Table of Contents

Les méthodes traditionnelles de planification reposent souvent sur des délais fixes et des approches déterministes, qui ne tiennent pas compte de la variabilité inhérente et des événements imprévus qui caractérisent les projets d'ingénierie complexes. Les approches probabilistes offrent un cadre plus souple et plus réaliste pour gérer efficacement ces incertitudes, permettant aux gestionnaires de projets de prendre des décisions éclairées fondées sur l'analyse quantitative des risques plutôt que sur l'intuition.

Dans le contexte dynamique actuel des projets, où les défis techniques, les contraintes en matière de ressources et les facteurs externes peuvent avoir une incidence importante sur les délais des projets, les ingénieurs ont besoin d'outils et de méthodes sophistiqués pour naviguer dans l'incertitude.

Comprendre l'incertitude du projet dans les contextes d'ingénierie

L'incertitude dans le calendrier des projets provient de diverses sources que les ingénieurs doivent reconnaître et traiter systématiquement.Ces incertitudes peuvent avoir une incidence fondamentale sur les calendriers, les budgets et les produits livrables des projets, s'il n'est pas bien géré.

Sources d'incertitude dans les projets d'ingénierie

La disponibilité des ressources représente un facteur d'incertitude important, car il se peut que le personnel qualifié, le matériel spécialisé et les matériaux ne soient pas toujours disponibles au besoin. Les défis techniques entraînent une autre couche de complexité, particulièrement dans les projets novateurs ou les projets de première nature où l'étendue des travaux peut ne pas être pleinement comprise au départ.

Les facteurs externes tels que les conditions météorologiques, les changements réglementaires, les perturbations de la chaîne d'approvisionnement et les décisions des intervenants peuvent créer une variabilité supplémentaire dans les délais du projet. Au cours de l'exécution du projet, les projets réels ne se déroulent jamais exactement comme prévu en raison de l'incertitude, qui peut résulter d'une ambiguïté dans les estimations subjectives sujettes à des erreurs humaines ou à la variabilité découlant d'événements ou de risques inattendus.

Les limites des méthodes déterministes d'établissement des calendriers

Les estimations relatives aux coûts ou à la durée des tâches sont probabilistes et non déterministes, et comme les choses se produisent rarement selon le plan, les écarts par rapport aux estimations initiales font que les projets ne respectent pas leurs dates d'exécution ni les coûts prévus dans le budget. La méthode classique d'utilisation des estimations en un seul point dans la méthode du chemin critique donne une fausse idée que l'avenir peut être prédit précisément.

Les techniques de planification déterministe utilisent des valeurs fixes pour calculer un seul résultat du projet et, bien qu'utiles pour la planification de base, elles ne tiennent pas compte de la façon dont les composés d'incertitudes dans plusieurs activités. Lorsque de multiples activités incertaines sont reliées dans un réseau de projets, l'effet cumulatif de la variabilité peut entraîner des résultats sensiblement différents de ceux prévus par les estimations en un seul point.

Types d'incertitude dans l'établissement du calendrier des projets

Les incertitudes liées au projet peuvent être classées en plusieurs types distincts, chacun nécessitant des approches de gestion différentes. L'incertitude au repos, aussi appelée variabilité naturelle, représente le hasard inhérent à des processus qui ne peuvent être réduits par une meilleure information ou une meilleure analyse.

L'incertitude épistémique, par contre, découle de connaissances incomplètes ou d'informations sur les paramètres du projet, qui peuvent être réduites par des recherches supplémentaires, la collecte de données ou la consultation d'experts.

L'incertitude relative au calendrier se manifeste également sous différentes formes, notamment l'incertitude relative à la durée (la durée des activités), l'incertitude relative à la dépendance (les relations entre les activités) et l'incertitude relative aux ressources (la disponibilité et la productivité des ressources).

Méthodes probabilistes dans le calendrier des projets

Les méthodes probabilistes intègrent la probabilité de résultats différents, permettant aux ingénieurs d'évaluer quantitativement les risques et les incertitudes plutôt que de se fonder sur des estimations ponctuelles.Ces approches reconnaissent que les activités du projet ont une gamme de durées possibles et que l'interaction de multiples activités incertaines crée des distributions de probabilité complexes pour les dates d'achèvement du projet et les coûts.

Simulation Monte Carlo pour l'analyse des horaires

La méthode de simulation Monte Carlo est un outil très précieux pour planifier les calendriers des projets et élaborer des estimations budgétaires.Cette technique puissante est devenue de plus en plus accessible aux gestionnaires de projets grâce à des outils logiciels modernes, bien qu'elle reste sous-utilisée dans de nombreuses organisations en raison de fausses idées sur sa complexité.

Une simulation du calendrier de Monte Carlo fournit au décideur du projet une gamme de résultats possibles et les probabilités que chaque résultat puisse se produire, donnant les possibilités extrêmes – les résultats de la mise en oeuvre et de la prise de décisions plus conservatrices – ainsi que toutes les ramifications possibles pour les décisions en milieu de route.

