1

Chap. I : PROGRAMMATION LINEAIRE

1.1. Introduction
La Programme Linéaire est un modèle mathématique de recherche de
maximisation ou de minimisation d’un objectif quantifié qui satisfait un certain nombre
des contraintes. Ce modèle peut avoir différents usages en économie et en gestion  :
choix d’une ration d’alimentation du bétail à moindre coût, développement régional,
analyse économique des décisions de production, dans les exploitations agricoles.
C’est ce dernier usage qui sera surtout étudié ici.
Dans une exploitation agricole ; compte tenu des facteurs de production
disponibles, des productions possibles, de leur consommation et de leur produits. Le
Programme Linéaire peut par exemple indiquer la combinaison des productions qui
« maximisera » le résultat de d’exploitation (revenu). La formation du problème
comporte trois éléments :
i. l’inventaire des productions ou activités possibles
ii. l’inventaire des facteurs de production. Ces derniers constituent des ressources
en quantités nécessairement finies et vont limiter la taille possible des activités.
Les facteurs de production sont donc aussi des contraintes pour le système
d’activités. La consommation que chaque activité fait de ces facteurs est donnée
par le coefficient technique (un ha de blé, p. ex, demande 25h de travail).
iii. Enfin, la fonction d’objectif ou fonction économique donnant le critère de choix
retenu pour obtenir la solution optimale. Ce pourra être, ce sera souvent, la
recherche du résultat d’exploitation (ou revenus). On présentera tout d’abord
l’outil insistant sur son intérêt pour « simuler » une exploitation agricole ou une
entreprise tout court dans une perspective de gestion, puis les liens entre la
Programme Linéaire. et la théorie de la production, et enfin l’intérêt et les limites
de la Programme Linéaire.
 2

1.2. Présentation de la PROGRAMME LINÉAIRE.

1.2.1. Exposé littéraire du problématique de

PROGRAMME LINÉAIRE.
Soit un agriculteur possédant ou pouvant acheter de la terre, du capital et du
travail. On écrira :
- La superficie cultivée en riz, sorgho, maïs, pairies… ne peut être supérieure à
la superficie totale disponible (S.A.U.) ;
- L’agriculteur ne peut pas utiliser pour l’alimentation des animaux, plus foin
qu’il en produit à moins d’en acheter ;
- Il ne peut pas utiliser plus d’heures de travail pour s’occuper des terres ou
des bovins qu’il en dispose (ex 2500ha environ par homme et par an) ;
- Il ne peut pas emprunter à la banque de crédit agricole plus d’argent que
celle-ci ne peut ou ne veut lui en prêter.
On peut ainsi traduire un certain nombre des choix qui s’offrent à l’agriculteur
en multipliant les relations de ce type.
Si l’objectif que cherche à atteindre l’agriculteur est la maximisation du résultat
d’exploitation, le problème revient donc à trouver qu’elles productions il faut faire, et
en quelle quantité pour maximiser ce résultat. On retrouve ici les questions
classiques de la gestions : quoi, comment, combien produire ?

1.2.2. Exposé mathématique de PROGRAMME

LINÉAIRE.
Il est possible de représenter ce problème à partir d’un certain nombre
d’inéquations linéaires (d’où le nom du modèle).
Soient X1, X2, X3, X4, les dimensions (quantités) des productions possibles
(ha de riz), de sorgho, de maïs, nombre de vaches laitières), dimensions qui sont les
inconnues à déterminer. On écrira, p. ex, X 1+ X2+ X3+0,8X4  150ha (SAU) si une
vache laitière a besoin de 0,8ha pour son alimentation.
20X1+20X2+30X3+80X4  2500h (les chiffres correspondent aux heures
nécessaires pour s’occuper d’une unité de chaque production).
200X1+160X2+220X3100X4  50.000Fc capitaux à court terme (50.000Fc p.
ex). (les chiffres étant les charges variables à l’ha ou vache).
 3

1.500X1+1.150X2+2.100X4 à optimiser (les chiffres correspondent aux marges

brutes à l’ha ou par vache laitière, car dans ce cas, la maximisation des marges
brutes est identique à celle du résultat d’exploitation. En effet, l’augmentation des
M.B. est identique à l’augmentation du résultat d’exploitation, car, par construction et
par défintion, les charges fixes sont supposées ne pas changer en fonction des
différentes combinaisons obtenues).
On peut donc faire le tableau ou matrice, classique en PROGRAMME
LINÉAIRE. donnant les différents coefficients techniques ci-après :
Production X1 X2 X3 X4 Second membre de
ou activités l’inéquation
Ressources disponibles en
Contraintes facteurs de production
sur les facteurs
Terre 1 1 1 0,8 ≤ 150ha (SAU) disponible
Travail 20 20 30 80 ≤ 2500h
Financement de la pod 200 160 220 100 ≤ 50.000Fc capitaux
Fct d’objectif (M.B) 1.500 1.150 1.78 2.100 Maximum
0

1.2.3. Résolution d’un problème de PROGRAMME

LINÉAIRE.
Exemple : soit un agriculteur possédant 40ha de terre et 240 journées de travail. Il
peut produire, de façon indépendante, du maïs ou du lait. Pour produire1ha de maïs,
l’agriculteur a besoin de 5 journées de travail. Pour une vache laitière il faut 0,8ha de
terre et 8 journées de travail.
Chaque activité offre une marge brute unitaire (PB – CVT) de 3000F. L’agriculteur
cherchant à maximiser son résultat brut d’exploitation, quelle combinaison de
production faut-il adopter ?
La matrice peut être exprimée ainsi :
Production X1 X2 2nd membre
ou Activités
Contraintes
sur les facteurs
Terre 1 0,8 ≤ 40ha
Travail 5 8 ≤ 240 Jt
Z = fct d’objet 3.000 3.000 Maximum
tif à maximiser
Qu’on peut écrire Max Z(M.B)=3000X1+3000X2
s.a X1+0,8X240
5X1+8X2 240
 4

X10 ; X20
A. Résolution graphique
On peut donner dans le plan une représentation graphique de ce problème
avec maïs (X1) en ordonnée, lait (X2) en abscisse.
40ha 40
- 40ha de terre  1 de maïs ou 0,8 = 50 vaches laitières.
240 240
- Avec le travail  5 = 48ha de maïs ou 8 30 vaches laitières.

X1
Nbre d’unité
par ha

48

B
0102030 40 506025 70 27 Lait
12 Z’ Z’’ (Nbre des vaches laitière)
Z’’’
Z
On démontre que les solutions acceptables sont sur ou dans le polygone
OAEB. La M.B. est déterminée par la droite Z. C’est une droite de pente -1 et
d’ordonnée à l’origine Z/3.000
Z
(Z = 3.000X1 + 3.000X2  - 3.000X1=3.000X2-ZX1=-X2+ 3.000 )
La valeur de Z est maximum lorsque la droite s’éloigne de l’origine 0 et se
déplace vers le Nord-Est du quadrant gradant. L’optimum correspond donc à un des
trois sommets A, E et B. Comme la pente de la droite Z(-1) est entre les pentes des
deux contraintes terre et travail (-0,8 et -1,6) X1+0,8X2=40haX1=-0,8X2+40 ;
 5

−8 240
5X1+8X2=240X1=-1,6+48 (-1,6= 5 , 48= 5 l’optimum est obtenu en E. Cet
optimum dépend directement des valorisations relatives (et donc des prix) du maïs
et lait. Il est facile de deviner que si le prix du maïs augmente relativement par
rapport à celui du lait ; la solution se déplacera vers A. Inversement si le prix
augmente par rapport à celui du maïs, la solution se déplace vers B.
Solution : maïs 32ha (projection perpendiculaire de E sur l’axe de maïs)
Lait  10 vaches laitières (projection perpendiculaire de E sur l’axe de
vaches laitières).
 Z = (32 x 3000) + (10 x 3000) = 96.000 + 30.000 = 126.000Fc
N.B. Cette méthode graphique n’est pas utilisable quand on a plus de 2 contraintes.
D’où il faut utiliser la méthode itérative appelée « simple x.e ».

B. Résolution par « simple x.e »

Cette méthode a été développée en 1947 par Georges Dantzig ; c’est une
technique algébrique qui permet de trouver la solution optimale d’un PROGRAMME
LINÉAIRE. de façon ordonnée et concise.
Les étages sont les suivantes :
a. Etape 1
Ecrire le programme linéaire sous la forme standard (min, max) f(x) s.a gi (,
, = bi).
Choisir la solution des bases initiales. Exprimer la fonction économique en
termes des variables hors base.
b. Etape 2
S’il y a des variables hors base avec un coefficient négatif dans la
dernière rangée, choisir celle qui a le plus petit coefficient (c'est-à-dire la valeur
absolue la plus élevée) comme variable et passer à la 3 ème étape. Si toutes les
variables hors base ont un coefficient positif ou égal à zéro dans la dernière ligne,
on a une solution optimale.

c. Etape 3
 6

bi
Calculer le rapport ai de la colonne qui entre, c’est-à-dire, entre le côté droit

(ressources disponibles et le coefficient de la nouvelle variable de la base. Le plus

petit ratio détermine celui qui doit quitter la base. L’élément à l’intersection de la
colonne qui entre et de la ligne qui sort s’appelle « Pivot ».
c. Etape 4
Changer de base, résoudre pour trouver la valeur de nouvelles variables de
base et exprimer la fonction économique en termes de variables hors base ensuite
retourner à la 2ème étape.
N.B. : Pour trouver les nouvelles valeurs on fait ceci :
- sur la ligne (rangée) qui sort diviser simplement les 1 ères valeurs par le
« pivot ».
- ensuite l’objectif est d’éliminer tous les chiffres négatifs pour cela retrancher à
la valeur précédente le produit de deux nombres (celui sur la même ligne mais
sur la colonne qui entre et l’autre sur la même colonne mais sur la ligne qui
sort par le « pivot »
Exemple max Z0 = 10X1 + 9X2  min (-Z)=-10X1-9X2
s.a. 5X1+4X2  200
5X1+4X2+X3=200
4X1+6X2  230  4X1+6X2+0X3+X4=230
2X1+X2  70 2X1+X2+0X3+0X4+X5=70

X1, X2 
Itération  1
Producteur X1 X2 X3 X4 X5 2nd Bi/ai
Contraintes membre
X3 5 4 1 0 0 200 200
 40
5
X4 4 6 0 1 0 230 230
=57 ,5
4
Soit X5 2 1 0 0 1 70 200
=40
5
Z -10 -9 0 0 0 0

entre

Itération  2
 7

Producteur X1 X2 X3 X4 X5 2nd meurtre Bi/ai

Contraintes
Soit X3 0 3/2 1 0 -5/2 25 16,66
X4 0 4 0 1 -2 90 22,5
X1 1 ½ 0 0 ½ 35 70
Z 0 -4 0 0 5 350

(−10 ) x 1 (−10 )( 1 )
=−9+5=−4 =0+5=5
-4 =-9- 2 5=0- 2
Itération 3
X1 X2 X3 X4 X5 2nd membre bi/ai
X3 0 1 2/3 0 −5/3 150/3 -10 à

X4 0 0 −8/3 1 4/3 70/3

déconsiderer

5
X1 1 0 0
−1/3 4/3 80/3 20
Z 0 0 8/3 0 −5/3 416,66

Itération 4
X1 X2 X3 X4 X5 2nd membre bi/ai
X2 0 1 −2/7 5/14 0 25
X5 0 0 −4/7 3/14 1 5
X1 1 0 0 20
3/7 −2/7
Z 0 0 12/7 5/14 0 425

Ainsi on a la solution optimale : X2 = 25, X1 = 20 et X5 = 5

Bénéfice = 10.20 + 9.25 = 425 X5 = 5 quantités disponibles de 3ème ressources.
3° Remarques
Dans cet exemple les contraintes sont du type gi  bi et on obtient directement
une solution réalisable de départ.
Si le problème contenait les contraintes des types (gi  bi ou gi = bi) on n’obtient pas
la solution réalisable de départ en écrivant le problème sous la forme standard.
Il faut au préalable transformer le problème (minimisation, p.ex) de sorte qu’il soit
écrit sous la forme canonique. Pour y arriver on utilise des variables artificielles puis
on exploite le mécanisme de l’algorithme de simplexe.
L’approche consiste à écrire sous forme :
Variable d’écart r= contraintes
 8
n n
∑ aijXj≥bi ∑ aijXj−
∂=1 Comme ∂=1 Xr+i+Yi=bi (X = variable d’écart et Y= variable
artificielle)
n n
∑ a ij x j =bi comme ∑ aij x j + y i
j=1 j=1

Toutefois pour que la solution soit valide tous les Y i doivent être égaux à zéro
dans le tableau final. Pour s’assurer que les Y i ne seront pas dans la solution de
base optimale, on leur associe un coût fictif arbitraire grand (M) lorsqu’on minimise la
fonction économique (d’objectif) ou un profit fictif arbitrairement petit (-M) lorsqu’on
maximise la fonction économique (d’objectif).
Un problème de minimisation peut toutefois être traité de plusieurs façons : il
peut être soit converti en un problème équivalent à la maximisation (max z = cx sa
AX B ; B0) et être résolu de la manière précédente.
N.B. : Les problèmes de minimisation sont courants en agriculture et dans les
industries de fabrication des produits. C’est le cas, p. ex. de la détermination d’un
mélange d’engrais, de mélanges des aliments à moindre coût. Ils impliquent aussi
des choses telles que trouver les matières 1 ères nécessaires en utilisant les procédés
de production les plus efficients et la minimisation du coût de vente par unité de
produit vendue.
Exemple min Z = 3X1 + 2X2
s.a. X1+X2 = 10
X14
X1, X2 0
s/f standard on aura
min Z = 3X1+2X2+MY1+MY2
s.a. X1+X2+Y1=10
X1+0X2-X3+Y2=4
X1,X2,Y1,Y20

Itération1 X1 X2 X3 Y1 Y2 2nd membre bi/ai

 9

Y1 1 1 0 1 0 10

Y2 1 0 -1 0 1 4
-Z 3 2 0 0 0
0 0 0 M M

Dans ce tableau on sépare les coefficients de la fonction économique en deux

parties, soit une partie qui est multiple de M et une autre qui ne l’est pas. Les 2 e
dernière rangées du tableau se lisent –Z + (3+0)X 1 + (2+0)X2 + (O+M) Y1+ (0+M)Y2 =
0.
Pour passer à la 2ème étape de la méthode du simplexe les coefficients de Y 1 et Y2
dans la fonction d’objectif doivent aussi être nuls. Alors en utilisant les opérations
élémentaires sur les rangées on obtient le programme suivant :
Itération X1 X2 X3 Y1 Y2 2nd membre bi/ai
2
Y1 1 1 0 1 0 10 10=10/
1
Y2 1 0 -1 0 1 4
4=4/1
-Z 3 2 0 0 0 0
-2M -M M 0 0 -14M
Addition de coefficients et changer de signe -2M=(1+1)M-M=-(1+0)M, -14M=-(10+4)M

Pour passer au tableau suivant, on retranche à chaque élément le produit de deux

nombres divisé par le « pivot » comme dans la maximisation.
N.B. : Quand la variable artificielle sort de la base on la déconsidère (ex Y 2 =0).
Itération3 X1 X2 X3 Y1 2nd membre bi/ai
Y1 0 1 0 1 6 6/1=6

Y2 1 0 -1 0 4 4/0=
-Z 0 2 0 0 -12
0 -M -M 0 -6M
X1 X2 X3 2nd membre bi/ai
X2 0 1 1 6

X1 1 0 -1 4
-Z 0 0 1 -24
0 0 0 0

La solution optimale est alors trouvée.

 10

4° Signification économique de certains éléments du tableau simplexe

a. Variable d’écart
i. Dans la base : mesure excédente d’un facteur de production c'est-à-dire
contrainte n’est pas saturée.
ii. Hors base : le facteur correspondant à cette variable d’écart est
pleinement utilisé c'est-à-dire contrainte est saturée.
b. Coûts réduits
i. Coûts réduits aux activités réelles
Ça mesure la plus grande augmentation positive dans le cas d’une
maximisation ou la plus grande diminution possible dans le cas d’une minimisation
qu’on peut donner au coefficient Cj de la solution économique sans changer la base
optimale.
ii. Correspondant aux activités fictives 
Ils indiquent combien la fonction économique varie pour un unitaire dans la
constante b de la fonction correspondante pourvu que la base optimale demeure
inchangée.
5° Cas particuliers
a. Solution optimale non réalisable (S.O.N.R)
On a une S.O.N.R. lorsque la méthode de simplexe est utilisée et une activité
artificielle se trouve parmi les variables de base dans le tableau final. On conclut que
le modèle n’a pas de solution dans le tableau final. On conclut que le modèle n’a pas
de solution réalisable.
X1 X2 X3 X4 Y1
X1 1 1 1 0 0 1

Y1 0 0 -2 -1 1 2
Z 0 5 3 0 0 3
0 0 2M M 0 -2M

b. Solution optimale sans bornes (S.O.S.B.)

