Vous êtes sur la page 1sur 161

Qualit des systmes dinformation

Isabelle WATTIAU

1
Sommaire

1. Introduction
2. Dfinitions, concepts et outils
3. Qualit des systmes dinformation
4. Qualit et normalisation
5. Qualit du logiciel
6. Qualit du processus logiciel
7. Conclusion

J. Akoka / I. Wattiau
2
1. Introduction

3
Introduction

La qualit est un concept la mode dans le


domaine des Systmes dInformation
Signe de maturit du domaine
Premire priode : recherche defficacit
Le SI doit rpondre aux besoins fonctionnels
Deuxime priode : recherche de qualit
Le SI doit rpondre aussi aux besoins non fonctionnels
Qualit de service

J. Akoka / I. Wattiau
4
Les enjeux

Un SI de qualit est un actif valorisable


Un SI de qualit peut amliorer la satisfaction du
client
Un SI de qualit peut procurer un avantage
comptitif

J. Akoka / I. Wattiau
5
Un exemple de problmatique de qualit :
le systme dinformation hospitalier
 Objectif qualit : mesurer la qualit du service rendu
 de la traabilit de linformation la compltude dans les dossiers
mdicaux des patients

 Approches qualit traditionnelles


 Tirage au sort de 80 dossiers
 valuation manuelle

 Points faibles :
 Lourd mettre en uvre
 Etude rtrospective =>Pas de possibilit de correction

 Les enjeux :
 Scurit
 Image
 Cots
J. Akoka / I. Wattiau
6
Un exemple de problmatique de qualit :
la consommation dlectricit
 Objectif qualit : Analyser les prvisions
de consommation de llectricit pour
diverses catgories de consommateurs
 ncessite une compltude et une
cohrence de linformation
 Questions cls :
 est ce que les donnes couvrent
toutes les populations souhaites ?
 est ce que les donnes sont
cohrentes ?
 Exemples dapproches :
 Mesure du taux de donnes
manquantes
 Contraintes dintgrit

J. Akoka / I. Wattiau
7
Les consquences de la non-qualit

Cots : des implications simples


Qualit du logiciel -> cot de la maintenance
Non-qualit des donnes : 600 milliards de dollars par
an aux USA (source : Data Warehousing Institute,
2002)
Dpendance vitale : lexplosion de la navette
Challenger tait due des problmes de qualit
Bug de lan 2000 : 300 600 milliards de dollars
Etc.

J. Akoka / I. Wattiau
8
2. Dfinitions, concepts et outils

9
Dfinitions de la qualit

1. Toutes les actions que lon peut entreprendre:


En amont, en cours de ralisation dun projet pour
amliorer le produit ou le service
Et en aval pour suivre le produit ou le service livr.
2. ISO8402:1994
Lensemble des proprits et caractristiques dun
produit ou dun service qui lui confre laptitude
satisfaire des besoins exprims ou implicites
Cest donc une notion relative, fonde sur le besoin
On doit rechercher une qualit optimale et pas
ncessairement une qualit maximale

J. Akoka / I. Wattiau
10
Typologie de la qualit

Qualit attendue : celle que le client souhaite


Qualit voulue : que le fournisseur a prvu de
faire
Qualit ralise : traduit ce qui a t obtenu
Qualit perue : ce que le client constate

J. Akoka / I. Wattiau
11
Les acteurs de la qualit

Directeur qualit
tablit les procdures (plan dassurance qualit,
manuels, etc.) au niveau de lentreprise
Ingnieur qualit
Reprsente le directeur qualit au sein dune entit
Garant de la bonne application des procdures
Auditeur
Dfinit les mthodologies pour lamlioration de la
qualit et du systme de management de la qualit
Contrleur qualit
value la qualit du produit ou du service et supervise
les actions qualit

J. Akoka / I. Wattiau
12
Les approches qualit

Qualit
totale

Management
de la qualit

Amlioration
de la qualit

Contrle
qualit

J. Akoka / I. Wattiau
13
Gestion de la qualit totale

TQM (Total Quality Management)


Amliorer constamment tous les processus,
internes et externes, qui contribuent au produit
Utiliser une approche systmique

J. Akoka / I. Wattiau
14
14 principes de la qualit totale [Deming]
Garder en vue lobjectif damliorer constamment les produits et les services
Adopter la nouvelle philosophie
Mettre fin la dpendance lgard des inspections et contrles
En intgrant la qualit au produit ou au service
Mettre un terme la pratique des achats au plus bas prix
Rduire plutt le cot total en traitant avec un fournisseur unique sur la base
dune relation long terme loyale et confiante
Amliorer constamment le systme de production
Etablir un systme de formation
Adopter et instituer le leadership et dynamiser lencadrement
Faire disparatre la peur pour que chacun travaille plus efficacement
Eliminer les barrires entre les services
Eliminer les slogans et objectifs de rendement
Les problmes de qualit rsident dans le systme lui-mme, au-del du
pouvoir du personnel
Eliminer les quotas de production
Supprimer les obstacles la fiert du travail
Encourager lducation et lamlioration de chacun
Agir pour accomplir la transformation
J. Akoka / I. Wattiau
15
Quelques outils de la qualit
Dmarches et cadres de qualit
Roue de Deming, Mthode 6 Sigma, Cercle de qualit, dmarche 8D, GQM
Outils de dfrichage
Diagramme KJ, brainstorming, feuille de relev
Recherche des causes de problmes de qualit et des impacts
Ishikawa, Pareto, Histogramme, QQOQCCP
Analyse des donnes et des mesures
Graphique de contrle, diagramme de dispersion, stratification
Analyse du fonctionnement dun processus/produit
Logigramme, modlisation de processus, graphe PERT
Choix dune solution parmi plusieurs
Matrice de compatibilit, arbre de dcision, vote pondr simple/multiple
Optimisation et scurisation dun processus
AMDEC, Gantt, Kanban, 5S, Kaizen, Lean

J. Akoka / I. Wattiau
16
Dmarches et cadres de qualit

17
Plan, Do, Check, Act roue de Deming
Mthode squentielle de
conduite de projet
permettant dexcuter un
travail de manire efficace et
rationnelle
Comprend 4 tapes P, D, C,
A
Sapplique tous les
processus :
Dfinir un plan damlioration
Choisir les mthodes et outils
Mesurer les rsultats
Ajuster les actions
damlioration