Comment fonctionne la simulation de Monte Carlo

Lors de l'exécution d'une simulation Monte Carlo, vous prenez la variable avec incertitude et lui assignez une valeur aléatoire, puis calculez les résultats à chaque fois, en utilisant un ensemble différent de valeurs aléatoires des fonctions de probabilité. Ce processus est répété des milliers, voire des dizaines de milliers de fois pour construire une image statistique complète des résultats possibles du projet.

Dans une analyse Monte Carlo, le même modèle est exécuté, en sélectionnant une valeur aléatoire pour chaque tâche, des centaines ou des milliers de fois, et chaque fois qu'il est exécuté, les valeurs sont enregistrées. Lorsque la simulation est terminée, les statistiques de la simulation peuvent être examinées pour comprendre le risque dans le modèle. Les distributions de probabilité résultantes révèlent non seulement le résultat le plus probable, mais l'ensemble des possibilités et les probabilités qui y sont associées.

Distributions de probabilité dans l'analyse Monte Carlo

La distribution PERT est utilisée pour la modélisation des données d'experts lorsqu'il existe des estimations de la gamme de valeurs possibles. Ces distributions permettent aux gestionnaires de projet de saisir le jugement d'experts sur des scénarios optimistes, très probables et pessimistes pour chaque durée d'activité.

La méthode classique génère des milliers de scénarios aléatoires basés sur les distributions de probabilités pour les variables de projet, utilisant généralement des estimations en trois points ajustées à des distributions triangulaires ou PERT. Le choix de la distribution dépend de la nature de l'incertitude et des informations disponibles sur l'activité à modéliser.

Interprétation des résultats de simulation Monte Carlo

Au lieu de demander « Quand ce projet sera-t-il terminé? » L'analyse de Monte Carlo répond à une question plus utile : « Quelle est la probabilité de terminer par une date précise ou dans un budget précis? » Cela permet aux gestionnaires de projet d'évaluer le calendrier et le risque de coûts en utilisant des données plutôt que des estimations ponctuelles.

Après des milliers de simulations, les résultats peuvent montrer une probabilité de 50 % de terminer dans les 42 jours, une probabilité de 80 % dans les 48 jours et une chance de 95 % dans les 55 jours. Ces résultats percentiles (communément appelés valeurs P50, P80 et P90) fournissent aux gestionnaires de projet de multiples scénarios de planification et aident les intervenants à comprendre les niveaux de confiance associés aux différentes dates d'achèvement.

Techniques avancées Monte Carlo

La méthode de simulation Monte Carlo améliorée pour l'analyse des risques du projet intègre l'incertitude liée aux coûts et au calendrier par des événements de risque assortis de délais et des dépendances probabilistes, y compris l'évolution temporelle des risques, les interdépendances des risques et les répercussions intégrées des coûts et des calendriers.

Contrairement aux approches traditionnelles qui produisent des éventualités statiques, les méthodes améliorées modélisent les impacts en cascade par le changement de calendrier et les ajustements dynamiques des probabilités, en prenant en compte la façon dont les événements de risque modifient le moment et la probabilité des risques subséquents, en démontrant des exigences d'urgence beaucoup plus élevées que les approches classiques de Monte Carlo en raison des effets de cascade temporelle.

Technique d'évaluation et d'examen du programme (PERT)

La technique d'évaluation et d'examen du programme (PERT) est une méthode statistique d'analyse des tâches et des échéanciers du projet, d'affichage des tâches du projet, de connexion des dépendances et d'aide aux gestionnaires à identifier les obstacles potentiels.

Le PERT a été conçu principalement pour simplifier la planification et l'établissement du calendrier des projets importants et complexes du United States Navy Special Projects Office, de Lockheed Aircraft et de Booz Allen Hamilton afin d'appuyer le projet de missiles Polaris de la Marine. La technique a été conçue spécifiquement pour gérer des projets avec une grande incertitude et des milliers d'activités interdépendantes, ce qui en fait un outil particulièrement pertinent pour les travaux complexes d'ingénierie.

La technique d'estimation en trois points de PERT

Au lieu de deviner une durée, l'EEP estime en utilisant des délais optimistes, très probables et pessimistes. Cette approche en trois points permet de saisir l'éventail des incertitudes pour chaque activité et fournit une base plus réaliste pour l'élaboration des calendriers que les estimations en un seul point.

Dans la formule PERT, le temps prévu (TE) pour une tâche est calculé en utilisant une moyenne pondérée de trois estimations du temps : optimiste (O), très probable (M) et pessimiste (P). La formule est TE = (O + 4M + P) / 6, ce qui donne le temps le plus probable d'estimer le plus de poids, reconnaissant que c'est la durée la plus probable pour accomplir la tâche.