Si à la 2ème étape d’une itération quelconque de la méthode du simplexe il n’y
a pas de coefficient positif dans la colonne de la variable qui doit entrer dans la base,
cela implique que la solution optimale est sans bornes.
 11

X1 X2 X3 X4 Y1
X1 0 1 -1 2 3

Y1 1 0 -2 2 2
Z 0 0 -6 8 0 10

c. Solutions multiples
On a la solution multiple lorsque l’un des coûts réduits associés aux variables
de décision (c'est-à-dire à la fonction économique ou l’objectif) hors base est égale à
zéro.
X1 X2 X3 X4 X5 hors base
X2 0 1 -1 2 0 3

Dans la base X1 1 0 -2 2 0 2
X5
0 0 2 -2 1 4
Z 0 0 0 0 0 4
d. Dégénérescence
Une solution optimale d’un PROGRAMME LINÉAIRE est dite dégénérée
lorsqu’une ou plusieurs variables de base = 0. Autrement dit si on a moins de
contraintes, qui on a des activités la solution est dite dégénérée.
ex
X1 X2 X3 X4 X5
X2 0 1 -1 2 0 3

X1 1 0 -2 2 0 0

X5 0 0 2 -2 1 4
Z 0 0 0 0 0 4

1.2.4. Présentation du problème dual détermination de

prix internes (valeurs duales)
Imaginons un 2e agriculteur qui veut louer au premier ses 40 has et ses 240Jt.
Quelles pourraient être les données du contrat ?
Soit x1 la rémunération d’une ha de terre, soit x2 la rémunération d’une Jt.
Evidement, le 2ème agriculteur voudra minimiser la dépense globale : Z’ 40x1 +
240x2 minimum.
Par contre, le 1er agriculteur voudra gagner au moins autant q’il gagnait
lorsqu’il était à son compte. Avec 5h de travail et un ha de terre, il pourrait produire
un ha de maïs et donc avoir une marge de 3.000Fc, il veut gagner autant, d’où : X1 +
 12

5X2  3.000 avec 8h de travail et 0,8ha, il pouvant produire pour 3.000Fc de lait, d’où
0,8X1 + 8X2  3.000.
Nous avons donc un programme linéaire :
min Z’ = 40X1 + 240X2
s.a X1 + 5X2 3.000
0,8X1+8X23.000
Les deux problèmes sont dits en dualité et on démontre que, à l’optimum, Z’ =
Z = 126.000.
On trouverait aussi que X1 = 2250F et X2 = 150F. Cela signifie que la terre est
rémunérée à 2.250F/ha et le travail à 150F l’heure lorsqu’un agriculteur peut produire
sur sa ferme du maïs et du lait aux conditions indiquées. Ces deux chiffres sont les
valeurs duales ou prix internes des deux facteurs de production terre et travail. Il
s’agit aussi des productivités marginales et des coûts d’opportunité de ces facteurs.
Cela peut s’interpréter ainsi : si au lieu de 40ha, l’agriculteur disposant de 41ha, sa
M.B. (marge brutes totale) serait augmentée de 2.250F c'est-à-dire que les 32 ha de
maïs et les 10 unités de lait (VL) rentabilisent le travail à 150F la journée et la terre à
2.250Fc l’ha.
On peut montrer que si un facteur n’est pas complètement utilisé pour la
production, son prix interne est nul. Si dans les conditions précédentes, l’agriculteur
dispose de 50has, on voit sur le graphique que la contrainte liée à la superficie va
au-delà de celle liée au travail, elle n’est plus contraignante. L’agriculteur aurait alors
intérêt à produire 48ha de maïs et 0 unité de lait ; il ne peut en faire plus en raison de
la contrainte travail. Les deux ha supplémentaires sont inutiles. La valeur duale ou le
prix interne de la terre est nulle puisque s l’agriculteur a un ha supplémentaire
(51ha), la M.B. ne sera pas augmentée.
La solution du PROGRAMME LINÉAIRE obtenue à l’aide de la méthode du
simplexe n’est que le point de départ d’une recherche opérationnelle basée sur un
modèle normatif linéaire. Ce modèle étant une représentation simplifiée de la réalité,
il est clair que la solution optimale du modèle n’est pas nécessairement la solution du
problème réel. Il faut donc étudier la solution obtenue en détails avant de l’implanter.
A. Programmation linéaire dual
A partir d’un PROGRAMME LINÉAIRE. On peut former un autre
PROGRAMME LINÉAIRE. qui est intimement lié au 1 er. Plus précisément à chaque
problème de maximisation correspond un problème de minimisation impliquant les
 13

mêmes données et il y a un lien étroit entre leurs solutions optimales. On appelle un

de ces problèmes le « primal » et l’autre le « dual ».
Ex : Primal dual
max Z= 3X1 + 6X2 + 2X3 min = Z = 2Y1 + Y2
s.a 3X1 + 4X2 + X3 +  2 3Y1 + Y2  3
X1 + 3X2 + 2X3  1 4Y1 + 3Y2  6
Xi  0 Y1 + 2Y2  2
Y10
Ces deux programmes sont ainsi caractérisés :
i. la fonction économique de l’un est maximisée et celle de l’autre est minimisée.
ii. Dans le problème de minimisation on a des contraintes du type  et dans celui
de maximisation les contraintes sont du type .
iii. la matrice de coefficients de l’un des problèmes est la transposée de la
matrice des coefficients de l’autre. (les lignes de (une deviennent des
colonnes de l’autre).
iv. Le côté droit (2nd membre) des contraintes de l’un des problème est la fonction
économique (d’objectif) de l’autre.
v.

362 : 0min 3311ère ligne

341 : 2643
132 : 1212
021
1ère colonne
 14

vi. à chaque contrainte du primal correspond une variable du dual et vice-versa.

Primal Dual
min CX max b’ Y
AX b s.a A’Y  C
X0 Y0
Forme symétrique du dual
Primal Dual
min C1X max b’ Y
AX = b s.a A’Y  C
X0 Y libre (y +n – ou nul).
Correspondances entre dual et primal
Primal (dual) Dual (Primal)
Si on minimise Alors on maximise
n
Alors Yi0
∑ a ij X j≥bi
Si j=1

n
Alors Yi est libre
∑ a ij X j=bi
Si j=1

n
Si Xj 0
∑ aij Y j ≤Cj
Alors i=0

n
Si Xj est libre
∑ aij Y j =Cj
Alors i=0

B. Relation entre variable « primal » et « dual »

Une fois que le programme est sous forme standard, on remarque que les
deux problèmes contiennent le même nombre des variables. On se rend compte qu’à
chaque contrainte du primal sont associées une variable d’écart « primal » et une
variable principale duale. De même, à chaque contrainte « dual » associées une
variable d’écart « dual » et une variable principale « primal ». On dit donc qu’il existe
une correspondance biunivoque entre les variables principales « primal» et les
variables principales « dual » et les variables d’écart « primal »d’autre part.
Ex primal Dual
Min Z=3X1+X2+2X3 Max Z’=Y1Y2
s.a. X1+X2-2X31 s.a. Y1+Y23
 15

- X1+2X2-X31 Y1+Y23
(X1-2X2+X3-1) - X1+Y12
Xi0 Yi0
s/f standard on aura
min Z=3X1+X2+2X3 max Z’=Y1-Y2
s.a X1+X2-2X3-X4 s.a. Y1+Y2+Y3=3
X1-2X2-2X3-X4 Y1-2Y2+Y4=1
X1-2X2+X+0X4=1 -2Y1+Y2+Y4=2
Xi0 0
i

Primal Dual
Y1X4 X1Y3
Y2X5 X3Y4
X3Y5
En résolvant ces deux programmes on a les solutions optimales ci-après :

Ces tableaux illustrent deux caractéristiques importantes des couples des

problèmes deals :
i. si une variable est dans la base du primal sa variable correspondante est hors
base dans le dual et vice-versa.
ii. la valeur optimale des variables de base « primal » est égale aux coûts réduits
associés à leurs variables correspondantes dans le dual et vice-versa.
C. Algorithme du simplexe dual
On rencontre souvent des PROGRAMME LINÉAIRE sous la forme canonique
qui, initialement, ont tous leurs coûts réduits positifs et qui ont quand même une
solution de base non réalisable parce que certains éléments du coté droit sont
négatifs. En observant de plus près ce genre de problème, on se rend compte que
leurs programmes duals sont réalisables et qu’ils incorporent des coûts réduits
négatifs.
Par conséquent si l’on résout le programme dual au lieu du primal on peut obtenir
une solution optimale à l’aide de l’algorithme du complexe.Celui-ci sert donc à
 16

résoudre les programmes duals à partir du tableau primal de sorte que l’on obtienne
la solution du primal en résolvant directement le dual.
Exemple
Primal Dual
Min Z=3X1+4X2+5X3 max 5Y1+5Y2
s.a. -X1-2X1-3X3X4=-4 s.a. Y1+2Y2+Y3=3
-2X1-2X2-X3+X5=-6 2Y1+2Y2Y4=4
ou 2X1+2X2+X30 3Y1+Y2+Y5=5
X1, X2, X30
Sous forme canonique
X1 X2 X3 X4 X5
X2 -1 -2 -3 1 0 -5

X5 -2 -2 -1 0 1 -6
-Z 3 4 5 0 0

De ce tableau, le problème est écrit sous la forme canonique et les coûts

réduits associés de départ sont positifs. Ce qui implique que la solution de base
« dual » correspondante est réalisable.
Toutefois, le côté droit est négatif. Ce qui indique la solution primale n’est pas
réalisable. Par conséquent, il faut faire des opérations de pivotage jusqu’à ce que le
côté droit devienne positif. Ceci équivaut à résoudre le problème dual. Le choix de
pivot à chaque itération se fait de la manière suivante :
i. identifier la variable de base qui est la plus négative, la choisir comme variable
sortant de la base.
ii. si la rangée p est celle de la variables sortant de variable de base celle qui

( )
¿
C¿J ¿ Cq
min a
−a¿p pJ
−aq
¿
correspond au minimum J 0 =
Où les Cj et apj sont des coûts réduits et les coefficient de la rangé p
respectivement et où q est l’indice de la colonne avec le plus petit ratio.

Tableau X1 X2 X3 X4 X5 Côté droit

1
X4 -1 -2 -3 1 0 -5
 17

X4 -2 -2 -1 0 1 -6 sort
-Z 3 4 5 0 0
3 3 4 5
= = =2 =5 On divise les éléments de la
−(−2 ) 2 −( ¿ 2 ) −(−1 ) ligne qui sont par « pivot »
Tableau X1 X2 X3 X4 X5 Côté droit
2
X4 0 -1 - 1 -1/2 -2
X1 1 1 5/2 0 -1/2 3
½
Z 0 1 7/2 0 3/2=3
7 3
0 1 2 7 0 2
=1 = =0
0 −( ) 5 1 −1
− ( −1 ) −5
2
4

X1 X2 X3 X4 X5
X2 0 1 5/2 -1 1/2 2

X1 1 0 -2 1 -1 1
Z 0 0 2 1 0 -11
Pour trouver le tableau optimal du primal, appliquer le
X1 X2 X3 X4 X5
Y1 0 1 -1/2 -1/2 0 1
Y2 1 -1 1 1 0 1
X5 0 1 1 1 1 1
Z 0 0 2 1 0 11

ANALYSE POST-OPTIMISATION
L’obtention de la solution optimale d’un PROGRAMME LINÉAIRE.a par elle-
même une importance limitée. Dans bien de cas la résolution du problème constitue
seulement une étape préliminaire conduisant à des analyses post-optimisation qui
deviennent les résultats les plus importants de l’étude.
L’analyse post-optimisation doit débuter par une réflexion approfondie sur la
signification des résultats obtenus. Lorsqu’on se place dans le contexte du problème
réel si on ne comprend pas de façon globale « pourquoi la solution obtenue est
optimale ?», il est probable qu’elle ne le soit pas. Ceci peut être dû à plusieurs
facteurs :
- l’omission d’une contrainte importante ;
- la formulation incorrecte de l’une des contraintes ;
- la perte de quelques coefficients ;
- l’utilisation de quelques coefficients avec de mauvais signes ;
 18

- le choix incorrect de la valeur d’un coefficient important.

Si la réponse obtenue a du sens on peut alors passer à une étude plus approfondie.
En plus de la solution optimale des informations importantes sont obtenues du
tableau final de la méthode du « simplexe », soit la valeur des variables duales et les
coûts réduits associés aux variables de décision hors base.
L’interprétation économique est la suivante :
1° Variables duales
Les contraintes du dual ont la forme ci-après :
m
∑ (¿ressource i requise ¿)( pour produire une x Prix des ¿ ) ¿ ¿¿¿
i=1
a.i j Yi Pj
On dit que les variables duales fournissent une façon de mesurer la
contribution de chacune des ressources au profit. C’est pourquoi on les appelle
« « prix implicites ».
Les prix implicites Yi donnent le montant maximum qu’on serait prêt à payer
pour obtenir une cuité supplémentaire des ressources i.
2° Coûts réduits associés aux variables de décision hors base
Les coûts réduits pour chacune des variables de décisions qui sont hors base
dans le tableau final peuvent être interprétés comme étant les montants dont il
faudrait augmenter le profit d’une activité (ou diminuer les coût) avant qu’il soit
profitable de l’exploiter.
Ex : Une entreprise est engagée dans trois activités et utilise deux ressources. On a
le programme suivant :
Max Z=3X1+6X2+2X3
s.a 3X1+4X2+X3≤20
X1+3X2+2X3≤10
 19

On obtient après calcul, la solution optimale suivante :

X1 X2 X3 X4 X5
X1 1 0 -1 0,6 -0,8 4
X2 0 1 1 -0,2 0,6 2
Z 0 0 1 0,6 1,2 24

La fonction économique a 3 variables (X 1, X2, et X 3). Dans la solution de base

on a seulement X1 et X1 et pas de X3. Comment alors interpréter le coût réduit 1, sur
la rangée de Z, associé à l’activité X  3 ? Cela veut dire que si l’entreprise s’entêtait à
produire X3 elle perdrait 1F sur le profit ou encore, pour que X 3 soit profitable il faut
augmenter sur son profit d’une unité c'est-à-dire au lieu de 2 dans la fonction
économique il faut que ce soit 3 X3.

3° Analyse de la sensibilité
L’analyse de la sensibilité concerne l’effet de changement des paramètres du
PROGRAMME LINÉAIRE. sur les paramètres de la solution optimale.
Il existe trois groupes de paramètres dans le PROGRAMME LINÉAIRE.
- paramètre de la fonction droit économique (CJ, avec i=1…)
- paramètre du coté droit des contraintes (bi, avec J=1…n)
- paramètre du coté gauche des contraintes (ai J, avec i=1…n)
En pratique, ces paramètre sont souvent difficiles à estimer et ils peuvent
varier avec le temps (ou en suivant d’autres critères, ex : les prix peuvent changer
etc.) Dans des tels cas il est important d’étudier la sensibilité des résultats par
rapport à des changements possibles de la valeur de ces paramètres. Si la solution
est très sensible à certains paramètres il peut devenir obtenir nécessaire d’investir
plus de temps et d’argent pour obtenir de bonnes estimations de leurs valeurs. Pour
analyser efficacement la sensibilité des résultats obtenus à partir d’un modèle
linéaire on doit pouvoir réviser les paramètres du programme initial, recalculer les
tableaux correspondants à la base qui était optimale et réoptimiser si nécessaire.
Les différentes possibilités seront étudiées à l’aide de l’exemple suivant :
Max Z= 3X1+5X2
s.a X1≤4
3X1+2X2≤18
 20

X1, X20
Solution optimale
X1 X2 X3 X4 X5
X3 1 0 1 1 0 4
X2 3 /2 1 1 0 ½ 9
Z 9/2 0 1 0 5/2 45
Les changements possibles sont les suivants :
a. Changement à la fonction économique
Etant donné que l’élément pivot choisi lors d’une itération de la méthode du
simplexe ne fait jamais partie de la fonction économique la dernière rangée du
tableau est toujours transformée en y ajoutant un multiple de la rangée-pivot. Par
conséquent, lorsqu’on maximise, si on augmente le paramètre C J de δ le jeime coût
réduit est réduit de dans le tableau final. Si la variable X j est dans la base on doit
réécrire la fonction économique uniquement en termes variables hors base à l’aide
d’opérations élémentaires sur les rangées. Si le nouveau tableau ainsi obtenu n’est
pas optimal on doit le réoptimiser.
Ex max Z=3X1+5X2  max Z=3X1+ 3X1+X2
s.a  X1≤4 ; 3X2+2X2≤18 ; X1, X2 0
δ=1-5= -4
La solution optimale devient :
X1 X2 X3 X4
X3 1 0 1 1 4
X2 3 /2 1 0 0
Z 9/2 4 0 5/2 45
X2 qui connaît de changement de coefficient est dans la base, il faut chercher à
annuler le 4 qu’on a ajouté. Pour cela, il faut multiplier la rangée X 2 par -4 et
l’additionner à la rangée Z.
 21

X1 X2 X3 X4 Bi bi/ai
X3 1 0 1 0 4 4/1=4

X2 3 /2 1 0 ½ 9 9/3/2=6
Z -3/2 0 0 1/2 9
Reoptimiser jusqu’à la solution.

b. Changement du côté droit

Si le paramètre changeait, le côté droit du tableau optimal subit une
transformation. Ainsi le côté droit de la 2 ème contrainte du programme est augmenté
de δ ; le côté droit du tableau devient : b*k=b*k+a*k,r+i. δ, k.
Où a*k,r+i de note le coefficient de la colonne (rangée) k de tableau final. Dans
l’exemple ci-dessus, si on remplace la 2ème contrainte par 3X1+2X2≤14 δ=-4
X1 X2 X3 X4
X3 1 0 1 0 4+0(-4)=4
X2 3 /2 1 0 ½ 9+(1/2) (-4)=7
Z 9/2 0 0 5/2 5
45+ 2 .(-4)=35

1.3. Programmation linéaire et théorie de la production

Un des avantages de la PROGRAMME LINÉAIRE est que l’outil peut
apparaître comme une application de la théorie de la production. On l’illustrera en
montrant d’une part les liens entre la PROGRAMME LINÉAIRE. et les coûts
d’opportunité, et d’autre part, ceux entre la PROGRAMME LINÉAIRE. et la loi des
rendements décroissants.

