Année Universitaire 2009 - 2010

Département Mathématique, Informatique, Décision, Organisation

MASTER MODO
SPECIALITE « MODELISATION, OPTIMISATION, DECISION, ORGANISATION »
Cohabilité avec : Ecole Nationale Supérieure des Mines de Paris

Domaine « Mathématiques, Informatique, Décision, Organisation » (MIDO)

Mention « Informatique des Organisations»

Responsable : Daniel Vanderpooten, Professeur

Secrétariat : Valérie Lamauve bureau P619

Tel : 01 44 05 45 70
e-mail : master-modo@dauphine.fr
page Web http://www.lamsade.dauphine.fr/modo

Présentation de la spécialité et objectifs scientifiques

Cette spécialité de Master vise à donner une solide formation orientée vers l’aide à la décision
et la recherche opérationnelle. Cette formation permet aux étudiants d’acquérir une bonne
maîtrise des outils existant en aide à la décision. De plus, elle développe chez eux la capacité à
mener des travaux à caractère pluridisciplinaire tendant à asseoir, sur des bases scientifiques
(recours à la modélisation et aux techniques d’optimisation), l’étude des problèmes de décision
concrets se posant à divers niveaux dans les organisations.
L’accent est mis non seulement sur la maîtrise des concepts et outils relevant au sens large de
la recherche opérationnelle et de l’aide à la décision, sur les techniques informatiques qui leur
sont liées, mais aussi sur les aspects méthodologiques et les conditions d’insertion des
méthodes et outils dans les organisations.
Les recherches effectuées dans le cadre du mémoire de Master sont menées en étroite
collaboration avec une entreprise, une administration publique ou un centre de recherche.

Publics de la spécialité
L’accès à la spécialité, en 2ème année de Master (M2), est ouvert aux candidats après validation
des 60 crédits de 1ère année de Master (M1) ou d’un diplôme jugé équivalent, sur examen d’un
dossier éventuellement assorti d’un entretien.
Compte tenu de son fort caractère pluridisciplinaire, cette spécialité peut accueillir des titulaires
d’un M1 en mathématiques, informatique, économie ou gestion qui durant leur cursus ont suivi
des options recherche opérationnelle ou techniques quantitatives. Elle s'adresse également aux
étudiants sortant des Grandes Ecoles d’ingénieurs ou de gestion ayant suivi des options
similaires. Les étudiants possédant un diplôme étranger doivent constituer un dossier qui est
examiné par une commission d'équivalence de l'Université. Sous certaines conditions, les
étudiants en dernière année d’école d’ingénieurs peuvent être admis en M2.

Organisation de la spécialité
Nous présentons ici la description des enseignements et les modalités de contrôle. Un descriptif
précis de chaque cours est présenté dans la section « Contenu des enseignements ». Une palette
riche et variée d’enseignements abordant différents aspects de l’aide à la décision et de la
recherche opérationnelle est proposée aux étudiants. Ceci leur permet, à travers les différents
enseignements optionnels proposés et les ateliers de recherche, de mettre l’accent soit sur les
aspects théoriques et formels, soit sur les aspects organisationnels, soit de rechercher un
compromis en fonction de leurs intérêts. Une telle diversité n’est possible qu’à travers la

1
mutualisation de cours avec d’autres formations de Dauphine ainsi que dans le cadre d’accords
avec d’autres institutions.

Description des enseignements

La formation s’articule autour d’unités d’enseignement capitalisables sous forme de crédits ECTS.
Semestre S1
Enseignements théoriques de base (obligatoires) (21 ECTS)
• B1 : Programmation Linéaire et Complexité (4 ECTS)
• B2 : Graphes et applications (4 ECTS)
• B3 : Modélisation des préférences – aide multicritère à la décision (4 ECTS)
• B4 : Modèles d’aide à la décision et à la négociation (3 ECTS)
• B5 : Intelligence Artificielle, bases de connaissances (2 ECTS)
• B6 : Modélisation en Aide à la décision – Recherche Opérationnelle (2 ECTS)
• B7 : Modèles industriels et de conception (2 ECTS)

Enseignements d’approfondissement (optionnels)

3 à choisir parmi les enseignements suivants à 3 ECTS
• A1 : Optimisation combinatoire : complexité et approximation
• A2 : Conception et dynamique des organisations
• A3 : Programmation par contraintes - Ordonnancement
• A4 : Outils de logique non classique
• A5 : Modélisation et management des risques
• A6 : Gestion des risques financiers
• A7 : Evaluation des coûts
• A8 : Théorie des jeux algorithmique pour l'optimisation combinatoire
• A9 : Résolution exacte des problèmes NP-difficiles avec des bornes supérieures de complexité
au pire des cas
• A10 : Décision dans l'incertain et théorie des jeux
Semestre S2
L’étudiant choisit un atelier de recherche principal, au sein duquel il effectuera son stage de
recherche (20 ECTS), et deux ateliers de recherche secondaires (5 ECTS chacun), au sein
desquels il effectuera des mémoires de recherche secondaires, parmi les ateliers suivants.