Analyse des trajectoires critiques dans PERT

Le chemin critique est le plus long chemin continu possible, depuis l'événement initial jusqu'à l'événement terminal, pour déterminer le temps civil total requis pour le projet; par conséquent, tout retard dans le déroulement de l'événement critique retardera au moins le même montant.

Les tâches sur le chemin critique peuvent varier d'un parcours de simulation à l'autre.Cette importante idée révèle que le chemin critique lui-même n'est pas fixe mais peut changer selon les activités qui connaissent des retards ou des achèvements précoces.

Méthode PERT vs. Voie critique (CPM)

Le PERT peut utiliser trois estimations (optimistes, attendues et pessimistes) et aucun coût pour chaque activité.Bien que ces différences soient distinctes, le terme PERT est de plus en plus utilisé pour tous les itinéraires critiques. La compréhension de la distinction entre ces techniques complémentaires aide les gestionnaires de projet à choisir l'outil approprié pour leurs circonstances particulières.

En général, les PERT sont plus précis pour les projets à forte incertitude, car ils tiennent compte de divers résultats avec leur technique d'estimation en trois points. Par rapport aux méthodes d'estimation en un seul point comme le CPM, le PERT réduit le risque de suroptimisation ou de sous-estimation, bien que leur exactitude dépende encore de la qualité des estimations des entrées et des données historiques.

Quand utiliser PERT

Pour les travaux opérationnels répétitifs et réguliers avec des processus stables, des méthodes d'établissement de calendrier plus simples comme les cartes CPM ou Gantt de base peuvent être plus efficaces et plus faciles à maintenir. L'effort supplémentaire requis pour l'estimation en trois points est le plus justifié lorsque l'incertitude est élevée et que les conséquences des dépassements de calendrier sont importantes.

Les PERT sont largement utilisés dans des projets complexes et qui tiennent compte du temps, comme le développement de produits, l'ingénierie, la recherche et la mise en oeuvre à grande échelle de technologies de l'information, où l'incertitude et les interdépendances ont une incidence considérable sur les délais de livraison.

Autres techniques probabilistes de planification

Au-delà de la simulation de Monte Carlo et du PERT, plusieurs autres techniques probabilistes peuvent améliorer l'exactitude du calendrier des projets. L'analyse de sensibilité aide à déterminer quelles activités ont le plus d'impact sur la durée globale des projets, ce qui permet aux gestionnaires de concentrer les efforts d'atténuation des risques là où ils seront le plus efficaces.

L'analyse des arbres décisionnels offre une approche structurée pour évaluer les autres modes d'action en situation d'incertitude. Cette technique est particulièrement utile lorsque les projets font face à des points de décision distincts où différents choix conduisent à des distributions de probabilité différentes des résultats.

Les techniques de mise à jour bayésiennes permettent aux équipes de projet de préciser les estimations de probabilité à mesure que de nouvelles informations sont disponibles au cours de l'exécution du projet.

Avantages des approches probabilistes dans les projets d'ingénierie

L'utilisation d'approches probabilistes offre plusieurs avantages importants par rapport aux méthodes traditionnelles de planification déterministe, qui vont au-delà de la simple précision du calendrier pour englober une meilleure gestion des risques, une meilleure prise de décisions et une meilleure communication entre les intervenants.

Amélioration de l'exactitude des délais des projets

Les méthodes probabilistes contribuent à créer un budget et un calendrier de projets plus réalistes, permettant de prévoir les chances de dépassements de calendrier et de coûts. Plutôt que de prévoir une date d'achèvement unique qui pourrait avoir seulement 50 % de chances d'être atteint, les approches probabilistes offrent une gamme de résultats possibles avec des niveaux de confiance connexes.

En intégrant trois estimations de temps pour chaque tâche, l'analyse PERT vise à produire un calendrier réaliste et équilibré qui tient compte de la variabilité et de l'incertitude potentielles, plutôt que de l'hypothèse de conditions idéales. Par conséquent, les gestionnaires de projet peuvent planifier plus efficacement, prévoir les risques et établir des attentes réalisables et fondées sur les réalités du travail.

Meilleures stratégies de gestion des risques

Lorsque vous quantifiez les risques, vous pouvez rapidement évaluer les impacts et vos décisions sont basées sur des données objectives et perspicaces. Des approches probabilistes transforment la gestion des risques d'un exercice qualitatif en une discipline quantitative, permettant une répartition plus précise des réserves d'urgence et une planification plus efficace de la réponse aux risques.

En déterminant le cheminement des activités qui retarderaient un projet, le PERT trace les étapes de la gestion des risques. La compréhension des activités qui sont sur le chemin critique ou à proximité permet aux gestionnaires de projet de prioriser les efforts d'atténuation des risques et d'allouer des ressources de surveillance là où elles auront le plus d'impact sur la réussite du projet.