1.3.1. PROGRAMME LINÉAIRE. et coût d’opportunité :

Analyse de la solution duale
Dans chaque solution (combinaison d’activités) d’un modèle de
programmation linéaire simulant une exploitation vue comme un système d’activités,
chaque facteur fixe de production disponible sur l’exploitation est rémunéré à un
niveau tel que la somme de la rémunération de tous les facteurs fixes est justement
 22

égale à la marge brute totale maximisée. Ce niveau de rémunération est donné par
la solution duale du modèle PROGRAMME LINÉAIRE.
Ces rémunérations des facteurs de production peuvent aussi s’interpréter comme
des coûts d’opportunité internes pour les productions qui utilisent ces facteurs. Plus
généralement, la solution duale donne des coût d’opportunité des tous les fixes ou
cédés par une activité à une autre (fourrage p. ex) et les diminutions des coûts ou les
augmentations de recettes nécessaires pour que les productions qui n’apparaissent
pas dans le système choisi par le modèle puissent devenir compétitives avec celles
qui apparaissent. Tous les facteurs de production complètement utilisés ont un coût
d’opportunité non nul, qu’ils soient ou non achetés hors de l’entreprise. Ces coûts
(valeurs d’usage, valeurs duales, coûts d’opportunité ou productivités marginales)
constituent les coûts de production internes au modèle. Ainsi, les facteurs auto
fournis par la famille comme le travail, le capital ou la terre peuvent avoir un coût
interne représenté par leur productivité marginale s’ils sont complètement utilisés. On
comprend que, pour qu’une production soit rentable, il faut que ses coûts (incluant la
rémunération du travail et de la terre) soient exactement couverts par ses recettes.
Toute production non présente dans la solution du modèle a des coûts supérieurs
aux recettes. Elle n’est donc pas rentable dans les conditions du modèle. Cette
différences, appelée coût de substitution, est celle qu’il faut combler, par
augmentation des recettes ou diminutions des coûts, si on veut que la production
devienne rentable. On l’appelle souvent « réduction de coût nécessaire ou requise ».
On peut aussi comprendre pour quelle raison telle production ne peut apparaître
dans la solution : elle ne peut rentabiliser les facteurs de production (terre, travail,
aliments) aux prix auxquels les productions présentes dans la solution peuvent le
faire.
L’analyse de ces coûts ou valeurs duales est donc instructive pour apprécier
le poids respectif des contraintes et découvrir les goulots d’étranglement les plus
importants pour chaque production. Théoriquement, cette analyse permet de
préciser les conditions de production et même d’indiquer les plus importants pour
chaque production. Théoriquement, cette analyse permet de préciser les conditions
de production et même d’indiquer à quel prix de vente, p. ex, telle production
deviendrait rentable. En fait, il est toujours très difficile de prévoir exactement, surtout
sur les modèles de grande taille, toutes les conditions, car l’analyse n’est valable
qu’à la marge. Aussi, pour des modifications importantes, il est souvent nécessaire
 23

de vérifier le résultat par un nouveau passage sur ordinateur. Il n’en reste pas moins
que les tendances peuvent être observées sans trop de difficultés et qu’une
comparaison de différentes productions est toujours possible à partir des prix
internes d’une solution. Cette méthode a été fréquemment utilisée, surtout sur la
comparaison des rations alimentaires des productions animales et de différentes
techniques culturales (date de semis, sarclage ou herbicides, etc.) et pour
l’établissement des différents niveaux de prix internes de produits consommés sur
l’exploitation (fourrage, céréales). Rappelons que ces coûts internes de production,
comme tous coûts de production, sont relatifs aux situations étudiées : on ne peut
donc pas les généraliser.

1.3.2. La PROGRAMME LINÉAIRE et Loi des

rendements décroissants
1° Les fondements de la loi des rendements décroissants
On exprime souvent cette loi en disant que la production moyenne par unité
de facteur (appelée rendement ou productivité moyenne) diminuent lorsque l’on
augmente la quantité consommée de ce facteur. Il est bien évident que cette loi n’est
vraie que si les autres facteurs nécessaires cette production n’augmente pas. En
effet, le fondement de la loi des rendements décroissants est que les facteurs de
production ne sont donnés qu’en quantité limitée. C’est d’ailleurs pour cette raison
qu’il faut les utiliser jusqu’au point où dans leur productivité marginale égale le coût
marginale de production, qui est le prix d’achat pour les facteurs achetés.
2° Comment la loi des rendements décroissants est-elle traduite dans la
PROGRAMME LINÉAIRE.
La loi peut s’appliquer à toute fonction de production : soit à celle d’un produit,
comme le blé, soit à celle de toute l’entreprise, on parle alors de fonction de
production globale.
Le stade II de production où le facteur de production peut être utilisé de façon
optimale est assez réduit. Il est donc possible de déterminer sans trop d’erreur la
quantité optimale de ce facteur nécessaire pour obtenir la quantité économiquement
optimale du produit, tous les autres facteurs étant constants. Ceci explique que nous
puissions traduire par un coefficient technique, c'est-à-dire un point sur la courbe de
la fonction de production. Nous dirons, p. ex, qu’il faut 100 unités d’azote pour un
rendement de 70 qx de blé à l’ha. C’est d’ailleurs pour cela que l’on dit que l’on peut
 24

traduire assez correctement une exploitation agricole en inéquations linéaires. Mais

cela ne signifie pas que la fonction de production globale de la fonction d’objectif d’un
PROGRAMME LINÉAIRE. d’une entreprise diffère un peu de la fonction de
production globale constituée par la valeur de la production finale. Celle d’un
PROGRAMME LINÉAIRE. s’apparente à une marge brute, mais on peut démontrer
qu’elle a la même forme que la fonction de production globale.
En effet, les charges retirées de la production finale pour obtenir la fonction
d’objectif du PROGRAMME LINÉAIRE. (CVT et CFT liées aux décisions de
production) ne peuvent pas, par définition, augmenter plus que proportionnellement
lorsque la production augmente. Elles ne changent donc pas la forme de la courbe
de cette fonction par rapport à celle de la fonction de production globale.
Or si on libère un facteur de production saturé, laissant les autres ni en
changés, la fonction d’objectif croîtra de façon proportionnelle, tant que les autres
facteurs ne seront pas à leur tour saturés, puis croîtra de façon moins que
proportionnelle lorsqu’ils le seront, entraînant des rendements décroissants.
On constate alors que la productivité marginale du facteur dont on augmente les
quantités disponibles est décroissante, ce qui est une autre conséquence de la loi
des rendements. On peut donc bien dire que le programme linéaire traduit la loi des
rendements décroissants.

3° Economie et déséconomie d’échelle

On peut aussi noter que les cas où la productivité d’un facteur n’est pas
constante mais décroissante (déséconomie d’échelle) peuvent être assez facilement
résolus. En raison des propriétés convexes du programme linéaire on peut
représenter la fonction de production par une série de segments de droite
représentant plusieurs décisions. Ainsi on peut traduire le fait que la marge brute par
vache, par ex, pourra être de 1.500F jusqu’au nombre de places disponibles dans
l’étable (20 vaches) et de 1.000F au cas de productivité croissante ne peuvent être
résolus a priori, ils ne peuvent l’être que par des ajustements plus délicats et en
particulier avec plusieurs passages successifs.
 25

1.4. Utilisation, intérêt et limites de la programmation

linéaire.
1.4.1. Utilisation
Elle a connu un essor remarquable en économie rurale, que ce soit en gestion
ou pour la recherche économique. En simplifiant quelque jeu, on peut trouver trois
utilisations de la Programme Linéaire. qui correspondent à trois conceptions
différentes :
1° Historiquement, c’est la propriété essentielle d’obtention d’une solution optimale
(combien produire ?) qui a été retenu. Le chercheur, le planificateur et surtout le
conseiller de gestion ou même l’agriculteur utilisent alors la Programme Linéaire
comme outil direct de décision. Cela correspond à la tendance naturelle de trouver
un modèle de décision qui donne une solution directement applicable. Par ailleurs,
cette utilisation est en relation avec l’idée qui se trouve être la justification de la
gestion : l’utilisation des méthodes particulière de gestion est susceptible de fournir
des plans en leur absence. Ceci pose donc explicitement sur l’hypothèse qu’il existe
de bons modèles de gestion de l’entreprise, modèles dont il suffit de diffuser l’usage.
En économie, l’utilisation de ces modèles a laissé croire que l’économie pourrait
devenir une science expérimentale neutre et objective.
Mais on constate que les résultats ne sont pas à la hauteur des ambitions. En
gestion, l’outil est de moins en moins utilisé de cette façon car il favorise le caractère
normatif de leur utilisation.
L’échec de ces modèles provient d’abord du fait que l’on a négligé de les
critiquer au nom de l’analyse qui les avait construits.
Ce n’est peut être pas tant la capacité des modèles qui est en cause que la caractère
normatif de leur utilisation.
2° L’utilisation d’un modèle ou d’un outil de la recherche opérationnelle pour décrire
la réalité passé ou pour prévoir l’avenir soulève une question de fond : « pour que
l’utilisation d’un modèle soit valable, il faut qu’il donne des résultats conduisant à
considérer comme optimale la ligne d’action effectivement suivi par les agriculteurs
après qu’ils aient eu le temps de s’adapter à leur environnement ».
En mettant le modèle dans les conditions du passé, il devient possible d’apprécier
son adéquation avec la réalité, bref d’étalonner l’outil. Une fois l’outil étalonné, c'est-
à-dire expliquant correctement les décisions prises dans le passé par les agriculteurs
et donc suffisamment représentatif de leur comportement économique, on peut
 26

l’utiliser de façon prévisionnelle : quelles pourront être les nouvelles décisions des
agriculteurs suite à un changement de leur environnement (niveau de prix, progrès
technique, etc.)
L’outil est souvent utilisé de cette façon par les chercheurs. P. ex, pour
éclairer les composantes de l’offre de la viande, l’évolution des coopération ou
l’adoption des innovations par les agriculteurs.
Elle a donné naissance à une démarche analytique d’utilisation des modèles
caractérisée par une distanciation entre celui qui utilise le modèle et le modèle lui-
même, représentation imparfaite de la réalité.
3° On peut enfin utiliser la programmation linéaire comme modèle de simulation,
directement comme outil de formation, et, dans ce sens, c’est un outil de gestion.
C’est alors l’agent économique lui-même, porteur d’un projet économique, qui prend
comme objet d’analyse sa situation et ses décisions. Il s’analyse donc avec l’aide de
« partenaire de réflexion » : chercheurs, techniciens, ingénieurs, d’autres
agriculteurs.
Comme dans l’utilisation précédente, l’outil doit être étalonné, il fournit ainsi de
nombreux renseignements, sur la situation de l’agriculteur.
Etalonné, il peut être utilisé de façon prévisionnelle, en particulier pour réfléchir sur
l’adoption possible de certaines innovations. En quelque sorte, l’outil sert de miroir,
permettant à l’agriculteur, qui doit fournir lui-même les informations nécessaires au
modèle, d’améliorer la connaissance de sa situation. Dans ce sens, il peut être utilisé
au niveau d’un groupe d’agriculteurs, ce qui rentabilise d’autant mieux son coût
d’utilisation.

1.4.2. Limites de la programmation linéaire.

Certes la programmation linéaire a ses propres limites mathématiques
(linéarité, indépendance, divisibilité des facteurs), mais elles ne sont généralement
pas contraintes. Aujourd’hui la programmation linéaire peut être utilisée sur n’importe
quel micro-ordinateur et ne coûte presque rien.
Les principales limites ne sont pas imputables à la programmation linéaire.,
mais plutôt aux capacités de l’analyse économique et de l’utilisateur. La théorie des
anticipations reste à construire. L’insuffisance est aussi très grande dans des
domaines comme les modifications de structure d’exploitation et surtout le niveau
technique. Il est en effet très difficile p. ex d’apprécier les variations des niveaux
 27

techniques. Comment les mesurer ? D’où proviennent-elles ? Comment se diffusent

les innovations techniques ? Ce sont autant de questions très importantes pour
l’utilisation de l’outil sur lesquelles il y a encore très peu d’informations.
La programmation linéaire reste un outil qui peut être utile dans de
nombreuses analyses et indispensable pour certaines. La possibilité de tenir compte
d’un très grand nombre de variables et d’en obtenir la solution optimale est d’un très
grand secours pour interpréter les conditions de production si l’on évite deux pièges
dont il faut se rappeler. D’une part, le piège normatif, c'est-à-dire l’interprétation du
résultat obtenu comme la meilleure solution à appliquer (norme). D’autre part, le
piège du quantifiable : refuser d’introduire les considération dites subjectives
(incertitude, imitation, loisirs…) comme si les informations quantifiées pouvaient être
déterminées de façon strictement objective.
On trouvera ci-après un exemple récent d’utilisation de la Programme Linéaire
pour étudier les modèles de pollution de nappes phréatiques par les pratiques
agricoles et en particulier les effets sur les systèmes de production d’une forte
contrainte pour limiter la percolation des nitrates sous les racines. Il s’agit d’une
utilisation dans le cadre de la démarche clinique de recherche-action en gestion.
 28

Chap. II : OPTIMISATION DANS LES RESEAUX

2.1. Introduction
Les techniques d’optimisation dans un réseau font partie d’une classe plus
vaste des méthodes itératives qu’on appelle les techniques combinatoires
d’optimisation.
En général, ces méthodes permettent de trouver parmi un ensemble fini
d’alternatives celles qui optimisent la valeur d’une fonction économique. Plusieurs
problèmes pratiques qui nécessitent une solution discrète ont une structure
particulière qui peut être exploitée pour dériver les algorithmes des solutions
efficaces. En particulier, l’application de la théorie des réseaux à la planification des
grands projets (P.E.R.T.) a été très en vogue pendant les années après guerre. Tous
les problèmes d’optimisation dans un réseau possèdent une propriété importante  :
lorsque la valeur du côté droit de contraintes est discrète, la solution optimale
obtenue est également discrète. Les réseaux sont un type de graphe.

2.2. Définition relative au graphe

Un graphe est un système d’un ensemble =i d’éléments i appelés sommet
ou nœuds.
Exemple d’un graphe
3

2 5 6

1
4

Un réseau est un graphe qui subit un flot quelconque dans ses arcs. Une
chaîne entre les sommets i et y est une séquence d’arcs joignant ces deux sommets
(1,2), (2,3), (3,6).
Si la direction est spécifiée, la chaîne est appelée chemin. La chaîne qui commence
et finit par le même point est appelée cycle. Un arc est considéré comme le point
d’origine et autre comme point d’arrivée. Un graphe est orienté si tous ses arcs sont
orientés. Les sommets d’un réseau s’appellent une entrée si tous les arcs qui y sont
 29

reliés sont orientés vers l’extérieur, de même un sommet s’appelle sortie si tous les
arcs qui y sont reliés orientés vers l’intérieur du sommet.
Un réseau qui ne possède qu’une seule entrée et une seule sortie s’appelle réseau
réduit.

entrée sortie

2.3. Modèle de transport

2.3.1. Présentation
Tous les problèmes d’optimisation les plus fréquents dans un réseau sont
sans doute le problème de transport. Ce problème consiste essentiellement à trouver
la meilleure façon de transporter des articles à partir de m sources vers n
destinations en tenant compte des quantités disponibles à chacune des sources et
les quantités requises à chacune des destinations.
Ex : Powerco a trous centrales électriques A,B, et C) qui satisfont les besoins de
quatre agglomérations (1,2, 3, 4). Chaque centrale électrique peut fournir
respectivement les Kwh (en million). 35 pour A, 50 pour B et 40 pour C. Les
quantités requises pour ces différentes agglomérations sont respectivement : 45
pour 1, 20 pour 2, 30 pour 3 et 30 pour 4. Le coût de transport d’un million de kwh de
courant d’une centrale à une agglomération dépend de la distance séparant les
deux points et se présentent comme suit :
de à
A 1 2 3 4 Disponibilité (Kwh)
A 8$ 6$ 10$ 9$ 35
B 9 12 13 7 50
C 14 9 16 5 40
Demande 45 20 30 30 125
Sous forme de PROGRAMME LINÉAIRE, ce problème se présente comme
suit
3min Z=8XA1+6XA2+10X A3+ 9XA4+9XB1+12XB2+7XB3+7XB4+14XC1+ 9XC2+16XC3 +5XC4.
s.a XA1+XA2+XA3+XA4≤35 (offre de centrale A)

XB1+XB2+XB3+XB4≤50 (offre de centrale B)

 30

XC1+XC2+XC3 +XC4≤40 (offre de centrale C)

XA1+XB1+XC1+XA145 (demande cité 1)
XA2+XB2+XC12XA245 (demande cité 2)
XA3+XB3+XC3+XA345 (demande cité 3)
XA4+XB4+XC4+XA445 (demande cité 4)
XiJ0 (i = A, B, C, j = 1, 2, 3 et 4)
Graphiquement on aura :
1

XA1 XB1

A XA2 2

XA3 XB2
XA4

B 3
Xij : qualité transportée e de la source i vers la destination j
XC1 XC2
Cij : coût unitaire de transport de la source i vers la destination j
ai : quantité disponible
XC3à la source i rangée XB4
i)
bi : quantité
C requise à XC4
la destination j (colonne j)
4
Le problème consiste à trouver les X ij qui minimisent le coût de transport tout
en s’assurant que la demande est satisfaite.
On a ainsi :
- Un ensemble des points d’offre d’où un bien est expédié, chaque point d’offre
i peut offrir au plus ai unités. Dans l’exemple ci-dessus m=3, a A35, aB=50 et
ac=40.
- Un ensemble de points de demande (consommation) vers lesquels le bien est
expédié. Les points de demande j doit recevoir au moins bj unités du bien
expédié. Dans l’exemple ci-dessus n=4 b1=45, b3=30 et b4= 30.
- Chaque unité produite à un point d’offre i et expédié à un point de demande j
implique un coût variable de Cij.
Dans l’exemple ci-dessus CA2=6.
En admettant que Xij est le nombre d’unités expédiées de point d’offre i vers le point
de demande j alors la formation générale d’un problème de transport est
 31

i=m j=n
∑ ∑ Cij X ij
min i=1 j=1

i=m
∑ X ij ≤a ij ( offre ) ( 1 )
s.a i=1

i=n
∑ X ij≥bi ( demande )
j=1

Xij0 (i=1,2…m, j=1…n)

Si le problème a des contraintes du type ≤ et est un problème de
maximisation, il demeure encore un problème de transport.