Ateliers de Recherche
• R1 : Démarches, modèles et procédures d’aide à la décision
• R2 : Optimisation combinatoire et complexité
• R3 : Décision et IA
• R4 : Modèles de gestion et dynamique des organisations (Mines)
• R5 : Systèmes d’information et Management des connaissances

Ces Ateliers de Recherche sont complétés par les Séminaires de Recherche suivants :
• Modélisation des préférences et aide multicritère à la décision (B. Roy, D.
Vanderpooten)
• Algorithmes et modèles d’optimisation : Théorie et Applications (C. Bazgan)

L’ensemble des cours est réparti en 3 blocs totalisant 60 crédits ECTS:

• Bloc 1 : ensemble des cours obligatoires (21 ECTS)
• Bloc 2 : cours optionnels choisis et ateliers secondaires (19 ECTS)
• Bloc 3 : atelier de recherche principal (20 ECTS)

2
Modalités de contrôle des connaissances M2
Pour valider l’ensemble des 60 crédits ECTS, l’étudiant devra :
• obtenir pour chaque bloc une moyenne pondérée par les ECTS supérieure ou égale à 10,
• n’avoir aucune note inférieure à 6 pour chaque cours obligatoire du Bloc 1.

Attribution des mentions

Considérant :
• m la moyenne générale de tous les enseignements, pondérés par les ECTS
correspondants,
• e la moyenne des enseignements du bloc 1 et du bloc 2, pondérés par les ECTS
correspondants,
• s la note de stage correspondant au bloc 3,

Les mentions seront attribuées comme suit:

• Assez Bien : e ≥ 12, s ≥ 13 et m ≥ 12.
• Bien : e ≥ 12, s ≥ 15 et m ≥ 14.
• Très Bien : e ≥ 12, s ≥ 17 et m ≥ 16.

Formation continue non prévue

Equipe pédagogique
Aissi Hassene - Maître de Conférences, Université Paris-Dauphine
Aloulou Mohamed Ali - Maître de Conférences, Université Paris-Dauphine
Bazgan Cristina - Professeur, Université Paris-Dauphine
Bouyssou Denis - Directeur de Recherches CNRS, LAMSADE
Chevaleyre Yann- Maître de conférences, Université Paris-Dauphine
Escoffier Bruno - Maître de Conférences, Université Paris-Dauphine
Gabrel Virginie - Maître de Conférences, Université Paris-Dauphine
Gondran Michel - EDF Direction des Etudes et Recherches
Gourvès Laurent- Chargé de recherche CNRS, LAMSADE
Hatchuel Armand - Professeur, Mines Paris
Lang Jérôme -Chargé de Recherche CNRS, IRIT
Mahjoub Ridha - Professeur, Université Paris-Dauphine
Monnot Jérôme - Chargé de recherche CNRS, LAMSADE
Maudet Nicolas - Maître de conférences, Université Paris-Dauphine
Moisdon Jean-Claude - Professeur, Mines Paris
Murat Cécile - Maître de conférences, Université Paris-Dauphine
Nakhla Michel - Professeur INA-PG
Paschos Vangelis - Professeur, Université Paris-Dauphine
Sabroux Camille - Professeur, Université Paris-Dauphine
Sardas Jean-Claude - Professeur, Mines Paris
Tsoukias Alexis - Directeur de Recherche CNRS, LAMSADE
Vanderpooten Daniel - Professeur, Université Paris-Dauphine

Partenaires académiques
En co-habilitation avec l’Ecole Nationale Supérieure des Mines de Paris (A. Hatchuel, J.C.
Moisdon, M. Nakhla, J.C. Sardas, Professeurs).