La gestion des risques bénéficie du système d'estimation en trois points de PERT, car les équipes identifient les goulets d'étranglement et les retards potentiels au début de la phase de planification, ce qui permet des stratégies proactives d'atténuation.

Capacités de décision améliorées

L'analyse de Monte Carlo appuie la prise de décisions fondées sur le risque, une compétence de base en gestion de projet, et est plus étroitement associée au processus d'analyse quantitative du risque et est couramment utilisée pour l'analyse des calendriers et des coûts.

En comprenant la répartition des probabilités de résultats possibles, les gestionnaires de projet peuvent faire des compromis éclairés entre le calendrier, les coûts et la portée, en choisissant des stratégies qui optimisent la valeur globale du projet plutôt que de simplement minimiser la durée prévue.

Flexibilité à s'adapter aux conditions changeantes

Les graphiques PERT peuvent être mis à jour avec de nouvelles informations acquises ainsi que lorsqu'ils sont vus dans différents contextes de l'avancement du projet. Cette capacité d'adaptation est cruciale dans des environnements dynamiques de projet où les conditions changent fréquemment et où de nouvelles informations sont disponibles tout au long du cycle de vie du projet.

Les approches probabilistes tiennent compte des changements de façon intrinsèque, mieux que les méthodes déterministes, car elles reconnaissent que les résultats sont multiples. Lorsque les conditions du projet changent, les distributions de probabilité peuvent être mises à jour pour refléter les nouvelles réalités, fournissant des prévisions révisées qui intègrent les dernières informations.

Amélioration de la communication avec les parties prenantes

Vous pouvez rapidement créer des graphiques des différents résultats et de leurs chances d'occurrence et les utiliser pour communiquer les résultats à d'autres intervenants. Représentations visuelles des distributions de probabilité, comme les courbes de probabilité cumulatives (courbes en S), rendre l'information statistique complexe accessible aux intervenants non techniques et faciliter des discussions plus productives sur les risques et les éventualités du projet.

Les diagrammes PERT permettent de mieux comprendre la portée, les dépendances et les délais des projets. La nature visuelle des diagrammes PERT aide les intervenants à comprendre la complexité des interdépendances des projets et la justification des estimations du calendrier, à renforcer la confiance dans le plan de projet et à susciter des attentes plus réalistes.

Mise en œuvre de l'établissement de calendriers probabilistes en pratique en génie

Pour réussir à mettre en oeuvre des approches probabilistes, il faut planifier soigneusement, mettre en place des outils appropriés et s'engager dans l'organisation.

Collecte et estimation des données

La qualité des données d'entrée est à la base de toute approche probabiliste. Votre analyse ne sera que aussi bonne que les estimations que vous fournissez. Ce principe fondamental souligne l'importance de la collecte systématique des données et des processus d'obtention d'experts.

Les données historiques de projets similaires constituent la base la plus fiable pour la distribution des probabilités. Lorsque des données historiques sont disponibles, l'analyse statistique peut révéler la répartition réelle des durées d'activité, fournissant des preuves empiriques de modélisation de l'incertitude.

En l'absence de données historiques, le jugement d'expert devient essentiel. Les techniques d'obtention structurée aident à saisir les connaissances d'expert sous une forme qui convient à la modélisation probabiliste. L'approche d'estimation en trois points utilisée dans le PERT fournit un cadre pratique pour obtenir le jugement d'expert, demandant aux experts d'examiner le meilleur cas, le pire cas et le plus probable, plutôt que de fournir une estimation unique.

Outils logiciels pour l'établissement de calendriers probabilistes

Les logiciels commerciaux comme @RISK et Primavera Risk Analysis ont rendu Monte Carlo largement accessible, ce qui a conduit à l'adoption dans tous les secteurs de la construction, de l'informatique et de l'ingénierie.

La plupart des programmes de simulation Monte Carlo (tels que Crystal Ball et @Risk) nécessitent que le modèle soit construit dans Microsoft Excel. Certains outils Monte Carlo peuvent être très coûteux et ne pas être rentables pour tous les gestionnaires de projet. Un simulateur Monte Carlo simple et efficace qui fonctionne dans Excel est RiskAmp. La disponibilité d'outils à différents prix rend l'établissement de calendrier probabiliste accessible aux organisations de toutes tailles.

L'utilisation de logiciels de gestion de projet pour effectuer des analyses PERT améliore considérablement la précision, l'efficacité et l'adaptabilité. Au lieu de calculer manuellement les estimations de temps et les dépendances, les logiciels automatisent ces calculs et présentent visuellement les données, ce qui permet d'économiser du temps et de réduire les erreurs.

Construire un modèle probabiliste d'horaire

La création d'un modèle probabiliste efficace exige plusieurs étapes clés. Premièrement, élaborer une liste d'activités exhaustive et un diagramme de réseau montrant toutes les dépendances des tâches.