Si ∑ aij=∑ bij c'est-à-dire les quantités offerte = quantités demandées, on

dit que le problème de transport est équilibré.
Dans un problème de transport équilibré, toutes les contraintes doivent être liées, il
faut donc qu’il y ait égalité de ai et bj.
Cas spéciaux
1° Client ou usine fictifs
Si les clients ne commandent pas tous les produits disponibles (offre >
demande) on peut toujours résoudre (équilibre) le problème en utilisant un client
fictif. Ceci exige une nouvelle colonne avec des coûts de transport nuls (=0).
2° Dégénérescente
Il y a dégénérescence lorsque toutes les commandes sont satisfaites et qu’il y
a moins de (m+n=1) entrées dans le tableau. Ainsi le tableau représentant une
matrice mxn le nombre maximum de cases (variable de base) est donné par (m+n-1)
et le nombre maximum de cases vides (variables hors base) est donné par (m-1) (n-
1).

2.3.2. Résolution d’un problème de transport

1° Solution de base
On utilise plusieurs méthodes pour un problème équilibré de transport.
a) Méthode du coin Nord-Ouest
Pour trouver les bj par cette méthode, on commence par la case au point
supérieur gauche (située au croissement de la 1 ère ligne et la 1ère colonne). Le
montant de cette case ne peut pas être plus grand que le plus petit des a i et bj. Si
X11=a1(offre), marquer d’une croix la rangée (ligne) du tableau de transport ; ceci
indique que plus de variables de base ne peuvent plus provenir de la rangée 1.
 32

Changer aussi b1 en b1-S1. Si X11=b1, marquer de la croix la 1ère colonne du tableau

de transport, ceci indique que des variables de base ne peuvent plus provenir de la
colonne 1 ; changer aussi a1 en a1-b1. Si X11=a1=b1, marque de la croix soit la 1ère
rangée soit la 1ère colonne (mais pas les 2 à la fois). Si on manque la rangée 1
changer b1 en 0, si c’est la colonne qui est marquée changer a 1 en 0, si c’est la
colonne qui est marquée changer a1 en 0.
Ensuite on affecte la case voisine de droite jusqu’à ce qu’on obtienne la saturation
dans la ligne tout en tenant compte de la demande dans la colonne afin saturer ainsi
chaque colonne.
La case ne doit être ni sur le ligne, ni sur la colonne marquée. Eventuellement, on
peut arriver au point qu’il y ait seulement une case à affecter d’une valeur ; affecter
cette case d’une valeur de façon à égaler la demande dans sa ligne ou colonne  ; et
marquer d’une croix à la fois la colonne et la ligne case. Une solution de base
faisable est maintenant obtenue.
 33

(a) (b) 5-2

* y-1(c) * 0
* *
*

* * * * *
*
*

Rappelons que pour accomplir la méthode de coin Nord Ouest, m+n rangées
et colonnes doivent être marquées d’une croix puisque la dernière variable affectée
provient d’une rangée ou colonne marquée, la méthode du coin Nord-Ouest
affectera des valeurs dem+n-1 variables. Les variables choisies par cette méthode
ne peuvent pas former une boucle.
b) Méthode Houthakker ou méthode coût minimum
La méthode précédente n’utilise pas les coûts d’expédition, aussi elle peut
produire un bj initial qui a très grand coût d’expédition. Alors déterminer une solution
optimale peut demander plusieurs itérations. La méthode de coût minimum utilise les
coûts d’expédition pour arriver à déterminer un b j qui a un coût total bas ; avec espoir
que peu d’itérations soient aussi requises pour trouver la solution optimale du
problème. Dans cette méthode, on choisi en 1 er lieu les cases qui ont un coût
mutuellement préférable c'est-à-dire qu’on affecte la case qui a le plus petit coût
dans la ligne et dans la colonne (ex : Xij). Alors affecter à X ij sa valeur la plus basse
 34

possible, min (ai, bj). Comme dans la méthode du coin Nord-Ouest, marquer d’une
croix la rangée ou colonne j et réduire l’offre ou la demande de la rangée ou colonne
non marquée de la valeur de X ij. Alors, choisir à partir des cases qui ne sont pas sur
la rangée ou colonne marquée la case avec un coût d’expédition minimum et répéter
la procédure. Continuer jusqu’à ce qu’il y ait seulement une case qui peut être
choisie. Dans ce cas, marquer d’une croix à la fois la ligne et la colonne de la case.
Se rappeler que (à l’exception de la dernière variable), si une variable satisfait à la
fois (l’offre et la demande) les contraintes d’offre et demande, marquer seulement
d’une croix seulement la rangée ou la colonne et non les deux.

12 2 8 3 4 5 6 6 2 3 5 6

2 8 1 3 5 8 1 3 5

3 8 4 6 3 8 4 6

10 2 * 3 4 5 6 6 5
5 2 * 3 4 56 6

2 2 8 1 3 5 2 2 8 1 3 5

3 8 4 6 3 8 4 6

*5 2 * 3 4 56 6 5* 2 * 3 * 5 6 6

2 2 1 3 5 2 2 8 1 3 5

5 3 8 4 6 5 3 8 4 4 6

5* 2 * 3 * 5 6 6

2 2 3 5

5 3 8 4 4 6
 35

c) Méthode de Ballas-Hammer
Commencer par calculer pour chaque rangée et chaque colonne la différence
entre les deux plus petits coûts dans les lignes et colonnes.
Ensuite trouver la rangée ou colonne avec la plus grande des différences calculées
précédemment. Choisir, comme première variable de base, la variable dans la ligne
ou colonne qui a le plus petit coût d’expédition. Comme dans les deux méthodes
précédentes, faire de cette variable la plus grande possible et marquer la ligne ou
colonne de la croix et changer l’offre ou demande associée à la variable de base.
Après refaire les nouvelles différences (seulement pour les cases qui ne tombent ni
sur la ligne ni sur la colonne marquée et répéter la procédure jusqu’à ce que
seulement une seule case demeure non marquée. Affecter dans cette dernière case
un montant juste égale montre de l’offre ou de la demande correspondant dans la
ligne et/ou colonne. La solution est ainsi obtenue.

15
6 7 5 8 5 15
6 7 5 8 5
7-6=1
14-6=8 80-7=73 78-8=70
14 80 78 14 80 78 78-15=63

15 6 X5 7 5 8 156 5X 7 5X 8
7-6=1
15-6=978-8=70
78-15=63
Marquée arbitraire
14 80 78 14 80 78

15
6 X7 X8 15
6 7 5 8 5
80 78
14 80 78

Solution optimale
Dans cette section, nous montrons comment l’algorithme de simplexe simplifie
les choses lors d’un problème de transport. On commence par discuter la procédure
de pivotage pour un problème de transport.
Rappelons que quand la rangée du pivot était utilisée, en Programme
Linéaire., pour éliminer la variable de base entrant en provenance d’autres
contraintes, plusieurs multiplications étaient requises. En résolvant un problème de
transport, cependant, le pivotage requiert seulement additions et soustraction.
 36

Algorithme de Stepping stone

Etape 1: déterminer (par un critère à fixer) la variable qui entrerait dans la base.
Etape 2 : trouver la boucle (on peut toujours montrer qu’il n’y a qu’une seule boucle)
impliquant la variable entrant et quelques variables de base.
Etape 3 : compter seulement les cases dans la boucle, étiqueter celles trouvées à
l’étape qui représentent un nombre pair (0, 2, 4 et aussi de suite) des cases à partir
de la variable entrant comme cases paires. Etiqueter aussi celles qui ont un nombre
impair à partir de variable entrant comme cases impaires.
Etape 4 : trouver la case paire dont la variable représente la plus petite valeur.
Appeler cette valeur . La variable correspondant à cette case paire quittera la base.
Pour améliorer le pivotage diminuer la valeur de chaque case paire de =0, la
variable entrant sera égale à 0, et une variable impaire qui a une valeur courante de
0 quittera la base. Dans ce cas, des b j dégénérés existaient avant et réapparaîtra
après pivotage. Si on a plus d’une case paire dans la boucle égalant , on peut
choisir arbitrairement une de ces cases paires pour quitter la base, encore les b j
dégénérés en résulteront.
Détermination de la variable hors base entrant
Il est question de déterminer si un b ij est optimale au non, aussi déterminer
laquelle de variables hors base devraient entrer dans la base.
Admettons que – ui (i=1,2…m) soit le shadow pièce de la i ère contrainte de
l’offre et uj (j=1,2…n) soit le shadow pièce de la j ème contrainte de la demande. Nous
supposons que la 1ère contrainte sera laissée de côté (car marquer après affectation
de la 1ère case) ainsi nous considérons – u 1=0. Partant de la définition de shadow
pièce (prix implicites), si nous avions à augmenter le côté droit de la i ère contrainte de
l’offre et de la jème contrainte de la demande de 1, la valeur optimale Z décroîtrait de –
ui-vj. De même, si nous avions à diminuer le côté droit de la i ème contrainte Z
augmenteraitde –ui-vj.
Supposons maintenant que Xij soit une variable hors base. De vrions-nous nous
faire entrer Xij dans la base ? Notons que si nous augmentons X ij de 1 signifie qu’une
unité au moins de C ij. Ainsi, augmenter Xij de 1, signifie qu’une unité au moins sera
expédiée du point d’offre i et au moins une unité sera expédiée au point de demande
j. Ceci équivaut à réduire les côtés au point de demande de 1. Ceci augmentera Z de
–ui – vj, de cette façon si Cij-ui-vj0 (ou ui+vj-cij≤0) pour toutes les variables hors base,
 37

a cij-ui-vj-cij0 (ou ui+vj-cij) alors Z peut être réduit de u i+vj-cij par unité de Xij en
introduisant Xij dans la base. On peut, alors, conclure que si u i+vj-cij≤0 pour toutes les
variables hors base, ainsi les bij courant est optimal.
Autrement, la variable hors base avec la valeur la plus positive de ui+vj ? Puisque le
coefficient Xij d’une variable hors base dans la rangée 0 de n’importe quel tableau
est le montant avec lequel une unité augmentant Xij diminuera Z.
Nous pouvons conclure que le coefficient d’une quelconque variable dans la rangée
0 est ui-vj-cij. On peut déterminer les ui et vj en résolvant les système d’équation
suivant : u1=0 et ui+vjcij=0 pour toutes les variables dans la base. (vases pleines).
Ex : Soit la solution de base suivante :
35458 206 3010 309
10 2 20 12 20 13 7

14 9 10 16 30 5

ui = 0 ; u1+v1=8, u2+v1=9

u2+v2=12 ; u2+v3=13, u3+v3=16
u3+v4=5
Portant de u1+v1=-0 u1=8 car u1=0 ; de u2+v1=9-0u2=1 car u2=8 ; de
u2+v2=12v2=11 ; de u2+v3=13v3=12, de u3+v3=16 ; de u3=4 ; de u3=+v4=5v4=1.
−

Pour chaque variable hors bases (cases vides) on calcule c ij=u i +v j −c ij

− −
c 12 =u +v -c =0+11-6=5 c 24 =u +v -c =1+1-7=-5
1 2 12 1 4 24

− −
c 13 =u +v -c =0+12-10=2 c 31 =u +v -c =4+8-14=-2
1 3 13 3 1 31

−
c 14 =u +v -c =0+1-9=-8 =u3+v2-c32=4+11-9=6
1 4 14

Comme c 32 est la valeur la plus positive, nous pourrions ensuite l’introduire dans la
base. Chaque unité de X32 qui est introduite dans la base diminuera le coût de 64.m
Nous pouvons résumer la procédure simplexe comme suit pour un problème
de minimisation.
Etape 1 si le problème n’est pas équilibré, l’équilibrer
Etape 2 utiliser une de 3 méthodes (N.O, Haut, ou ballas H) pour trouver les b ij dans
la solution de base.
 38

Etape 3 utiliser le fait que u1=0 et ui+vj=cij pour toutes les variables dans la base
(cases pleines) pour trouver les u1, u2… um ; v1, v2 pour les bij courants.
Etape 4 si ui+vj-cij≤0 pour toutes variables hors base (cases vides) alors les b ij sont
optimaux. Si ce n’est pas le cas, nous introduisons la variable avec la plus positive
des valeurs ui+vj+cij dans la base en utilisant la procédure de pivotage. Ceci produit
un nouveau bij.
Etape 5  En utilisant les nouveaux bij retourner à l’étape 4.
Par un problème de maximisation, la procédure est presque la même sauf que
l’étape 4 devient 4’ ci-après :
Etape 4’ si ui+vj-cij0 pour des variables hors avec, le b ij courant est optimal.
Autrement, introduire la variable avec la valeur u i+vj-cij la plus négative dans la base
en utilisant la procédure de pivotage décrite ci-dessus.
N.B. : une séquence ordonnée d’au moins quatre cases différentes est appelée
boucle si
- on ne peut retenir, dans une même rangée des colonnes, que deux cases
consécutives,
- on ne trouve pas, dans une même rangée ou colonne, trois cases
consécutives
- la dernière case dans la séquence a une rangée ou colonne en commun avec
la 1ère case dans la séquence.
Ex : Dans la définition de boucle, la première case est considérée comme suivant la
dernière case, la boucle peut alors être une comme un chemin fermé.

a b

c d

Boucle (2,1) (2,4)-(4,4)-(4,1) ; boucle = (1,1)-(1,2)-(2,2)-2,3)-(4,3)-(4-5)-(3,5)-(3,1)

 39

Le théorème parvient du fait que un ensemble de m+n-1 case ne renferme

pas une boucle si et seulement si le m+n-1 colonnes correspond à ce cases sont
linéairement indépendantes. Puisque (1,1)-(2,2)-(2-1) ci-dessus est une boucle, le
théorie ci-dessus nous dit que X11, X12, X22, X21+ ne peuvent pas donner une
solution de base, d’une part. D’autre part, aucune boucle ne peut être formée avec
les cases (1,1)-(1,2)-(1,3)-(2,1), de sorte que X11, X12, X13, X21 donne une solution
de base.
Pour revenir à l’exemple ci-dessus.
8 6 10 9 35
R35
9 12 13 9 50
10 20 20
14 9 13 5 40
10 30
45 20 30 30

Ci-dessus on a déjà déterminé que X32 devait entrer dans la base. On peut
donc remarquer que la boucle impliquant X 32 et quelques variables de base est
(3,2)-(3,3)-(2,3)-(2,2).

Les cases paires dans cette boucle sont (3,3) et (2,2). Puisque X 33=10 et
X22=20, le pivotage diminuera la valeur de X 33 et X22 et 10 et accroître la valeur de X 22
et X33 de 10.

8 6 10 9 35
35
9 12 13 9 50
10 10 30
14 9 13 5 40
10 30
45 20 30 30

Puis calculer les ui et vj pour les nouveaux bij était déjà calculés ci-dessus.
u1=0 ; u2+v2=12 ; u2+v3=13 ; u2+v1=9 ; u3+v4=5 ; u3+v2=9 et u1+v1=8.
−
En comptant les C ij=uj+vj-cij pour chaque variable hors base, nous trouvons
− − −

que C12=5 , C 24=1 et C 13=2  sont seulement positives. Ainsi X entre, dans la
12

suite, dans la base (car c’est la valeur la plus positive) la boucle incluant X 12 et
quelques variables de base est (1,2)-(2,2)-(2-1).
 40

35
129 13 9
14 13
10 10 30
5
10 30
45 20 30 30
Les cases impaires dans cette bouche sont (2,2) et (1,1). Puisque X 22=10 est la plus
petite valeur dans une case paire, nous diminuions X 22 et X11 de 10 et augmentons
X12 est X21 de 10. Le résultat de pivotage est dans le tableau suivant pour les b ij et les
ui et uj.
8 6 12 2
ui 0 8 6 10 9 35
25 10
1 9 12 13 9 50
20 30
3 14 9 13 5 40
10 30
45 20 30 30

u1=0 ; u2+v1=9 ; u1+v1=8 ; u2+v3=13 ; u1+v2=6 ; u3+v2=9 ; u3+v4=5.