J. Akoka / I. Wattiau
18
La mthode 6 Sigma ()
Origine : Motorola
Principe : faire en sorte que tous lments du processus tudi,
soient compris dans un intervalle s'loignant au maximum de 6 fois
lcart type par rapport la moyenne gnrale
Travailler sur le processus afin que seuls des produits conformes aux
exigences soient livrs
Acteurs : pyramide de fonctions dexpertise croissante
Le Green Belt ( ceinture verte ), consacre 25% de son temps la conduite de
projets d'amlioration
Le Black Belt ( ceinture noire ), chef d'quipe, se consacre plein temps
l'amlioration
Le Master Black Belt, mentor et formateur de Blacks Belts
Le Deployment Leader ou Champion, charg d'laborer la stratgie, le contenu
de la formation, les budgets, etc.
Dmarches associes DMAIC (Define, Measure, Analyze, Improve,
Control), DMADV (Define, Measure, Analyze, Design, Verify), etc.
J. Akoka / I. Wattiau
19
Dmarche 8D (ou 8 Do)
D1 : Prparer le process 8D
D2 : Dcrire le problme
D3 : Identifier et mettre en place des actions immdiates
D4 : Identifier les vraies causes
D5 : Valider des actions correctives permanentes
D6 : Mettre en uvre les actions correctives permanentes
D7 : Prvenir toute rcidive
D8 : Fliciter l'quipe

J. Akoka / I. Wattiau
20
Cercle de qualit

Outil de communication
Pour partager linformation
Au niveau dune unit ou transversal, temporaire
ou permanent, soutien hirarchique
Favoriser la comprhension des objectifs de
qualit
Permettre la reconnaissance mutuelle
3 facteurs cls de succs
Volont damlioration
Climat de confiance et de transparence
Lgaliser la critique
J. Akoka / I. Wattiau
21
Approche par les buts
(Goal-Question-Metric GQM)

Quel est le but de qualit ?


Amliorer la satisfaction du client
Quelle dimension de qualit faut-il viser ?
Obtenir des informations fiables sur le client
En quels facteurs se dcline-t-elle ?
Compltude
Fracheur
Avec quelles mtriques peut-on mesurer ces
facteurs ?
Quelles sont les valeurs actuelles de qualit ?
Comment peut-on amliorer la qualit ?
J. Akoka / I. Wattiau
22
Outils de dfrichage

23
Diagramme daffinits (ou KJ)

De son inventeur : Kawakita Jiro

Dfinir ensemble le problme


Chacun crit ses 3 ou 5 ides ou explications
Mise en commun sur un tableau
Structuration
Hirarchisation
Slection des catgories cibler
Rpartition des tches

J. Akoka / I. Wattiau
24
Le brainstorming

Travail de groupe exprimant le maximum dides


notes sur un tableau visible de tous
3 phases :
Recherche : expression des ides sans restriction
Regroupement et combinaison dides
Conclusion : analyse des causes suspectes

J. Akoka / I. Wattiau
25
Feuille de relev
Feuille de relev
rponse structure, prpare sous forme de collecte et d'analyse
des donnes.
outil gnrique qui peut tre adapt pour une large varit de
fins.
Principe :
Dfinir lvnement ou le problme observer
Dcider du moment o les donnes seront collectes et pour
combien de temps.
Concevoir le formulaire
Mettre en place
Exemple : communications tlphoniques

J. Akoka / I. Wattiau
26
Outils de recherche de causes et
dimpacts

27
Diagramme dIshikawa

Diagramme causes-effets (en arte de poisson)


Sert comprendre les causes dun dfaut de qualit
Analyse le rapport existant entre un problme et ses
causes
Fond sur un travail de groupe
Trouver toutes les causes possibles au dfaut de
qualit et les classer en 5 familles (5M):
Matires, Milieu, Mthodes, Matriels, Main
doeuvre

J. Akoka / I. Wattiau
28
Exemple de diagramme dIshikawa

La bire que je vends nest pas bonne

Personnel non qualifi

Responsabilit mal dfinie

J. Akoka / I. Wattiau
29
Graphe de Pareto
% d'impays
Permet de 100,0%

classer les
80,0%
phnomnes
par ordre 60,0%

dimportance
Histogramme 40,0%

dcroissant
20,0%
avec une
ligne de 0,0%

cumul a b c
Histogramme : colonne 2 du tableau
d e

services
f g h autres

Courbe des % cumuls : colonne 4 du tableau

J. Akoka / I. Wattiau
30
Histogramme

Permet dtudier une distribution de donnes


Et de la comparer une distribution standard
Il existe une typologie dhistogramme (normal,
bimodal, plateau, etc.)

J. Akoka / I. Wattiau
31
Le QQOQCCP

Why, what, where, when, who, how, how much ?


Technique de recherche dinformations sur un problme
et ses causes en se posant les questions: quoi, qui, o,
quand, comment, pourquoi
Pour chaque question se demander combien ?

J. Akoka / I. Wattiau
32
Outils danalyse des donnes et des
mesures

33
Graphique de contrle
Utilis pour tudier un processus dans le temps
Les donnes sont traces par ordre chronologique.
ligne centrale = moyenne
ligne suprieure et ligne infrieure dtermines partir des donnes
historiques.

J. Akoka / I. Wattiau
34
Diagramme de dispersion

Moyen simple de
vrifier une relation
entre deux variables
Plus le nuage de
points se rapproche
dune droite, plus la
relation est forte
Corrlation nest pas
causalit

J. Akoka / I. Wattiau
35
La stratification

Permet de distinguer
les donnes
provenant de
diffrentes sources
pour analyser des
patterns
Aussi appel flow
chart ou run
chart

J. Akoka / I. Wattiau
36
Outils danalyse
du fonctionnement dun
processus/produit

37
Le logigramme

Reprsentation de
la procdure
qualit

J. Akoka / I. Wattiau
38
Modlisation de processus mtier

J. Akoka / I. Wattiau
39
Outil PERT
(Project Evaluation and Review Technique)
Reprsentation des prdce
ss
tches nature dure en jours
tapes dun processus et eu
rs

des contraintes entre A acceptation des plans par le propritaire 4

tapes B prparation du terrain 2

C commande des matriaux A 1


Exemple : La construction d'un D creusage des fondations A, B 1

entrept est dcoupe en dix E commande des portes et fentres A 2

tches dont les caractristiques F livraison des matriaux C 2


G coulage des fondations D, F 2
sont donnes dans le tableau ci- H livraison des portes et fentres E 10
contre I pose des murs, de la charpente et du toit G 4
J mise en place des portes et fentres H, I 1
Graphe PERT

J. Akoka / I. Wattiau
40
Outils daide au choix

41
La matrice de compatibilit

Outil daide la dcision


Permet de faire un choix parmi plusieurs propositions
Croisement des critres de choix (cots, dlais, efficacit,) et des sujets
(problmes slectionner ou solutions retenir)
Les sujets sont compars entre eux en fonction de leurs scores
Les problmes ou solutions ne rpondant pas un ou plusieurs critres sont
limins
Ceux rpondant la plupart ou tous sont retenus
Exemple organisation dun dplacement professionnel

J. Akoka / I. Wattiau
42
Le vote pondr

Outil de choix lorsque les donnes sont


qualitatives
Slection finale du problme que le groupe
souhaite rsoudre en premier partir dun rsultat
dun vote simple
Vote pondr multicritre
Vote pondr simple

J. Akoka / I. Wattiau
43
Exemple de vote pondr simple

Comment diminuer les frais de chauffage ?