Ensuite, assigner les distributions de probabilité à des activités incertaines. Pour chaque activité avec une incertitude importante, déterminer le type de distribution approprié (triangulaire, PERT, normal, etc.) et les paramètres (valeurs optimales, le plus probable, pessimistes).

En d'autres termes, si deux ou plusieurs des entrées varient ensemble (directement ou inversement), la plupart des outils de simulation vous permettent de modéliser ces corrélations également. Le calendrier d'échantillonnage suppose qu'il n'y a pas de corrélation entre les durées des tâches du projet, ce qui signifie que la durée d'une tâche est indépendante des durées des autres. La compréhension et la modélisation des corrélations entre les activités peuvent améliorer considérablement le réalisme des résultats de simulation.

Détermination des réserves pour éventualités appropriées

L'une des pratiques les plus courantes pour faire face à l'incertitude consiste à inclure une réserve pour imprévus, qui est censée absorber les incidences financières et les répercussions des risques potentiels sur le calendrier. Toutefois, les méthodes traditionnelles sont souvent insuffisantes pour représenter avec précision la façon dont les risques affectent les projets au fil du temps.

La principale amélioration réside dans la production de prévisions de contingence en phase temporelle – y compris les courbes quotidiennes de coûts et de retard P90 – plutôt que de valeurs d'achèvement du projet, révélant des périodes d'exposition au risque concentrées où les besoins en contingence s'intensifient rapidement.

Les organisations choisissent habituellement un niveau de confiance (p. ex. P80 ou P90) pour établir des réserves pour éventualités en fonction de leur tolérance au risque et de l'importance stratégique du projet.

Validation et calibrage des modèles

La précision des solutions est déterminée par le nombre de répétitions effectuées pour générer les statistiques de sortie. Il est essentiel de faire fonctionner un nombre suffisant d'itérations pour obtenir des résultats stables et fiables des simulations Monte Carlo. La plupart des praticiens recommandent au moins 1 000 itérations, avec au moins 10 000 itérations offrant une plus grande précision.

La validation du modèle consiste à vérifier que les résultats de la simulation sont logiques et conformes au jugement d'un expert et à l'expérience historique. L'analyse de sensibilité peut révéler quelles hypothèses d'entrée ont le plus d'influence sur les résultats, aidant à déterminer où la collecte de données supplémentaires ou l'examen d'experts pourrait être bénéfique.

Défis et limites des approches probabilistes

Bien que les méthodes probabilistes de planification offrent des avantages importants, elles présentent aussi des défis et des limites que les praticiens doivent comprendre et aborder, et qui aident à établir des attentes réalistes et à orienter l'application de ces techniques.

Complexité et besoins en ressources

La méthode de simulation Monte Carlo n'est pas largement utilisée par les gestionnaires de projet en raison d'une idée fausse que la méthode est trop compliquée pour être utilisée et interprétée.Cette barrière de perception, bien que souvent non fondée, peut limiter l'adoption de ces techniques précieuses.

Pour les projets complexes, la création et la mise à jour de graphiques PERT peuvent prendre beaucoup de temps. L'exactitude de l'analyse PERT dépend de la qualité des estimations de temps. L'effort supplémentaire nécessaire pour l'estimation en trois points et la modélisation probabiliste doit être justifié par la valeur d'une meilleure précision du calendrier et de la gestion des risques.

Votre simulation doit contenir trois estimations (la plus probable étant la durée, le scénario le plus défavorable et le meilleur scénario) pour chaque activité ou facteur analysé. Votre analyse ne sera que aussi bonne que les estimations que vous fournissez. Cette exigence pour des estimations multiples augmente le fardeau de collecte des données et exige une participation plus importante des experts que l'estimation traditionnelle en un seul point.

Les défis de l'interprétation et de la communication

Vous ne voyez que la probabilité globale pour l'ensemble du projet ou une phase, et non les activités ou les risques individuels. Cette agrégation d'incertitude peut rendre difficile la recherche de risques particuliers jusqu'à leur incidence sur les résultats globaux du projet, ce qui pourrait limiter la possibilité d'action de l'analyse pour une planification détaillée de la réponse au risque.

Il peut être difficile de communiquer les résultats probabilistes aux intervenants habitués à établir des calendriers déterministes. De nombreux intervenants préfèrent une date d'achèvement unique plutôt qu'une distribution de probabilité, même si ces derniers fournissent des renseignements plus réalistes et utiles.

Le concept de niveaux de confiance peut être particulièrement difficile à communiquer.Les intervenants ne comprennent peut-être pas qu'une date P80 signifie qu'il y a encore 20 % de chances de dépasser cette date, ou ils peuvent interpréter les énoncés de probabilité comme des garanties plutôt que des prévisions.

Qualité des données et questions de disponibilité

Si la distribution des variables est inappropriée, les résultats de la simulation seront également inadéquats. La qualité de l'analyse probabiliste dépend fondamentalement de la qualité des données et des hypothèses d'entrée.

