Cours Analyse décisionnelle et maitrise des risques IIA5 Cours Analyse décisionnelle et maitrise des risques IIA5

Chapitre 6
Introduction à l’analyse décisionnelle et arbre de décision

1. Le problème de la prise de décision

Il est de plus en plus difficile de prendre des décisions du fait de d’un nombre croissant d’alternatives
(décisions potentielles), de l’importance de la quantité des informations accessibles (Web). Il est
difficile de déterminer les informations pertinentes pour la décision. Le coût des erreurs de décision
est de plus en plus grand, en raison de la complexité et de l’importance des conséquences
engendrées par une décision et de la chaîne de réaction dans les différentes parties d’une
organisation. De plus, il est nécessaire d’adapter en permanence sa stratégie au vue de la rapidité de
changement de l’environnement (difficile d’adopter une stratégie d’essai-erreur).
 Besoin de modèles, d’outils s’inscrivant dans le cadre de théories : théories de la décision
La "théorie de la décision" (appelée aussi parfois "analyse décisionnelle") est l'étude des modèles de
prise de décision en avenir incertain probabilisable (objectivement ou subjectivement).

3. Le processus décisionnel
La plupart des décisions ne sont pas instantanées. Elles prennent du temps, on parle alors de
«processus décisionnel ». il est composé de cinq grandes étapes détaillées comme suit.
Phase d’intelligence (investigation) :
-processus de formulation du problème décisionnel
Dans l'industrie qu'il existe des logiciels (@Risk, Isograph, Treeage) spécialisés sur le marché pour la
(problem setting)
gestion des méthodes de gestion de risque de la norme ISO 31010.
-confrontation entre situation perçue et situation voulue :
Le cas de décision le plus simple dans l'industrie est l'analyse par arbres d'événements qui fait appel
perception de dissonance
(lorsque les probabilités sont fixes) uniquement aux axiomes élémentaires des probabilités. Si les
-définition de valeurs, d’objectifs, de frontières, d’actions
probabilités ne sont pas fixes (ce qui est fréquent dans la réalité), il faudra faire appel à des logiciels
(solutions) possibles
intégrant les méthodes de Monte-Carlo.
Phase de modélisation (conception) :
-élaboration de modèle, d’actions possibles, de plans
2. Typologie de la décision
d’action intentionnels, de stratégies possibles permettant la
Pour étudier comment les dirigeants de l’entreprise prennent des décisions, Simon (1960) propose la
résolution du problème (problem solving)
typologie des décisions suivante :
-décrire/prévoir l’état du système si on lui applique une
 Décision programmables : décision répétitives et routinières, et une procédure a été définie
action possible
pour les effectuer, évitant ainsi d’avoir à les reconsidérer chaque fois qu’elles se présentent
Phase de choix (sélection) :
 Décision non programmables : il n’a pas été possible de définir une procédure spécifique
-évaluation, comparaison, classement des actions possibles
pour les effectuer ; soit du fait qu’elles sont nouvelles, non structurées, inhabituelles, …
- choix d’une action parmi ces actions possibles
Pour chacun des trois niveaux managériaux, la répartition des types de décision concernés et les
-si aucune action n’est satisfaisante, reconsidérer les phases
techniques associées sont :
antérieures
Mise en œuvre, action
Evaluation