J. Akoka / I. Wattiau
44
Exemple de vote pondr multiple

Comment diminuer les frais de chauffage ?

J. Akoka / I. Wattiau
45
Arbre de dcision

J. Akoka / I. Wattiau
46
Outils doptimisation et de
scurisation de processus

47
LAMDEC

Analyse des Modes de Dfaillances, de leurs Effets


et de leur Criticit
AMDEC produit, AMDEC processus, AMDEC moyen
Recenser toutes les causes potentielles dune
dfaillance et valuer la criticit selon trois notes :
G (gravit), O (occurrence), D (dtection)
G : gravit ou svrit de limpact du dfaut
O : frquence dapparition de la cause
D : probabilit de non dtection de la cause
Indice de criticit : G * O * D
Mettre en place des actions en jouant sur un ou
plusieurs des paramtres
J. Akoka / I. Wattiau
48
Le diagramme de Gantt

J. Akoka / I. Wattiau
49
Mthode Kanban
Mthode de suivi de production utilise dans le
juste--temps
Se fonde sur un systme dtiquettes permettant
le juste--temps

J. Akoka / I. Wattiau
50
5S

Outil damlioration continue, qui optimise lorganisation dun


poste de travail, dun service ou dune entreprise

Mot Japonais Traduction Interprtation

Seiri Dbarras Trier


Seiton Ranger Classer
Seiso Nettoyage Nettoyer
Seiketsu Ordre Conserver en
ordre et propre
Shitsuke Rigueur Formaliser et
impliquer
J. Akoka / I. Wattiau
51
Kaizen : changer pour faire mieux
1 Abandonner les ides fixes, refuser ltat actuel des choses.
2 Au lieu dexpliquer ce que lon ne peut pas faire, rflchir
comment faire.
3 Raliser aussitt les bonnes propositions damlioration.
4 Ne pas chercher la perfection, gagner 60% maintenant.
5 Corriger lerreur immdiatement sur place.
6 Trouver des ides dans la difficult.
7 Chercher la cause relle, respecter les 5 pourquoi ? et
chercher ensuite la solution.
8 Prendre en compte les ides de 10 personnes au lieu
dattendre lide gniale dune seule.
9 Essayer et ensuite valider.
10 Lamlioration est infinie.

J. Akoka / I. Wattiau
52
Lean
Mthode Toyota
14 principes :
Penser sur le long terme
Fluidit
Flux tirs
Production constante et lisse
Automatisation avec une touche humaine
Tches standardises
Contrles visuels
Technologies et mthodes fiables
Cultiver les leaders
Faire monter en comptences les personnes de qualit
Respecter et motiver ses partenaires
Aller toujours sur le terrain
Prendre les dcisions en consensus
Amlioration continue
Application en systmes dinformation : mthodes agiles
J. Akoka / I. Wattiau
53
Les noms de la qualit

Deming : roue PDCA, qualit totale, insiste sur la


cohrence de lapproche assurer la qualit, cest donner
aux clients des garanties sur sa capacit fournir un
produit ou un service conformment ses attentes et dans
la dure
Juran : a diffus le principe de Pareto ou loi des 80/20, a
initialis des formations, la qualit est la meilleure
adquation au besoin
Crosby : la qualit, conformit des exigences ,
conduit la chute des cots et laccroissement de la
productivit
Taguchi : propose des plans dexprience et des tables
pour valuer et amliorer la qualit des produits
J. Akoka / I. Wattiau
54
3. Qualit des systmes dinformation

55
Qualit des systmes dinformation

6 dimensions

Source
J. Akoka / I. Wattiau : Stylianou, Kumar, CACM 2000 56
Dimensions de qualit (1/2)

Qualit de linfrastructure
Matriel
Logiciel de base
Rseau
Systme dexploitation, etc.
Qualit du logiciel
Qualit des applications construites et/ou maintenues
Qualit des donnes
Qualit des donnes entrant dans les diffrents
systmes dinformation

J. Akoka / I. Wattiau
57
Dimensions de qualit (2/2)

Qualit de linformation
Qualit des donnes sortant des systmes
dinformation
Qualit administrative
Qualit de la fonction systme dinformation
Inclut la qualit des processus de :
laboration du budget
laboration du planning
Qualit de service
Qualit du service rendu vu par le client

J. Akoka / I. Wattiau
58
Interactions entre les dimensions

Qualit de linfrastructure -> qualit des donnes


et qualit de service
Qualit de linformation sortant dun SI -> qualit
des donnes entrant dans un SI
Etc.

J. Akoka / I. Wattiau
59
4. Qualit et normalisation

60
Pourquoi des normes ?

Formalisent le fonctionnement et les


responsabilits des intervenants et par l :
Renforcent limplication du management
Grent laprs-certification
Motivent les acteurs
Satisfont le client
Donnent la priorit lefficacit et non la conformit
des procdures
Rpondent la certification

J. Akoka / I. Wattiau
61
Les normes ISO 9000

Cres en 1987
2 rvisions en 1994 et 2000
outils de progrs
4 normes principales
ISO 9000:2000
principes essentiels et vocabulaire
ISO9001:2000 : QUI et QUOI
exigences
utilise pour faire des certifications
ISO9004:2000 : COMMENT
Lignes directrices pour lamlioration des performances
ISO19011
Lignes directrices pour les audits de systmes de management qualit
ISO9001 :
Qualit externe
usage contractuel
Pour la certification des procds auprs des clients
Ralise par un tiers indpendant rattach un organisme de certification
J. Akoka / I. Wattiau
62
Les 8 principes de management de ISO
9000:2000

Ecoute client
Leadership
Implication du personnel
Approche processus
Management par approche systme
Amlioration continue
Approche factuelle pour la prise de dcision
Relations mutuellement bnfiques avec les
fournisseurs

J. Akoka / I. Wattiau
63
Ecoute client

Comprendre les besoins prsents et futurs


Satisfaire les exigences
Sefforcer daller au devant des attentes

J. Akoka / I. Wattiau
64
Leadership

Les dirigeants doivent:


tablir la finalit et les orientations de lorganisme
Crer les conditions dimplication des personnes dans la
ralisation des objectifs de lorganisme

J. Akoka / I. Wattiau
65
Implication du personnel

Motiver le personnel
Les membres sont responsables de leur
performance
Le personnel participe et contribue lamlioration
continue
Le personnel utilise ses aptitudes au profit de
lorganisme

J. Akoka / I. Wattiau
66
Approche processus

Les ressources et les activits sont gres comme un


processus
Avec une focalisation sur les opportunits damlioration
Identifier et grer les processus, leurs combinaisons et
leurs interactions
Points cls :
La direction est responsable du management de la qualit
Les ressources : humaines, temps, finances, infrastructures,
information, environnement de travail
Processus de satisfaction du client
Mesures, analyses et amlioration

J. Akoka / I. Wattiau
67
Management par approche systme

Identifier, comprendre et grer des processus


comme un systme
Intgration et alignement des processus

J. Akoka / I. Wattiau
68
Amlioration continue

Lamlioration continue de la performance globale


dun organisme est un objectif permanent
Alignement des activits damlioration tous les
niveaux
Souplesse et rapidit de raction face aux
opportunits

J. Akoka / I. Wattiau
69
Approche factuelle pour la prise de
dcision
Les dcisions efficaces sont fondes sur lanalyse
des donnes et des informations
Les dcisions bien informes si les donnes sont
exactes et fiables
La prise de dcision est fonde sur des donnes
factuelles.