−

En comptabilisant les Cij pour chaque variables hors base, nous trouvons que
−

seulement C13=2 est positive. Ainsi X13 entre dans la base. La boucle incluant X 13
et quelques variables dans la base est (1,3)-(2,3)-(2,1)-(1,1). Les cases X 13 et
quelques variables dans la base est (1,3)-(2,3)-(2,1)-(1,1). Les cases impaires sont
X23 et X11. Puisque X11=25 est la plus petite entrée dans une case paire, nous
diminuons X23 et X11 de 25 et X21 de 25. le résultat est le suivant (cfr tableau ci-après)
et les ui et vj sont obtenus en résolvant le système ci-après.
6 6 10 2
8 6 10 9 35
10 25
9 12 13 7 50
45 5
9 12 13 7 40
10 30
45 20 30 30

La solution est optimale car pour les b ij tous les Cij ≤0. Ainsi, la solution optimale est
X12=10 ; X13=25 ; X21=45, X23=5, X32-10 et X34=30, d’où
2=(6x10)+(9x25)+(13+5)+(9x19)+(5x30=1020$.
 41

2.3.3. Analyse de la sensibilité des problèmes de transport

Considérons la solution optimale ci-dessus :

vj 6 6 12 2
ui 0 8 6 10 9 35
10 ℓ=1030
1 9 12 13 9 50
45 5
3 14 9 16 5 40
10 30
45 20 30 30

1° Changement des la fonction d’objectif des variables hors base

La question ici est de savoir « de combien devraient unier les valeurs des
coûts d’expédition d’un million de Kwh, ex d’une centrale à une agglomération
donnée pour que la base courante demeure optimale ? Supposons, que c11 passe de
8 à 8, à quel niveau de  la base demeura optimale ? Maintenant c11=u1+v1-
c11=0+6+(8+)=-2- ; ainsi la base demeure optimale par -2-≤0 ou c11≥8-2=6.
2° Changement du coefficient de la fonction d’objectif de la variable dans la
base.
Toujours de l’exemple ci-dessus, supposons que c 13 passe de 10 à 10. Ainsi,
pour trouver le ui les ui et vj nous devons résoudre les équations suivantes :
u1=0, u2+v1=9 ; u1+v2=6, u2+v3=13 ; u3+v2=9 ; u1+v3=10+, u3+v4=5.
La résolution de ces équations donne u 1=0, v2=6 ;10+۵ ; v1=6+ ; u2=3- ; u3=3
et v4=2.
On peut maintenant évaluer les cij pour les variables hors base. La base
courante demeura optimale aussi longtemps que chaque variable hors base a un
coefficient non positif dans la rangée O (1 ère rangée qu’on a laissé tomber :
¿
C11 =u +v -8= ۵-2≤0 pour ۵≤2
1 1
¿
C14 =u +v +v -9=-7
1 4 4
¿
C22 =u +v -7=-2-۵≤0 pour ۵≥-3
2 4
¿
C24 =u +v -7=-2-۵≤0 pour ۵≥-2
2 4
¿
C31 =u +v -14=-5+۵≤0 pour ۵≤5
2 1
¿
C33 =u +v -16=۵-3≤0 pour ۵≤3
3 3
 42

Ainsi, la base courante demeure optimale pour-2≤≤2, ou 8-10-2≤C13≤10+2-12.

3° Accroissement simultanée d’offre (ai) et de demande (bi) de
Ceci n’affecte pas l’équilibre du problème de transport. Puisque les u i et vj être
vus peuvent comme la négation de shadoww pièce de chaque contrainte ; nous
savons que si la base courante demeure optimale la nouvelle valeur de Z=ancienne
valeur de Z + vi+vj.
P.ex si nous augmentons l’offre de la centrale A à l’agglomération 1(demande 1)
d’une unité, alors (nouveau coûts)=1020 + 1(0)+(6)=1026$.
Nous pouvons aussi évaluer les nouvelles valeurs comme suit :
i) Si Xij est une variable dans la base (case pleine) dans la solution optimale,
augmente Xij de .
ii) Si Xij est une variable dans la hors (case vide) dans la solution de base trouver
la boucle incluant Xij et quelques variables dans la base. Trouver une case
impaire dans la boucle qui est sur la rangée i. Accroître la valeur de cette case
impaire de  et tourner autour de la boucle, en augmentant et diminuant
alternativement les variables dans la base de la boucle .
Exemple
Toujours du tableau optimal ci-dessus :
i) considérons premièrement un accroissement de a 1 et b1 de 2. Puisque X12 est
une variable dans la base dans la solution optimale, la nouvelle solution
optimale sera (cfr tableau). La nouvelle solution optimale
6 6 10 2
0 12 25 37 Z=1030+2u +2u =1032$
1 2
3 20 5 50
3 10 30 40
45 20 30 30

ii) Supposons, en 2nd lieu, qu’on augmente simultanément offre (a i) et bi

(demande) de 1. Puisque X11 est hors base dans la solution optimale
courante, nous devons trouver la boucle incluant X 11 et quelques variables
dans la base. La boucle (1,1)-(A,3)- (2,3)-(2,1).
La case impaire dans la boucle de rang 1 est X 13. Ainsi, la nouvelle solution
optimale sera obtenue en augmentant à la fois X 13 et X21 de 1 et en diminuant
X23 de 1. Ceci conduit à la solution optimale ci-après (cfr tableau). La nouvelle
 43

optimale 10 20 + u1+vj = 1026.On peut toutefois remarquer que a i et bj

augmentent toutes de 6 ; la base courante ne serait pas faisable.

2.4. Modèle d’affectation

Bien que le simplexe d’un problème de transport apparaît être plus efficient, il
y a une certaine classe de problèmes de transport appelés problèmes d’affectation
(allocation, attribution, transfert), pour laquelle le simplexe de transport est souvent
très inefficient.

2.4.1. Présentation du problème d’affectation

Ce problème est un cas particulier du problème de transport dans lequel
chaque ressource est affectée à une destination unique.
Le problème prend souvent la forme suivante : on désire faire exécuter n
tâches par n entités. Lorsque la tâche i est exécutée par l’entité j un coût c ij est
encouru. De quelle façon, doit on affecter les entités aux tâches pour minimiser le
coût totat ?
Si on définit :
- Xij=1 si la tâche i est exécutée par l’entité j.
- Xij=O autrement, le problème est formulée comme suit :

∑ ∑ C ij X ij
Mini i j

n
∑ X ij=1 j=1 . .. m
s.a. i =1

n
∑ X ij=1 i=1. . .n
j =1

Xij=0,1 i,j
Exemple
L’entreprise Machine CO a 4 machines pour 4 tâches qui doivent être
exécutées. Chaque machine ne doit être affectée qu’à une seule tâche. Le temps
requis (en heures) pour monter chaque machine pour accomplir chaque tâche est
représenté dans le tableau suivant :
 44

Temps (en heure)

Tâche 1 Tâche 2 Tâche 3 Tâche 4
Machine 1 14 5 8 7
Machine 2 2 12 6 5
Machine 3 7 8 3 9
Machine 4 2 4 6 10

Cette entreprise veut minimiser les temps de montage total nécessaire pour
accomplir les quatre tâches (cette entreprise doit déterminer quelle machine affectée
à quelle tâche.
Sous forme de Programme Linéaire ce problème est formulé ainsi :
min Z = 14X11+5X12+7X14+2X21+6X23+5X24+7X31+8X32+3X33+9X34+2X41+6X43+10X44
s.a. X11+X12+X13+X14=1
X21+X22+X23+X24=1 (Contraintes machine)
X31+X32+X33+X34=1
X41+X42+X43+X44=1
X11+X21+X31+X41=1
X12+X22+X32+X42=1 (Contraintes tâches)
X13+X23+X33+X43=1
X14+X24+X43+X44=1
Xij=0 ou Xij=1
Les contraintes machines assurent que chaque machine est affectée à une
tâche et les contraintes tâches assurent que chaque tâche est accomplie. Si X ij=1, la
fonction d’objectif prend le temps requis pour monter la machine pour la tâche j, si
Xij=0, la fonction d’objectif ne prend pas le temps requis.
En ignorant pour le moment les restrictions X ij=0 ou Xij =1 nous constatons
que Machine Co fait face à un problème de transport dans lequel chaque «  point
d’offre a une disponibilité de 1 et chaque « point de demande » a une quantité
requise = 1. En général un problème d’affectation est un problème de transport
équilibré dans lequel toutes les offres = demandes = 1. Ainsi, un problème d’affection
est caractérisé par la connaissance du coût d’affectation de chaque « point d’offre »
à chaque « point de demande » la matrice de coûts du problème d’affectation est sa
matrice des coûts.
 45

Etant donné que les offres et demandes de tout problème d’affectation sont
des nombres entiers, cela implique que dans la solution optimale les variables dans
la base doivent être des nombres entiers.
Puisque le côté droit de chaque contrainte est égale à 1, chaque X ij doit être positif
et ne doit pas être plus grand que 1, ainsi chaque X ij doit être égal à 0 ou 1. Ceci
signifie que nous ne pouvons ignorer les contraintes X ij=0 ou 1 et résoudre le
programme comme un problème de transport équilibré.
En utilisant, la méthode de coût minimum ou a la solution de base faisable
suivante : (m variables dans la base =1 et m=1 variable dans la base =a.
Tâche 1 Tâche 2 Tâches 3 Tache 4
vj= 3 5 8 9
14 5 8 9 1
Machui=0
1 1 0
Mach 2 - 12 9 1
2
Mach 3 - 14 9 16 5 1
5
Mach 4 - 14 9 16 5 1
1 1 0 *

1 1 1 1

En application de Stepping stone (X 43 entre) on arrive à la solution optimale

suivante :
Tâche 1 Tâche 2 Tâche 3 Tache 4
vj= 3 5 8 9
14 5 8 9 1
Machui=0
1 1 0
Mach 2 - 9 12 13 9 1
2 30 1
Mach 3 - 14 9 5 1
16
5 10 1
Mach 4 - 14 9 16 5 1
1 1 0 0

1 1 1 1
Ainsi la mach 1 est affectée à la tâche 2, la mach 2 à la tâche 4, la mach 3 à la
tâche 3 et la mach 4 à la tâche 1 Z=5+5+3+2 = 15heures requises.
 46

2.4.2. Résolution du problème d’affectation par

l’algorithme de Khun (méthode hongroise).
On part de la solution de base faisable. Cette méthode est aussi interative.
Etape 1 :
i) Trouver l’élément minimum dans chaque ligne de la matrice des coûts.
ii) Construire une nouvelle matrice en soustrayant de chaque élément de chaque
ligne l’élément minimum désigné en (i).
iii) Pour cette nouvelle matrice (l’appeler matrice des coûts réduits) soustraire
à chaque élément de la colonne l’élément minimum de la colonne.
iv) Réserver une position (encadrer 0) pour une affectation et éliminer les autres
zéros dans cette colonne ou ligne.
Etape 2 : Tirer le nombre de lignes (horizontale et/ou verticales) qui sont nécessaire
pour couvrir tous les zéros dans la matrice des coûts réduits si m lignes sont
requises, une solution optimale est disponible par les zéros encadrés dans la
matrice. Si moins que m lignes sont nécessaires, passez à l’étape trois.
i) Marquer d’une croix toutes les lignes qui ne contiennent aucun zéro encadrée.
ii) Marquer toute colonne qui a un zéro barré sur une ou plusieurs lignes
marquées.
iii) Marquer toute ligne qui a un zéro encadré dans toute colonne marquée.
iv) Biffer toute ligne non marquée et toute colonne marquée.
Etape 3 :
i) Trouver, parmi les membres non nuls restants, le plus petit d’entre eux
(appelons-le k) dans la matrice des coûts réduits.
ii) Puis soustraire ce plus petit des éléments non biffés et l’additionner aux
éléments qui sont à l’intersection des lignes et colonnes barrées.
iii) Ensuite trouver la solution ou un départ pour un nouveau cycle en se basant
sur le principe (1, iv).
Remarques
i) Pour résoudre un problème dans lequel le but est de maximiser la fonction
d’objectif, multiplier la matrice des profits par- 1 et résoudre comme un
problème de minimisation.
ii) Si les nombres des rangées et des colonnes dans la matrice de coût sont
différents, le problème d’affectation n’est pas équilibré. Avant de passer à la
 47

méthode de Kuhn, commercer par ajouter une colonne ou une rangée fictive
avec coûts nuls (O).
iii) Dans beaucoup de cas, il n’est pas toujours facile de trouver le nombre
minimum de lignes requises pour occuper tous les zéros dans la matrice de
coûts. Il peut être démontré que si j lignes sont requises ; alors seulement j
tâches peuvent être attribuées aux coûts nuls de la matrice courante. Ceci
explique pourquoi l’algorithme termine quand m lignes sont requises.
Exemple 1 (exemple de machine ci-dessus)
Etape 1

i soustraction ii) soustraction

Etape 2 Etape 3

X (i) 

Exemple 2 : un atelier a acheté trois nouvelles machines de types différents, il y a

quatre endroits où on peut les installer. Quelques-uns de ces endroits sont plus
désirables qui d’autres pour une machine donné, à cause de la position de cette
machine par rapport au centre de travaux où elle doit être utilisée. On peut affecter
les nouvelles machines aux endroits disponibles pour minimiser le coût total de
manipulation des matériaux.
Les coûts de manipulation de matériaux sont :
X nom aux marge
 équilibre

Etape 1
 48

Etape 2

X (iii) X (i)
X(i)
Etape 3

 

 Affecter M1 en E4, M2 en E1, M3 en E2, M4 en E3

2.5. Système C.P.M. – P.E.R.T.

2.5.1. Principe
Le « critical Path Method (CPM) » et le « Programme Evaluation and Review
Technic (PERT) » sont deux méthodes de planification et de contrôle des projets.
Cependant il existe deux différences entre ces deux méthodes :
a) En CPM la durée des activités ou du projet est déterministe tandis qu’en
P.E.R.T. cette durée est probable c'est-à-dire aléatoire. A ce titre 3
estimations possibles de la durée d’une activité sont faites.
b) Le CPM permet de déterminer explicitement le coût du projet par association
avec le temps de réalisation du projet eu égard au caractère déterministe
unique, ainsi le CPM peut servir à contrôler à la fois le coût et le temps du
projet ou d’une activité.
En vue de faire usage du CPM et du PERT, il est indispensable de définir les
éléments suivants.
1. Une activité est un effort qui requiert des ressources et consomme du temps.
On peut donner comme exemple : étudier en vue de passer un examen de
Biométrie, préparer une fête de mariage…
2. Un événement est un accomplissement spécifique d’une ou de plusieurs
activités à une période de temps donné. Exemple : arrivée d’une machine, fin
labour… l’événement ne requiert pas de durée individuelle.
 49

Pour atteindre un événement toutes les activités précédentes doivent être

accomplies. Donc un événement peut être considéré comme un but à atteindre
pendant que les activités s’écoulent vers lui.
Conventionnellement on représente les éléments comme suit, sur un réseau
CPM ou PERT.
: Activité : événement
3. Un projet est un ensemble d’activités et d’événements avec un point de départ
et un point défini d’arrivée (but final).
Exemple : projet d’installer une plantation de caféier…
4. Un réseau est l’ensemble logique et chronologique des activités et
d’événements représenté par des graphes qui illustrent les relations entre divers
activités et événements du projet.
5. Activité critique est une activité dont dépend la date d’aboutissement ou de
réalisation d’un projet dans son entièreté tel qu’un retard dans
l’accomplissement de cette activité entraîne celui du projet.
6. Un chemin est une série d’activités adjacentes concourant d’un événement vers
l’autre ; chemin critique est la séquence des activités critiques formant un
chemin entre le commencement et l’aboutissement d’un projet.

2.5.2. Objectifs du CPM – PERT

Le CPM et le PERT essayent de répondre aux questions suivantes :
i. quelle est l’activité critique ? que peut-on réaliser à temps pour que le projet
respecte le timing voulu ?
ii. quelles sont les activités non critiques ?
iii. quelle est la marge de sécurité que la direction et la gestion du projet ont pour
exécuter les activités non critiques ?
iv. quelle est la date au plus tôt pour la réalisation du projet ?
v. quel est le meilleur moyen de saisir les retards pendant l’exécution du projet ?
En plus le PERT peut être utilisé pour répondre aux questions ci-après :
vi. quelle est la chance de réalisation du projet dans les limites prévues ?
vii. pendant combien de temps un projet peut-il être préparé pour que la
probabilité de sa réalisation soit effective ?
Aussi le CPM peut être utilisé pour répondre aux questions suivantes :
viii. quel est le chemin le moins coûteux pour la réalisation du projet ?
 50

ix. quel est le temps le plus court possible pour que le projet soit réalisé ?

2.5.3. Modalité de l’analyse PERT et CPM

L’utilisation du PERT ou du CPM nécessite trois étapes majeures :
formulation, planification et la direction et contrôle du projet.
A. Construction des réseaux en PERT et CPM
1ère étape : Analyse du projet
Après avoir consulté tous les techniciens concernés par le projet, on établira
une liste exhaustive de toutes les activités du projet et chaque activité est
clairement définie et l’on responsabilisera le Chef de Service ou le capita pour
chaque activité.
2ème étape : séquence des activités
On déterminera la suite logique des activités suivante leur nature.
Exemple : le semis de mais ne peut pas commencer avant la fin du temps.
3ème étape : construire le réseau
Comme dit plus haut, le réseau du PERT (ou du CPM) est une représentation
graphique des informations identifiées à la première étape.
Pour construire un réseau on débute par considérer une activité comme une flèche
entre deux événements (cercles). La flèche est indiquée dans le sens de
l’écoulement du temps, mais sa longueur ne dépend pas de la durée de l’activité. Les
événements sont numérotés suivant l’ordre chronologique :
1 a 2

Le numéro 1 désigne l’événement qui précède l’activité ‘‘a’’ tandis que le numéro 2
celui qui le suit. Plusieurs activités peuvent commencer et se dérouler au même
moment après un événement donné.
3
b

1 a 2 c 4
d

5
N.B. : Activité fictives (Dummy activities)
Dans la construction des réseaux il faut prendre soin de s’assurer que les
activités et les événements ses succèdent normalement. Pour ce faire en peut
produire des activités fictives pour montrer que telle ou telle autre activité ne peut
 51
2
a e
1
5 f 6
D
b
d

3 c 4

commencer avant telle autre. Les activités fictives sont caractérisées par une
utilisation nulle de temps et ressources ; leur intérêt réside dans la désignation des
relations d’antériorité entre différentes activités.
D. activité fictive cela signifie que l’activité d ne peut commencer qu’après
l’événement 2, donc après accomplissement de l’activité a.
4ème étape : estimation des durées de toutes les activités.
En CPM le temps d’une activité est fixe et est déterminé empiriquement. En
PERT le temps espéré est déterminé suivant la formule suivante :
T 0 +4 Tm+Tp
Te=
6 avec Te : temps espéré, To : temps optimiste, Tp : temps
pessimiste, Tm : temps modal.

