Pour améliorer l’analyse des risques dans les projets et renforcer son efficacité, les gestionnaires de projet devraient réutiliser les expériences et les bonnes pratiques acquises au cours de projets antérieurs. Le retour d’expérience constitue une source de connaissances importante pour réduire les niveaux d’incertitude et donc les risques dans les projets.
Les méthodologies de retour d’expériences sont ainsi devenues réellement reconnues dans de nombreuses entreprises. Toutefois, ces entreprises se sont souvent contentées de recueillir des informations en fin de projet en pensant que cela suffirait à générer les connaissances nécessaires pour améliorer leur performance. Malheureusement, la capitalisation de ces expériences est traditionnellement une étape statique à la clôture du projet qui permet simplement la capture de quelques événements mémorisés par les experts impliqués. En outre, l’information capitalisée est difficile à réutiliser directement dans une nouvelle analyse des risques.
Nos efforts se sont concentrés sur l’élaboration d’une méthode ayant pour but d’améliorer le processus de gestion des risques dans les projets en utilisant un système de retour d’expérience et, ainsi, de contribuer à une logique d’amélioration continue.
La méthode envisagée est basée sur un système d’exploitation des connaissances qui permet de développer des compétences clés comme : la résolution des problèmes, la capacité à prendre des décisions collectivement, la réflexion, l’apprentissage et la capacité prospective (envisager). Le modèle proposé est défini sur la base de l’étude de la contribution de trois domaines centraux : le Management de Projets, le Management des Risques et le retour d’expérience. La singularité de nos travaux réside dans le fait d’intégrer explicitement un mécanisme de retour d’expérience en continu afin d’améliorer la performance des processus de gestion des risques dans les projets.
Nous proposons de mettre en œuvre une démarche de modélisation des connaissances orientée retour d’expérience. Nous définissons un modèle permettant de caractériser les projets, les risques et les expériences en vue du repérage, de la capitalisation et de l’exploitation des connaissances. La modélisation de ces éléments permet également de disposer d’une structuration facilitant une lecture plus rapide du projet ou de ses processus.
Nous avons donc développé un modèle qui permet de représenter les éléments clé utilisés lors du processus de management des risques et ainsi de faciliter la capitalisation les expériences et la recherche des expériences antérieures similaires. Cela permet ensuite de standardiser et d’améliorer la démarche de management des risques.
Du point de vue de la recherche des expériences antérieures, nous définissons :
• D’une part, un algorithme de recherche des expériences similaires fondé sur les comparaisons entre des graphes étiquetés orientés. Cela consiste en l’établissement d’une correspondance entre deux graphes (le graphe 1 étant le contexte du projet actuel et le graphe 2 le contexte d’un projet passé enregistré sous forme d’expérience) par une factorisation par paire de la matrice d’affinité qui découple la structure des nœuds et des arcs similaires (Zhou et De la Torre, 2012).
• D’autre part, un algorithme pour trouver la correspondance optimale entre ces graphes, de sorte que la somme de la compatibilité des nœuds et des arcs soit maximisée. Pour ce faire, nous avons utilisé un algorithme génétique.
• Enfin, nous proposons une démarche d’exploitation des expériences passées similaires. De cette manière nous pouvons obtenir un ensemble de risques associés à ces objets similaires afin d’alimenter le système d’aide à la décision dans la gestion du projet. |
In order to improve Project Risk Management and to reinforce its effectiveness, the managers of the project should reuse the experiences and the good practices acquired in previous projects. The Experience Management constitutes an important source of knowledge to reduce the levels of uncertainty and thus the risks in the projects.
The methodologies for Experience Management have thus become truly recognized in many companies. However, these companies were often satisfied to collect information at the end of the project by thinking that would be enough to generate knowledge necessary to improve their performance. Unfortunately, the capitalization of these experiments is traditionally a static stage at the close of the project, which simply allows the capture of some events memorized by the implied experts. Moreover, capitalized information is difficult to reuse directly in a new-risk analysis.
Our efforts focused on developing a methodology to improve the Risk Management Process in Projects using an Experience Management System and thus contribute to the logic of continuous improvement.
The proposed approach is based on a knowledge-based system that enables the development of key competencies such as problem solving, collective decision-making, reflection, learning and prospective capacity. The proposed model is based on the study of the contribution of three central fields: Projects Management, Risks Management and the Experience Management. The singularity of our work lies in the fact of integrating a mechanism back from experiment explicitly uninterrupted in order to improve the performance of the processes of risk management in the projects.
We propose to implement a knowledge-based modeling approach based on Experience management. We define a model to characterize projects, risks and experiences for the identification, capitalization and exploitation of knowledge. The modeling of these elements also makes it possible to have a structuring facilitating a faster reading of the project or its processes.
Therefore, we have developed a model which allows us to represent the key elements used during the risk management process and thus to facilitate the capitalization of the experiments and the research of previous similar experiences. That then makes it possible to standardize and improve the risk management approach. From the point of view of the search for previous experiences, we define:
• On the one hand, an algorithm of research of similar experiments founded on the comparisons between directed labeled graphs. That consists of the establishment of a correspondence between two graphs (graph 1 being context of the current project and graph 2 context of the last project recorded in the form of experiment) by a pairwise factorization of the affinity matrix, which decouples the structure of nodes and similar arcs (Zhou and Of Torre, 2012).
• On the other hand, an algorithm to find the optimal correspondence between these graphs, so that the sum of the compatibility of the nodes and the arcs is maximized. With this intention, we used a genetic algorithm.
• Lastly, we propose an approach of exploitation of similar last experiences. In this manner, we can obtain a set of risks associated with these similar objects in order to feed the assistance system with the decision in the management of the project. |