Les équipes agiles comme les équipes de gestion des services informatiques (ITSM) produisent un flux constant de chiffres : tickets fermés, récits terminés, déploiements effectués, incidents résolus. Avoir des chiffres est facile. Avoir des chiffres qui aident à décider quelque chose est plus difficile, et c'est cet écart qui fait buter la plupart des programmes de métriques. Cette partie pose le socle commun sur lequel s'appuient toutes les parties suivantes, avant qu'aucune métrique particulière ne soit définie.

Ce socle répond tour à tour à six questions. Pourquoi mesurer, et que coûte-t-il de ne rien mesurer ou de mesurer les mauvaises choses ? Comment une mesure devient-elle un objectif, puis cesse-t-elle de dire la vérité ? Qu'est-ce qui mérite d'être mesuré en premier lieu ? Qui définit, détient et retire chaque métrique ? D'où viennent les données, et jusqu'où peut-on s'y fier ? Comment lire les chiffres, sachant que les données de tickets et de flux sont asymétriques et souvent clairsemées ? Un dernier sujet montre comment des cadres reconnus aident à organiser les réponses.

Lisez cette partie en premier si vous découvrez le livre, et revenez-y chaque fois qu'une métrique d'une partie ultérieure semble se comporter bizarrement. La plupart des échecs de métriques décrits plus loin remontent à l'une des idées introduites ici. Les métriques de ce livre décrivent des équipes, des services et des systèmes. Elles ne servent jamais à classer des individus.

Sujets de cette partie

  • 1.1 Pourquoi mesurer l'ITIL agile : pourquoi les équipes qui construisent et exploitent des services ont besoin de chiffres, ce que l'agilité et ITIL apportent chacun à la mesure, et le coût de ne rien mesurer ou de mal mesurer.
  • 1.2 Loi de Goodhart et psychologie des métriques : le garde-fou qui sous-tend tous les autres sujets, avec la façon dont une mesure devient un objectif, comment le détournement se produit dans les données de tickets et de livraison, et les habitudes qui l'empêchent.
  • 1.3 Les résultats plutôt que la production : choisir ce qu'il faut mesurer : la valeur, les résultats, la production et l'activité, les indicateurs avancés et retardés, et la cocréation de valeur d'ITIL comme critère d'une bonne métrique.
  • 1.4 Gouvernance et responsabilité des métriques : les responsables de métriques, les définitions, le rythme de revue, le retrait, et qui peut voir quoi.
  • 1.5 Sources de données et instrumentation : les outils ITSM, les gestionnaires de tickets, le contrôle de version, les chaînes d'intégration et de livraison continues, la supervision, la base de données de gestion des configurations (CMDB) et les enquêtes comme sources, avec une attention portée à la qualité des données, aux horodatages et aux modèles de statuts.
  • 1.6 Culture statistique pour les métriques de service : les percentiles plutôt que les moyennes, les distributions asymétriques, les petits échantillons, les cartes de contrôle et une incertitude exprimée honnêtement pour les données de tickets et de flux.
  • 1.7 Cadres de mesure : Goal-Question-Metric, les objectifs et résultats clés (OKR), le tableau de bord prospectif, les facteurs critiques de succès et les indicateurs clés de performance, et la façon dont ils se combinent avec les pratiques ITIL.

Comment ces sujets s'articulent

Les sujets forment une boucle plutôt qu'une échelle. Le sujet 1.1 (voir le sujet 1.1, Pourquoi mesurer l'ITIL agile) fournit le but, et le sujet 1.3 (voir le sujet 1.3, Les résultats plutôt que la production : choisir ce qu'il faut mesurer) transforme ce but en un choix de ce qu'il faut mesurer. Une métrique choisie pour son orientation vers les résultats a encore besoin d'une définition, d'un responsable et d'une date de revue, ce qui est le travail du sujet 1.4 (voir le sujet 1.4, Gouvernance et responsabilité des métriques). Des cadres comme Goal-Question-Metric, traité dans le sujet 1.7 (voir le sujet 1.7, Cadres de mesure), offrent un moyen reproductible de passer d'un objectif à un petit ensemble de mesures, et se marient donc naturellement avec les sujets 1.3 et 1.4.

Les données et les statistiques forment une seconde paire. Une métrique bien choisie ne vaut que ce que valent les enregistrements qui la sous-tendent, et le sujet 1.5 (voir le sujet 1.5, Sources de données et instrumentation) explique comment les horodatages, les modèles de statuts et la configuration des outils déterminent ce qu'un chiffre peut signifier. Le sujet 1.6 (voir le sujet 1.6, Culture statistique pour les métriques de service) montre ensuite comment lire ce chiffre honnêtement, avec des percentiles, des cartes de contrôle et des énoncés simples d'incertitude. De mauvaises données mettent en échec de bonnes statistiques, et de mauvaises statistiques gaspillent de bonnes données : mieux vaut donc lire les deux ensemble.

Le sujet 1.2 (voir le sujet 1.2, Loi de Goodhart et psychologie des métriques) traverse tous les autres comme garde-fou. Toute métrique choisie selon le sujet 1.3, gouvernée selon le sujet 1.4 et tirée des sources du sujet 1.5 peut encore être détournée dès lors que les personnes sont jugées sur elle. La gouvernance limite qui voit quoi et comment une métrique est utilisée. Des choix axés sur les résultats rendent le détournement moins rentable. Des mesures associées, introduites ici et développées tout au long du livre, permettent à un chiffre d'en vérifier un autre. Chaque métrique des parties suivantes porte donc un vecteur de détournement et un garde-fou, et cette partie explique pourquoi.