J. Akoka / I. Wattiau
70
Relations mutuellement bnfiques
avec les fournisseurs
Interdpendance de lorganisme et de ses
fournisseurs
Capacit pour les deux organismes crer de la
valeur
Mise en commun des acquis et des ressources
avec les partenaires

J. Akoka / I. Wattiau
71
Standards dvelopps ou en cours
ISO/TS 8000-100:2009 Data quality -- Part 100: Master data: Overview
ISO/TS 8000-110:2009 Data quality -- Part 110: Master data: Exchange of characteristic
data: Syntax, semantic encoding, and conformance to data specification.
ISO/TS 8000-120:2009 Data quality -- Part 120: Master data: Exchange of characteristic
data: Provenance
ISO/PAS 26183-2006 SASIG Product data quality guidelines for the global automotive
industry
ISO/TR 21707-2008 Intelligent transport systems - Integrated transport information,
management and control - Data quality in ITS systems
ISO/IEC 25012:2008 Software engineering - Software product Quality Requirements and
Evaluation (SQuaRE) - Data quality model
BS 7986-2005 Data quality metrics for industrial measurement and control systems
Specification
ISO 19113:2002 Geographic information Quality principles
ISO 19114:2003 Geographic information Quality evaluation procedures
ISO TS 19138-2006 Geographic information Data quality measures
ISO/NP 19157 Geographic information -- Data quality
ISO/NP TS 19158 Geographic information - Quality assurance of data supply
International Monetary Fund, IMF: Data Quality Assessment Framework, DQAF
J. Akoka / I. Wattiau
72
Normes de qualit

J. Akoka / I. Wattiau
73
Norme ISO/IEC 9126

Process quality: qualit des processus du cycle de vie du logiciel


Internal quality: qualit des produits intermdiaires, incluant les modles
statiques et dynamiques, la documentation et le code source
External quality: qualit du systme final tel que vrifiable son comportement
externe
Quality in use: effet du systme lors de son utilisation satisfaction des
attentes des utilisateurs
J. Akoka / I. Wattiau
74
Le modle de qualit logicielle
ISO/IEC 9126

J. Akoka / I. Wattiau
6 caractristiques / 24 sous-caractristiques / 113 mtriques 75
Les 6 caractristiques de la qualit
logicielle ISO/IEC 9126

Est-ce que le logiciel rpond


aux besoins fonctionnels exprims ?
Est-ce que le logiciel maintient
Est-ce que le logiciel Capacit
fonctionnelle
son niveau de service
peut tre transfr
dans des conditions
it

Fi
dune plate-forme bil prcises et pendant

ab
ou dun environnement

ili
rta

une priode dtermine ?

t
un autre ? ISO/IEC
Po

t
Re 9126 Est-ce que le logiciel

li
nd

bi
Est-ce que le logiciel em requiert peu deffort

na
requiert un en

te
t pour son volution
dimensionnement
in
Facilit Ma par rapport aux
rentable et proportionne dutilisation
nouveaux besoins ?
de la plate-forme
dhbergement
Est-ce que le logiciel
en regard des
requiert peu deffort
autres exigences ?
J. Akoka / I. Wattiau lutilisation ? 76
Sous-caractristiques

J. Akoka / I. Wattiau
77
Bilan sur les normes

Points positifs
Implication de tout le personnel
Valorisation du professionnalisme des personnes
Points ngatifs
Documentation excessive
Pas dinnovation
Echec si :
peu dimplication du management
Rdaction des procdures sans les acteurs
Communication insuffisante
Prcipitation dans le lancement

J. Akoka / I. Wattiau
78
5. Qualit du logiciel

79
Introduction

Spcificits du produit-logiciel
le logiciel est un produit complexe
beaucoup de modules
beaucoup doprations diffrentes possibles
le logiciel est un produit obscur
dfauts non visibles lil nu
leur dtection ncessite des tests

J. Akoka / I. Wattiau
80
La qualit du logiciel

Spcificits de lenvironnement de production


contrat cot-dlai-fonctionnalits
coopration troite avec le client
travail dquipe ncessitant une coopration et une
coordination interne et externe
interfaces avec dautres logiciels
taux important de rotation des quipes
ncessit de maintenance du logiciel pendant plusieurs
annes

J. Akoka / I. Wattiau
81
Exemple : logiciel de paie

Machine
badger

Rapport mensuel incluant


les heures supplmentaires

Logiciel
de paie
Ordres de transferts bancaires
vers les comptes des salaris
Systme din-
formation
bancaire

J. Akoka / I. Wattiau
82
Logiciel

Dfinition IEEE : Programmes informatiques,


procdures, documentation associe et donnes
ncessaires au lancement du systme
Une erreur dans le programme
peut dclencher un fonctionnement incorrect
qui peut entraner un chec du systme

J. Akoka / I. Wattiau
83
Causes des erreurs

Dfinition incorrecte des besoins


Mauvaise communication entre le demandeur et le
dveloppeur
Modification dlibre du programme
Erreurs de logique
Erreurs de codage
Tests insuffisants
Erreurs dans les procdures

J. Akoka / I. Wattiau
84
Qualit du logiciel

Dfinition IEEE :
degr auquel un systme, un composant ou un
processus satisfait les besoins spcifis
degr auquel un systme, un composant ou un
processus satisfait les attentes du client ou les besoins
des utilisateurs

J. Akoka / I. Wattiau
85
Qualit du logiciel

Autre dfinition (Pressman, 2000) :


conformit :
aux besoins fonctionnels tablis de faon explicite
aux performances
aux standards de dveloppement demands,
aux caractristiques implicites attendues de tous les logiciels
dvelopps de faon professionnelle

