CHAPITRE 2:

DÉCISIONS D’INVESTISSEMENT
EN AVENIR INCERTAIN

1
 Introduction

• L’évaluation d’un projet d’Invt repose sur des prévisions

relatives aux flux dégagés par le projet en question.
• Ces prévisions peuvent être plus ou moins probables, plus ou
moins quantifiables et parfois même totalement imprévisibles.
• Il est donc important, lorsqu’on procède à une décision d’Invt,
de prendre en considération cette incertitude qui caractérise
l’environnement et de compléter l’analyse de la rentabilité d’un
projet par l’analyse du risque rattaché à cette rentabilité.
• L’incertitude caractérise une situation où l’investisseur se trouve
incapable de déterminer avec précision la rentabilité d’un projet
d’Invt.
2
 Introduction
• Cette incertitude peut toucher plusieurs déterminants de la
rentabilité : les recettes (CA) ; les coûts ; la durée de vie
effective de l’investissement et le taux d’actualisation.
• Chaque élément peut être touché par l’incertitude, le calcul de la
rentabilité devient alors délicat et au lieu de déterminer une
rentabilité, on détermine une espérance de rentabilité.
• Lorsqu’on peut associer une distribution de probabilités
objective aux différents résultats possibles, on se trouve dans une
situation risquée.
• Par contre, lorsqu’on ne peut associer aucune distribution de
probabilités ou bien on ne peut associer qu’une distribution de
probabilités subjective, on se trouve dans une situation
incertaine. 3
 Introduction

• Mais qu’est-ce qu’une distribution de probabilités ?

• La spécification des résultats possibles et des probabilités
d’occurrence qui leur sont associées constitue une distribution de
probabilités.
• Les probabilités assignées peuvent être :
- objectives : il s’agit de probabilités associées à des évènements
répétitifs dans le cadre d’une situation relativement stable.
- subjectives : il s’agit de probabilités déterminées par le
décideur lui-même en fonction de ses propres croyances.

4
Plan du chapitre

Section 1 : Evaluation des projets d’Investissement en

avenir probabilisable
Section 2 : Recours à la théorie de l’utilité

5
 Section 1. Evaluation des projets en avenir
probabilisable

• Lorsqu’on peut, objectivement ou subjectivement, probabiliser

les cash flows d’un projet, on peut calculer l’espérance
mathématique et l’écart-type de la VAN de ce projet.
• L’espérance mathématique peut alors représenter une mesure de
la rentabilité du projet,…
• … tandis que la variance (ou l’écart-type) permettra plutôt
d’apprécier le risque que représente le projet (elle indique la
marge de variation des valeurs de la VAN autour de l’espérance
mathématique).

6
 Section 1. Evaluation des projets en avenir
probabilisable

• Soit une VAN pouvant prendre plusieurs valeurs VANi, chacune

affectée de sa probabilité de survenance pi

son espérance sera

sa variance 𝑉 𝑉𝐴𝑁 = σ𝑖 𝑝𝑖 𝑉𝐴𝑁𝑖 − 𝐸(𝑉𝐴𝑁) 2

= 𝐸 𝑉𝐴𝑁 − 𝐸 𝑉𝐴𝑁 2
Ou encore : 𝑉 𝑉𝐴𝑁 = σ𝑖 𝑝𝑖 𝑉𝐴𝑁𝑖2 − σ𝑖 𝑝𝑖 𝑉𝐴𝑁𝑖 2

2 2
= 𝐸(𝑉𝐴𝑁 ) − 𝐸 𝑉𝐴𝑁

son écart-type
7
 Section 1. Evaluation des projets en avenir
probabilisable

• Exemple
Soit un projet dont la VAN peut être 400, 500 ou 600 avec les
probabilités respectives 0,2 ; 0,6 et 0,2

VANi pi

400 0,2
500 0,6
600 0,2

Autrement … 8
 Section 1. Evaluation des projets en avenir
probabilisable

• Exemple
Soit un projet dont la VAN peut être 400, 500 ou 600 avec les
probabilités respectives 0,2 ; 0,6 et 0,2

VANi pi pi .VANi²

400 0,2
500 0,6
600 0,2

9
 Section 1. Evaluation des projets en avenir
probabilisable

• On accepte le projet lorsque E(VAN) est positive.

