Préparer un export Jira pour analyser son flux de livraison
Comment extraire un fichier CSV pertinent depuis Jira Cloud ou Data Center, sélectionner les bonnes colonnes et configurer votre analyse de flux dans Cauba.
Ce guide vous permet d’extraire un CSV propre depuis Jira Cloud ou Data Center sans plugin ni droits administrateur, puis de configurer votre analyse de flux dans Cauba en quelques minutes. Seules les colonnes que vous associez explicitement sont importées et conservées, avec des garde-fous intégrés contre les données personnelles et les textes libres.
L’essentiel en 30 secondes
- Définir le périmètre : fenêtre glissante (90 j) en flux continu ou liste de sprints (Sprint in (...)) en Scrum, sans mélanger parents et enfants.
- Exporter « champs actuels » en CSV : afficher uniquement Clé, Type, État, Création, Résolu, Sprint (plus Date de démarrage et Story Points si utilisés) pour ne pas extraire descriptions, commentaires ni noms.
- Mapper les 2 champs obligatoires et classer 100 % des statuts : Identifiant du ticket + Statut (avec au moins un statut « Terminé », et les tickets annulés en « Abandonné »).
- Vérifier dates et sprints : horodatages locaux sans fuseau horaire (Z / +01:00 non supportés), colonne Resolved remplie sur les tickets Done, et ordre/dates confirmés si plusieurs colonnes Sprint existent.
1. Définir le périmètre à exporter et protéger les données
Avant de lancer une requête, vérifiez trois points : l’export doit correspondre au périmètre d’une seule équipe (un projet Jira entier ou le filtre de votre tableau via filter = ...), retenir une unité de travail cohérente (sans exporter simultanément des parents et leurs enfants, comme Epic + Story ou Story + Sub-task, pour éviter tout double comptage) et couvrir la période utile à votre analyse (flux continu ou succession de sprints).
2. Utiliser et adapter la requête JQL
Choisissez la requête correspondant à votre mode de travail. La requête par défaut n’exclut aucun type de ticket d’office : ajoutez un filtre issuetype uniquement si nécessaire pour éviter le mélange parents/enfants.
Exemple A — Flux continu / activité récente (90 jours) : cible les tickets résolus récemment, créés récemment ou dans la catégorie Jira « In Progress ». Limite : un ticket ancien (> 90 j), non résolu et toujours en catégorie Jira « To Do » ne sera pas inclus, même s’il appartient à un sprint récent.
project = "MON_PROJET" AND (resolved >= -90d OR created >= -90d OR statusCategory = "In Progress") ORDER BY created ASCproject = "MON_PROJET" AND (resolutiondate >= -90d OR created >= -90d OR statusCategory = "In Progress") ORDER BY created ASCExemple B — Analyse par sprints : exporter tous les tickets des sprints étudiés
Pour analyser une suite de sprints connus, filtrez directement sur ces sprints sans condition de date de création ni de statut, afin de conserver les tickets anciens restés « To Do » et l’ensemble des reports :
project = "MON_PROJET" AND Sprint in (101, 102, 103, 104) ORDER BY created ASCL’autocomplétion JQL convertit un nom de sprint en son ID unique (vous pouvez aussi utiliser des noms entre guillemets ou closedSprints() / openSprints()). Si votre équipe ne correspond pas à un projet entier, remplacez project = "MON_PROJET" par le filtre du tableau (ex. filter = 12345) ou un critère d’équipe (composant, label). Limite : l’appartenance aux sprints n’enregistre pas à elle seule l’engagement initial au démarrage ni l’historique horodaté des ajouts ou retraits en cours de sprint.
| Clause JQL | Explication et rôle |
|---|---|
| project = ... ou filter = ... | Délimite le périmètre de l’équipe ou du tableau sans mélanger plusieurs équipes partageant un même projet. |
| issuetype (optionnel) | Ex. AND issuetype in (Story, Bug, Task) pour garder une unité homogène sans mélanger parents et sous-tâches. |
| resolved >= -90d (ou resolutiondate) | Inclut les tickets terminés sur les 90 derniers jours, même créés plus tôt (Lead Time, Cycle Time, P50/P85, Throughput). |
| OR created >= -90d | Inclut les tickets créés récemment quel que soit leur statut. Dans Cauba, le Completion Rate porte sur les tickets créés dans la fenêtre d’analyse ; cette clause ne couvre donc pas des tickets plus anciens planifiés dans un sprint récent. |
| OR statusCategory = "In Progress" | Inclut les tickets anciens dans la catégorie système Jira « In Progress ». Attention : cette catégorie dépend du workflow Jira et peut différer de vos statuts classés « En cours » dans Cauba. |
| Sprint in (101, 102, 103, 104) | Exporte tous les tickets rattachés aux sprints ciblés sans filtrer sur la création ni le statut, en conservant les colonnes Sprint multiples des reports. |
3. Exporter le CSV depuis Jira (Cloud & Data Center)
Sur Jira Cloud
- Ouvrez Filtres > Voir tous les tickets (ou Rechercher des éléments de travail) et passez en mode « JQL ».