J. Akoka / I. Wattiau
86
Des erreurs logicielles lourdes de consquences ou non

La sonde Mariner devait passer 5000 En 1996, lors du 1er lancement dAriane
km de Vnus : elle sest perdue V, elle explose en vol. La cause :
5000000 de km cause dune erreur de rutilisation dun logiciel dAriane IV qui
programmation : un point remplac par vrifiait linclinaison de la fuse, mais le
une virgule moteur tant plus puissant, il a jug
linclinaison non conforme son plan de
Un appareil dirradiation thrapeutique
tir et a provoqu lordre
a provoqu la mort de 2 personnes et
dautodestruction : milliard de dollars
lirradiation de 4 autres cause dun
bug
Un navire de guerre anglais a t coul
par un Exocet franais pendant la
guerre des Malouines : plusieurs Saisie pour une dette impaye de 1
centaines de morts. La cause : le centime de franc : arrondi mal matris
vaisseau anglais na pas activ ses Une centenaire (106 ans) convoque
dfenses, parce que lExocet ntait pas lcole : bug de lan 2000
rpertori dans les missiles ennemis
Une amende de 91500 $ pour une
Inondation de la valle du Colorado en cassette vido non restitue au bout de
1983 cause dune erreur de cent ans : bug de lan 2000
modlisation dans le logiciel qui calcule
le temps douverture du barrage

J. Akoka / I. Wattiau
87
Facteurs de qualit du logiciel

Permettent dexprimer les exigences de qualit


3 classes
facteurs lis au fonctionnement du logiciel
facteurs lis lvolution du logiciel
facteurs lis ladaptabilit du logiciel

J. Akoka / I. Wattiau
88
Modle de McCall

Facteurs de fonctionnement
exactitude, fiabilit, efficience, intgrit, utilisabilit
Facteurs d volution
maintenabilit, flexibilit, testabilit
Facteurs d adaptabilit
portabilit, rutilisabilit, interoprabilit

J. Akoka / I. Wattiau
89
Autres facteurs

Modle dEvans et Marciniak


vrifiabilit et extensibilit
Modle de Deutsch et Willis
scurit, manageabilit, survivabilit

J. Akoka / I. Wattiau
90
Facteurs de qualit interne* selon Boehm
Portabilit Facilit tre port sur de nouveaux environnements
(matriels et/ou logiciels)
Traabilit Capacit suivre un lment du cahier des charges
jusquau composant logiciel
Vrifiabilit Facilit de prparation des recettes
Intgrit Aptitude dun logiciel protger contre des modifications
non autorises
Fiabilit Capacit fonctionner sans tomber en panne
Documentation Respect de standards
Testabilit Facilit localiser les dfauts
Modularit Degr dorganisation en modules
Interoprabilit Aptitude changer avec dautres systmes
Comprhensibilit Facilit comprendre, notamment la documentation
Modifiabilit Facilit modifier
Clart Lisibilit et respect des conventions de ralisation
J. Akoka / I. Wattiau
* Qualit vue du dveloppeur 91
Facteurs de qualit externe* selon Boehm
Validit/conformit Aptitude raliser les tches dfinies dans les spcifications
Robustesse Aptitude fonctionner mme dans des conditions anormales
Extensibilit/flexibilit Facilit dadaptation un changement de spcification
Rutilisabilit Aptitude dun logiciel tre rutilis en tout ou partie
Compatibilit Aptitude du logiciel pouvoir tre combin avec dautres
Efficacit Aptitude du logiciel bien utiliser les ressources matrielles
(temps CPU, mmoire, etc.)
Maintenabilit Aptitude dun logiciel tre facilement modifi
Facilit dutilisation Facilit dapprentissage ou de prparation des donnes, de
rattrapage en cas derreur dutilisation, etc.
conomie Adaptation par rapport aux moyens mis en oeuvre
Justesse Aptitude du logiciel fournir des rsultats corrects
Elasticit Capacit minimiser leffort en cas dvolution
Gnralit Satisfaction du logiciel dans des environnements multiples
J. Akoka / I. Wattiau * Vue du client (utilisateur) 92
Les mtriques de la qualit logicielle

93
Mtrique de qualit logicielle

Dfinitions IEEE :
Mesure quantitative du degr auquel un lment tend
vers un facteur de qualit
Une fonction dont les entres sont les donnes du
logiciel et dont la sortie est une valeur numrique qui
peut tre interprte comme le degr auquel un
lment tend vers un facteur de qualit

J. Akoka / I. Wattiau
94
Quest ce quune bonne mtrique ?

Pertinente
Valide
Fiable
Complte
Mutuellement exclusive (une mtrique = un facteur)
Simple
Ne ncessite pas la collecte de donnes
supplmentaires
Non sujette aux interventions des parties concernes

J. Akoka / I. Wattiau
95
Classification des mtriques de qualit

Par phase du cycle de vie


Mtrique de processus
Mtrique de produit

Par sujet
Qualit
Dlai
Efficacit (des corrections, de la maintenance, des services)
Productivit

J. Akoka / I. Wattiau
96
Mesures de la taille du logiciel

KLOC milliers de lignes de code.


Nb de points de fonction (NFP) mesures de
la quantit de dveloppement sur la base des
fonctionnalits du logiciel

J. Akoka / I. Wattiau
97
Les catgories de mtriques de processus

Mtrique de qualit du processus


Mtrique de densit derreur
Mtrique de svrit derreur
Mtrique de dlai du processus
Mtrique defficacit de la suppression derreur
Mtrique de productivit du processus

J. Akoka / I. Wattiau
98
Mtriques de densit derreur
Code Nom Formule de calcul
NCE
CED Densit derreur de codage CED = -----------
KLOC
NDE
DED Densit derreur de dveloppement DED = -----------
KLOC
WCE
WCED Densit derreur de codage pondre WCDE = ---------
KLOC

Densit derreur de dveloppement WDE


WDED pondre WDED = ---------
KLOC

Erreurs de codage par point de fonction WCE


WCEF WCEF = ----------
NFP

Erreurs de dveloppement par point de WDE


WDEF fonction WDEF = ----------
NFP

NCE = Nb derreurs de codage dtectes pendant linspection du code ou pendant les tests
NDE = Nb total derreurs dtectes (codage et logique) pendant le dveloppement
WCED = Nb derreurs de codage dtectes pendant linspection du code ou pendant les tests et
pondres par degr de svrit
J. Akoka / I. Wattiau
WDED = Nb total derreurs dtectes pendant le dveloppement et pondres par svrit 99
Mtriques de svrit derreur

Code Nom Formule de calcul


Svrit moyenne des WCE
ASCE ASCE = -----------
erreurs de codage NCE
Svrit moyenne des WDE
ASDE ASDE = -----------
erreurs de dveloppement NDE

NCE = Nb derreurs de codage dtectes pendant linspection du code ou pendant les tests
NDE = Nb total derreurs dtectes (codage et logique) pendant le dveloppement
WCE = Nb derreurs de codage dtectes pendant linspection du code ou pendant les tests et
pondres par degr de svrit
WDE = Nb total derreurs dtectes pendant le dveloppement et pondres par svrit

