OPTION AIDE LA DCISION ET OPTIMISATION (ADO) EN INFO3

RESPONSABLE : SYLVIE BORNE 2012-2013

1. Synopsis Le support et loutil informatiques se sont progressivement imposs dans les organisations. Dune simple mmoire, ils sont devenus le lieu de la connaissance mtier de lentreprise. Dun moyen de perfectionner par lautomatisation certains aspects complexes de lactivit, ils sont avec lexplosion du net souvent devenus lactivit mme de lentreprise. Mais limmission de linformatique va encore plus loin : elle sest aussi impose comme outil incontournabe la gouvernance de lentreprise. Tout dabord, les innovations matrielles et logicielles successives permettent de modliser et ainsi, de planier de faon de plus en plus raliste son activit (optimisation de la gestion des ressources, sur les dirents horizons de planication). Ensuite et en amont de la prise de dcision, linformatique permet destimer, de comprendre, dinterprter des donnes incompltes, incertaines ou complexes, qui pourtant sont indispensables la prise de dcision, e.g. : estimation dun impact sur lenvironnement, dune demande ; dcision soumise une dcision tierce (lections par exemple) ; caractres expliquant le comportement des consommateurs ; etc. Enn la connaissance produite nest pas seulement la connaissance vcue : linformatique permet, cette fois-ci en aval des dcisions excutes, dextraire les indicateurs permettant a posteri den valuer la pertinence (Business Intelligence, BI). Derrire Informatique, se cachent ici des procds et paradigmes qui sont lis des domaines aussi divers que lanalyse de donnes, la logique, loptimisation ou la thorie du vote ; et ne sont pas dnus, dans ce monde du numrique et des systmes dinformation qui constituent lobjet trait, dune part dinterprtation du comportement humain... Dans ce vaste champ quest la prise de dcision en entreprise, loption Aide la Dcision et Optimisation se situe en amont (Apprentissage symbolique , Aide la Dcision) et sur le processus mme de prise dcision (Modlisation et dcision multicritre, Rsolution de problmes de grande taille ). Notons que la partie BI est le cur de mtier du Master Informatique EIDD, qui peut tre suivi en parallle de la troisime anne dingnieurs. Loption ne se pouvant videmment pas tre exhausive, elle prend le parti dapprhender les multiples facettes de la prise de dcision par un petit nombre de sujets bien choisis, qui lveront (entre autres) les paradoxes suivants : linformation (les donnes) nest pas connaissance (Apprentissage symbolique ) ; Le dcideur ne sait pas (consciemment) ce quil veut (Aide la dcision ) ; loptimum nexiste pas (toujours) et il ne faut pas (toujours) chercher le compromis (Aide la dcision, Modlisation et dcision multicritre ) ; on innove (parfois) mieux, simplement en observant la nature, plutt quen inventant de nouveaux composants ( Rsolution de problmes de grande taille) ; Enn la prsentation de ces sujets, pour tre la plus vocatrice possible, se fonde pour les enseignements sur les algorithmes et leur mise en uvre, et saccompagne dun cycle de confrences permettant dillustrer problmatiques et mthodes en contexte oprationnel.

2. Programme Aide la dcision (15CM + 6TP). Y. Chevaleyre. Contrle des connaissances : Examen. Cours commun avec le Master 2 dInformatique, spcialit EIDD Comment lon modlise les prfrences dune personne. Comment prendre des dcisions dans lincertain, cest--dire, quand on ne sait rien de ce qui va advenir, ou quand plusieurs scnarios possibles sont envisager : thorie de lutilit, approches baysiennes, . . .. Dcision squentielle ou comment prendre une squence de dcisions pour atteindre un but, toujours dans le cadre o lincertitude est grande quant aux consquences de nos actions. Une U.E. au choix parmi 3 (15CM + 9TP). Contrle des connaissances : Examen. Cours commun avec le Master 2 dInformatique, spcialit EIDD - Apprentissage connexionniste - Apprentissage symbolique - Rseaux sociaux Modlisation et dcision multicritre (9CM + 3TP). L. Alfandari (ESSEC). Contrle des connaissances : Examen Optimisation multicritre : modlisation des prfrences ; construction de familles de critres ; programmation multiobjectif ; optimisation combinatoire multicritre ; mthodes daide multicritre la dcision. Recherche Oprationnelle (12 CM + 9TP). L. Ltocart. Contrle des connaissances : Devoir Lobjectif de cet enseignement est de fournir de nouveaux outils algorithmiques et logiciels pour traiter des problmes concrets de la Recherche Oprationnelle. Les mthodes de gnration de colonnes et de gnration de contraintes/coupes (bases sur des dcompositions du problme et/ou sur lapproche polydrale) seront prsentes et leurs applications pour des problmes de production, conception et de planication en transport seront abordes. Dautres solveurs et modeleurs du commerce et du domaine libre seront galement prsents an dtudier leur utilisation pratique et leurs performances respectives. Rsolution de problmes de grande taille (6CM+6TP). A. Plateau (CNAM). Contrle des connaissances : CCTP Mtaheuristiques : heuristiques gloutonnes ; heuristiques de rparation ; amlioration locale (voisinage, fonctions dvaluations, mthodes de descente) ; mtaheuristiques monosolution (tabou, recherche voisinages variables) ; mtaheuristiques multisolutions (gntique, recomposition de chemins). Cycle de confrences (30h = 10*3h). Des professionnels exerant dans dirents domaines mtier viennent exposer des contextes dcisionnels auxquels leur activit les confronte, et comment ils mettent en uvre loutil informatique pour y rpondre. Contrle des connaissances : Rapport (10 lignes par confrence) GDF Suez (Miguel Antunes), IBM-ILOG (Julien Briton), EDF (Marc Porcheron), SNCF (David De Almeida), Orange Labs (Eric Gourdin), SNCF (Nicolas Marcos), Eurodecision (Edith Naudin), Air France (Ekbel Bouzgarrou), Schneider electric (Claude Le Pape),. . .