciliés. Ils ont mené une revue systématique, une méthode rigoureuse de recherche dans la littérature scientifique pour trouver et analyser chaque étude pertinente ayant proposé une manière de catégoriser les facteurs affectant le travail logiciel. Après avoir passé au crible des milliers d'articles provenant des principales bases de données académiques, ils n'ont trouvé que six études qui proposaient réellement une taxonomie à cette fin spécifique. Ce faible nombre est en soi une découverte significative, suggérant que bien que le problème soit bien connu, l'effort pour le résoudre a été sporadique et dispersé au cours des deux dernières décennies.
Les chercheurs ont ensuite examiné ces six taxonomies en détail, en observant comment elles avaient été construites et ce qu'elles contenaient. Ils ont constaté que les cartes étaient dessinées dans des styles très différents. Certaines étaient larges, couvrant tout, de la taille du logiciel à l'expérience de l'équipe et aux techniques spécifiques utilisées pour réaliser l'estimation. D'autres étaient étroites, se concentrant sur un seul aspect, comme uniquement la taille du code ou uniquement les méthodes utilisées pour prédire le travail. Les structures variaient considérablement, certaines listes ne contenant qu'un petit nombre de catégories et d'autres s'étendant sur des centaines de détails spécifiques. Lorsque les chercheurs ont comparé les listes côte à côte, en cherchant des termes et des concepts communs, ils ont découvert un manque flagrant de consensus. Sur des centaines de facteurs spécifiques répertoriés dans les six taxonomies, seule une infime fraction était décrite de la même manière. La plupart des termes étaient uniques à une seule étude, ce qui signifie que deux experts utilisant des cartes différentes se feraient comprendre sans se comprendre, utilisant des mots différents pour une même idée ou des idées différentes pour un même mot.
La revue a également mis en évidence une lacune importante de couverture. Les cartes existantes se concentraient fortement sur les types de logiciels traditionnels, tels que les applications de gestion et les systèmes embarqués présents dans les appareils. Cependant, elles ignoraient largement les domaines en pleine croissance de l'intelligence artificielle et des applications mobiles modernes. De plus, les chercheurs ont constaté que la plupart de ces taxonomies n'avaient jamais été testées dans le monde réel. Elles étaient proposées comme des idées ou des cadres théoriques, mais il y avait peu de preuves qu'elles aident réellement les praticiens de l'industrie à faire de meilleures prédictions. Une seule des six taxonomies avait été appliquée dans un contexte réel pour voir si elle fonctionnait. Les autres restaient non validées, laissant un point d'interrogation sur leur utilité pratique.
Les auteurs soutiennent que cette fragmentation est un obstacle au progrès. Lorsque les chercheurs et les praticiens ne peuvent pas s'accorder sur un langage commun, il devient difficile de partager des connaissances, de comparer des résultats ou de bâtir sur des découvertes antérieures. La revue suggère que le domaine doit dépasser ces listes isolées. Les chercheurs proposent que la prochaine étape soit soit d'étendre les cartes existantes pour couvrir les domaines manquants du développement logiciel, soit de construire une taxonomie unique et unifiée qui couvre tous les types de logiciels. Un tel système unifié devrait être testé dans l'industrie pour s'assurer qu'il est réellement utile. D'ici là, le domaine reste une collection d'îles déconnectées, où le potentiel d'une compréhension claire et partagée de l'effort logiciel attend encore d'être réalisé.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.