Un MVP n'est pas une version bâclée du produit : c'est la plus petite expérience qui permet d'apprendre ce dont on a le plus besoin.
⏱️ Durée : environ 105 minutes · 🎓 Niveau : avancé · 🏅 Badge : Sculpteur de périmètre
🎬 L'histoire
L'équipe de HashBox veut lancer un « espace formateurs » : création de cours, quiz, corrections automatiques, statistiques, messagerie, paiement, certificats. Estimation : huit mois. Sam demande : « Quelle est l'hypothèse la plus risquée ? » Réponse après discussion : les formateurs indépendants accepteront-ils de publier leurs cours sur HashBox ? « Pour le savoir, dit Sam, il n'est pas nécessaire de construire huit mois de fonctionnalités. Il suffit qu'un formateur puisse publier un cours, et que des membres le suivent. Le reste est du confort. »
« Un MVP se mesure à ce qu'il permet d'apprendre, pas à ce qu'il contient, ajoute Maya. Et "minimal" ne veut pas dire "mauvais" : ce que l'on livre doit marcher de bout en bout, même s'il est petit. »
Tu apprends à définir un MVP par l'hypothèse qu'il teste, à cartographier un parcours utilisateur en histoires, à découper une première version qui couvre le parcours de bout en bout, à choisir un périmètre sous budget, et à rendre les critères d'acceptation exécutables.
🎯 Ta mission
À la fin, je serai capable de :
- définir un MVP par l'hypothèse qu'il teste et ses critères de succès
- construire une cartographie d'histoires (story map) et en extraire une tranche mince de bout en bout
- utiliser MoSCoW et le squelette ambulant (walking skeleton) pour cadrer un périmètre
- choisir un périmètre sous contrainte de budget et de dépendances (optimisation)
- écrire des critères d'acceptation exécutables (Étant donné / Quand / Alors)
🧩 Défi d'échauffement (5 XP)
Pour savoir si les gens veulent une voiture électrique, un constructeur doit-il construire une usine ? Compare avec : montrer un prototype, ouvrir une liste de précommandes, louer des modèles existants. Que faut-il avoir au minimum pour qu'on puisse dire que le test a vraiment mesuré l'envie d'acheter ? Une voiture sans roues, c'est un MVP ?
💡 Le concept
Qu'est-ce qu'un MVP ?
MVP = Minimum Viable Product : la version d'un produit qui permet de valider une hypothèse avec le moins d'effort, auprès de vrais utilisateurs.
| Idée reçue | Réalité |
|---|---|
| « La version 1 avec peu de fonctions » | Une expérience conçue pour apprendre |
| « Un produit de mauvaise qualité » | Il doit être viable : ce qu'il fait doit fonctionner |
| « Une seule fois » | Une suite de MVP successifs, chacun testant une hypothèse |
| « Toujours du code » | Peut être manuel, un prototype, une page, un service concierge |
Le skateboard, pas la roue : pour tester « les gens veulent se déplacer vite », on livre un skateboard (qui transporte déjà), pas une roue (inutile seule), puis une trottinette, une bicyclette… Chaque étape est utilisable de bout en bout.
Le MVP défini par l'hypothèse
Hypothèse la plus risquée → critère de succès → fonctionnalités MINIMALES nécessaires pour la tester
Tout le reste est hors périmètre pour l'instant. Le MVP est jugé sur la réponse qu'il apporte, pas sur son volume.
La cartographie d'histoires (story map)
On organise le travail selon le parcours de l'utilisateur :
Colonne du haut (colonne vertébrale) : les ACTIVITÉS, de gauche à droite dans l'ordre du parcours
Dessous : les ÉTAPES / histoires, par ordre de nécessité décroissante (haut = indispensable)
Une « tranche » horizontale = une version qui couvre TOUT le parcours
| Activité | Créer un cours | Publier | Être trouvé | Être payé |
|---|---|---|---|---|
| Tranche 1 (squelette) | formulaire minimal | publier | liste simple | virement manuel |
| Tranche 2 | modèles de cours | planifier | recherche | paiement en ligne |
| Tranche 3 | quiz, vidéos | versions | recommandations | statistiques de ventes |
La première tranche est un squelette ambulant : la plus petite implémentation qui traverse toute l'architecture et tout le parcours (même avec des étapes manuelles).