• Entre plusieurs projets, ayant les mêmes montants de capitaux
investis, on retient celui qui possède E(VAN) la plus élevée.
• Cependant, le critère de l’espérance ne tient pas compte de la
dispersion et donc du risque attaché à la distribution de
probabilités.
• Le calcul de la variance permet de mesurer le risque du projet et
de le comparer à la norme fixée en la matière. Si la variance ou
l’écart-type est supérieur à cette norme, le projet peut être rejeté.
• Entre plusieurs projets, on est finalement amené à comparer les
différentes espérances mathématiques de la VAN en tenant
compte du risque lié à ces projets.
10
 Section 1. Evaluation des projets en avenir
probabilisable

• Pour choisir entre plusieurs projets (sous l’hypothèse d’une

aversion au risque) :
- à rentabilité égale (même espérance), on retiendra le projet le
moins risqué (ayant l’écrat-type le plus faible)
- à risque égal (même écart-type), on retiendra le projet le plus
rentable (ayant l’espérance la plus forte)
- au cas où un projet a, à la fois, l’espérance la plus élevée et
l’écart-type le plus fort, on calcule le coefficient de variation de
chacun des projets et on retient le projet ayant le coefficient de
variation le plus faible

11
 Section 1. Evaluation des projets en avenir
probabilisable

• Exemple A B
Soient 2 projets A et B dont pi VANi pi VANi
la VAN peut prendre 0,1 3 000 0,1 5 000
différentes valeurs VANi avec 0,2 3 500 0,2 3 000
les probabilités respectives pi. 0,4 4 000 0,4 4 000
Quel projet doit-on choisir ? 0,2 4 500 0,2 5 000
0,1 5 000 0,1 6 000
E(VAN)
V(VAN)
(VAN)

CV
12
 Section 1. Evaluation des projets en avenir
probabilisable

Autrement
• L’espérance mathématique de la VAN est égale à la VAN des
espérances mathématiques des cash flows.

puisque

or

comme

13
Section 1. Evaluation des projets en avenir
probabilisable

or

comme

puisque
et 14
 Section 1. Evaluation des projets en avenir
probabilisable

Lorsque les CF sont indépendants,

• Exemple : Soient les projets A et B ayant ces caractéristiques :

- durée de vie des projets = 1 an A B
- taux d’actualisation = 10% pi CF1,i Pi CF1,i
- capital investi = 150 0,3 330 0,4 253
- les CF anticipés sont les suivants : 0,5 297 0,4 231
0,2 -110 0,2 -11
15
 Section 1. Evaluation des projets en avenir
probabilisable

• Ce type d’analyse parait simple si on est limité à une période

mais dès que l’on passe à un horizon multi périodique, ce calcul
devient plus compliqué (mais le raisonnement reste le même : le
risque peut changer d’une période à une autre, ce qui implique
que la distribution de probabilités peut changer).
• La technique de l’arbre de décision permet de simplifier ce
problème en le visualisant.
• L’arbre de décision a pour objet de représenter graphiquement :
- les différentes possibilités matérielles attachées au
développement du projet
- la probabilisation des anticipations concernant le contexte
futur. 16
 t=0 t=1 t=2 VANi pi
CF2,1 VAN1 p1
CF1,1 • CF2,2 VAN2 p2
•
CF2,3 • •