2.5.4. Planification
5ème étape : solution analytique par détermination des dates au plus tôt et au plus
tard.
La solution analytique est basée sur la recherche du processus pour le
chemin critique. En ce sens elle se base sur deux concepts ci-après :
- la date au plus tôt possible pour un événement (TE)
- la date au plus tard acceptable pour un événement (TL)
Définitions
a) La date au plus tôt d’un événement est le temps qui s’écoule immédiatement
après que l’activité précédent l’événement se soit complètement accomplie.
Cette règle est vraie pour tous les événements, y compris le dernier. Ainsi la
date au plus tôt possible pour réaliser un projet est celle du dernier
événement dudit projet.
b) La date au plus tard permis est la date acceptée comme plus tard possible
sans que la durée totale pour la réalisation du projet ne soit affectée.
 52

Le graphique ci-dessus illustre bien ces deux notions :

3
c (4) f (6)
TE=7 d (2)
2 TL=7 i (2)
a (3) 6 h (12) 7 8
4
e (4) b (4) g (3)
TE=3
1 TE=9 TE=13 TE=25 TE=27
TL=3 TL=13 TL=25 TL=27
TL=10
h (1)
TE=0
TL=0 5

TE=7
TL=24

6ème étape : calcul de marge (slack) des événements et identification des événements
critiques.
S=TL-TE avec S : marge (slack)
Interprétations
1) Lorsque TL=TE pour le dernier événement (la fin du projet), les marges du
projet peuvent être nulles, alors les événements sont dits critiques, ou
supérieurs à zéro, alors les événements ont une marge positive.
2) Lorsque TL  TE pour les événements dans ce cas, sont événements critiques
tous ceux dont la marge est minimum (inférieure à celle du dernier
événement), elle peut être négative si TL est inférieur à TE.
7ème étape : calcul de marge des activités et identification des activités critiques.
La marge d’une activité est donnée par la formule suivante :
Marge de l’activité = TL-TE-te avec te : durée de l’activité.
TL : de l’événement qui suit l’activité
TE : de l’événement qui précède l’activité
Interprétation
1) Quand TL=TE pour l’événement final du projet : dans ce cas l’activité avec
une marge égale à zéro est dite critique.
2) Quand TLTE pour l’événement final du projet : dans ce cas les activités qui
ont une marge inférieure de celle du dernier événement sont critiques.
8ème étape : découverte du chemin critique sur un réseau CPM et PERT.
 53

Le chemin critique sur un réseau est celui qui va du début à la fin du projet en
passant par les événements et activités critiques. Ceci veut dire qu’il est constitué
des événements et activités à marges nulles ou à marges minimal selon les cas.
Caractéristique du chemin critique
1) Dans un réseau PERT/CPM on peut avoir plus d’un chemin critique.
2) Le chemin critique est le plus long en temps dans un réseau CPM/PERT.
Autres caractéristiques
2
3) Marge régulière
(8)
(5)
3
1 (6)

L’activité (1-2) dure six semaines pendant que les activités (1-2) et (2-3)
durent 14 semaines. Ceci signifie que l’activité (1-3) à une marge de sept semaines
en plus de six de son écoulement normal (13-6).
4) Marge flottante
Lorsque deux ou plusieurs activités non critiques, ou événements non
critiques sont jointes en série, la marge est dite flottante.

2 Critical = 22 7
e (5) h (1)

Il y a une marge de 22-(4+1) = 17 semaines que l’on peut mettre pour

l’ensemble des activités e et h, par exemple, 17 semaines en plus pour e et 0 pour h
ou 16 semaines pour e et 1 semaine pour h, etc.
5) Marge totale du réseau
Un Directeur Gestionnaire (manager) devrait être intéressé par la marge
totale du réseau (projet). Pour cela il faut additionner toutes les marges des activités
en comptant une fois les marges flottantes (par exemple pour les activités e et h : on
aura e ou marge – 17 semaines).
La connaissance exacte de ces marges permet au manager d’établir le plan
complet du projet en tenant compte des activités critiques et des marges dans le
travail et ressources du plan et prévoir un budget approprié.
 54

2.5.5. Gestion et contrôle des instruments

Dans les sections de prévisions précédentes, on a montré comment
construire un réseau ; trouver une activité et un événement critiques ; trouver un
chemin critiques et estimer la marge de temps disponible pour l’accomplissement
d’un projet. Après avoir obtenu ces éléments on doit établir un document de
planification des résultats et de l’ordre détaillé des travaux.
Enfin le PERT et le CPM peuvent être utilisée pour le guidage et le contrôle
des objectifs.
9ème à 12ème étape : réplanification et ajustement des projet.
Lorsqu’une activité sur chemin critique a une marge négative, cela signifie
que le projet pourra connaître un retard proportionnel à la marge.
Alors le manager choisira un événement non critique et celui soustraira autant de
temps que la marge convienne à l’accomplissement du projet dans les limites
voulues.
Ainsi par exemple : supposons que la marge de la figure page 50 soit de
moins un. La manager considérera l’événement (5) qui a une marge de 17 semaines
et lui amputera une semaine pour que la marge du projet soit nulle. Si l’on retarde
l’événement (5), l’aboutissement du projet ne sera nullement pas influencé. Ceci
signifie qu’il faut réaménager les ressources (travail, outils et équipement) qui
doivent être transférées à une ou plusieurs activités critiques.
Un cas similaire peut se produire si l’activité non critique g (même page)
requiert 6 semaines au lieu de trois. Alors TE de l’événement (6) devient 15
semaines et la marge de cet événement est négative (-2). En ce moment le
chemin critique se modifie (1-2-3-4-6-7-8) et les activités d et g deviennent critiques.
Ainsi en recomptant la durée de différentes activités, cela peut entraîner une
reconsidération du projet dans son ensemble : le chemin critique ; les activités et les
événements critiques peuvent devenir non critiques et vice-versa.
En plus du transfert de ressources vers les activités critiques, le manager peut
corriger les retards d’un projet par des actions suivantes :
1) fléchir les spécifications techniques et les qualités requises ;
2) modifier la visée du projet en réduisant les objectifs et par conséquent
l’importance du travail ;
3) modifier la séquence des activités ;
4) pourvoir des ressources additionnelles au projet ;
 55

5) entamer les activités par des motifs incitateurs (procédés d’encouragement) ;

6) commence les activités au même moment que se déroulent celles qui précèdent
avant que ces dernières ne soient complément terminées.

2.5.6. Estimation du temps en PERT

a) Le temps optimiste
Le temps optimiste est celui pendant lequel l’activité peut être accomplie le
plus courtement possible. C’est donc le temps minimum possible pour
l’accomplissement d’une activité. Cette durée estimée a, par définition, un p. 100 de
chance d’être atteinte.
b) Le temps modal
Le temps modal est celui, pour l’activité concernée, le plus fréquemment
atteint dans les mêmes conditions de travail. C’est celui que les experts estiment
souvent pour l’activité ; c’est le temps le plus vraissemblable.
c) Le temps pessimiste
Le temps pessimiste est le plus long moment pour la réalisation d’une activité
donnée. C’est le temps maximum possible pendant lequel une activité peut
s’accomplir. On l’estime à tout au plus un p. 100 de chance de se réaliser.
Comme dit plus haut, la formule pour estimer le temps espéré en PERT est
T 0 +4 Tm+Tp
Te=
6

5.5.7. Calcul des probabilité pour l’accomplissement d’un

projet en PERT
Les trois types de temps (To, Tm et Tp) permettant de dresser une courbe de
distribution de fréquence, dite distribution B. On peut calculer la déviation standard
de la distribution B de manière suivante :
T p −T 0
σ=
S.D. d’activité = 6 et la variance de l’activité par la formule :

( )
2
2 T p −T 0
σ =
6
 56

La variance pour toutes les activités (du projet) peut être obtenue en faisant

par
la somme des variances des activités individuelles. Cette variance est désignée
2 2 2 2
V et elle est égale à V =σ 1 + σ 2 +σ 3 +. .. σ n

De même on peut chercher la variance des activités sur le chemin critique.

Pour obtenir la probabilité qu’un projet donné puisse être réalisé dans le
D−S
Z=
temps voulu (lui imparti), on utilise la formule ci-après : √ V avec
V : la variance du chemin critique
Z : le nombre de déviations standards d’une distribution correspondant au
nombre de probabilité pour compléter le projet dans le timing voulu.
D : le temps désiré pour accomplir le projet, par exemple 30 semaines.
S : le temps inventorié (sur le réseau) pour compléter le projet. C’est le temps
au plus tôt (TE) du dernier événement du projet.

N.B. :
1) Si le projet a plus d’un chemin critique, on utilise le chemin qui a une grande
valeur de V pour déterminer la probabilité que le projet se termine avant la
date prévue.
2) Si la variance V d’un chemin non critique est supérieure à celle du (des)
chemin (s), il est sage (en PERT) de considérer le chemin non critiques à
larges variance.
Exemple de détermination de : supposer un projet dont la date au plus tôt du dernier
événement est de 27 semaines. On demande de calculer la probabilité pour que le
projet se termine dans trente semaines, sachant que v=4,66 pour le chemin.
30−27 3
Z= = =1, 39
4 ,66 2 ,16
La probabilité correspondant à z=1,39 est 91,8%. Donc il y a 91,8% de chance
pour que le projet se termine en 30 semaines.
De même quelle est la probabilité pour que le projet se termine en 25
semaines ?
25−27
Z= =−0 ,93
4 ,66
 57

Si la table de distribution normale inclut les valeurs négatives, la

détermination de la probabilité est directe. Sinon, il faut prendre la probabilité pour
z=0,93 qui est 82,38 et cette valeur est soustraite de 1, donc 1-0,8238=17,6%.

Chap. III : GESTION DES STOCKS

3.1. Demande fixe et continue
Afin de promouvoir le fonctionnement efficace de leurs affaires, les entreprises
accumulent les articles en magasin. Cette accumulation des articles est appelée un
« stock ».
Dans une entreprise, on rencontre généralement des stocks des matières
1ères; d’articles semi-finis et des produits finis.
Même s’il est nécessaire de garder le stock, une entreprise peut fonctionner avec
une certaine efficacité à des niveaux des stocks variables. Le niveau de stocks peut
être contrôlé principalement en faisant varier la taille des lots. Il y a des avantages et
des inconvénients associés à toute politique de gestion de stock. Ainsi, p. ex un
niveau de stock élevé possède entre autres les avantages de réduire les coûts de
commande, d’assurer un meilleur service aux clients et de permettre une
spéculation sur les coûts des articles dans un marché inflationniste. Toutefois, il a
l’inconvénient d’augmenter le coût de possession de stock comme, p. ex la location
d’entrepôts, dépréciation, détérioration, intérêt sur le capital investi, comptabilité et
manutention.
Un niveau de stock peu élevé aurait des avantages et des inconvénients
opposés.
Par conséquent, l’obtention d’une politique optimale de gestion des stocks
requiert la pondération des coûts de commande et de possession des stocks.
Examinons le cas d’un fabricant (manufacturier) qui doit fournir une quantité connue
d’articles durant une période de planification. On suppose que :
- Le coût de production est connu.
- La demande pour les articles est uniforme durant la période de planification.
- Le taux de fabrication des articles est connu.
- Les articles manquants sont portés sur une liste d’arrérages. Le fabricant
(manufacturier) doit déterminer la grossesse maximale de lots à fabriquer et
 58

la fréquence de fabrication des lots. Les paramètres pertinents sont les

suivants :
A : coût de mise en marché d’un lot
C : coût de fabrication d’un article
I : taux du coût de possession des stocks (en % du coût unitaire c'est-à-dire IC : coût
de possession par article pour la période de planification)
 : Coût supplémentaire encouru par période lors que on ne peut pas fournir un
article demandé immédiatement c'est-à-dire coût d’arrérage par période de
planification par unité.
 : Nombre d’articles demandés dans la période de planification.
p : nombre d’article qui peuvent être fabriqués dans une période de planification.
Présentation graphique du tableau

-
Q* p--
t1 t2 t3 t4
0 B D temps
A C

Les variables de décision sont T et Q.

T=t1+t2+t3+t4
t1= temps requis pour satisfaire la demande sur la liste d’arrérage
t2= intervalle de temps pendant lequel les stocks sont accumulés, soit AB
t3= temps entre le moment où les stocks sont allés au niveau le plus élevé et celui
où le stock est nul.
t4= temps écoulé avant l’initiation du prochain lot.
Q*= grosseur optimale des lots.
Coût total pendant la période de planification = (coût d’immobilisation/ cycle)+(coût
de mise en marché/cycle)+(coût d’arrérage/cycle) +nombre de cycles (période).
 59

* Le coût d’immobilisation/cycle est obtenu en multipliant la surface du triangle AFC

par
IC=
[ FBXAC
2
IC
]
or
FB=( p− λ ) t =λt
−
2 3  [ λt 3 ( t 3 +t 3 )
2 ] IC

*Le coût d’arrérage est le produit des surfaces de deux triangles (OAEetCDG par

π =π [ (OAxOE )+ (CD + DG )
2
=π
( OA +CD ) OE
2 ] [ ]
Or OE=DG=t1(p-)=t4 et que (OA+CD))=t1+t4 en remplaçant on obtient =

π [ t 4 λ ( t 1 +t 4 )
2 ]
* le coût total par cycle
IC π
λt 3 ( t 2 +t 3 ) + t 4 λ ( t 1 +t 4 ) + A
2 2
* nombre de cycle/période de planification=/Q
* la longueur d’un cycle = T=Q/=t1+t2+t3+t4.
* le coût total pour la période de la planification = coût par cycle x nombre de cycles.
IC π
λt 3 ( t 2 +t 3 ) + t 4 λ ( t 1 + t 4 ) + A
2 2
CT=
t 1 +t 2 +t 3 +t 4
p− λ ( p−λ )
t3= t 2 et t 4 = t1
Or λ λ
1
2
( ICt 22 + πt 21 ) ( p− λ ) + Aλ / P
CT =
En remplaçant on obtient : t 1 +t 2

On trouve l’optimum de cette fonction en dérivant partiellement et en égalant les

dérivées partielles à zéro.

∂CT =
π ( p− λ ) t 1 ( t 1 + t 2 )− ( IC2 t + π2 t ) ( p−λ )−Aλ / P =0
2
2
1
(1)
2
( t1 +t2 )

=
IC ( p−λ ) t 1 ( t 1 + t2 )− ( IC2 t + π2 t ) ( p−λ )− Aλp
2
2 2

2
( t 1 +t 2)
πt 1
t 2=
Par conséquent IC
 60

Par substitution dans l’équation (1) on obtient

t¿1 =
√ 2 Aλ IC
π ( p− λ ) p ( IC +π )
; Q=λT

¿
t 2=
√ 2 A λπ
IC ( p− λ ) p ( IC +π )
¿ ¿ ¿ ¿ ¿
La longueur optimale du cycle est T =t 1 +t 2 +t 3 =t 4
¿ ¿
¿ ¿ ¿ ¿ ¿
P ( t 1 +t 2 )
T =t 1 +t 2 + ( p−λ ) ( t 1 +t 2 ) =
λ
πt 1
t 2=
IC

T ¿=
λ IC ( )
P IC +π ¿ ¿ ( 2 A ) IC +π
t 1 =t 1=
λ IC π
1
1−λ|p √ ( )( ) longueur optimale du cycle

Q ¿ =p ( ICIC+ π ) t ¿
1

Q¿ =
√( IC )( )(
2 Aλ IC +π
π
Principaux cas particuliers
1
1−λ|P ) quantité optimale

1° Cas où les arrérages ne sont pas permis

Q*

temps
T*

On obtient la solution optimale en supposant que  tend vers  et T* et Q* se

réduisent aux expressions suivantes :

Q=
¿

√ 2 Aλ
IC ( 1−λ|P )
¿
et T =
√ 2A
IC λ ( 1−λ|P )
2° Cas où les articles sont commandés à l’extérieur plutôt que fabriqués.

Stock Points de commande

temps
‫ﺥ‬
T*
 61

Si le délai de livraison ‫ ﺥ‬est connu et fixe, ou peut placer une commande ‫ ﺥ‬période
avant la fin d’un cycle et être certain qu’elle sera reçue exactement à la fin du cycle.
Par conséquent, lors de la réception de la commande au début du cycle suivant, les
stocks augmenteront à leur niveau le plus élevé instantanément. Dans ce cas p 
est les formules de T* et Q* se réduisent aux expressions suivantes :

¿
Q=
√ IC (
2 Aλ IC+ π
π )
3° Cas où les arrérages ne sont
et
¿
T =
√ λ IC(
2 A π + IC
π )
pas permis et les articles sont commandés à
l’extérieur.