- Exécutez votre requête puis basculez en « Vue Liste » (List view).
- Via « Colonnes », affichez uniquement les champs utiles : Clé (Key), Type de ticket (Issue Type), État (Status), Création (Created), Résolu (Resolved), Sprint, plus votre champ de date de début et Story Points si utilisés.
- Cliquez sur « Exporter » > « Exporter au format CSV (champs actuels) » (Export CSV (current fields)). Si un champ personnalisé indispensable ne peut pas être ajouté à la vue, utilisez « tous les champs » et laissez les colonnes superflues non mappées dans Cauba.
Sur Jira Data Center & Server
- Ouvrez Tickets > Rechercher des tickets (Issues > Search for issues) en mode recherche avancée JQL.
- Passez en « Vue Liste » et sélectionnez via « Colonnes » uniquement les champs nécessaires.
- Cliquez sur « Exporter » > « CSV (champs actuels) » et enregistrez le fichier tel quel sans le réenregistrer depuis un tableur (qui modifierait encodage ou dates).
4. Vérifier les champs et classer les statuts dans Cauba
Cauba pré-remplit les correspondances d’en-têtes reconnues et mémorise pour votre compte les associations validées lors de vos analyses précédentes :
| Colonne Jira type | Champ Cauba | Exigence | Usage dans les calculs | Si absent ou partiel |
|---|---|---|---|---|
| Issue key / Clé / Key | Identifiant du ticket (issue_id) | Obligatoire | Identifie chaque ticket, déduplique les lignes et met à jour le jeu de données entre imports successifs. | Import refusé sans identifiant unique ; toute ligne sans identifiant est rejetée. |
| Status / État / Statut | Statut (status) | Obligatoire | Classe chaque statut dans les 4 catégories Cauba (au moins un statut « Terminé » requis). | Obligatoire pour lancer l’analyse. |
| Created / Création | Date de création (created_at) | Recommandé | Départ du Lead Time (jours calendaires entiers) et périmètre d’entrée du Completion Rate. | Sans cette colonne : Lead Time indisponible. Lignes vides exclues du Lead Time. |
| Started / In Progress Date (champ dédié) | Date de démarrage (started_at) | Recommandé | Départ du travail actif : Cycle Time, délais P50 et P85, dispersion (P85 − P50) et part d’attente amont. | Aucun fallback vers la création : si absente, Cycle Time et P50/P85 indisponibles. P50/P85 exigent au moins 10 tickets terminés complets. |
| Resolved / Résolu | Date de fin (resolved_at) | Recommandé | Borne de fin des tickets terminés : Lead Time, Cycle Time, P50/P85, Throughput Kanban et rattachement au sprint de complétion. | Si absente : durées, P50/P85 et reports de sprint indisponibles (Throughput nécessite alors des sprints datés). |
| Issue Type / Type de ticket | Type de ticket (issue_type) | Optionnel | Ventilation descriptive du travail livré par type (Story, Bug, Task…). | Indicateurs globaux calculés sans répartition par type. |
| Sprint (1 ou plusieurs colonnes) | Nom du sprint (sprint_name) | Optionnel | Vélocité et répartition des tickets reportés (0, 1, 2+ reports) lorsque les dates de sprints sont connues. | Sans Sprint : analyse en flux continu par semaines (Kanban). |
| Sprint ID, Sprint Start Date, Sprint End Date | Identifiant et dates de sprint | Optionnel | Fournit les bornes de sprint directement lorsqu’une seule colonne « Nom du sprint » est mappée. | Non mappables avec plusieurs colonnes Sprint : une étape dédiée permet alors d’ordonner et dater les sprints. |
| Story Points / Estimation | Story Points (estimate) | Conditionnel | Uniquement pour la Vélocité en mode « Additionner les estimations ». Tous les autres indicateurs comptent des tickets. | Masqué par défaut (« Compter les éléments terminés ») ; obligatoire en mode « Additionner les estimations ». |
Classer tous les statuts dans les 4 catégories Cauba
Cauba ne devine jamais un statut à partir de son libellé et n’impose aucun ordre de workflow. Chaque valeur détectée doit être associée à l’une des 4 catégories (vos choix sont mémorisés pour les imports suivants) :
Règle bloquante : 100 % des statuts présents doivent être classés et au moins un statut doit être classé « Terminé ».