Collaborations avec plusieurs Institutions et Universités au travers de cours donnés par des
enseignants chercheurs et chercheurs de diverses institutions :
• ENSAM/ESTP : B. Munier (Professeur)
• INA-PG : M. Nakhla (Professeur)

3
Partenaires professionnels
Outre les stages en laboratoire, les étudiants effectuent des stages dans de nombreuses entreprises
telles que :
Air France, DCNS, EDF, Euro-Decision, France Telecom, ILOG, RATP, SNCF, Thales, …

Débouchés
Ce Master est une formation par la recherche, qui offre des débouchés professionnels et
académiques. L’étudiant titulaire de ce Master s’insère naturellement dans :
- Les services fonctionnels des entreprises (aide à la décision ou recherche opérationnelle,
informatique, organisation, …) ;
- Les sociétés de conseil ou bureaux d’études ;
- Les services d’études des administrations ;
- Les centres de recherche publics ou privés ;
- L’enseignement supérieur public ou privé.
Ainsi, les anciens étudiants de cette spécialité de Master occupent actuellement des postes de
responsabilité dans des entreprises telles que Air France, AXA, Cap Gemini, Diagma, EDF, Euro-
Decision, France Telecom, RATP, SNCF… Certains d’entre eux sont également chercheurs (en
particulier Directeurs et Chargés de Recherche CNRS) et enseignants-chercheurs (en particulier
Professeurs et Maîtres de Conférences des Universités).

4
Contenu des enseignements

Enseignements théoriques de base

B1 Programmation Linéaire et Complexité
C. Bazgan, R. Mahjoub, V. Paschos.
Objectifs : Plusieurs problèmes concrets issus de domaines divers peuvent être formulés comme des programmes
linéaires et des programmes linéaires en nombres entiers. Le but de ce cours est d'étudier la modélisation et les
méthodes de résolution de ces problèmes, basées sur la programmation linéaire et la programmation en nombres
entiers. On introduit les principaux outils théoriques et algorithmiques nécessaires à la compréhension de ces
méthodes, et on présente certaines applications réelles illustrant les algorithmes étudiés
Pour la partie complexité, on présentera les principaux concepts et résultats..
Contenu :
- Méthode du simplexe, méthode révisée du simplexe
- Dualité, méthode duale du simplexe, interprétation économique
- Modèles de programmes en nombres entiers, méthode par séparation et évaluation
- Relations min-max, séparation et optimisation, méthode de coupes
- Complexité : NP-completude, réduction polynomiale, exemples de problèmes polynomiaux et NP-complets.
Volume horaire 21+6 h cours
Crédits ECTS : 4
Pré-requis : cours de Recherche Opérationnelle de niveau licence et M1.
Bibliographie.
- W. Cook, W. Cunningham, W.R. Pulleyblank, A. Schrijver, "Combinatorial Optimization", Wiley (1998).
- A. R. Mahjoub, "Approches polyédrales", dans "Optimisation Combinatoire 1: Concepts fondamentaux", V.
Paschos (Ed.), Hermes (2005) pp. 263-329.
- G. L. Nemhauser and L. A. Wolsey, " Integer and Combinatorial Optimization", Wiley (1988).
- M.R. Garey, D.S. Johnson, Computers and intractability. A guide to the theory of NP-completeness, Freeman,
C.A. San Francisco, 1979.

B2 Graphes et applications
D.Vanderpooten
Objectifs : Cet enseignement vise à montrer la richesse des concepts et outils issus de la théorie des graphes pour la
modélisation et la résolution de nombreux problèmes concrets. Outre l’étude d’algorithmes et de leurs fondements
théoriques, on montrera comment les concepts issus des graphes permettent de modéliser, de façon plus ou moins directe,
certaines situations concrètes en les ramenant par exemple à un des problèmes classiques ou à un problème voisin.
Contenu :
- Graphes : concepts de théorie des graphes,
- Etude approfondie de problèmes classiques de cheminement, arbre, flot, couplage,…
- Extensions k-meilleures solutions et multi-objectifs de certains de ces problèmes
- Applications
Volume horaire 21 h cours
Crédits ECTS : 4
Pré-requis : cours de Recherche Opérationnelle de niveau licence et M1.
Bibliographie
- M. Gondran et M. Minoux. Graphes et algorithmes, Eyrolles, 1995.

B3 Modélisation des préférences – aide multicritère à la décision

D. Bouyssou, D. Vanderpooten
Objectifs : Présenter les concepts fondamentaux en modélisation des préférences et aide multicritère à la décision ainsi que
certaines problématiques de recherche actuelle.
Contenu :
- Concepts fondamentaux en modélisation des préférences et aide multicritère à la décision
- Théorie du choix social, procédures de vote , résultats fondamentaux (théorème d’Arrow)
- Désagrégation dans le cadre du critère unique de synthèse et des méthodes de comparaison par paires
- Mesurage (typologie des échelles de mesure), théorie de la signifiance
- Prise en compte de données ordinales, qualitatives, …
- Optimisation combinatoire multicritère, approximation de l’ensemble des solutions efficaces
Volume horaire 21 h cours
Crédits ECTS : 4
Pré-requis : Connaissance des principales méthodes multicritères.
Bibliographie
- B. Roy et D. Bouyssou, Aide Multicritère à la Décision: Méthodes et Cas. Economica, Paris, 1993.
- D. Bouyssou, T. Marchant, M. Pirlot, P. Perny, A. Tsoukiàs, et Ph. Vincke. Evaluation and decision models: a
critical perspective. Kluwer Academic, Dordrecht, 2000.
- M. Ehrgott, Multicriteria Optimization, LNEMS 491, Springer, 2000.