Prioriser avec MoSCoW
| Catégorie | Sens |
|---|---|
| Must (doit) | sans cela, la version est inutile ou illégale |
| Should (devrait) | important, mais contournable à court terme |
| Could (pourrait) | souhaitable, si le temps le permet |
| Won't (pas cette fois) | explicitement exclu — pour l'instant |
Règle de prudence : les Must ne devraient pas dépasser ~60 % de la capacité, pour garder de la marge face aux imprévus. La liste des Won't est aussi précieuse que celle des Must : elle évite le « petit ajout ».
Couper sans casser
Techniques pour réduire un périmètre :
- remplacer l'automatique par du manuel (concierge) ;
- réduire les variantes (un seul moyen de paiement) ;
- réduire l'ampleur (un segment, une région) ;
- reporter la qualité de finition (pas la correction) ;
- acheter ou réutiliser plutôt que construire (mission 6).
Définition de terminé et critères d'acceptation
Chaque histoire a des critères d'acceptation précis, au format :
Étant donné [contexte]
Quand [action]
Alors [résultat observable]
Ces critères deviennent des tests exécutables (HEF-110) : l'équipe sait exactement quand une histoire est terminée.
Choisir un périmètre sous budget
Avec une capacité limitée et des dépendances entre histoires (on ne peut pas « payer » sans « publier »), choisir l'ensemble d'histoires qui maximise la valeur sous contrainte de budget est un problème d'optimisation (sac à dos avec dépendances). La valeur doit être définie par rapport à l'hypothèse à tester, pas par préférence.
Après le MVP
Un MVP se termine par une décision (mission 10) : persévérer (élargir le périmètre), pivoter, arrêter. Planifier d'avance ce qu'on apprendra, quand, et comment on le saura.
🧠 Astuce : pour chaque fonctionnalité candidate, demande : « si je la retire, puis-je encore tester l'hypothèse la plus risquée ? » Si oui, elle n'est pas dans le MVP.
🔍 Exemple pas à pas
Problème : à partir d'une cartographie d'histoires de l'espace formateurs, extraire la première tranche de bout en bout, vérifier la règle MoSCoW sur la capacité, choisir un périmètre optimal sous budget avec dépendances, et exécuter des critères d'acceptation.
import itertools, unittest, io
# ---------------- 1. cartographie d'histoires ----------------
# activité (colonne vertébrale) → histoires (nom, valeur pour tester l'hypothèse « les formateurs publient », effort en jours, dépendances)
CARTE = {
"Créer un cours": [("formulaire minimal", 9, 3, []), ("modèles de cours", 4, 5, ["formulaire minimal"]), ("quiz intégrés", 5, 8, ["formulaire minimal"])],
"Publier": [("publication simple", 9, 2, ["formulaire minimal"]), ("planification", 3, 3, ["publication simple"])],
"Être trouvé": [("liste des cours", 8, 2, ["publication simple"]), ("recherche", 6, 5, ["liste des cours"]), ("recommandations", 4, 13, ["recherche"])],
"Être payé": [("virement manuel", 7, 1, ["publication simple"]), ("paiement en ligne", 8, 13, ["publication simple"]), ("statistiques de ventes", , , [])],
}
HISTOIRES = {nom: (activite=a, valeur=v, effort=e, deps=d) a, lst CARTE.items() nom, v, e, d lst}
():
choisies = ()
activite, lst carte.items():
meilleure = (lst, key= h: h[] / h[])
choisies.add(meilleure[])
():
res, pile = (), (noms)
pile:
n = pile.pop()
n res:
res.add(n); pile.extend(HISTOIRES[n][])
res
fermeture(choisies)
premiere = tranche_mince(CARTE)
effort = (HISTOIRES[n][] n premiere)
activites_couvertes = {HISTOIRES[n][] n premiere}
(, (premiere), )
activites_couvertes == (CARTE) effort <=
premiere premiere
CAPACITE =
MOSCOW = {: , : , : , : ,