Pour les projets novateurs ou les projets de premier plan, il se peut que les données historiques ne soient pas disponibles, ce qui oblige à se fier uniquement au jugement d'experts. Les estimations d'experts peuvent être sujettes à divers biais cognitifs, notamment le biais d'optimisme, les effets d'ancrage et le biais de disponibilité.

L'estimation des corrélations entre les activités pose des défis particuliers.Bien que les hypothèses d'indépendance simplifient la modélisation, elles peuvent ne pas refléter la réalité dans les cas où des facteurs communs (comme la météo, la disponibilité des ressources ou les défis techniques) affectent plusieurs activités.

Obstacles organisationnels et culturels

Beaucoup de gestionnaires de projet ne sont pas ouverts à l'idée de simulation, parce qu'ils pensent que la méthodologie est difficile à utiliser et beaucoup ne réalisent même pas sa valeur. Pour d'autres raisons, même les produits commerciaux bien connus comme Microsoft Project n'offrent pas la capacité de faire la simulation.

Dans certaines organisations, la fourniture d'un éventail de résultats possibles plutôt qu'une date d'engagement unique peut être perçue comme étant une indécision ou un manque de confiance. Les gestionnaires de projet peuvent faire face à des pressions pour qu'ils fournissent des engagements déterministes même lorsque l'analyse probabiliste serait plus appropriée.

Les contrats à prix fixe, les exigences réglementaires et les processus d'approbation organisationnelles exigent souvent des engagements en un seul point, ce qui crée des tensions avec les méthodes probabilistes qui mettent l'accent sur les fourchettes et les niveaux de confiance.

Meilleures pratiques pour l'établissement de calendriers probabilistes

Pour réussir la mise en oeuvre des méthodes de planification probabiliste, il faut respecter les pratiques exemplaires établies qui sont apparues depuis des décennies dans divers secteurs et types de projets, et qui permettent de maximiser la valeur des méthodes probabilistes tout en évitant les pièges communs.

Commencez par une solide Fondation déterministe

Avant d'appliquer des techniques probabilistes, assurez-vous que le calendrier sous-jacent du projet est logiquement sain et complet. Toutes les activités doivent être identifiées, les dépendances doivent être correctement précisées et la logique du réseau doit être validée. L'analyse probabiliste ne peut compenser les erreurs fondamentales dans la logique du calendrier ou les activités manquantes.

Utilisez les structures de répartition du travail (SGE) pour assurer une identification complète des activités. Vous devriez commencer par créer une structure de répartition du travail (SGE) au préalable. Le SGE organise le projet en produits livrables et en paquets de travail gérables, ce qui facilite l'extraction d'une liste de tâches complète et structurée à utiliser dans l'analyse PERT.

Mettre l'accent sur les activités à haut impact

Les activités sur le chemin critique ou à proximité, les activités de longue durée et les activités faisant appel à des technologies nouvelles ou non prouvées méritent généralement un traitement probabiliste détaillé.

Pour les activités qui ont un minimum d'incertitude ou un impact minime sur les résultats du projet, les estimations en un seul point peuvent être suffisantes, ce qui permet de comparer les avantages de l'analyse probabiliste aux coûts de la collecte de données et de la modélisation, ce qui rend la technique plus pratique pour les grands projets avec des centaines ou des milliers d'activités.

Utiliser l'explication structurée d'expert

En se fondant sur le jugement d'expert pour les estimations de probabilité, utiliser des techniques d'incitation structurées pour réduire les biais et améliorer la cohérence. Fournir aux experts des définitions claires de scénarios optimistes, les plus probables et pessimistes. Par exemple, l'optimisme pourrait être défini comme le 10e centile (seulement 10 % de chances de terminer plus rapidement), tandis que le pessimisme pourrait être le 90e centile (seulement 10 % de chances de prendre plus longtemps).

Envisager d'utiliser plusieurs experts et d'agréger leurs estimations pour réduire les biais individuels. Les techniques Delphi, qui impliquent des cycles itératifs d'estimation avec rétroaction, peuvent aider les experts à converger vers des estimations plus précises.

Valider les résultats par rapport à l'expérience et au jugement

Si les résultats de la simulation semblent incompatibles avec ce que les gestionnaires de projet expérimentés attendent, il faut étudier les raisons de l'écart. Le modèle peut contenir des erreurs, ou le jugement d'expert peut être biaisé. Dans tous les cas, concilier les différences entre les résultats du modèle et les attentes des experts améliore la compréhension et renforce la confiance dans l'analyse.

Effectuer une analyse de sensibilité pour comprendre les hypothèses d'entrée qui influent le plus fortement sur les résultats, ce qui permet de déterminer où la collecte de données supplémentaires ou l'examen par des experts serait le plus utile et de révéler les incertitudes qui comptent le plus pour les résultats du projet.