5
B4 Modèles d’aide à la décision et à la négociation
D. Bouyssou
Objectifs : Faire acquérir les principaux concepts et méthodes pour formaliser et analyser un problème de décision dans
l'incertain : arbre de décision, théorie de l'utilité espérée, probabilités subjectives, valeur de l'information. Introduire à la
modélisation des situations de décision en situation d'interaction.
Contenu :
- Arbre de décision
- Valeur de l'information
- Théorie de l'utilité espérée
- Probabilités subjectives
- Introduction à la théorie des jeux
Volume horaire 15 h cours
Crédits ECTS : 3
Pré-requis :
Bibliographie

B5 Intelligence Artificielle, bases de connaissances

M. Gondran
Objectifs : Acquérir une méthodologie pour la modélisation d’un domaine et la construction d’une base de
connaissances.
Contenu :
- Rôle des changements de représentation en modélisation : exemples. Problèmes NP-complets.
- Modélisation en logique des propositions et en logique des prédicats : nombreux exemples. Le problème SAT
- Validation des bases de connaissances par l’étude de la cohérence et de la complétude : théorie et exemples
- Modélisation des problèmes temporels et de la communication : exemples.
- Modèles d’apprentissage, en particulier l’apprentissage par négation . Modélisation de l’intuition et de la théorie de
la découverte. Exemples.
Volume horaire 13,5 h cours
Crédits ECTS : 2
Pré-requis :
Bibliographie
- Jean Louis Laurière ; Intelligence Artificielle : Résolution de problèmes par l’homme et la machine , tomes1 et 2 ;
Eyrolles 1987.
- Michel Gondran, Jean-François Hery, Jean-Claude Laleuf ; Logique et Modélisation : modèles consistants,
données compatibles ; Eyrolles 1995.
- Michel Gondran ; Introduction à une théorie formelle de la communication ; Bulletin DER EDF, série C, n°3, 1989,
pp.37-62.

B6 Modélisation en Aide à la décision – Recherche Opérationnelle

H. Aissi
Objectifs : Le cours vise à présenter des modélisations originales de différents problèmes concrets de décision. Il s'agit de
développer les aptitudes des étudiants à élaborer et mettre en œuvre des modèles pertinents face à une situation de décision.
Contenu :
- Concept de modèle en aide à la décision. Modèle des solutions et modèle des préférences.
- Description du processus de modélisation et de ses différentes phases.
- Présentation de modélisations non triviales de problèmes de décision utilisant divers cadres de modélisation
(graphes, programmation linéaire,...).
- Utilisation de variables 0-1 en programmation linéaire
- Présentation d'outils de modélisation et de résolution (modeleurs et solveurs).
Volume horaire 12 h cours
Crédits ECTS : 2
Pré-requis : cours de Recherche Opérationnelle d'une licence et M1 informatique
Bibliographie
- H.P. Williams. Model building in mathematical programming. J. Wiley, New York, 1999. 4ème edition
- Ph. Vallin et D. Vanderpooten. Aide à la décision : une approche par les cas. Ellipses, Paris, 2002., 2ème édition
- D. Vanderpooten « Modelling in decision aiding ». In D. Bouyssou, E. Jacquet-Lagrèze, P. Perny, R. Slowinski, D.
Vanderpooten, and Ph. Vincke (eds), Aiding Decisions with Multiple Criteria: Essays in Honour of Bernard Roy,
pages 195–210. Kluwer, 2001.