J. Akoka / I. Wattiau
100
6. Qualit du processus logiciel

101
Lassurance qualit en avant-projet

Revue de contrat
Plan qualit

J. Akoka / I. Wattiau
102
Lassurance qualit

103
Assurance qualit du logiciel

Dfinition IEEE :
schma planifi et systmatique de toutes les actions
conduire pour obtenir la confiance dans le fait quun
produit est conforme aux exigences techniques tablies
ensemble dactivits dvaluation du processus par
lequel les produits sont fabriqus

J. Akoka / I. Wattiau
104
Assurance qualit du logiciel

Autre dfinition (~ ISO 9000) :


ensemble systmatique et planifi d actions
ncessaires pour fournir une confiance adquate dans
le fait que le processus de dveloppement ou de
maintenance du logiciel est conforme aux besoins
fonctionnels et managriaux, respectant le planning et
les contraintes budgtaires

J. Akoka / I. Wattiau
105
Objectifs de lassurance qualit du
dveloppement de logiciel

Assurer un niveau acceptable de confiance dans la


conformit du logiciel aux spcifications
fonctionnelles
Assurer un niveau acceptable de confiance dans la
conformit du logiciel au planning et au budget
Assurer les activits damlioration du
dveloppement et dassurance qualit

J. Akoka / I. Wattiau
106
Objectifs de lassurance qualit de la
maintenance logicielle

Assurer un niveau acceptable de confiance dans la


conformit de la maintenance aux spcifications
fonctionnelles
Assurer un niveau acceptable de confiance dans la
conformit de la maintenance au planning et au
budget
Assurer les activits damlioration de la
maintenance et dassurance qualit

J. Akoka / I. Wattiau
107
Lassurance qualit pendant le projet

Revues
Opinions dexpert
Test logiciel
Maintenance corrective, adaptative et volutive
Revue du contrat de maintenance
Plan de maintenance
Assurance qualit dans limplication de personnes
extrieures (contrat)

J. Akoka / I. Wattiau
108
Infrastructure de prvention et
damlioration

Procdures et checklists
Formation et certification des quipes
Actions prventives et correctives
Gestion de configuration
Contrle de la documentation

J. Akoka / I. Wattiau
109
Lassurance qualit dans la gestion de
projet

Contrle de lavancement du projet


Mtriques de qualit du logiciel
Suivi des cots
livrables

Processus logiciel L1 L2 L3 L4 L5

Processus qualit

Standards et Plan qualit Rapports de revue qualit


procdures

J. Akoka / I. Wattiau
110
Les standards de lassurance qualit

Permettent :
de se rfrer la connaissance professionnelle
internationale
Lamlioration de la coordination avec les systmes
qualit des autres organisations
Lvaluation et la mesure objectives des ralisations de
lorganisation

J. Akoka / I. Wattiau
111
Les lments humains de lassurance qualit

Importance du management
Cellule qualit
Comits qualit
Forums qualit

J. Akoka / I. Wattiau
112
La revue de contrat

113
Les diffrents types de contrat

Rponse un appel doffres


Commande dun client
Demande interne
Etc.

J. Akoka / I. Wattiau
114
Les tapes de la revue de contrat

Revue de la demande
Revue de la rponse

J. Akoka / I. Wattiau
115
Revue de la demande
Sassurer que :
Les demandes du client sont claires et documentes
Les approches alternatives ont t examines
Les aspects formels de la relation client-fournisseur sont
spcifis
Les risques lis au dveloppement sont identifis
Les ressources et le dlai ncessaires sont estims de faon
adquate
La capacit du client respecter ses engagements est
examine
Les conditions de participation dautres partenaires ou sous-
traitants sont dfinies

J. Akoka / I. Wattiau
116
Revue de la rponse

Pas de problme non clarifi dans la proposition


Toutes les interprtations possibles de la demande
sont considres
Il ny a pas eu de changement depuis la rdaction
de la demande (adquation demande-rponse)

J. Akoka / I. Wattiau
117
Cas particulier des projets internes

Problme Consquence pour le client Consquence pour le


dveloppeur
Dfinition Ecart entre lattendu et le Changement constant des
insuffisante des livr demandes du client
Insatisfaction du client
besoins
Pas Attentes irralistes par Drive des cots
destimation rapport Frictions dues aux
des ressources la faisabilit du projet demandes de rallonges

Planning Pas dchancier pour la Pas de contrainte de dlai


inexistant ou livraison du produit Drapage dans les dlais et
la qualit
succinct
Mconnais- Client non prpar aux Prise en compte tardive des
sance des risques lis au projet et problmes
leurs consquences
risques
J. Akoka / I. Wattiau
118
Le plan qualit du logiciel

119
Objectifs du plan qualit

Planifier la qualit permet de prparer les bases dun


projet russi
Inclut :
Planning
Estimation des ressources et du budget
Recrutement des quipes
Identification des risques
Mise en place des activits de lassurance qualit
Fourniture au management des donnes ncessaires au contrle
du projet

J. Akoka / I. Wattiau
120
Les lments dun plan projet

Les livrables
Les interfaces
La mthodologie et les outils de dveloppement
Les standards et les procdures
Les jalons
Lorganisation du projet et la coordination avec les
participants externes
Les risques lis et les actions de gestion des risques
Les moyens et mthodes de contrle
Les estimations de cots

J. Akoka / I. Wattiau
121
Les lments dun plan qualit

Les objectifs de la qualit


Les activits de revue
Les tests
Les recettes
La gestion de configuration : outils, procdures,
donnes, gestion des versions, etc.

J. Akoka / I. Wattiau
122
Risques lis au dveloppement

Drapage du planning
Fonctionnalits du systme
Sous traitance
Prise en compte des besoins
Utilisation des ressources et performance
Gestion des ressources humaines

J. Akoka / I. Wattiau
123
10 risques de Boehm et Ross

Dvelopper des fonctionnalits non correctes


Dlais et budgets irralistes
Interfaces utilisateurs non adaptes
Plaqu or
Arrive incessante de changements dans les demandes
Dfauts dans les composants externes
Dfauts dans les dveloppements externes
Dfaillance du personnel ( turnover )
Performances systme insuffisantes
Limites des possibilits techniques

J. Akoka / I. Wattiau
124
Le processus de gestion de risques
Nouveau
projet

Avant-
- Identification et prise
projet
en compte des risques

Planification des activits Mise jour de la gestion


de gestion des risques des risques
Projets
en cours Mise en place des actions de
Identification et gestion des risques
valuation des nouveaux
risques Surveillance des activits
de gestion des risques

Objectifs atteints Evaluer Rsultats insatisfaisants


les rsultats

J. Akoka / I. Wattiau
125
Lintgration de la qualit dans la
gestion de projet

126
Mthodologies de gestion de projet

Cycle de vie du produit logiciel


Prototypage
Modle en spirale

J. Akoka / I. Wattiau
127
Prototypage
Dfinition des
besoins

Conception
du logiciel

Dveloppement
du prototype
Validation du
prototype

Les besoins NON Demandes dajouts


sont-ils satisfaits ? et de modifications

OUI
Tests dacceptation

Dveloppement du systme

Mise en exploitation
et maintenance

J. Akoka / I. Wattiau
128
Modle en spirale

J. Akoka / I. Wattiau Source: After Boehm 1988 ( 1988 IEEE) 129


Modle en spirale gagnant-gagnant

Source: After Boehm 1998 ( 1988 IEEE)

