Le directeur de l’École Polytechnique Supérieure et chercheur à l’Universidad Europea del Atlántico (Université européenne de l’Atlantique, UNEATLANTICO), le Dr Manuel Masías Vergara, et Ernesto Bautista Thompson, chercheur à l’UNEATLANTICO, collaborent à une étude qui analyse et compare l’évolution des techniques d’estimation des coûts et des efforts dans les projets de software (logiciels).
Bien que des nombreuses recherches sur l’estimation des coûts et des efforts des logiciels aient été faites, les dépassements de coûts et d’efforts continuent d’être un problème dans les projets de l’industrie du logiciel. Les estimations erronées entraînent des pertes économiques et des pertes de temps. Cela met en évidence le besoin de mener des recherches pour évaluer les techniques d’estimation qui ont évolué au fil des ans.
Dans les techniques d’apprentissage automatique (ML, par ses sigles en anglais) et non-ML, par exemple, la précision est un problème fréquent. En particulier lorsqu’il s’agit de travailler sur des projets complexes ou des projets dont les exigences changent. C’est pourquoi les organisations investissent massivement dans ce facteur afin de garantir la réussite du projet et la satisfaction du client. Dans ce contexte, il est essentiel de déterminer des techniques d’estimation précises afin d’éviter les problèmes de dépassement de coûts et d’efforts.
L’objectif de cette étude est de fournir un panorama de l’état actuel de la recherche sur l’estimation des coûts et d’identifier les possibilités pour les futurs chercheurs d’optimiser la précision et l’efficacité des méthodes d’estimation des coûts. Des outils de ML et non-ML ont été utilisés pour évaluer les défis et les limites de ces méthodes, telles que l’utilisation indispensable de données historiques et la difficulté d’interpréter les résultats.
L’examen systématique a démontré que les techniques d’estimation les plus couramment utilisées sont ANN et COCOMO, suivies par Ensemble et FPA. De plus, l’ANN s’est avéré plus efficace que plusieurs techniques ML et non-ML. La mesure de précision la plus utilisée est le MMRE.
Si vous voulez en savoir plus sur cette étude intéressante, cliquez ici.
Pour lire d’autres recherches, consultez le référentiel d’UNEATLANTICO.