6
B7 Modèles industriels et de conception (Ecole des Mines)
M. Nakhla
Objectifs : Cet enseignement vise présenter les modèles industriels de production et de conception. Il est d'abord centré sur
les différents problèmes de rationalisation industrielle.
Contenu : Sont étudiées différentes catégories de modèles et leurs techniques actuelles de résolution ainsi que les situations
où ces problèmes se posent. Par ailleurs sont présentés les principaux systèmes de production : gestion des flux, planification,
outils assistés par ordinateur,... et leur évolution face à un monde industriel dominé davantage aujourd'hui par des stratégies
de conception et d'innovation. L'accent est principalement mis sur les conditions d'applicabilité de ces techniques et l'on
distinguera les modèles basés sur le raisonnement et ceux basés sur l'organisation.
Volume horaire 18 h cours
Crédits ECTS : 2

Enseignements d’approfondissement

A1 Optimisation combinatoire : complexité et approximation

C. Bazgan, V. Paschos
Objectifs : Présenter les méthodes générales classiques permettant d’établir des algorithmes d'approximation ainsi que des
résultats de non-approximation pour des problèmes d'optimisation.
Contenu :
- Présenter le lien entre un problème de décision et d'optimisation
- Résultats d’approximation pour des problèmes d'optimisation classiques (Voyageur de commerce, Stable,
Coloration, Satisfiabilité, Sac à dos)
- Notion de réduction préservant le rapport d'approximation et son utilisation pour l'obtention de résultats
d'approximation et non-approximation
- Présenter les classes de problèmes d'optimisation sémantiques (en fonction du rapport d'approximation) et
syntaxiques (en fonction de la formulation logique) et la liaison entre les deux types de classes.
Volume horaire 18 h cours
Crédits ECTS : 3
Bibliographie
- G. Ausiello, P. Crescenzi, G. Gambosi, V. Kann, A. Marchetti-Spaccamela, M. Protasi, Complexity and
Approximation: Combinatorial Optimization Problems and Their Approximability Properties, Springer-
Verlag, 1999.
- D. Hochbaum, Approximation Algorithms for NP-Hard Problems, Course Technology, 1996.
- V. Vazirani, Approximation Algorithms, Springer-Verlag, 2001.

A2 Conception et dynamique des organisations (Ecole des Mines)

Ph. Lefebvre, J.C. Sardas
Objectifs : Cet enseignement vise à préparer les élèves à comprendre les changements qui affectent l'organisation des
activités dans les entreprises et à les aider à conduire ces processus de changement.
Contenu : Le cours vise à préparer les élèves à :
- L'acquisition de concepts permettant de caractériser les formes actuelles d'organisation et de construire
pour une situation donnée divers scénarios alternatifs. On utilise les travaux classiques (théorie des
organisations, contingence structurelle, design organisationnel) qui proposent un ensemble de «
variables de conception » et de configurations organisationnelles, tout en indiquant leurs limites dans
l'appréhension des formes actuellement émergentes.
- Une initiation à l'analyse des fonctionnements réels et des évolutions observées, afin de mieux anticiper
certaines difficultés et donc éviter quelques erreurs lors du choix du scénario qui sera mis en ?uvre.
Peuvent être mobilisées à cette fin plusieurs grilles d'analyse (stratégie d'acteurs, mécanismes de
gestion, dynamique des connaissances, dynamique des identités professionnelles).
- Enfin, une initiation à la conduite des processus de transformation, au cours desquels il s'agit de gérer
les inévitables surprises et de caractériser les fonctionnements émergents. Pour éclairer et structurer ce
processus d'exploration, on peut mobiliser la méthodologie de la recherche-intervention, ainsi que
d'autres démarches allant dans le même sens (planification interactive, démarche socio-technique,
apprentissage organisationnel). Ainsi, le processus de transformation peut être analysé et piloté comme
un processus d'exploration et d'apprentissage.
Volume horaire 22 h cours
Crédits ECTS : 3

7
A3.1 Programmation par contraintes
C. Bazgan
Objectifs : Ce cours vise à introduire les concepts fondamentaux de la programmation par contraintes et à étudier la
résolution de problèmes combinatoires à l'aide de la programmation par contraintes.
Contenu :
- Modélisation et résolution de problèmes à l'aide de la programmation par contraintes : intérêt de la programmation
par contraintes, exemples,
- Types de contraintes, principaux algorithmes et heuristiques de résolution
- Utilisation du logiciel professionnel OPL Studio
Volume horaire 12 h cours
Crédits ECTS 1,5
Bibliographie :
- K. Marriott and P.J. Stuckey, Programming with Constraints: An Introduction, The MIT Press, 1998.

A3.2 Modèles et méthodes de résolution pour les problèmes d’ordonnancement

M.A. Aloulou
Objectifs : Présenter des modèles et des méthodes utilisés en pratique pour résoudre des problèmes d’ordonnancement
d’ateliers et de services.
Contenu :
- La fonction ordonnancement en entreprise
- Présentation de logiciels d’ordonnancement et d’optimisation.
- Procédures par séparation et évaluation (Branch and Bound) : application au problème d’ordonnancement à
cheminements multiples (job shop)
- Programmation par contraintes et ordonnancement : application aux problèmes à une machine et de job shop.
- Modélisation mathématique et ordonnancement : application à des problèmes d’emploi du temps.
Volume horaire 12 h cours
Crédits ECTS 1,5
Bibliographie :
- Groupe GOThA, Modèles et Algorithmes en Ordonnancement, Ellipses, 2004
- P. Esquirol et P. Lopez, L'ordonnancement, Economica, 1999.
- P. Brucker, Scheduling algorithms, Springer, 1998.
- M. Pinedo, Planning and Scheduling in Manufacturing and Services, Springer, 2005.