: , : , : , : , : , : , : }
must = (HISTOIRES[n][] n, c MOSCOW.items() c == )
()
must / CAPACITE <=
():
noms = (HISTOIRES)
meilleur = (, (), )
r (, (noms) + ):
combo itertools.combinations(noms, r):
s = (combo)
(d s n s d HISTOIRES[n][]):
e = (HISTOIRES[n][] n s)
e > budget:
v = (HISTOIRES[n][] n s)
v > meilleur[]: meilleur = (v, s, e)
meilleur
budget (, , ):
v, s, e = meilleur_perimetre(budget)
()
v8, s8, _ = meilleur_perimetre()
s8 s8
meilleur_perimetre()[] > meilleur_perimetre()[] > meilleur_perimetre()[]
:
(): .cours = {}
():
titre.strip(): ValueError()
.cours[titre] = {: formateur, : }
():
titre .cours: KeyError(titre)
.cours[titre][] =
(): (t t, c .cours.items() c[])
(unittest.TestCase):
():
p = Plateforme(); p.creer(, ); .assertEqual(p.liste_publique(), [])
p.publier(); .assertEqual(p.liste_publique(), [])
():
.assertRaises(ValueError): Plateforme().creer(, )
():
.assertRaises(KeyError): Plateforme().publier()
r = unittest.TextTestRunner(stream=io.StringIO()).run(unittest.defaultTestLoader.loadTestsFromTestCase(CritèresAcceptation))
r.wasSuccessful()
(, r.testsRun, )
Lecture :
- La tranche mince choisit, pour chaque activité du parcours, l'histoire au meilleur rapport valeur/effort et ses dépendances : le parcours « créer → publier → être trouvé → être payé » est couvert de bout en bout pour 11 jours, avec un virement manuel (concierge) au lieu du paiement en ligne (13 jours).
- Les « Must » représentent 40 % de la capacité : de la marge reste pour l'imprévu.
- L'optimisation sous budget montre que même avec 8 jours, le cœur du parcours est inclus, et que la valeur croît (rendements décroissants) avec le budget.
- Les critères d'acceptation sont des tests exécutables : l'équipe sait quand l'histoire est « terminée ».
✍️ À toi, avec aide (10 XP)
Voici 8 fonctionnalités candidates pour un MVP de « révision par cartes mémoire », avec estimation d'effort (jours) et catégorie MoSCoW proposée par l'équipe :
| Fonctionnalité | Effort | MoSCoW proposé |
|---|---|---|
| Créer une carte | 2 | Must |
| Réviser avec répétition espacée | 5 | Must |
| Importer depuis un fichier | 4 | Should |
| Statistiques détaillées | 6 | Should |
| Partage avec des amis | 5 | Could |
| Synchronisation multi-appareils | 8 | Could |
| Thèmes de couleurs | 2 | Could |
| Classement mondial | 7 | Won't |
La capacité de l'équipe est de 15 jours. Vérifie la règle des 60 %. Si elle n'est pas respectée, propose un découpage (réduction, remplacement manuel) pour l'atteindre. Quelle hypothèse ce MVP teste-t-il ?
💡 Indice 1
Somme des Must = 7 jours, soit 47 % de 15.
💡 Indice 2
Pense à la répétition espacée : peut-on commencer par une version simplifiée ?
💡 Indice 3
L'hypothèse la plus risquée est probablement « les gens révisent régulièrement avec cet outil ».
✅ Réponse
EFFORTS = {"Créer une carte": 2, "Réviser avec répétition espacée": 5, "Importer": 4, "Statistiques": 6, "Partage": 5, "Synchronisation": 8, "Thèmes": 2, "Classement": 7}
MUST = ["Créer une carte", "Réviser avec répétition espacée"]
total_must = sum(EFFORTS[m] for m in MUST)
print(f"Must = {total_must} j sur 15 → {total_must / 15:.0%}")
assert total_must == 7 and total_must / 15 < 0.60
Les Must pèsent 7 jours, soit 47 % de la capacité : la règle des 60 % est respectée, il reste de la marge pour l'imprévu. Si une marge supplémentaire était nécessaire, on pourrait simplifier la répétition espacée (planning fixe 1-3-7 jours au lieu d'un algorithme adaptatif) et reporter « Importer » (un fichier d'exemple fourni suffit).