• CF2,4 • •

I0 p1,2 CF1,2 • CF2,5 • •

•
CF2,6 • •

• CF2,7 • •
CF1,3 • CF2,8 • •
• •
CF2,n VANn
Pour chaque branche, on calcule la valeur de la VAN et sa
probabilité liée ou jointe.
Proba jointe = Proba initiale  Proba conditionnelle 17
• Exemple 1
Considérons un projet d’invt qui requiert des capitaux investis de 240
à t = 0. Les flux de revenus attendus pendant les 2 années de la durée
de vie prévue ainsi que leurs distributions de probabilités respectives
sont consignés dans ce tableau :
Année 1 Année 2
Proba Proba
CF1 CF2
initiales conditionnelles
0,4 -400 Analysons la
0,25 -100 0,4 -100 rentabilité et le
0,2 200 risque de ce projet
0,2 -100 pour un taux
0,5 200 0,6 200 d’actualisation de
0,2 500 8% .
0,2 200
0,25 500 0,4 500
18
0,4 800
• Supposons que la VAN suit une loi normale et déterminons la
probabilité d’avoir une VAN négative.
• Pour cela nous allons procéder à un changement de variable de
VAN à Z.
• Si VAN suit une loi normale d’espérance E(VAN) et d’écart-
type (VAN), Z = [VAN – E(VAN)] / (VAN) suit une loi
normale centrée réduite.
𝑃 𝑉𝐴𝑁 ≤ 0 =

Plus cette probabilité est importante, plus le projet est risqué.

19
 P(Z < -t) P(Z > t)

-t t

P(Z < -t) = P(Z > t)

20
 P(Z < t)

P(Z > t)

P(Z > t) = 1 – P(Z < t)

21
P(Z  t)

22
• Exemple 2
Les cash flows totalement indépendants d’un projet de durée de
vie 2 ans dont l’investissement initial est égal à 5 000 peuvent
prendre les valeurs suivantes:
Proba CF
0,3 2 500
0,4 5 000
0,3 7 500

Sachant que le taux d’actualisation sans risque est de 10% et que

la VAN est supposée suivre une loi normale, déterminons la
probabilité d’avoir une VAN négative.

23
• Exemple 3
Les cash flows totalement indépendants d’un projet dont la
dépense initiale est de 3 500 et dont la durée de vie est égale à 3
ans peuvent prendre les valeurs suivantes. k = 10%.
Année 1 Année 2 Année 3
Proba CF1 Proba CF2 Proba CF3
0,3 1 000 0,4 1 200 0,6 1 000
0,7 2 000 0,6 2 500 0,4 2 500

24
 Section 2. Recours à la théorie de l’utilité

• La majorité des agents économiques (individus ou entreprises)

ont une aversion pour le risque : entre 2 projets présentant le
même rendement espéré, un investisseur averse au risque
préférera le projet qui se distingue par le risque le plus faible.
• Cependant, d’autres agents (non averses au risque) peuvent
choisir le projet à risque plus élevé.
• L’espérance mathématique et la variance, données objectives,
s’avèrent insuffisantes en matière de prise de décision
puisqu’elles n’intègrent pas une composante subjective
importante qui est l’attitude du décideur vis-à-vis du risque.

25
 Section 2. Recours à la théorie de l’utilité

• La théorie de l’utilité espérée de Von Neumann et Morgenstern

(1947) a permis de formaliser cette attitude face au risque.
Elle admet que chaque individu possède une fonction d’utilité
qui traduit son comportement réel vis-à-vis du risque, et que
confronté à un ensemble de loteries, l’individu choisira celle
dont l’utilité espérée est la plus élevée, pour autant que son
attitude respecte un certain nombre de règles appelées axiomes
de rationalité.
• La notion de loterie, appelée également Prospect, occupe un rôle
clé dans l’axiomatique de l’utilité de VNM. Il s’agit d’une liste
de n résultats (ou conséquences) Ri affectés chacun d’une
probabilité pi. En théorie financière, ces conséquences sont
purement monétaires (Ri est alors une somme d’argent ). 26
 Section 2. Recours à la théorie de l’utilité

• Un investissement risqué dont le gain peut prendre les valeurs

possibles R1…..Rn affectées des probabilités p1……pn peut être
assimilé à une loterie et le choix entre investissements revient à
un choix entre loteries.
• Selon la théorie de l’utilité, chaque agent évalue les investisse-
ments, non pas sur la base de l’espérance mathématique du gain,
mais sur celle de l’espérance mathématique de l’utilité du gain.