N.BOHLI 1 / 11 N.BOHLI 2 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5
4. Représentation standard des décisions
La représentation standard d’un problème de décision est la matrice de décision. Une autre
représentation d’un problème de décision est l’arbre de décision. Pour utiliser ces représentations, 3
concepts de base de la théorie de la décision doivent être définis : les alternatives, les résultats et
l’état de nature (événement, chance, …).
4.1. Concepts de bases
a) Ensemble d’alternatives
Dans une décision, on a à choisir entre différentes alternatives (options, actions, …). Dans certains
problèmes de décision, l'ensemble d’alternatives peut être :
Ouvert : de nouvelles alternatives peuvent être inventées ou découvertes par le décideur.
Exemple : ma décision de comment passer la soirée ; j’ai en tête un ensemble d’alternatives, mais il
est possible je découvre une alternative à laquelle je n’ai pas pensé
Fermé : aucune nouvelle alternative ne peut être ajoutée
Exemple : ma décision de comment voter dans les prochaines élections : il y a un nombre limité
d’alternatives (des candidats ou des parties), entre lesquelles je dois choisir
Il existe deux types de fermetures d’ensemble d’alternatives :
1. fermeture volontaire : le décideur lui-même a décidé de fermer l’ensemble dans la première
étape de la décision
Exemple : pour ma soirée, je peux commencer en décidant que seulement 2 alternatives valent la
peine d'être considérées, rester à la maison ou aller au cinéma.
2. fermeture involontaire : la fermeture a été imposée par d’autres ou par des circonstances
impersonnelles.
Dans la vie réelle : les ensembles d’alternatives ouverts sont très fréquents. Dans la théorie de la
décision, en général les ensembles d’alternatives sont fermés car la fermeture permet une résolution
théorique des problèmes de décision plus facile. Si l’ensemble d’alternatives est ouvert, une solution
définitive au problème de décision n’est pas en général possible. On suppose aussi généralement que
les alternatives sont mutuellement exclusives, c.a.d., il n’existe pas 2 d'entres elles qui soient
simultanément réalisables.
b) Etats de nature
L'effet d’une décision dépend de notre choix d’une alternative et comment nous l’exécutons et de
facteurs en dehors du contrôle du décideur (exogènes)
Certains de ces facteurs exogènes sont connus : ils constituent l'information dont le décideur
dispose. D'autres sont inconnus : ils dépendent de ce que d’autres personnes feront et sur les
éléments de la nature qui sont inconnus au décideur.
Exemple : considérons la décision d’aller ou de ne pas aller à un concert en plein air. Les résultats (que
je dois satisfaire ou pas) dépendront des facteurs naturels (le temps) et du comportement d’autres
êtres humains.
Dans la théorie de décision, on regroupe les divers facteurs superflus inconnus dans un certain
nombre de cas, appelés « les états de nature ».
Exemple : considérons la décision de porter ou de ne pas apporter un parapluie quand je sors demain.
L’effet de cette décision dépend de s’il pleuvra demain. Les 2 cas « il pleut » et « il ne pleut pas »
peuvent être pris comme « états de nature » ; dans un traitement de cette décision dans la théorie
de décision.
N.BOHLI 3 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5
c) Résultats
Les « résultats possibles » d’une décision sont définis comme effets combinés d’une alternative
choisie et de l’état de la nature.
Par conséquent, si je ne prends pas mon parapluie et il pleut, alors le résultat est que j’ai une valise
légère et je suis mouillé. Si je prends mon parapluie et il pleut, alors les résultats sont que j’ai une
valise plus lourde et je ne suis pas mouillé, …
4.2. Matrice de décision
C’est le format standard pour la routine d’évaluation-choix dans la théorie de la décision
(individuelle). Dans une matrice de décision :
• les alternatives sont tabulées contre les états possibles de la nature
• les alternatives sont représentées par les lignes de la matrice
• les états de nature par les colonnes
Soit une décision d’apporter ou non un parapluie :
Pour chaque alternative et état de nature, on assigne dans la matrice un résultat (tel que «
vêtements secs, la valise lourde » ).
 Matrice de décision d’utilités
Pour utiliser une matrice de décision, il faut en plus de l’information sur la façon dont les résultats
sont évalués, l’information sur les états de nature qui seront réalisés.
Pour représenter les valeurs des résultats, on leurs assigne en général des utilités. Des descriptions
verbales des résultats peuvent alors être remplacées par des valeurs d’utilité dans la matrice :
La théorie de la décision concerne principalement des problèmes qui peuvent être exprimés en
matrices de ce type, « matrices d'utilité ». La plupart des méthodes de la théorie de décision exigent
une information numérique.
 Information sur les états de nature : certitudes et incertitudes
Dans la théorie de décision, des matrices sont combinées avec divers types d’informations sur des
états de nature : Le décideur peut connaître quel état de nature est obtenu : Si, dans l’exemple ci-
dessus, si je sais qu’il pleuvra, alors je peux prendre ma décision de façon très simple. Les cas comme
celui-ci, quand un seul état de nature doit être pris en considération, s’appellent la « prise de
décision sous certitude ». Si on sait, pour chaque alternative, ce que seront les résultats si on choisit
cette alternative, alors on agit aussi en certitude ; Sinon, on agit en incertitude. L’incertitude est
habituellement divisée en catégories telles que : le risque, l’incertitude, l'ignorance.
N.BOHLI 4 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5 Cours Analyse décisionnelle et maitrise des risques IIA5

