Analysis and monitoring of task allocation in DevOps processes

Résumé

Dans le développement logiciel, le besoin croissant d’adaptation rapide a conduit à l’adoption des méthodologies Agile, tandis que la demande de déploiements continus et de haute qualité a favorisé l’émergence des pratiques DevOps. Ces approches mettent l’accent sur la division du travail en tâches plus petites, ce qui améliore la visibilité de l’équipe et l’organisation. Cependant, l’allocation des tâches, le processus d’attribution des tâches spécifiques à des individus, reste un défi persistant. Une allocation efficace est essentielle pour maintenir l’efficacité et optimiser les flux de travail. Bien qu’il existe des cadres théoriques et des algorithmes, ils ne s’alignent souvent pas sur les réalités de l’industrie, ce qui prive les organisations de stratégies fiables. Cette thèse étudie l’allocation des tâches dans un contexte industriel. Au lieu de se concentrer sur des modèles mathématiques ou d’apprentissage automatique avancés, elle met l’accent sur l’obtention d’informations exploitables étroitement liées à des scénarios du monde réel. L’étude introduit des mesures et des outils pour analyser et améliorer l’attribution des tâches. Menée en collaboration avec TELUS, un fournisseur canadien de services de télécommunications, cette étude s’appuie sur des données réelles issues de leurs projets GitLab. Une communication régulière avec les employés de TELUS a permis de fournir un contexte essentiel, d’identifier les domaines clés à améliorer et de valider les hypothèses, garantissant ainsi la pertinence des opérations de TELUS et des pratiques de l’industrie en général. Cette recherche repose sur l’hypothèse que l’analyse du Lead Time des tâches et l’identification des facteurs qui l’influencent peuvent améliorer l’attribution des tâches. La méthodologie comprend l’extraction et le traitement des données, la définition de métriques pour caractériser les tâches à travers de multiples dimensions, et la visualisation des résultats. Une contribution clé est la définition d’un critère de caractérisation des tâches basé sur leur capacité à respecter les estimations, ce qui sert de base pour identifier les échecs des tâches et mener des analyses de leurs causes profondes. L’analyse de 3107 tâches provenant de 137 projets chez TELUS, a révélé un taux d’échec des tâches constant de 34% toutes tailles estimées confondues et stable dans le temps, soulignant la nécessité d’analyses et d’un suivi accru. Les conclusions montrent également que l’utilisation des colonnes d’attente fait monter le taux d’échec de 34% à 56%, une tendance plus marquée pour les tâches avec de petites estimations, soulignant la nécessité d’un suivi et d’une analyse plus approfondis de leur impact. Par ailleurs, le multitâche a été analysé en tant que facteur potentiel d’échec des tâches, mais les résultats n’ont pas été concluants, ce qui suggère la nécessité d’une étude plus approfondie. En outre, 35% des tâches échouées ont été sous-estimées, une tendance particulièrement évidente dans les petites estimations, ce qui souligne l’importance d’améliorer les processus d’estimation des tâches. Ces analyses fournissent aux gestionnaires de projet chez TELUS et dans d’autres entreprises des outils précieux pour mieux planifier et exécuter les tâches. Cette recherche présente un cadre open-source entièrement fonctionnel pour l’analyse de l’attribution des tâches, dotant les organisations d’un outil pratique pour identifier les inefficacités. Plutôt que de préconiser des changements radicaux, elle donne la priorité à des informations exploitables et à des solutions pratiques pour l’attribution des tâches. Ces résultats constituent une base solide pour les recherches futures, en particulier pour le développement de systèmes automatisés permettant de détecter et d’atténuer les comportements inefficaces en matière d’attribution des tâches, offrant ainsi des améliorations précieuses pour les applications industrielles.

Date	28 avr. 2025
langue originale	Anglais américain
Établissement diplômant	École de technologie supérieure
Superviseur	Francis Bordeleau (Directeur(-trice)) & Ali Tizghadam (Codirecteur(-trice))