Stock Points de commande

temps
On obtient la solution optimale en supposant que  et p. Alors :

Q
¿

Exemple
√ 2 Aλ
IC
¿
T =
√ 2A
λ IC

Un fabricant a une demande pour 10.00 articles par an et qu’il peut fabriquer
les articles a un taux de 25.000 articles/an.
Le coût de fabrication d’un article est de 100$ et le taux d’immobilisation est de 20%.
Un coût de 500$ étant encouru lorsque la fabrication d’un lot est mise en marché et
un coût de 50$/an étant encouru lorsqu’on place un article sur la listes d’arrérage. On
veut trouver la grosseur optimale des lots et le temps entre l’initiation de chaque lot.
Solution A=500, c=100, I=20% =50, p=2500 et =10.000
 62

 2 A  IC    1  1080
Q      1080 articles et T 
  0,1080  0,1080 année
 IC  C  1   P  10.000

3.2. Demande aléatoire

La demande suit une loi probabilistique. Elle peut être discrète ou continue.
Les paramètres sont :
C1 : coût d’inventaire/unité de temps/pièce
C2 : coût de pénurie/pièce
C3 : coût fixe pour placer une commande

r : demande totale probable

S : lot à approvisionner
On envisage deux cas :
- demande  lot approvisionné
- demande  lot approvisionné s
s
r,s
p()
5

4
p()
3

1 T

-1

-2
T

Soit FT(s)1 la fonction des coûts

( r2 )
FT ( S )1 S− pour r≤S

FT ( S )2 =C 1 S
{( ) T
r+ 1
+ ( S−1 )
T
r≠1
+ ( S−2 )
T
r +1
. ..+
T
r+1 }
+C 2 ( r−S ) , r ≥S

C1 T
¿ ( S + ( S−1 ) + ( S−2 ) +.. .+1 ) +C 2 ( r−1 )
r +1
 63

{
C 1 TS ( s−1 )
}
S

( )
∞
r
FT ( S )=C1 T ∑ S− PT ( r )+ ∑ +C 2 ( r −1 ) PT ( r )
r=0 2 r= s+1 2 ( r +1 )

{( )}
S ∞
PT ( r )
ΔF S =( C 1 T +C 2 ) ∑ PT ( r )+C 1 ( S+1 ) ∑ −C 2
r=0 r=s+1 r+s
Exemple
Un vendeur d’automobiles peut commander soit à la semaine soit aux 2
semaines (T)
C1=6$/auto/semaine, C2=100$/auto et C3=40$/auto.
Les probabilités de la demande dans une semaine sont :
p1(0)=0,05, p1(1)=0,10 ; p1(2)=0,20 ; p1(3)=0,30 ; p1(4)=0,20
p1(5)=0,15, p1(5)=0,00
trouver la solution optimale
Solution : T=1
S ∞
s P(r)/r+1 F1(s) F1(s)
r
∑ Pr ( r ) cumul ∑ Pr ( r+1 ) /r+1
r=0 r=1
0 0,05 0,05 0,05 0,2567 -93,15
1 0,10 0,05 0,15 0,2067 -81,62
2 0,20 0,0667 0,35 0,140 -60,48
3 0,30 0,075 0,65 0,0650 -29,54
4 0,20 0,04 0,85 0,025 -9,15
5 0,15 0,025 1,00 0 +6
5 0,00 0 1,00 0

{ }
S ∞
PT ( r )
ΔF S =( C 1T +C 2 ) ∑ pT ( r )+ C1 T ( S+1 ) ∑
r=0 r =S+1 r +1 ¿

=( 6+100 ) ( 0 , 05 ) +6 ( 0+1 ) x 0 ,2567−100=93 ,15

T=2
∞
P2 ( r )= ∑ p1 ( r ) ( 0−0 ) p1 ( r−m )
m=0

= p1(0)=p1 (O-0) p1(0)+p1(0).p1(0) 0,05x0,05=0,0025

p1(1)=p1(0).p1(0)+p1(1)p1(0)=p1(1)-p(1)=0
 64

S ∞
r1S p2(r) p2 (r)/r+1
∑ p1 ( r ) ∑ p2 ( r ) /r+1
0 r=s+1 F2S
0 0,0025 0,0025 0,0025 0,1592 -97,81
1 0,01 905 0,0125 0,1542 -94,90
2 0,03 0,01 0,0425 0,1442 -90,05
3 0,07 0,0175 0,1125 0,1267 -81,32
4 0,12 0,024 0,2325 0,1027 -67,80
5 0,175 0,0292 0,4075 0,0735 -49,07
6 0,20 0,0286 0,6075 0,0449 -28,19
7 0,18 0,0225 0,7875 0,0224 -9,65
8 0,13 0,0144 0,9175 0,008 +3,62
9 0,06 0,006 0,9775 0,002
10 0,00225 0,002 1,00 0
10 0 0 1,00 0
Pour évaluer les coûts on utilise la formule :
S−1
FT ( S )=F T ( 0 ) + ∑ ΔF T ( n )
r=0
∞
FT ( 0 ) =∑ C 2 rpT ( r )
r=1

F1(s*)=300-273,94=26,06$
F2(s*)=520-518,74=71,26$
CT1=F2(s*)5+C3=36,06+40=36,06+40=76,06$/semaine
111 ,76
=55 , 26/ semaine
CT2= F2(s*)8+C3=71,76+40=111,76$/2semaines soit 2
55,60$76,68la période optimale pour passer la commande est de 2 semaines.
 65

N.B. : Avec ce chapitre nous clôturons les modèles déterminants c'est-à-dire avec
valeurs discrètes pour passer aux modèles probabilistes ou stochastiques.

Chap. IV : MODELES PROBABILISTES

4.1. Prise de décision en univers indéterminé
Les problèmes décisionnels peuvent être classifiés selon la nature de
l’information qui est à la disposition du décideur. Lorsque l’information disponible
n’est pas parfaite, il est possible que le décideur ait une connaissance parfaite des
événements qui influence le système où le problème se pose et il est possible qu’il
les ignore complètement. Dans ce dernier cas, si son ignorance est due entièrement
au fait qu’il ne connaît pas les actions prises par ses compétiteurs alors on est en
présence d’un problème décisionnel en univers hostile. Par contre, si son ignorance
est complète mais que les résultats possibles dépendent de l’état de la nature alors
on est en présence d’un problème décisionnel en univers incertain. Enfin, si le
gestionnaire possède une connaissance partielle des événements possibles et qu’il
peut l’exprimer sous la forme d’une distribution des probabilités on est en présence
d’un problème décisionnel en univers risqué.

4.2. Théorie des jeux

4.2.1. Jeu à somme nulle
Elle permet de résoudre le problème décisionnel en univers hostile. Les
conflits entre adversaires sont l’essence de plusieurs questions économiques,
politiques et militaires qui peuvent être très complexes. On considérera, ici, le cas du
duel c'est-à-dire d’un jeu entre deux adversaires qui ont des intérêts strictement
opposés sans aucune possibilité de coopération. Ces jeux sont communément
appelés jeux à deux personnes et à somme nulle (quelque soit le choix des
stratégies la somme de récompenses de 2 joueurs = 0 et ils satisfont aux conditions
suivantes :
i. Les 2 joueurs agissent de façon rationnelle et ils tentent de maximiser leur
gain ou de minimiser leur perte.
 66

ii. Les joueurs peuvent utiliser un nombre fini d’actions et chacune des actions est
connue de 2 joueurs.
iii. Les résultats des actions peuvent être évalués et ce qu’un joueur gagne l’autre
le perd (d’où l’expression de jeu à somme nulle).
iv. Le jouer agit simultanément sans savoir ce que l’autre fait.
Pour analyser ce jeu, précisons deux notions fondamentales :
1. stratégie
C’est un plan complet qui tient compte de toutes les contingences qui sont
susceptibles d’apparaître au cours du jeu.
2. enjeu
C’est un indicateur de préférence ou d’utilité associé à une paire possible des
stratégies qui peuvent être adoptées par les joueurs.
Enfin, résoudre un jeu consiste à déterminer la où les meilleures stratégies de
deux joueurs par rapport à l’indicateur de préférence adoptée.
A. Critère de Von Neuman (critère de Wald)
On présente alors la matrice du jeu avec les stratégies possibles (matrice du
gain du joueur A).
Joueur B minimisant
Joueur A Y1 Y2 Y3 Min ligne
Maximisant
X1 4 4 10 4
X2 2 3 1 1
X3 6 5 7 5
Max colonne 6 5 10
Ici, chaque joueur est supposé choisir une stratégie qui lui permet de réaliser
le mieux possible, sachant que son adversaire connaît la stratégie qu’il est entrain
de suivre. En utilisant cette hypothèse on peut déterminer comment les joueurs
pourront jouer.
Comment le joueur A jouera ? S’il choisit la rangée X1, cette hypothèse implique que
le joueur B suive la colonne 1 soit la colonne 2 et retiendra la rangée avec une
récompense de 4 unités (le plus petit nombre dans la rangée 1 de la matrice de jeu).
De même si le joueur A choisit la rangée 2, l’hypothèse implique que le joueur B
choisisse la colonne 3 et retienne la rangée récompense 1 de la rangée 2 (le plus
petit nombre ou minimum dans la 2 ème rangée de la matrice de jeu). Si A choisit la
 67

rangée 3, B s’en tiendra au plus petit nombre de la 3 ème rangée (5). Ainsi l’hypothèse
implique le que joueur A choisirait la rangée ayant le plus grand minimum. Comme
4, 1, 5 sont les minima possibles pour A, le plus grand étant 5, donc le joueur A
choisira la 3ème rangée. En choisissant la rangée 3, le joueur A est sûr qu’il gagnera
au moins le maximum des (minima de rangée) = 5 unités, ici. Du point de vue du
jouer, s’il choisit la colonne 1, le joueurs A choisira la stratégie qui fait que le joueur
B perde le plus possible de façon que les gains de A soient les plus grands
possibles. Ainsi, si B choisit la colonne 1, A choisira la rangée 3 puisque le plus
grand nombre de la 1ère colonne est 6 et se trouve sur la rangé 3.
De même ; si B choisit la colonne 2, A choisira encore la rangée 3 car 5 que 4 et 3
sur la colonne. Finalement, si B choisit la colonne 3, A choisira la rangée 1 parce
que B perd plus (10 unités). Ainsi, le joueur B peut maintenir ses pertes au
minimum=5(6, 5, 10) en choisissant la colonne 2.
Nous avons dit ci-haut que A ne peut s’assurer du succès que s’il gagnait au
moins 5 unités. Ainsi, l’issue rationnelle de ce jeu est le joueur a gagne exactement 5
unités, le joueur A peut espérer gagner plus de 5 unités, parce que le joueur B, en
choisissant la colonne 2, peut maintenir les gains de A à 5 unités.
La matrice de jeu analysée a la propriété de satisfaire la condition de point-selle
(saddle points) ou point-libre) c'est-à-dire le jeu possède un élément qui est à la fois
minimum dans sa rangée et maximum dans sa colonne :
Max (des minima des rangées)=min (maxima colonne)=V
V=valeur du jeu
N.B. : Beaucoup de problèmes de jeu à somme nulle n’ont pas de point-selle. Nous
voyons dans la suite, comment s’y prendre.
B. Critère de la place
Ici, le joueur joue contre la nature (contre le hasard). On sait de ce joueur qu’il
n’est pas intelligent.
Jouer A 3 -2 1 3-2+1/3=2/3
3 3 2 3+3+2/3=8/3
-4 2 5 -4+2+5/3=3/3
4 6 0 4+6+0/3=10/3  Choix pour prendre la décision
Selon ce critère, le joueur choisit la solution réalisable qui donne le plus grand

gain moyen c'est-à-dire celle qui correspond au Max

[
ai 1 + ai2 + ai3 . .. ain
n ]
 68

C) Critère de Hurwicz
Il permet de refléter les attitudes allant de plus pessimistes aux plus optimistes
par le biais d’un coefficient (01).
Si Ai et ai sont respectivement les gains maxima et minima associés à la i ème
solution réalisable alors on choisit celle qui correspond au Max i iAi+(1-)ai)

N.B. : * =1 si le joueur est optimiste

*=0,5 si le joueur est indifférent
* =0 si le joueur est pessimiste.
3 -2 1 3 -21x3+(1-1)62=3
3 3 2 3 21x3+(1-1)2=3
-4 2 5 5 -41x5+(1-1)-4=5
4 6 0 6 0(1x-6)+(1-1)0=6  Choisi

D) Critère de Savage
Ici, c’est également un jeu contre le hasard. Savage propose de raisonner à
partir d’une matrice de regrets R. Le regret est le coût d’opportunité encouru en ne
choisissant pas la meilleure solution pour un état de la nature donné. La matrice de
regret a pour élément :Rij=(Maxakj)-aij (kColonne)
Le critère consiste à choisir la solution réalisable pour laquelle le plus grand
regret est minimal c'est-à-dire correspond au Min (Max Rij) iligne

Ex : Max col

N.B. : Ces 4 critères (Wald, Savage, Hurwicz Laplace) sont basés sur la stratgégie
pure c'est-à-dire celle dans laquelle le joueur joue toujours de la même façon peu
importe le nombre de fois qu’il joue.
Exemple 1
Un spéculateur désire acheter une de trois action A 1, A2 et A3 qui lui sont
offertes par son courtier avec l’intention de la revendre dans les six mois à venir. Le
 69

gain qu’il peut tirer de cette transaction dépend de la conjoncture économique

(favorable, normale ou favorable) au moment de la vente. Malheureusement, il n’a
aucune façon de prévoir cette conjoncture.

L’information qu’il possède est résumée dans le tableau suivant :

Fa Norm Defav.
v
A1 50 60 -150
0
A2 30 200 -50
0
A3 10 100 100
0
Quelle action achètera-t-il d’après les critères suivants : Von Neuman, Savage,
Hurwicz (=0,5) et Laplace.
a) Critère de Von Neuman
courtier
500 600 -150 -150
Spéculateur 300 200 -50 -50 Max min=min max =V
V=100 est la valeur du jeu
100 100 100 100
Max 500 200 100 100

Le spéculateur achètera A3 dans une conjoncture défavorable.

b) Critère de Savage
Fav Nor defa Max
m v 0 140 250 250 Plus petit min
 choisi  achat
Spé 500 60 -150  Matrice 200 0 150 200 A2 en temps
300 200 -50 des regret 400 100 0 400 favorable
Max 100 100 100
col
500 200 100
c) Critère de Hurwicz
Ma Min

x -150 (0,5x500)+(1-0,5)(-150)=175 max choisi

50 60 -150 500 -50 (0,5x300)+(1-0,05)(-50)=125

0 100 (0,5x100)+(100)=100
 70

Le spéculateur achètera A1 en temps favorable.

c) Critère de Laplace

50 60 -150 410/3
0 450/3 A2 choisi en temps favorable
4.2.2.
30 20 Jeux-50à deux
300/3 personnes à somme construite
1° Définition
0 0
Un jeu à deux personnes somme constante est un jeu à deux personnes dans
lequel, pour n’importe quel choix des stratégies, la récompense du joueur A
(rangées) et celle du joueur B (colonnes) totalisent une valeur constante C.

2° Résolution
Même si un jeu à deux personnes n’est pas à somme nulle, deux joueurs
peuvent être encore en conflit total. Pour illustrer ceci, considérons les jeux à deux
personnes et à somme constante.
Bien entendu, un jeu à somme nulle pour deux personnes est juste un jeu
pour deux personnes à somme nulle avec c=0. Un jeu pour deux personnes à
somme constante maintient la particularité que le joueur jouant selon la rangée et
l’autre selon la colonne sont en total conflit ; parce qu’une unité d’augmentation de la
récompense du joueur A résultera d’une diminution d’une unité de la récompense du
joueur B. En général, les stratégies optimales et la valeur pour un jeu à deux
personnes et à somme constante peuvent être trouvées parles mêmes méthodes
utilisées pour trouver les stratégies optimales et la valeur pour un jeu à deux
personnes et à somme nulle.

4.2.3. Jeux à deux personnes et somme nulle : stratégies

randomisées, domination et solution
graphique
Il est question de trouver la valeur et les stratégies optimales pour un jeu
sans point-selle.
 71

Dans la stratégie mixte, les joueurs jouent toujours selon le critère de Von
Neuman mais ils choisissent les lignes et colonnes selon les fréquences
(probabilités) appropriées.
a) Stratégie mixte optimale du joueur A
ex : Soit la matrice de gains :
Joueur B
C1 C2 C3
Jouer A L1 4 -2 5
L2 -1 3 1
L*1, L*2…L*n du joueur A lui assurent un gain moyen supérieur ou égal à une quantité
V appelée valeur du jeu.
b) Stratégie mixte optimale du joueur B
C*1, C*2…C*n du joueur B lui assure une perte moyenne inférieur ou égale à la
même quantité V appelée valeur du jeu.
Pour trouver la combinaison optimale de deux joueurs on calcule l’espérance
mathématique.
a) Si, en stratégie pure, le joueur A choisit L 1, l’espérance mathématique de gain
(EGA) selon la ligne Li sera :
EGA (L1) = 4C1-2C2+5C3 Ci = probabilité pour le joueur B de jouer
EGA (L2) = -C1+C2+C3 selon la colone i.
b) Dans le cas où le joueur A joue selon la stratégie mixte (selon toutes les
lignes) :
EGA=(4C1-2C2+C3)L1+(-C1+3C2+C3)L2
Cette équation économique devait être maximisée.
Le joueur B lui tentera de minimiser ses pertes :
a) En stratégie pure :
EPB (C1)=4L1-L2, EPB(C2)=-2L1+3L2
EPB (C3) = 5L1+L2
b) En stratégie mixte
EPB=(4L1-L2) C1+(-2L1+3L2)+C2 (5L1+3L2)C3
Cette équation économique devait être minimisée
EGA (L*1,L*2)
4L1-L2v
-2L1+3L2v
 72

5L1+L2v
Comme L2+L1 L2=1-L1 on aura alors
4L1-(1-L1) v5L1-1v
-2L1+3(1-L1) v-5L1+3v
5L1+(1-L1) v4L1+1v
On peut résoudre ces inéquations graphiquement comme suit :
Avec l’équation :

3
i) -5L1+3=V si V=0L1= 5 =0,6 ; si L1=0V=3
1
ii) 5L1-1=V si V=0L1= 5 =0,2 ; si L1=0V=-1
iii) 4L1+1=V si L1=0 V=0

6
4L1+1=v
5

4 5L1-1=v

3 -5L1+3=v

1
Valeur du jeu
0
0,10,20,30,40,50,60,70,80,91 L1
-1

-2

L1 = 0,40 et L2 = 1-0,4=0,6
Théorème de Von Neuman
Si une inéquation du joueur A devient stricte (satisfaite par le signe inférieur)
lorsque sa stratégie optimale a été déterminée alors la fréquence correspondante de
la stratégie optimale du joueur B doit être nulle.
Ex : pour l’exercice ci-dessus on a v = 1
L=0,40
 73

5L1-1v (5x0,40)-111
-5L1+3v(-5x0,40)+311
4L1+1v(4x0,40)+12,61inéquation stricte alors C3=0.
Stratégie mixte optimale pour le joueur B
4C1-2C2v (C3=0)
-C1+3C2v pas de C 3 car C3=0
C1+C21
En résolvant ce système d’équationC2=0,5 (C3 =0) et C1=9-0,5=95 donc 50% de
chance que B joue en choisissant la colonne C2.