27
Section 2. Recours à la théorie de l’utilité

2.1. Axiomes de rationalité et fonction d’utilité

2.2. Attitudes face au risque
2.3. Equivalent certain
2.4. Quelques fonctions d’utilité usuelles

28
 2.1. Axiomes de rationalité et fonction d’utilité

• Axiome 1 : Axiome de comparabilité

Entre 2 loteries l1 et l2, le décideur peut toujours définir un ordre
de préférence complet
l1 > l2 : l1 est préférée à l2
l2 > l1 : l2 est préférée à l1
l1  l2 : l1 équivalente à l2
• Axiome 2: Axiome de transitivité
Si l1 > l2 et l2 > l3 alors l1 > l3
Si l1  l2 et l2  l3 alors l1  l3

29
 2.1. Axiomes de rationalité et fonction d’utilité

• Axiome 3: Axiome d'indépendance forte

Soit une loterie qui engendre un résultat x avec une probabilité p
et un résultat z avec la probabilité (1-p) notée l(x, z; p, (1-p)), si
pour l’individu considéré :
x  y alors l(x, z; p, (1-p))  l(y, z; p, (1-p))
x > y alors l(x, z; p, (1-p)) > l(y, z; p, (1-p))
• Axiome 4 : Axiome de continuité
Si x > y et y > z alors il existe une probabilité unique p telle que
y  l(x, z; p, (1-p))
y représente l’équivalent certain de la loterie l(x, z; p, (1-p)) :
somme telle que l’individu est indifférent entre recevoir cette
somme certaine ou jouer à la loterie. 30
 2.1. Axiomes de rationalité et fonction d’utilité

• Axiome 5: Axiome des classements composés

Si x > y > z, alors il  p1 / y  l(x, z; p1, (1- p1))
Si x > u > z, alors il  p2 / u  l(x, z; p2, (1- p2))
Lorsque p1 > p2 alors y > u
Lorsque p1 = p2 alors y  u
Si 2 loteries présentent les deux mêmes résultats x et z, celle qui
accorde la plus grande probabilité de survenance au résultat le
plus favorable sera préférée à l'autre.
• Axiome 6: Axiome de non - satiété
L’individu préfère toujours plus de gains à moins de gains

31
 2.1. Axiomes de rationalité et fonction d’utilité

Von Neumann et Morgenstern (VNM) ont établi que pour toute

relation de préférence, définie sur l'ensemble des loteries L et qui
satisfait les axiomes 1 à 6, il existe une fonction d'utilité U
définie sur L et à valeur dans R telle que :
• Cette fonction d’utilité (f.u.) dépend de la richesse
• Cette f.u. permet d’associer à chaque enrichissement (W) un
nombre U(W), appelé indice d’utilité, caractéristique de la
satisfaction procurée à l’individu par la richesse W.
• Cette f.u. est une fonction croissante de la richesse (W) : la
satisfaction de l’individu augmente avec l’accroissement du
niveau de la richesse  U(W) > 0
32
 2.1. Axiomes de rationalité et fonction d’utilité

• U maintient l'ordre de préférence, càd U(x) > U(y) implique x

préféré à y et U(x) = U(y) implique x ∼ y.
• L’utilité d’une loterie l(x, y; p, (1-p)) est égale à l’espérance
mathématique des utilités des sommes monétaires engendrées
par cette loterie
E[U(l)] = p U(x) + (1-p) U(y)
• Le critère de choix est la maximisation de l’utilité espérée et non
la maximisation du gain espéré.