| Catégorie Cauba | Signification | Exemples Jira | Effet sur les indicateurs |
|---|---|---|---|
Non commencé NOT_STARTED | Ticket créé ou planifié, travail actif non démarré. | Backlog, Open, To Do, Selected for Development, À faire | Hors WIP et hors tickets livrés ; reste dans le total créé pour le Completion Rate. |
En cours ACTIVE | Travail actif (dev, revue de code, QA, validation). | In Progress, In Development, Code Review, In QA, En cours | Alimente le WIP (tickets actuellement « En cours » sur la période). |
Terminé DONE | Travail intégralement livré selon la définition de l’équipe. | Done, Closed, Resolved, Released, Terminé, Fermé | Alimente Throughput, Lead Time, Cycle Time, P50/P85, Vélocité, Prévision de backlog et numérateur du Completion Rate. |
Abandonné DISCARDED | Annulé, rejeté ou doublon fermé sans livraison. | Cancelled, Won’t Do, Rejected, Duplicate, Abandonné, Annulé | Exclu des tickets livrés et du WIP (ne fausse ni Throughput ni durées), conservé au dénominateur du Completion Rate. |
5. Contrôler le CSV avant import : exemple de structure
Cet extrait fictif de 5 lignes illustre uniquement la structure attendue (en-têtes, catégories de statuts et répétition de la colonne « Sprint ») — il ne constitue pas un volume suffisant pour un diagnostic statistique :
| Issue key | Issue Type | Status | Created | Started | Resolved | Sprint | Sprint |
|---|---|---|---|---|---|---|---|
| PAY-101 | Story | Done | 2025-01-06 09:15:00 | 2025-01-07 10:00:00 | 2025-01-14 17:20:00 | Sprint 24 | - |
| PAY-102 | Bug | Done | 2025-01-08 11:30:00 | 2025-01-08 14:00:00 | 2025-01-10 16:45:00 | Sprint 24 | - |
| PAY-103 | Story | Done | 2025-01-07 14:00:00 | 2025-01-10 09:00:00 | 2025-01-23 18:00:00 | Sprint 24 | Sprint 25 |
| PAY-104 | Story | Cancelled | 2025-01-09 10:00:00 | - | 2025-01-15 11:00:00 | Sprint 24 | - |
| PAY-105 | Story | In Progress | 2025-01-18 08:30:00 | 2025-01-20 09:00:00 | - | Sprint 25 | - |
Lecture dans Cauba : les deux colonnes « Sprint » sont regroupées sur « Nom du sprint », les dates ISO (AAAA-MM-JJ HH:mm:ss) sont détectées automatiquement, « Done » → Terminé, « In Progress » → En cours (PAY-105 dans le WIP) et « Cancelled » → Abandonné (PAY-104 exclu des livraisons et durées). Après saisie des dates du Sprint 25 (ex. 20/01 au 02/02) et confirmation du Sprint 24 (07/01 au 20/01), PAY-103 est rattaché au Sprint 25 grâce à sa date de fin (23/01) et compté avec 1 report. Seuils d’échantillon : P50/P85 exigent au moins 10 tickets terminés avec début et fin ; la variabilité du débit et Monte Carlo exigent au moins 3 périodes complètes.
6. Résoudre les difficultés fréquentes
En cas de lignes rejetées ou d’indicateurs marqués « Indisponible », vérifiez ces cinq points :
Approfondir l’interprétation de vos indicateurs
Une fois votre fichier importé dans Cauba, prolongez la lecture avec nos guides méthodologiques :
Cycle Time et Lead Time : définitions, calculs et distributions
Comprenez comment interpréter l’écart entre Lead Time et Cycle Time, pourquoi la moyenne est sensible aux cas extrêmes et comment lire vos percentiles P50 et P85.
Tickets reportés entre sprints et prévisibilité du delivery
Découvrez ce que mesure réellement la répartition des tickets reportés (0, 1, 2+ reports), ses limites et comment agir sur le flux plutôt que sur les cibles.