4.3. Arbres de décision 6. Analyse de la décision dans le Risque

C’est une autre représentation traditionnelle de la décision. C’est la représentation graphique de la
succession, le plus souvent chronologique, des décision/événements. Pour que ce schéma soit
cohérent il faut :
– L’exhaustivité : Tous les événements et les décisions doivent être déterminés y
compris celle de ne rien faire
– L’exclusivité : Les décisions et les événements s’excluent mutuellement. Les
conséquences d’un événement doivent pouvoir être mesurées de manière non
ambiguë
Soit la matrice de décision d’utilités suivante :
6.1. Décisions dans l’incertitude et décisions dans le risque
La décision dans l’incertitude correspond à des situations de choix où les résultats des actions ne
peuvent être prévus avec certitude. On suppose que cette incertitude est probabilisée, c’est à dire
que le résultat obtenu ne dépend que de la réalisation d’événements de probabilités connues. On
utilise alors le terme de « décision dans le risque ».
6.2. Problématique des décisions dans le risque
Dans la décision face au risque, on considère que les probabilités de chaque état sj ∈ S, ou S est
l’ensemble des états de la nature, sont connues : p(sj ) = pj ," ∀ j
• Si le décideur di ∈ D et que sj se réalise, il en résulte que la conséquence ck ∈ C, où C est
l’ensemble des conséquences sur lequel est définie une fonction d’utilité U(ck).
=> Une décision est alors une application de S dans C.
On peut considérer que l’utilité U correspond aux résultats monétaires de la décision.

On peut lui associer l’arbre de décision suivant :

noeud décision : chaque
branche représente une
action, alternative possible
noeud événement :chaque
branche représente un
événement possible (états Problème : Comment choisir, dans l’ensemble des stratégies la plus avantageuse, sur la base de
de la nature, chance, …) l’information disponible (S, C, U) ?
noeud valeur : nœud  Utilisation de critères de choix : critère de Pascal
terminaux de conséquences
(utilité, …) 6.3. Critère de Pascal
C’est le critère du maximum de l’Espérance Mathématique ou Espérance Mathématique de Gain –
EMG. Il est adapté à des risques peu élevés. Lorsque le risque est plus élevé, l’aversion pour le
risque (goût pour le risque) doit être considérée et l’on a recours à d’autres critères.
Soit un ensemble D à 2 décisions D= {d1, d2} avec la matrice des résultats :
5. Utilité Esperée (UE)
L’approche dominant la prise de décision sous le risque est celle de « l’utilité espérée - UE »
(Expected Utility - EU). L'utilité espérée pourrait s’appeler « la théorie d’utilité de probabilité
pondérée ».
Dans la théorie de l’utilité espérée à chaque alternative est assignée une moyenne pondérée de ses
valeurs d’utilité sous différents états de nature, et les probabilités de ces états sont utilisées comme
poids.
Supposons qu’il y ait n résultats : • Si ∀ j : a1j > a2j, alors d1 domine d2
 chacun est associé à une utilité et à une probabilité
 les résultats sont numérotés, de sorte que les premiers résultats aient une utilité u1 et une
• L’espérance mathématique se calcule ainsi :
probabilité p1, le second a une utilité u2 et une probabilité p2, etc
• Le choix de la meilleure décision correspond à la maximisation de l’espérance mathématique de
Alors l’utilité espérée (UE) est définie ainsi : UE = p1 x u1 + p2 x u2 + … pn x un

chaque décision, soit :

N.BOHLI 5 / 11 N.BOHLI 6 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5 Cours Analyse décisionnelle et maitrise des risques IIA5

6.4. Calcul dans un arbre de décision

Il se fait des feuilles vers la racine. Si le noeud est un noeud événement (ou chance) : on calcule une
Espérance. Si le noeud est un noeud de décision : on conserve le maximum.