Hypothèse testée : les personnes qui créent leurs cartes reviennent réviser régulièrement. Mesure de succès possible : au moins 40 % des utilisateurs qui créent des cartes reviennent réviser dans les 7 jours. Le partage, les thèmes et le classement ne servent pas à tester cette hypothèse : ils restent hors périmètre (Could / Won't) tant qu'elle n'est pas validée.
🚀 À toi, en solo (20 XP)
Planificateur de périmètre avec programmation dynamique. Pour 30 histoires (générées avec graine fixée : valeur 1 à 10, effort 1 à 13, dépendances aléatoires formant un graphe acyclique) et un budget de 40 jours :
- écris un solveur exact par énumération des fermetures pour de petites instances (≤ 14 histoires) et un solveur glouton (meilleur ratio valeur/effort, en ajoutant les dépendances manquantes) pour les grandes ;
- compare les deux sur 200 petites instances aléatoires : écart de valeur moyen et maximal ;
- sur l'instance de 30 histoires, calcule la valeur du glouton, puis tente une amélioration locale (échanges d'une histoire contre une autre) ;
- ajoute la contrainte « la première tranche doit couvrir toutes les activités » et mesure son coût en valeur ;
- montre graphiquement (texte) la courbe valeur contre budget de 5 à 60 jours.
✅ Pistes de correction
import itertools, random
def instance(n, graine):
rng = random.Random(graine); h = {}
for i in range(n):
deps = [f"h{j}" for j in range(i) if rng.random() < 0.15]
h[f"h{i}"] = dict(v=rng.randint(1, 10), e=rng.randint(1, 13), deps=deps, act=i % 5)
return h
def fermeture(noms, h):
res, pile = set(), list(noms)
while pile:
n = pile.pop()
if n in res: continue
res.add(n); pile.extend(h[n]["deps"])
return res
def valeur(s, h): return sum(h[n]["v"] for n in s)
def effort(s, h): return sum(h[n][] n s)
():
noms, meilleur = (h),
r ((noms) + ):
combo itertools.combinations(noms, r):
s = (combo)
(d s n s d h[n][]) effort(s, h) > budget:
meilleur = (meilleur, valeur(s, h))
meilleur
():
choisies = ()
:
meilleur, cand = ,
n h:
n choisies:
ajout = fermeture([n], h) - choisies
e = effort(ajout, h)
e == effort(choisies, h) + e > budget:
ratio = valeur(ajout, h) / e
ratio > meilleur: meilleur, cand = ratio, ajout
cand:
choisies |= cand
choisies
ecarts = []
g ():
h = instance(, g); b =
e, gl = exact(h, b), valeur(glouton(h, b), h)
ecarts.append((e - gl) / e e )
()
(ecarts) / < (g >= g ecarts)
h30 = instance(, ); base = glouton(h30, )
():
amelioration =
amelioration:
amelioration =
sortant (s):
entrant h:
entrant s:
t = (s - {sortant}) | fermeture([entrant], h)
t = {n n t (d t d h[n][])}
(d t n t d h[n][]) effort(t, h) <= budget valeur(t, h) > valeur(s, h):
s, amelioration = t, ;
amelioration:
s
meilleur = ameliorer((base), h30, )
()
valeur(meilleur, h30) >= valeur(base, h30) effort(meilleur, h30) <=
()
b (, , , , , ):
v = valeur(glouton(h30, b), h30); ()
⚠️ Pièges classiques
| Piège | Pourquoi c'est un problème | Comment l'éviter |
|---|---|---|
| Confondre MVP et version bâclée | On teste la mauvaise chose avec un produit qui ne marche pas | Peu de fonctions, mais de bout en bout et correctes |
| Un MVP sans hypothèse | On ne sait pas ce qu'on apprend | Hypothèse la plus risquée + critère de succès |
| Couper une étape du parcours | L'utilisateur ne peut pas aller au bout | Tranche mince horizontale : tout le parcours |
| Pas de liste « Won't » | Le périmètre grossit par petits ajouts | Exclusions explicites et datées |
🐉 Mini-boss (40 XP)
Spécifier le MVP de HashBox « espace formateurs » avec critères exécutables.