Mettre à jour les modèles à mesure que les projets progressent

Les gestionnaires de projet devraient examiner et mettre à jour ces calculs à mesure que de nouveaux renseignements deviennent disponibles ou que les conditions du projet changent. Le recalcul régulier aide à maintenir des délais précis tout au long du cycle de vie du projet.

Les activités qui prennent systématiquement plus de temps ou moins que ce qui est estimé peuvent indiquer des biais systématiques dans le processus d'estimation qui doivent être corrigés. La mise à jour des distributions de probabilité pour les travaux restants en fonction du rendement réel à ce jour fournit des prévisions de plus en plus précises au fur et à mesure que le projet progresse.

Communiquer efficacement les résultats

Les courbes de probabilité cumulatives (courbes S) montrant la probabilité de remplir à différentes dates sont souvent plus intuitives que les fonctions de densité de probabilité. Les diagrammes de Tornado montrant l'importance relative des différentes incertitudes aident à concentrer l'attention sur les principaux facteurs de risque.

Présenter plusieurs scénarios (comme les dates P50, P80 et P90) pour donner aux intervenants des options de prise de décision. Expliquer ce que signifient ces niveaux de confiance en termes pratiques et aider les intervenants à choisir des niveaux de confiance appropriés en fonction de l'importance du projet et de la tolérance au risque.

Intégrer les processus de gestion des risques

Il faudrait intégrer le calendrier probabiliste aux processus plus généraux de gestion des risques du projet. Utiliser les résultats de l'analyse probabiliste pour éclairer la planification de l'intervention en cas de risque, en concentrant les efforts d'atténuation sur les activités qui contribuent le plus à l'incertitude du calendrier.

L'analyse probabiliste du calendrier et l'analyse des risques liés aux coûts pour fournir des prévisions intégrées du projet. Les retards liés aux calendriers entraînent souvent des dépassements de coûts par l'augmentation des coûts généraux, l'escalade et les pertes de productivité.

Études de cas et applications en génie

Les approches probabilistes de planification ont été appliquées avec succès dans divers domaines d'ingénierie, de la construction et de l'infrastructure au développement de l'aérospatiale et des logiciels.

Projets de construction et d'infrastructure

La méthode proposée est capable de fournir des calendriers qui peuvent tenir compte de la nature et du type d'incertitudes rencontrées normalement dans les projets de construction. Les résultats sont en étroite accord avec ceux obtenus par simulation Monte Carlo. Les calculs sont toutefois plus simples et nécessitent moins d'efforts de calcul que ceux nécessaires pour la simulation Monte Carlo.

Les projets de construction sont confrontés à de nombreuses sources d'incertitude, notamment les conditions météorologiques, les conditions de terrain, la disponibilité du matériel et la productivité du travail. L'échéancier probabiliste s'est révélé particulièrement utile dans ce secteur pour établir des dates d'achèvement réalistes et déterminer les éventualités appropriées.

Pour remédier aux dépassements de temps, des études ont utilisé des simulations de Monte Carlo utilisant RiskPert pour évaluer les dépassements de temps en combinant le jugement d'expert et des données historiques. Cette approche évalue les données historiques des projets de construction de 2002 à 2023, en mettant l'accent sur les circonstances politiques et économiques de cette période à l'aide d'une revue de la documentation et d'un examen de 74 rapports de projets de construction, en plus d'entrevues semi-structurées avec des experts de l'industrie pour déterminer les risques liés aux calendriers et leurs causes fréquentes.

Développement de produits et projets de R&D

Les projets de recherche et de développement comportent des niveaux élevés d'incertitude technique, ce qui en fait des candidats idéaux pour les approches probabilistes de planification. Lors de la mise au point de nouvelles technologies ou de nouveaux produits, la durée des activités peut être très incertaine parce que le travail n'a jamais été fait auparavant.

En comprenant la distribution probable des dates d'achèvement, les organisations peuvent prendre des décisions éclairées sur le moment du lancement des produits, les campagnes de marketing et la mise en marché. La capacité de quantifier le risque de calendrier permet une meilleure coordination entre les fonctions de développement, de marketing et d'exploitation.

Projets de mise en œuvre de l'informatique et des logiciels

Les projets logiciels sont connus pour les dépassements de calendrier, souvent en raison de sous-estimation de la complexité et des défis techniques imprévus. Les approches probabilistes aident à y remédier en reconnaissant explicitement l'incertitude et fournissant des plages plutôt que des estimations ponctuelles.

Les mises en oeuvre à grande échelle de TI comportant l'intégration des systèmes, la migration des données et le changement organisationnel bénéficient d'un calendrier probabiliste pour gérer les interdépendances et les incertitudes complexes en cause.

Enseignements tirés des applications pratiques

Dans ces diverses applications, plusieurs leçons communes sont apparues. Premièrement, la valeur de l'échéancier probabiliste est plus grande lorsque l'incertitude est élevée et que les conséquences des dépassements de calendrier sont importantes.