A4 Logiques Non-Classiques
J. Lang, N. Maudet
Objectifs : Ce cours a comme objectif de présenter des formalismes du raisonnement, de représentation des connaissances et
de traitement de l’information qui dépassent le cadre de la logique classique. Il s’agit de prendre en compte, dans la
modélisation du monde réel, les problèmes de présence d’information partielle et/ou inconsistante et de la disponibilité
limitée du temps de calcul, de la nature non monotone du raisonnement déductif humain et de leur capacité d’agir face à
différentes situations problématiques. Le cours permet de répondre à la demande de raisonner sur l’ambiguïté de façon non
ambiguë. Par ailleurs nous introduisons dans le cours les éléments de base de la théorie de l’argumentation comme cadre pour
la représentation formelle des interactions entre agents notamment dans des situations de raisonnement légal, d’aide à la
décision ainsi que d’aide à la négociation
Contenu :
- Introduction à la logique: logique et structure, syntaxe, Sémantique, inférence, raisonnement formel et naturel.
Pourquoi la logique classique est elle parfois insuffisante ?
- Logiques Modales: systèmes axiomatiques et modalités, sémantique de Kripke, croyance et connaissance comme
modalités
- Problème de la révision et de la mise à jour dans les bases de connaissances: axiomatique de la révision, inférences
cumulatives et préférentielles.
- Raisonnement non monotone: logique par défauts
- Théorie de l’argumentation: bases philosophiques, systèmes d’argumentation abstrait de Dung, argumentation
comme raisonnement non monotone, argumentation comme aide à la décision
Volume horaire : 24 h cours (8*3)
ECTS : 3
Prérequis : Logique.
Bibliographie :
- D. van Dallen, Logic and Structure, Springer Verlag, 1994, (dernière edition). Disponible à la BR au 511.3 VAN
- P. Gardenfors, Belief Revision, Cambridge University Press, Cambridge, 1992.
- Léa Sombé, Raisonnement sur des Informations Incomplètes en Intelligence Artificielle, Teknea, Toulouse, 1989.
- Grigoris Antoniou, Nonmonotonic reasoning, MIT Press, 1997.

8
A5 Modélisation et management des risques (ENSAM/ESTP)
B. Munier
Objectifs : L’étudiant doit assimiler les notions de type décisionnel et organisationnel au sens le plus large qui influent sur la
fiabilité des entreprises et des organisations en général , ainsi que les techniques et les modèles qui permettent une gestion
efficiente de l’organisation.
Contenu : Rappels de modélisation du risque, techniques de repérage, d’estimation et de traitement des risques dans
l’entreprise et son environnement ; techniques d’évaluation et de prévention ; procédés de financement des risques résiduels ;
mise en œuvre : comparaisons coûts/bénéfices, analyses multicritères, techniques de coordination, culture d’entreprise.
Distinction prévention/précaution. Gestion des risques naturels (inondations) et organisation des systèmes assurantiels liés.
Volume horaire 24 h cours
Crédits ECTS : 3

A6 Gestion des risques financiers (ENSAM/ESTP)

F. Moraux
Objectifs : Ce cours s'adresse à des étudiants de Master Recherche intéressés par la décision et le management des Risques.
Ce cours traite de la gestion des risques financiers dans le cadre général de la gestion des risques des organismes financiers.
La gestion des risques dans les organismes financiers est particulière dans la mesure où elle est fortement contrainte par les
textes réglementaires issues des recommandations du comité de Basle.
Contenu : Le cours propose en introduction un historique de la gestion des risques financiers, un historique de la
réglementation bancaire en matière de risques et un tour d’horizon de la gestion des risques actuellement pratiquée dans les
organismes financiers : identification/discussion des risques de marché, de crédit, de défaut, de liquidité et les risques
opérationnels… Le cours revient dans un premier temps sur la modélisation des risques financiers dans le cadre classique du
paradigme moyenne-variance et notamment sur les concepts principaux de la théorie financière associés aux risques
(formalisation du risque, profil de risque, diversification, lien rentabilité-risque,…). Le cours passe ensuite en revue
différentes mesures de risque (VaR, CVaR, ES) et développe en profondeur leurs modes de calcul en insistant sur leurs
avantages et leurs inconvénients. Deux axes de réflexion referment enfin le cours. Le premier axe s’intéresse aux mesures de
risque dynamiques et présente les estimateurs les plus courants de volatilité et de corrélation conditionnelles (variance
EWMA, GARCH, DCC,…). Le deuxième s’interroge sur les propriétés attendues des mesures de risque et étudie plus
particulièrement le concept de mesure cohérente.
Volume horaire : 20h.
Crédits ECTS : 3