J. Akoka / I. Wattiau
130
Facteurs influant sur le processus qualit

Facteurs lis au projet


Taille du projet
Complexit technique du projet
Ajout de composants logiciels
Gravit des consquences en cas dchec du projet
Facteurs lis lquipe
Qualification des membres
Proximit avec le projet et exprience dans le domaine
Disponibilit des quipes mtiers
Anciennet des individus et des quipes

J. Akoka / I. Wattiau
131
Vrification, validation et qualification
Vrification : processus dvaluation dun systme ou dun
composant pour dterminer si les livrables dune phase du
dveloppement satisfont les conditions imposes au dbut de
cette phase
building the product right
Validation : processus dvaluation dun systme ou dun
composant pendant ou la fin du processus de dveloppement
pour dterminer sil satisfait les spcifications
building the right product
Qualification : processus utilis pour dterminer si un
systme ou un composant est oprationnel

IEEE Std 610.12-1990 (IEEE 1990)


J. Akoka / I. Wattiau
132
Modle destimation des cots
lis aux dfaut
Rsultats quantitatifs :
Efficacit du plan qualit dans llimination des dfauts
des logiciels
Cots totaux dlimination des dfauts

J. Akoka / I. Wattiau
133
Origine des dfauts vs cots de leur limination

Phase du projet Pourcentage moyen Cot moyen


de dfauts relatif dlimination
gnrs du dfaut
Spcification des besoins 15% 1

Conception 35% 2.5

Codage unitaire 30% 6.5

Intgration 10% 16

Documentation 10% 16

Test du systme ----- 40

Exploitation ----- 110

J. Akoka / I. Wattiau
134
Efficacit de la dtection des erreurs
avec plan qualit
Activit dassurance qualit Efficacit de la Efficacit de la dtection
dtection des des erreurs avec plan
erreurs avec plan dtaill
standard

Revue de la spcification des 50% 60%


besoins

Inspection de la conception ----- 70%

Revue de la conception 50% 60%


Inspection du code ----- 70%
Test du code 50% 40%
Tests dintgration 50% 60%
Revue de la documentation 50% 60%

Test du systme 50% 60%


Dtection pendant lexploitation 100% 100%

J. Akoka / I. Wattiau
135
Efficacit de la suppression des
erreurs avec plan qualit

Phase dlimination des dfauts Efficacit de Cot relatif moyen de suppression


llimina-tion dun dfaut
Phase dorigine du dfaut
Besoins Concept Coda- Intgra Doc.
ion ge tion
Spcification des besoins 50% 1 --- --- --- ---
Conception 50% 2.5 1 --- --- ---
Codage unitaire 50% 6.5 2.6 1 --- ---
Intgration 50% 16 6.4 2.5 1
Documentation systme 50% 16 6.4 2.5 1
Test systme / Test dacceptation 50% 40 16 6.2 2.5 1

Effectu par le client (aprs 100% 110 44 17 6.9 2.5


livraison)

J. Akoka / I. Wattiau
136
Maintenance logicielle

Maintenance logicielle

Maintenance Maintenance Maintenance


volutive
corrective
adaptative

Maintenance Maintenance
prventive
perfective

J. Akoka / I. Wattiau
137
Facteurs qualit ayant un impact fort
sur la maintenance logicielle

Maintenance Maintenance Maintenance


Facteur de qualit corrective adaptative volutive
Exactitude des sorties +++

Exactitude de la documentation +++ +++ +++

Exactitude de la qualification +++ +++ +++

Fiabilit +++

Maintenabilit +++ +++ +++

Flexibilit +++

Testabilit +++

Portabilit +++

Interoprabilit +++

J. Akoka / I. Wattiau
138
Composants de lassurance qualit : la
revue de maintenance

Clarification des besoins du client


Analyse des alternatives de ralisation de la
maintenance
Revue de lestimation des moyens requis
Revue des services de maintenance fournis par la
sous-traitance ou par le client
Revue de lestimation des cots

J. Akoka / I. Wattiau
139
Composants de lassurance qualit : le
plan de maintenance

Comprend :
Une liste des services de maintenance faisant
lobjet dun contrat (clients internes ou externes)
Une description de lorganisation de lquipe de
maintenance
Une liste des outils de maintenance
Une liste des risques lis la maintenance
Une liste des procdures de maintenance
Le budget

J. Akoka / I. Wattiau
140
Les outils CASE et leur effet sur la
qualit

141
Degr de contribution des outils CASE
la qualit

Causes des erreurs Degr de


contribution
1. Mauvaise dfinition des besoins Presque aucun
2. Mauvaise communication Presque aucun
3. Dviations dlibres par rapport aux ++
spcifications
4. Erreurs de logique ++
5. Erreurs de codage +++
6. Dcalage entre le codage et la documentation +++
7. Insuffisances des tests ++
8. Interface utilisateur et erreurs dans les +
procdures
9. Erreurs de documentation ++

J. Akoka / I. Wattiau
142
Contribution des outils CASE
la qualit de la maintenance
 La documentation gnre et mise jour par loutil
facilite lidentification des erreurs

 Les contrles de cohrence du CASE facilitent


lanticipation des erreurs

 La correction dans les outils lower CASE ou CASE


intgrs fournit une documentation automatique
des corrections

J. Akoka / I. Wattiau
143
Mtriques de dlai

Code Nom Formule de calcul


Respect du planning MSOT
TTO TTO = -----------
MS
Retard moyen par jalon TCDAM
ADMC ADMC = -----------
MS

MSOT = Jalons termins temps


MS = Nb total de jalons.
TCDAM = Total des retards (jours, semaines, etc.) pour tous les jalons

J. Akoka / I. Wattiau
144
Mtriques defficacit de la correction
derreur
Code Nom Formule de calcul
Efficacit de la suppression des NDE
DERE DERE = ----------------
erreurs NDE + NYF
Efficacit pondre WDE
DWERE DWERE = ------------------
WDE+WYF

NCE = Nb derreurs de codage dtectes pendant linspection du code ou pendant


les tests
NDE = Nb total derreurs dtectes (codage et logique) pendant le dveloppement
WCE = Nb derreurs de codage dtectes pendant linspection du code ou pendant
les tests et pondres par degr de svrit
WDE = Nb total derreurs dtectes pendant le dveloppement et pondres par
svrit
NYF = Nb dchecs du logiciel dtects pendant un an de maintenance
WYF = Nb dchecs du logiciel dtects pendant un an de maintenance pondrs
J. Akoka / I. Wattiau
par svrit 145
Mtriques de productivit du processus

Code Nom Formule de calcul


Productivit du dveloppement KLOC
DevP DevP = ----------
DevH

FDevP Productivit du dveloppement par NFP


PF FDevP = ----------
DevH

Rutilisation de code ReKLOC


CRe Cre = --------------
KLOC
Rutilisation de documentation ReDoc
DocRe DocRe = -----------
NDoc

DevH = Nb dheures total de dveloppement.