Deuxièmement, l'adhésion de l'organisation et l'éducation des intervenants sont des facteurs de succès essentiels. L'excellence technique dans la modélisation probabiliste est insuffisante si les intervenants ne comprennent pas les résultats ou ne les font pas confiance.

Troisièmement, l'échéancier probabiliste est plus efficace lorsqu'il est intégré à des processus de gestion de projet plus vastes que celui qui est traité comme une analyse autonome.

Tendances futures du calendrier probabiliste des projets

Le domaine de la programmation probabiliste des projets continue d'évoluer, en raison des progrès réalisés dans le domaine de la puissance informatique, de l'analyse des données et de l'intelligence artificielle.

Apprentissage automatique et intelligence artificielle

Les techniques d'apprentissage automatique sont de plus en plus utilisées pour améliorer l'exactitude des estimations de probabilité en tirant des enseignements des données historiques des projets. Plutôt que de se fier uniquement à un jugement d'expert, les algorithmes d'apprentissage automatique peuvent identifier les modèles de performance des projets antérieurs et utiliser ces modèles pour générer des distributions de probabilité pour les activités futures.

L'intelligence artificielle est également utilisée pour automatiser certains aspects de l'analyse des risques, en identifiant les risques potentiels et leurs impacts plus rapidement et de façon plus complète que l'analyse manuelle.

Surveillance des risques en temps réel

Les progrès réalisés dans les systèmes d'information sur la gestion des projets permettent de mettre à jour en temps réel les modèles de calendrier probabiliste à mesure que les données sur le rendement sont disponibles.

L'intégration avec les capteurs d'Internet des objets (IoT) et les systèmes automatisés de collecte de données fournit des données objectives en temps réel sur l'avancement des projets, réduisant ainsi la dépendance à l'égard des rapports d'état subjectifs.

Amélioration de la visualisation et du soutien à la décision

Les technologies de visualisation rendent l'information probabiliste plus accessible et plus pratique. Les tableaux de bord interactifs permettent aux intervenants d'explorer différents scénarios et de comprendre la sensibilité des résultats aux diverses hypothèses.

Des systèmes d'aide à la décision sont en cours d'élaboration, qui intègrent l'analyse probabiliste du calendrier et des algorithmes d'optimisation pour recommander des mesures optimales.

Intégration avec la modélisation de l'information sur les bâtiments (BIM)

Dans les projets de construction et d'infrastructure, l'intégration entre l'établissement de calendriers probabilistes et la modélisation des informations sur les bâtiments (BIM) crée de nouvelles capacités pour la visualisation de projets 4D (intégrés dans le temps) et 5D (intégrés dans le coût).

Normalisation et développement des meilleures pratiques

À mesure que ces techniques deviennent plus modernes et plus largement adoptées, des approches normalisées en matière de conception, de validation et de présentation de modèles se dessinent, ce qui facilite le transfert des connaissances, améliore la cohérence entre les projets et les organisations et renforce la confiance dans les méthodes probabilistes.

Conclusion

En reconnaissant et en quantifiant explicitement l'incertitude, les ingénieurs et les gestionnaires de projet peuvent élaborer des calendriers plus réalistes, prendre des décisions mieux éclairées et améliorer les résultats du projet. La simulation de Monte Carlo, le PERT et les techniques connexes fournissent de puissants outils pour transformer l'incertitude d'une source d'anxiété en information pratique.

Les avantages des approches probabilistes – une meilleure précision, une meilleure gestion des risques, une prise de décisions accrue et une plus grande souplesse – sont bien documentés dans divers domaines de l'ingénierie. Toutefois, pour en tirer parti, il faut investir dans les outils, la formation et le changement organisationnel.

À mesure que la puissance de calcul augmente et que les outils d'analyse deviennent plus sophistiqués, l'établissement des horaires probabilistes devient plus accessible et plus puissant. L'apprentissage automatique, la surveillance en temps réel et la visualisation avancée augmentent les capacités et les applications de ces méthodes.

Pour les ingénieurs engagés à réussir les projets, la maîtrise des approches probabilistes de la gestion des horaires n'est plus facultative mais essentielle. La question n'est pas de savoir s'ils doivent adopter ces méthodes, mais comment les mettre en oeuvre le plus efficacement dans votre contexte organisationnel. En commençant par les applications pilotes, en renforçant progressivement les capacités et en tirant des leçons des succès et des défis, les organisations peuvent progressivement améliorer leurs capacités de planification des projets et améliorer leur expérience de réalisation des projets dans les délais et dans les limites du budget.

Pour de plus amples renseignements sur les méthodes de gestion de projet et les techniques d'analyse des risques, veuillez consulter le Institut de gestion de projet pour obtenir des ressources complètes et des possibilités de perfectionnement professionnel. Association pour l'avancement du génie des coûts (AACE International) fournit également des conseils précieux sur l'analyse des risques et les méthodes probabilistes.