A7 Evaluation des coûts (Ecole des Mines)

F. Kletz
Objectifs : Cet enseignement vise à tirer toutes les conséquences du fait qu’il y a une multitude de manières de calculer le
coût de revient d’un bien déterminé avec des résultats qui peuvent être très différents.
Contenu :
- difficultés de l’évaluation des coûts : le crédit, les consommations intermédiaires, les biens durables ;
- les coûts en comptabilités ;
- définition générale des coûts ;
- exemples d’application.
Volume horaire 24 h
Crédits ECTS : 3

A8 Théorie des jeux algorithmique pour l'optimisation combinatoire

L. Gourves, J. Monnot
Objectifs : Dans le cadre de l'optimisation combinatoire, on s'intéresse depuis longtemps à la situation suivante : Un individu
(ou agent, ou preneur de décision), faisant face à plusieurs alternatives (en nombre exponentiel), doit faire un choix guidé par
une fonction d'utilité que l'on cherche à optimiser. Par exemple, quel chemin prendre pour rejoindre au plus tôt son
lieu de travail pour perdre le moins de temps possible ? Ici, on fait souvent l'hypothèse que seul le choix de l'individu
influence son utilité. Dans ce cours, on s'intéresse principalement au cas suivant : Plusieurs individus avec leur fonction
d'utilité propre partagent une structure commune (ex: un réseau). L'utilité d'un individu ne dépend plus seulement de son
propre choix mais est aussi fonction de celui des autres. Du fait des intéractions, chacun doit prendre en compte les intérêts
des autres pour effectuer son propre choix. La théorie des jeux, plus familière aux économistes qu'aux informaticiens, offre
une base formelle pour étudier des problèmes classiques en optimisation combinatoire avec un regard neuf. En pratique,
l'intérêt d'étudier ce type de problèmes en informatique est en partie lié à l'importance d'Internet et des grilles de calcul.
Contenu :
- Jeux stratégiques, concepts de solutions
- Jeux et optimisation, prix de l'anarchie
- Enchères et applications informatiques
- Jeux coopératifs
Volume horaire 18 h
Crédits ECTS : 3

9
A9 Résolution exacte des problèmes NP-difficiles avec des bornes supérieures de
complexité au pire des cas
V. Paschos, B. Escoffier
Contenu :
- Complexité au pire des cas
- Techniques (Programmation dynamique, Arbres de recherche, Enumeration, Inclusion – exclusion, Recherche
locale)
- Problèmes (Coloration, Voyageur de commerce, Stable, Coupe maximum, Stable maximum, Couverture
d'ensembles)
- Approximation par des algorithmes a faible complexité exponentielle
Volume horaire 18 h
Crédits ECTS : 3

A10 Décision dans l'incertain et Théorie des Jeux

Stefano Moretti, Alexis Tsoukiàs, David Rios Insua
Objectifs : Permettre aux étudiant(e)s d'approfondir la connaissance des modèles de raisonnement et de décision
dans l'incertain à la fois en présence d'un décideur et de décideurs multiples.
Contenu :
- Modèles de l'incertain (probabilités, possibilités, fonctions de croyance)
- Décision dans l'incertain et risque. Risques Extremes.
- Applications dans la gestion de la sécurité.
- Théorie des Jeux. Jeux Coopératifs.
- Indices de pouvoir. Jeux et Choix Social.
- Applications en bio-informatique.
Volume horaire 18 h
Crédits ECTS : 3

Ateliers de Recherche

R1 : Démarches, modèles et procédures d’aide à la décision

D. Bouyssou, D. Vanderpooten
Cet atelier de recherche est centré sur quelques thèmes variables d’année en année mais ayant toujours trait à l’aide à la
décision. Ces thèmes peuvent avoir pour point d’appui :
- un cas concret faisant l’objet d’un stage de Master ;
- des expériences visant à valider certaines hypothèses ;
- la comparaison, expérimentale ou théorique, de diverses techniques ou approches susceptibles de traiter un même
problème ;
- l’étude de procédures ou méthodes nouvelles ;
- l’examen de problèmes d’ordre théorique, notamment axiomatique ;
- des réflexions et analyses menées sur des thèmes généraux tels que la prise en compte de la mauvaise connaissance,
l’insertion des méthodes dans les processus de décision, le mode de validation de certains types de résultats …
Les thèmes sont choisis en relation avec les étudiants et sont centrés sur les mémoires de Master. Les étudiants qui
choisissent cet atelier à titre secondaire sont associés à ces thèmes soit par des analyses et comptes-rendus d’articles ou de
travaux divers, soit par des réalisations d'expériences ou de mise en œuvre de méthodes ou encore, s’ils le souhaitent, par des
recherches plus personnelles.