ReKLOC = NB de milliers de lignes de code rutilises.
ReDoc = Nb de pages de documentation rutilises.
NDoc = Nb
J. Akoka de pages de documentation.
/ I. Wattiau
146
Les catgories de mtriques de produits

Mtrique de qualit du helpdesk (HD)


Mtrique de densit dappel
Mtrique de svrit dappel
Mtrique de succs du HD
Mtrique de productivit du HD
Mtrique defficacit du HD
Mtrique de qualit de la maintenance
corrective

J. Akoka / I. Wattiau
147
Mtriques de densit dappels HD

Code Nom Formule de calcul

HDD Densit des appels HD NHYC


HDD = --------------
KLMC

WHDD Densit pondre des appels HD WHYC


WHYC = ------------
KLMC

WHDF Densit pondre par point de WHYC


fonction WHDF = ------------
NMFP

NHYC = nb dappels HD pendant une anne.


KLMC = milliers de ligne de code grer.
WHYC = nb dappels HD pendant une anne pondrs par svrit.
NMFP = nb de points de fonction grer

J. Akoka / I. Wattiau
148
Mtriques de svrit dappels HD

Code Nom Formule de calcul

ASHC Svrit moyenne des appels HD WHYC


ASHC = --------------
NHYC

NHYC = Nb dappels HD pendant un an


WHYC = Nb dappels HD pendant un an pondrs par svrit

J. Akoka / I. Wattiau
149
Mtriques de succs du HD

Code Nom Formule de calcul


NHYOT
HDS Succs du service de HD HDS = --------------
NHYC

NHYOT = Nb dappels HD traits dans les dlais pendant un an.


NHYC = Nb dappels HD reus pendant un an.

J. Akoka / I. Wattiau
150
Mtriques de productivit
et defficacit du HD

Code Nom Formule de calcul

Productivit du HD KLNC
HDP HDP= --------------
HDYH

FHDP Productivit du HD par point de NMFP


fonction FHDP = ----------
HDYH

Efficacit du HD NHYC
HDE HDE = --------------
HDYH

HDYH = Nb dheures total de HD.


KLNC = Nb de KLOC gres
NMFP = Nb de points de fonction grs.
NHYC = Nb dappels HD pendant un an.

J. Akoka / I. Wattiau
151
Mtriques de densit dchec du logiciel

Code Nom Formule de calcul


SSFD Densit dchec du logiciel NYF
SSFD = --------------
KLMC

WSSFD Densit dchec du logiciel WYF


WFFFD = ---------
pondre KLMC

WSSFF Densit dchec par point de WYF


WSSFF = ----------
fonction NMFP

NYF = nb dchecs logiciels dtects pendant un an


WYF = nb dchecs logiciels dtects pondrs pendant un an
NMFP = nb de points de fonction
KLMC = nb de milliers de lignes de code.
J. Akoka / I. Wattiau
152
Mtriques de svrit dchec
du logiciel

Code Nom Formule de calcul


ASSSF Svrit moyenne des checs WYF
du logiciel ASSSF = --------------
NYF

NYF = nb dchecs pendant un an.


WYF = nb dchecs pondrs par svrit pendant un an.

J. Akoka / I. Wattiau
153
Mtriques dchec du service de
maintenance

Code Nom Formule de calcul


MRepF Mtrique dappels dchecs RepYF
rpts MRepF = --------------
NYF

NYF = nb dchecs pendant un an


RepYF = nb dchecs rpts pendant un an

J. Akoka / I. Wattiau
154
Mtriques de disponibilit du logiciel

Code Nom Formule de calcul


NYSerH - NYFH
FA Disponibilit pleine FA = -----------------------
NYSerH
NYSerH - NYVitFH
VitA Disponibilit vitale VitA = -----------------------------
NYSerH
NYTFH
TUA Indisponibilit totale TUA = ------------
NYSerH

NYSerH = Nb dheures de fonctionnement du logiciel par an


NYFH = Nb dheures o au moins une fonction nest pas disponible
NYVitFH = Nb dheures o au moins une fonction vitale nest pas disponible
NYTFH = Nb dheures darrt total d un chec
NYFH NYVitFH NYTFH.
1 TUA VitA FA
J. Akoka / I. Wattiau
155
Mtriques de productivit et defficacit
de la maintenance corrective

Code Nom Formule de calcul

CMaiP Productivit de la maintenance KLMC


corrective CMaiP = ---------------
CMaiYH

FCMP Productivit de la maintenance NMFP


corrective par point de fonction FCMP = --------------
CMaiYH

CMaiE Efficacit de la maintenance NYF


corrective CMaiE = ------------
CMaiYH

CMaiYH = Nb dheures de maintenance corrective par an


NYF = Nb dchecs du logiciel par an
NMFP = Nb de points de fonction
KLMC = Milliers de lignes de code
J. Akoka / I. Wattiau
156
Limitations des mtriques

- Contraintes budgtaires
- Facteurs humains : rticence lauto-valuation
- Validit : incertitude sur les donnes
- Difficults lies aux paramtres (voir suite)

J. Akoka / I. Wattiau
157
Facteurs affectant les paramtres des
mtriques utilises pour le processus de
dveloppement
a. Style de programmation (KLOC).
b. Volume des commentaires (KLOC).
c. Complexit du logiciel (KLOC, NCE).
d. Pourcentage de code rutilis (NDE, NCE).
e. Professionnalisme dans la dtection derreurs (NCE).
f. Styles de rapports de dveloppement (NDE, NCE).

J. Akoka / I. Wattiau
158
Facteurs affectant les paramtres des
mtriques utilises pour le processus de
maintenance

a. Qualit du logiciel et de sa documentation (NYF,


NHYC).
b. Style de programmation et volume des commentaires
(KLMC).
c. Complexit du logiciel (NYF).
d. Pourcentage de code rutilis (NYF).
e. Nb dinstallations, nb dutilisateurs, niveau dutilisation
(NHYC, NYF).

J. Akoka / I. Wattiau
159
7. Conclusion

160
Conclusion

Domaine en pleine expansion


Li dautres phnomnes :
Certification
Master data management
Plthore doutils :
Lesquels utiliser ?
Comment choisir ?
Comment les mettre entre les mains des non informaticiens ?
Des domaines spcifiques
Qualit des donnes gographiques
Qualit des informations sur Internet
Qualit dans le domaine mdical
J. Akoka / I. Wattiau
161