33
 2.1. Axiomes de rationalité et fonction d’utilité
A B
• Exemple
pi VANi pi VANi
Soient les projets A et B
0,5 100 0 100
Quel projet va être retenu par
un agent dont la f.u. est décrite 0 50 1 50
par la fonction ? 0,5 0 0 0

34
 2.1. Axiomes de rationalité et fonction d’utilité

• Remarque
L’utilité n’est pas une notion cardinale (le niveau absolu de
l’utilité n’a pas beaucoup d’importance).
Elle est plutôt ordinale c’est-à-dire son intérêt est de classer les
différentes options d’investissement.

35
 2.2. Attitudes face au risque

• On distingue 3 attitudes différentes face au risque :

- Aversion au risque (risquophobie)
- Préférence pour le risque (risquophilie)
- Indifférence au risque (neutralité)
• Pour comprendre la différence entre les 3 types de
comportement, considérons un investisseur disposant d’une
richesse initiale W0 pouvant participer, gratuitement, à une
loterie lui offrant la possibilité de gagner ou perdre, avec la
même probabilité, une somme S.
• L’investisseur a le choix entre ne pas jouer ou jouer

36
 2.2. Attitudes face au risque

• S’il décide de "ne pas jouer" (situation 1):

W0 W0 ; E(R1) = W0 ; ²(R1) = 0
• S’il décide "de jouer" (situation 2):
W0 + S
W0
W0 – S
~
E(R2) = E(W) = 0,5 (W0 + S) + 0,5(W0 – S) = W0
²(R2) = S²

• Le choix entre "ne pas jouer" et "jouer" dépend de son

comportement face au risque.
37
 2.2. Attitudes face au risque

2.2.1. Aversion au risque

• Un individu a de l’aversion pour le risque si entre 2 loteries de
même espérance de gain, il choisira la loterie la moins risquée.
• Dans notre exemple, l’individu préférera "ne pas jouer".
• La richesse initiale (W0) lui procure une utilité supérieure à
~
l’utilité de la richesse aléatoire (W)
• Utilité de la richesse initiale > Utilité de la richesse aléatoire
~
• U(W0) > 0,5 U(W0 + S) + 0,5 U(W0 – S)  E[U(W)]
• U(W0) – U(W0 – S) > U(W0 + S) – U(W0)
• La perte d’utilité associée à la perte S est, en valeur absolue,
supérieure au gain d’utilité associé au gain S.
f.u. concave et utilité marginale décroissante 38
2.2. Attitudes face au risque

2.2.1. Aversion au risque f.u. concave

U(W)
U"(W) < 0
U(W0+S) ~ ~
U(W0) Gain
~
E[U(W)]
Perte
U(W0–S)

0 ~
W0 –S W0 =E(W) W0+S W
39
 2.2. Attitudes face au risque

2.2.2. Préférence pour le risque

• Un individu préfère le risque si entre 2 loteries de même
espérance de gain, il choisira la loterie la plus risquée.
• Dans notre exemple, l’individu préférera "jouer".
• La richesse initiale (W0) lui procure une utilité inférieure à
~
l’utilité de la richesse aléatoire (W)
• Utilité de la richesse initiale < Utilité de la richesse aléatoire
~
• U(W0) < 0,5 U(W0 + S) + 0,5 U(W0 – S)  E[U(W)]
• U(W0) – U(W0 – S) < U(W0 + S) – U(W0)
• La perte d’utilité associée à la perte S est, en valeur absolue,
inférieure au gain d’utilité associé au gain S.
f.u. convexe et utilité marginale croissante 40
2.2. Attitudes face au risque

2.2.2. Préférence pour le risque f.u. convexe

U(W)
U"(W) > 0

U(W0+S)

~ Gain
E[U(W)]