- écris l'hypothèse la plus risquée et le critère de succès chiffré ;
- cartographie 4 activités et 14 histoires (valeur par rapport à l'hypothèse, effort, dépendances) ; extrais la tranche mince et le périmètre optimal pour un budget de 15 jours ;
- classe en MoSCoW avec la règle des 60 % ; liste les « Won't » et la date de réexamen ;
- implémente la tranche (une petite classe
Plateforme) et écris au moins 8 critères d'acceptation Étant donné / Quand / Alors exécutables (dont 3 cas d'erreur) ; - propose pour chaque fonction non incluse un contournement manuel (concierge) ;
- écris le plan de mesure : quelles données collecter, quand décider ;
- écris les 3 raisons pour lesquelles ce MVP pourrait ne rien nous apprendre.
✅ Pistes de correction
Un bon travail : hypothèse chiffrée (par exemple « 10 formateurs indépendants publient chacun un cours payant en 6 semaines »), tranche mince couvrant création, publication, découverte, paiement manuel, listes MoSCoW cohérentes, classe Plateforme avec critères d'acceptation exécutés, concierge pour paiement et facturation, plan de mesure précis, et liste honnête des biais (formateurs recrutés dans notre réseau, enthousiasme du lancement, contournements manuels qui ne passent pas à l'échelle).
⚡ Quiz éclair (15 XP si 4/5 ou plus)
1. Un MVP est défini avant tout par :
- A. l'hypothèse la plus risquée qu'il permet de tester
- B. le nombre minimal de lignes de code
- C. une version bon marché du produit final
2. La première tranche d'une cartographie d'histoires doit :
- A. contenir toutes les fonctions importantes
- B. couvrir tout le parcours de bout en bout, même avec des étapes manuelles
- C. ne contenir que la première activité
3. La règle de prudence MoSCoW est que les Must représentent :
- A. 100 % de la capacité
- B. moins de 5 %
- C. environ 60 % au plus de la capacité
4. 🔁 Révision mission 03 : Une hypothèse falsifiable est une hypothèse :
- A. que des observations peuvent réfuter, avec un critère fixé à l'avance
- B. qu'on ne peut jamais tester
- C. qui plaît à tout le monde
5. 🔁 Révision mission 03 : S'arrêter dès que « p < 0,05 » pendant l'expérience :
- A. n'a aucun effet
- B. augmente fortement le taux de faux positifs
- C. réduit les faux positifs
✅ Réponses
- A.
- B.
- C.
- A.
- B.
🪞 Je réfléchis (10 XP)
- Quelle fonctionnalité de ton produit actuel ne sert à tester aucune hypothèse ?
- Quelle étape de ton parcours pourrais-tu faire à la main pour apprendre avant de l'automatiser ?
🎒 À retenir
- MVP = expérience qui teste l'hypothèse la plus risquée, viable de bout en bout.
- Story map : activités en colonne vertébrale, tranches horizontales.
- Squelette ambulant : tout le parcours, même manuel.
- MoSCoW avec Must ≤ 60 % ; la liste Won't est précieuse.
- Critères d'acceptation Étant donné / Quand / Alors, exécutables.
flowchart LR
T(["MVP et périmètre"])
T --> R1["1. MVP = expérience qui teste l'hypothèse la plus risquée, viable de…"]
T --> R2["2. Story map : activités en colonne vertébrale, tranches horizontales."]
T --> R3["3. Squelette ambulant : tout le parcours, même manuel."]
T --> R4["4. MoSCoW avec Must ≤ 60 % ; la liste Won't est précieuse."]
T --> R5["5. Critères d'acceptation Étant donné / Quand / Alors, exécutables."]
Description du schéma : la mission au centre, reliée aux cinq idées à retenir.
🏅 Récompenses
Total possible : 100 XP · 🏅 Badge Sculpteur de périmètre
← Mission 03 — Hypothèses et validation · Mission 05 — UX et parcours →
HEF-150 — Ingénierie produit