R2 : Optimisation combinatoire et complexité

C. Bazgan, R. Mahjoub,V. Paschos
Cet atelier de recherche est centré sur l’optimisation combinatoire, la programmation mathématique, la théorie de la
complexité et l’approximation. Les travaux menés dans l’atelier concernent l’étude théorique et pratique de certains
algorithmes d’optimisation, l’étude structurelle de différentes classes d’approximation, l’optimisation on-line, probabiliste.
Différents thèmes sont abordés chaque année donnant lieu à un mémoire de Master ou à un mémoire secondaire.

10
R3: Intelligence Artificielle et Décision
J. Lang, N. Maudet, A. Tsoukiàs
L'objectif de cet atelier est de présenter aux étudiants des problèmes de recherche à la frontière de l'entelligence artificielle et
de la théorie de la décision. L'atelier se présente en deux parties: une première durant laquelle les intervenants présentent les
différents sujets de recherche (en donnant des éléments pour pouvoir situer la problématique), une deuxième durant laquelle
les étudiants présentent leurs travaux sur les sujets choisis. Les sujets peuvent varier chaque année, mais la liste suivante
donne une idée des thématiques habituellement abordées:
- modélisation des préférences non-classiques
- apprentissage de préférences, classification
- théorie de la décision algorithmique
- fouille de données et extraction de connaissances
- décision distribuée automatisée (systèmes multiagents, argumentation, négociation)
- décision séquentielle et révisable

R4 : Modèles de gestion et dynamique des organisations (Mines)

A. Hatchuel, M. Nakhla, JC Sardas
Dans cet atelier sont étudiés les liens étroits qui existent entre modèles de gestion et dynamique des organisations.
Considérant les outils et modèles de gestion comme le fruit de processus de construction et comme partie constitutive de la
définition et de la dynamique des organisations, nous nous intéressons :
- aux processus de production de connaissances liés à la construction des instruments de gestion et d’aide à la
décision au sein des organisations ;
- aux processus de création, de diffusion et d’adoption des outils et modèles considérés comme innovations
managériales ;
- au double-rôle des outils et des modèles dans les organisations : moyen de pilotage et de coordination, vecteurs
d’exploration et d’apprentissage.
Ces questions seront explorées à partir de situations de gestion et d’aide à la décision (gestion de projet, relations
contractualisées de type clients-fournisseurs, planification des activités et planification stratégique, relations entre firmes,
processus de conception et d’aide à la décision, etc.) et seront éclairées par différentes familles théoriques (théorie de la
décision, sociologie cognitive, théories de l’apprentissage, théories des organisations, approches socio-économiques).
Les séances seront structurées autour des sujets de mémoire choisis par les étudiants qui auront par ailleurs, un certain
nombre de textes à étudier. Des interventions théoriques seront ponctuellement assurées par les responsables de l’atelier pour
apporter les éléments fondamentaux nécessaires.

R5 : Systèmes d’information et Management des connaissances

M. Grundstein, C. Rosenthal-Sabroux
Cet Atelier de recherche est orienté sur les liens entre le Management des Connaissances dans les Organisations et les
Systèmes d’Information Numériques. Il est reconnu aujourd’hui que, dans notre société de l’information poussée par les
Technologies de l’Information et de la Communication, le capital tend à devenir de plus en plus un capital de savoirs et de
savoir-faire. Dans ce contexte le décideur peut tirer parti des recherches faites dans le domaine du Management des
Connaissances pour enrichir son capital informationnel par des informations de natures différentes afin de l’aider dans son
processus décisionnel et améliorer les performances de l’organisation. Les liens entre le Management des Connaissances et
les Systèmes d'Information Numériques seront étudiés dans les directions suivantes:
- Quels dispositifs organisationnels mettre en place pour favoriser l'utilisation et la création de connaissances dans
les organisations ?
- Quels sont les méthodes et outils informatiques nécessaires ?
- Comment acquérir les connaissances et les représenter dans des applications informatiques ? Comment les faire
évoluer?

11