U(W0)
Perte
U(W0–S)
0 ~
W0–S W0 =E(W) W0+S W
41
 2.2. Attitudes face au risque

2.2.3. Neutralité au risque

• Un individu est neutre au risque s’il lui est indifférent de
recevoir une loterie ou bien son gain espéré.
• L’individu est indifférent entre "jouer" et "ne pas jouer".
• La richesse initiale (W0) lui procure la même utilité que la
~
richesse aléatoire (W)
• Utilité de la richesse initiale = Utilité de la richesse aléatoire
~
• U(W0) = 0,5 U(W0 + S) + 0,5 U(W0 – S)  E[U(W)]
• U(W0) – U(W0 – S) = U(W0 + S) – U(W0)
• La perte d’utilité associée à la perte S est, en valeur absolue,
égale au gain d’utilité associé au gain S.
f.u. linéaire et utilité marginale constante 42
2.2. Attitudes face au risque

2.2.3. Neutralité au risque f.u. linéaire

U(W)
U"(W) = 0
U(W0+S)

Gain
~
U(W0)
~
= E[U(W)]
Perte

U(W0–S)

0 ~
W0–S W0 =E(W) W0+S W
43
 2.3. Equivalent certain

~
• On appelle équivalent certain de la richesse aléatoire W, la
richesse certaine WEC qui donne à son propriétaire la même
~ ~
utilité que W le rendant indifférent entre WEC et W.
• L’utilité de la richesse certaine WEC étant U(WEC), l’équivalent
~
certain de la richesse aléatoire W est la valeur WEC solution de
l’équation:
~
U(WEC) = E[U(W)]
• Graphiquement :

44
2.3. Equivalent certain
~
U(W)  = E(W) –WEC s’interprète
comme la somme maximale
~ que l’individu averse au
E[U(W)]
= risque est prêt à payer pour
U(WEC) se prémunir contre le risque
càd pour avoir la richesse
certaine WEC plutôt que la
~
richesse aléatoire W.

~
0 WEC E(W) W
  prime de risque
Plus l’aversion au risque est importante, plus cette prime est
importante. 45
2.3. Equivalent certain
U(W)

~
U(WEC) = E[U(W)]


~
0 E(W) WEC W
~
Pour un individu risquophile,  = WEC – E(W) s’interprète
comme la mise initiale que l’individu est prêt à payer pour
pouvoir participer au jeu. 46
2.3. Equivalent certain
U(W)

~
E[U(W)]
= U(WEC)

~
0 E(W) = WEC W

Pour un individu neutre au risque ,  = 0

47
 2.3. Equivalent certain
• Exemple
Soit une loterie l (10, 5; 0.4, 0.6) , déterminer l’équivalent
certain de cette loterie ainsi que la prime de risque pour un
individu dont la f.u est décrite par U(W) = ln(W)

48
 2.3. Equivalent certain

• Remarque
Dans le cas du choix d’investissement en avenir incertain, les
cash flows qui sont des variables aléatoires sont supposés être
des loteries.
Le critère de choix d’investissement sera la VAN certaine qui
tiendra compte des équivalents certains de chaque cash flow :

49
 Aversion Neutralité Préférence

Signe de la
U′(W) > 0 U′(W) > 0 U′(W) > 0
dérivée première
Signe de la
U″(W) < 0 U″(W) = 0 U″(W) > 0
dérivée seconde
Forme de la f.u. Concave Linéaire Convexe

50
 2.4. Quelques fonctions d’utilité usuelles

2.4.1. Fonction quadratique

• U(W) = a + b W – c W ² avec a, b et c > 0 : des constantes
• U(W) = b – 2 c W > 0 ssi W < b
2c
• Le domaine de définition de cette f.u. : [0, b ]
2c
• U″(W) = – 2 c < 0  Aversion au risque , f.u. concave
2.4.2. Fonction exponentielle
• U(W) = – e - aW avec a > 0
• U(W) = a e - aW > 0
• U″(W) = – a² e - aW < 0  Aversion au risque

51
 2.4. Quelques fonctions d’utilité usuelles

2.4.3. Fonction logarithmique

• U(W) = ln(W)
1
• U(W) = >0
W
1
• U″(W) = – <0  Aversion au risque
W²

52