Application :
Un commerçant doit commander en début de saison un lot de vêtements auprès d’un fabricant qui
ne pratique pas le réassortiment en cours de saison : il choisi entre 3 types de décisions de
commande (Faible, Moyenne, Elevée) et il considère 3 états de la demande (Basse, Moyenne, Forte),
ce qui le conduit en s’appuyant sur son expérience des années passées, à la matrice de décision
(matrice des gains) suivantes (en KDT) :

7.2. Critères de décision face à l’incertain

7.2.1. Critère de MaxiMax
C’est le critère du décideur optimiste. On « redescend » l’utilité maximale de chaque « valeur ».
Règle : on choisit la décision qui a la plus grande utilité maximale.
Avec :D = ensemble des décisions {Faible, Moyenne, Elevée}
S = ensemble des situations possibles {Basse, Moyenne, Forte}
Correction

7. Analyse de la décision dans l’incertain

7.1. Problématique 7.2.2. Critère de Wald ou Maxi Min (W)
En présence d’incertitude non mesurable, le décideur ne peut plus pondérer l’importance respective C’est le critère du décideur pessimiste : décider comme si la nature était animée des pires intentions
…on « redescend » l’utilité minimale de chaque « valeur ».
de chaque état par une probabilité, car il ne la connaît pas. Alors, plusieurs critères pour la décision
• Règle : on choisit la décision qui a la plus grande utilité minimale (la "moins pire")
individuelle ont été proposés : Critères de Laplace, Bernouilli, Wald, Hurwicz, Savage, …
Exemple : On s’intéresse à un investissement immobilier. Faut-il investir dans :Une résidence, Un
immeuble, Un appartement ou Aucun des trois. Cela va dépendre de l’état du marché immobilier
:Fort / Moyen / Faible.
L’estimation des profits de chacun de ces investissements selon l’état du marché est :

N.BOHLI 7 / 11 N.BOHLI 8 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5 Cours Analyse décisionnelle et maitrise des risques IIA5

7.2.5. Critère d’Hurwicz

Le critère d’Hurwicz défini un degré de pessimisme (alpha) et un degré d’optimisme (1 - alpha)
Il prend à la fois le meilleur et le pire résultat de chaque stratégie et les pondère dans une
combinaison linéaire par cet index.

• on calcule pour chaque décision le critère H

7.2.3. Critère de Savage ou regret Mini Max (S) • Règle : on choisit la décision qui donne la plus grande valeur de H
« Regrettons le moins possible dans le pire des cas … ». Calcul d’une matrice des regrets (ou
manque à gagner) à partir de la table des résultats ainsi : Exemple : avec alpha = 0,5 on a :

• on « redescend » le regret maximal de chaque « valeur » (pire des cas)

• Règle : on choisit la décision qui donne le plus petit regret maximal

7.2.6. Critère de Bernouilli (B)

Le critère de Bernouilli, comme le critère L, est aussi basé sur l’hypothèse d’équiprobabilité des n
états de la nature, mais il utilise l’utilité des gains définie par leur logarithme :!

• on calcule pour chaque décision le critère B

• Règle : on choisit la décision qui donne la plus grande valeur de B
Exemple :

7.2.4. Critère de Laplace

Le critère de Laplace est fondé sur l’hypothèse d’équiprobabilité des n événements (états) possibles
de la nature soit 1/n pour chaque état. Le critère de Laplace (L) se calcule ainsi :
7.3. Comparaison des critères pour traiter l’incertitude
un des moyen utilisés pour la décision optimale est de construire un tableau classant les décisions
pour chacun des critères avec leur rang respectifs, exemple :
• on calcule pour chaque décision le critère L (la moyenne des valeurs)
• Règle : on choisit la décision qui donne la plus grande valeur de L

N.BOHLI 9 / 11 N.BOHLI 10 / 11
Cours Analyse décisionnelle et maitrise des risques IIA5

De par la somme des rangs, on en déduit le classement :

1. l’investissement « immeuble »
2. l’investissement « résidence » ou l’investissement « appartement »
3. enfin « aucun » investissement

 Conclusion : il y a une Difficulté de choisir un critère pour décider dans l’incertain. En fait,
dans la réalité, il est rare qu’on n’ait absolument aucune information sur les probabilités des
états de la nature, aussi il vaut mieux se contenter d’évaluations imparfaites de telles
probabilités plutôt que de considérer un environnement totalement incertain.

Remarque : Dans l'industrie, ils utilisent ces arbres avec des distributions de probabilités définies sur
chaque noeud. Ils font ensuite une simulation de Monte-Carlo sur l'ensemble et font une analyse de
la sensibilité (graphe Tornado) avec des suites décisionnelles comme celle de @Risk de Palisade.

N.BOHLI 11 / 11