Questions propriétés
1° Invariance de la solution optimale
a) Si on ajoute à tous les éléments de la matrice une constante  la stratégie
optimale ne change pas et la valeur du jeu devient v+.
b) Si on multiplie tous les éléments d’une matrice par une constante  la
stratégie optimale ne change pas, la valeur du jeu devient v.
2° Réduction par domination
a) On supprime toute colonne dont tous les éléments dominent les éléments
correspondant d’une colonne ou une combinaison connexe d’autres lignes.
Matrice qui reste 2 5 4 42 la colonne 3 domine donc la
7 3 9 97 colonne 1 donc ou supprime la
0 1 11 110 colonne 3.

b) On supprime toute ligne qui est dominée par une autre ligne ou une
combinaison linéaire connexe d’autres lignes (ex : la combinaison linéaire de
L1 et L2 domine L3, d’où L3 est supprimée).
Exemple : déterminer graphiquement les stratégies mixtes optimales pour les joueurs
A et B du jeu suivant :
Dominant
- L1+9L2v
A 6 -1 5 -3 A 5L1-5L2v
19 9 -5 17 -3L1+17L2v
 L1+L2=1L21-L1, on aura

Alors -10L1+9v
10L1-5v
 74

Chap. V : MODELE DU SYSTEME D’ATTENTE

Il existe un grand nombre des systèmes où des entités doivent attendre avant
de recevoir un service.
Lorsqu’on connaît les lois qui régissent les arrivées des entités et le
mécanisme de service de système on peut étudier le comportement de files d’attente
qui s’y forment en les considérant comme la réalisation d’un processus stochastique
dans le temps.
La théorie de files d’attente classiques porte sur l’élaboration des modèles
descriptifs pour toute sorte de système modèles d’attente. Ces modèles sont
constamment des processus stochastiques en temps continu avec un espace d’états
discret. On les utilise pour obtenir les caractéristiques du système étudié comme le
nombre moyen d’entités dans le système, le temps moyen d’attente des entités, etc.

5.1. Taxonomies de modèles de file d’attente et

notations
Les modèles de fils d’attente sont généralement classifiés selon cinq facteurs
principaux :
i) les processus d’entrée dans le système (A) d’attente
ii) les mécanismes de services du système (B)
iii) le nombre de serveurs (S)
iv) l’importance du bassin de clientèle (N)
v) la priorité de service (e)
Au début des années 50 Kendall incorpora ces facteurs en une nomenclature de
classification qui est maintenant une nomenclature universelle avec la forme suivante
A\B\S\N :e
 75

Ex1 : M\M\1\ : PAPS : système d’attente avec entrée et services markoviens, un

serveur, une population d’entrée infinie avec comme règle : premier arrivé premier
servi.
 76

Ex2 :
CCCCCC C S Facilités Système
C S de d’attente
Arrivée file d’attente C S service S = serveur
C S C= Client
entités service

1° Définitions
i) Ligne d’attente : nombre de clients dans le système d’attente
ii) File d’attente : nombre des clients attendant pour être servis c'est-à-dire la
longueur de la ligne moins le nombre d’unités qui sont entrain d’être servis.

2° Notations utilisées
En= étant pour lequel il y a n clients dans le système d’attente
Pn(t)= probabilité qu’il y ait exactement n client dans le système au temps t.
S= nombre de serveurs dans le système
n=taux d’arrivées moyens (nombre espéré d’arrivées par unité de temps) de
nouveaux client lorsque le système est dans l’Etat E n.

M n=taux moyen de service (nombre espéré d’unités, services par unité de temps)
lorsque le système est dans l’état En.
Si n = constant pour tout n il est noté  alors on a :
1/= temps moyens entre les arrivées
1/u= temps moyens de services
λ
2 ho p=
SM  : facteur d’utilisation des facilités de service
Lorsque le système est en équilibre (c'est-à-dire t) on utilise les notions
suivantes :
P0= probabilité moyenne de la ligne d’attente
L= longueur moyenne de la ligne
Lq= longueur de la file
W= temps moyen d’attente dans le système, incluant le temps de service
W9= temps moyen d’attente dans la file, excluant le temps de service.

6.2. Modèle descriptif processus de Poisson

C’est le plus simple de processus markoviens en temps continu et en espace
d’état discret. On le trouve dans un grand nombre des modèles de file d’attente. Ainsi
 77

lorsque dans un système d’attente les clients arrivent de façon purement aléatoire à
un taux moyen constant  et qu’ils ne sont pas servis P n(t) dénote dans ces
conditions la probabilité qu’il y ait exactement n arrivées dans un intervalle de temps
de longueur t.
Le système obéit à une fonction de masse d’une distribution de Poisson avec
( λt )n e− λt
λt ⇒ P n ( t ) =
paramètre n!
Les propriétés de la loi de Poisson permettent d’affirmer que :
i) l’espace mathématique du nombre de clients est t
ii) la variance de nombre de clients dans le système au temps t.

1. Modèle à serveur unique (M\M\1\ :PAPS)

C’est le système d’attente avec un serveur et pour lequel les taux d’arrivées
moyens et de services sont des constantes indépendantes de l’état de système.
c) Distribution du nombre moyen des clients dans le système
1

[ ]
1 1 λ
P0 = ∞ = ⇒ P0 =1− =1−ℓ ℓ=rho
λ u
1+ ∑ ( λ /μ ) n
1−
n=1 u
d) Distribution du nombre d’entités dans le système
Pn=(1- ℓ ) ℓ n, n=0, 1,2…
e) Longueur moyenne de la ligne d’attente
ℓ λ
Pn = = μ=mu
1−ℓ μ− λ
f) Longueur moyenne de la file d’attente
2 2
ℓ λ
Lq= =
1−ℓ μ ( μ−λ )
g) temps d’attente d’une entité arrivant dans le système
Le temps de service est une variable aléatoire suivant une loi exponentielle
avec fonction de densité f(t)=ue-utt0 f(t)=Me-Mt, t0 .
Ainsi la probabilité qu’il y ait n entités dans le système est P n. Il s’en suit que
pour Pn0 la probabilité de taux t :
 78
∞

∞ ∑ ( 1− ρ ) ρ n μ n ∞
P { τ ¿t } ∑ Pn ρ { A n ¿ t }= ∫t
n=1
x n−1 e−μx d x
n=1 ( n−1 ) !
⇒ P { τ ¿t }=e−μ ( 1−ℓ ) t

h) Temps d’attente moyen dans le système au temps t

1 1
W =E ( τ )= =
μ (1−ρ ) μ−λ
i) Temps d’attente moyen dans la file
1 λ 1
W q =W − = = t . ∈ τ →∞
μ μ ( 1− ρ ) μ ( μ− λ )
j) Longueur de la ligne d’attente
L=W
k) La longueur de la file d’attente
Lq=Wq

2. Modèle à plusieurs serveurs (M\M\S\ : PAPS)

Dans ce cas, les arrivées suivent une loi de Poisson avec paramètre  et
lorsque le temps de service pour chaque unité suit une loi exponentielle avec une
1
moyenne μ . Par conséquent quelque soit le nombre S de serveurs qui fournissent
le service, la distribution du temps de service est la même.
Le taux moyen de service pour tout le système d’attente μ c'est-à-dire la
vitesse moyenne à laquelle les unités quittent le système dépend de l’état du
système En.
Puisque le taux moyen de service (serveur occupé) est μ , on a

μn ¿ {nμ si o≤n≤s¿¿¿
Si λ¿¿
 79

[( )]
1
P0 =

(∑ )
n
λ
s−1
μ ( λ/μ ) s sμ
+
n=0 n! s! ( sμ−λ )
( λ/ μ )n P0
Pn = si 0≤n≤s
n!
( λ/ μ )n P0
Pn = si n≥s
s ! s n−s
P 0 ( λ/ μ ) ρ λ Lq
Lq = ; L=Lq + , W q =
s ! ( 1− ρ ) 2 μ λ

Distribution du temps d’attente

−Sμt ( A 1−ℓ )
p (Tq ¿t ) =e . p ( Tq ¿0 )
P0 ( λ /μ )S
ou p ( Tq¿0 )=
S ! ( 1−ℓ )

Distribution du temps qu’une entité passe dans le système, en incluant le

service e

[ ( )]
s
P 0 ( λ/ μ ) 1−e−μt ( s−1− λ/ μ )
P (T ¿t )=e− λt 1+
s ! ( 1−ρ ) s−1−λ /μ
Ex 1 : Une compagnie maritime possède un quai dans un port où ses bateaux
déchargent leurs cargaisons. L’arrivée des bateaux dans le port suit une loi de
poisson avec un temps moyen de 10h entre chaque arrivée. Le temps requis pour le
déchargement suit une loi exponentielle avec une moyenne de 3h. calculez :
i) le facteur d’utilisation des facilités de service
ii) la probabilité qu’un bateau ait à attendre
iii) le nombre moyen des bateaux dans le port (longueur ligne d’attente)
iv) le nombre moyen des bateaux qui attendent pour être déchargés (longueur
de la file d’attente).
 80

v) le temps moyen qu’un bateau passe dans le système

vi) le temps moyen d’attente pour un bateau
vii) la probabilité qu’un bateau passe plus que t=10h dans le système.
Solution
1 1
=3⇒ μ= ( service en h )
1/=10=1/10, (arrivée/h) μ 3
λ 1/10 3
ρ= λ μ= = = =0,3
S μ 1/ 3 10
i) i) 1 serveur

λ
P0 =1 =1−0,3=0,7
ii) μ
λ 0,1 0,1
L= = = =0 , 428≈1 bateau
μ−λ 1 0 ,23
−0,1
iii) 3
1
λ2 ( 0,1 ) 2 100 9
L9 = = = = =0 , 128≈ 1

iv)
μ ( μ− λ ) 1
(
1
3 3
−
1
10) 7
90
70

L 0 , 428
W= = =4 , 28 h
v) λ 0,1
L9 0 , 128
W= = =1 , 28 h
vi) λ 0,1

vii) P (T ¿10 )=e−μ (1−ρ ) t =e−0, 33 ( 1−0,3 ) 10=0 , 097

Ex2 : Supposons un râtelier dans une usine où les mécaniciens viennent retirer des
outils spéciaux nécessaires pour l’accomplissement d’une tâche particulière leur
assignée. Une étude a été faite sur le temps entre les arrivées et les temps requis
de service. Toutes ces distributions sont adéquatement décrites de façon
inversement exponentielle. Le temps moyen entre arrivées est de 60 secondes et le
temps moyen de service est de 50 secondes.
Calculer :
i) la longueur de file d’attente
ii) la longueur de la ligne d’attente
iii) le temps d’attente
iv) le % de temps inoccupé du surveillant
v) le temps qu’un mécanicien passe dans le système
 81

1
λ= x 60=1 arrivée par min ute
60
1
μ= x 60=1,2
50 service/minute
λ 1 1
L= = = =5
i) μ−λ 1,2 ( 1,2−λ ) 0,2 mécaniciens en ligne y compris celui en
service
2 2
λ 1
Lq = = =4 ,17
ii) μ ( μ−λ ) 1,2 ( 1,2−1 ) mécaniciens en lignes
iii) Temps d’attente
λ 1
(W q )= = =4 ,17
λ ( μ−λ ) 1,2 (1,2−1 ) minutes/mécanicien
L 5
w= = =5
iv) λ 1 minutes d’attente, y compris le service
1 1 1
= = =5
ou μ−λ 1,2−2 0,2 minutes d’attente, y compris le service
1
v) Temps non occupé = 1-P=1- 1,2 =0,1667=16,67%
 82

DEUXIEME PARTIE : GESTION DES EXPLOITATIONS

CHAPITRE I : RAPPEL DE QUELQUES NOTIONS DE BASE
I.1. DEFINITION
1. Gestion :
Plusieurs définitions ont été données à ce terme mais nous retenons
les 3 ci-après :
a) La gestion est une science des principes pouvant permettre à
l’exploitant agricole de conduire un système de production d’une
façon efficiente et profitable.
b) La gestion est un facteur de production basé sur les aspects
exprimés par les verbes suivants : prévoir, programmer,
coordonner, planifier en vue de tirer davantage de profit.
c) Chombart de Lauwe quant à lui définit la gestion comme une
méthode qui se propose d’aider l’agriculteur à choisir un système
de production permettant d’obtenir d’une façon durable un profit
élevé compte tenu du milieu, de la conjoncture et les possibilités de
l’agriculteur.
En résumé, on peut dire que la gestion est l’art de combinaison
rentable des facteurs de production.
2. Exploitation agricole :
C’est une fraction de la surface terrestre où un exploitant, une famille
d’exploitants ou une autre entité se livre à la culture ou à l’élevage.
L’exploitation peut donc être définie par ses caractéristiques
essentielles :
a) La production de certains biens, on parlera par exemple de ferme à
viande, ferme à maïs, ferme à manioc, etc.
b) Le caractère individuel et familial, la quasi-totalité des
exploitations agricoles est dirigée par une seule personne, de plus
l’exploitant et sa famille fournissent souvent la majorité sinon la
 83

totalité du travail requis. On parlera ainsi par exemple de la ferme

Jean et fils.
3. L’association étroite entre la famille et l’exploitation  : plusieurs
auteurs ont souligné la symbiose existant entre la famille et
l’exploitation, symbiose dont les caractéristiques essentielles sont :
- Le chef de famille est en même temps le chef de l’exploitation.
- L’absence de distinction comptable entre les dépenses de
l’exploitant et celles de sa famille.
- La famille tire ses ressources de l’exploitation et lui fournit en
retour la quasi-totalité du travail requis.

I.2. FONCTIONS ET PERSONNALITE DE L’EXPLOITANT AGRICOLE

I.2.1. Fonctions de l’exploitant
Dans l’exercice de son métier, chaque exploitant joue 2 rôles : il est à la fois
cultivateur ou éleveur et chef d’entreprise. Dans la production industrielle
des personnes différentes, exécutent des tâches spécialisées par contre la
plupart d’exploitants agricoles doivent remplir presque tous les rôles ci-
après :
1. Fonction technique : qui concerne la production des biens,
l’organisation du travail et son contrôle, le choix de matière etc.
l’exploitant doit donc être choisir les productions de ses moyens et de
ses marchés. Il doit choisir des techniques de productions à mettre en
œuvre pour produire au meilleur compte.
2. Fonction financière : par laquelle l’entrepreneur détermine ses besoins
en argent et les moyens de se le procurer puis établit le programme
d’utilisation de l’argent. Ici l’exploitant charge donc de rassembler les
capitaux nécessaires au fonctionnement et au développement
d’exploitant.
3. Fonction comptable : par laquelle l’entrepreneur surveille l’exécution
du programme d’utilisation de l’argent.
4. Fonction commerciale : qui intéresse l’écoulement des produits, la
recherche des débouchés, ici l’exploitant choisit les filières pour vendre
ses produits et acheter les inputs dans les meilleures conditions
possibles.
 84

5. Fonction administrative : qui se traduit par l’établissement du

programme d’action de l’entreprise : but à atteindre et moyens pour y
parvenir. Il est donc question de l’organisation du fonctionnement de
l’entreprise.
6. Fonction sociale et de sécurité  : par laquelle l’entreprise veille à la
sauvegarde des hommes et des choses (hygiène, prévention des
accidents, etc.)

En effet, l’exploitant étant le cadre de travail de membres de famille et des

employés, il doit donc faire le choix de ses investissements et de l’affectation
du revenu au mieux des intérêts souvent contradictoires de la famille et
d’exploitation.

I.2.2. Personnalité de l’exploitant

L’exploitant agricole, comme nous venons de le voir à partir des fonctions
qu’il peut assumer, est l’un des éléments qui conditionne le choix et
influence les décisions. La personnalité de cet exploitant est donc un
élément déterminant dans la conduite de l’exploitation agricole. Les
paramètres essentiels de cette personnalité sont : l’âge, la situation familiale
et la psychologie de l’exploitant.
1) L’âge : les comportements et les décisions de l’exploitant sont
fortement influencés par son âge.
2) La situation familiale : par situation familiale, il faut comprendre l’état
civil de l’exploitant ainsi que le nombre et l’âge de ses enfants. Ces
éléments fixent en même temps que les besoins du ménage l’aide sur
laquelle peut compter l’exploitant pour les travaux et le développement
de l’exploitation.
3) La psychologie de l’exploitant : les éléments essentiels de cette
psychologie en sont l’ardeur au travail, le sens du risque, l’aptitude à
échanger des idées et à coopérer, la position devant l’argent etc.
 85

I.3. AUTRES ELEMENTS DE GESTION

On pourrait citer :
a) L’environnement physique qui comprend des éléments naturels tels
que l’altitude, latitude, le climat, le sol, la topographie, l’hydrologie,…
b) L’environnement économique c’est-à-dire des marchés, l’intensité de la
demande, l’infrastructure de distribution, des facteurs et des produits,
etc.
c) L’environnement humain qui sous entend la densité des populations,
l’isolement de l’exploitation ou proximité des centres urbains,
préférences et habitudes alimentaires, coutumes, etc.
d) Les structures juridiques qui définissent les droits et devoirs de
l’exploitant dans ses relations avec les propriétaires fonciers, le
pouvoir public, les fournisseurs des matières, les industries agricoles
et alimentaires et les travailleurs agricoles.

I.4. STRUCTURES DE L’EXPLOITATION AGRICOLE

Les principes de base de gestion sont valables quelle que soit la nature ou la
taille de l’exploitation. La décentralisation de responsabilités est une
caractéristique obligée dans la direction moderne des entreprises dès qu’elles
atteignent une certaine dimension au-delà du stade artisanal.
Traditionnellement on distingue 3 grands types d’organisation
correspondant à différents stades de développement de l’exploitation entre
lesquels on peut imaginer tous les états intermédiaires possibles.
1. Structure fonctionnelle : elle est généralement celle d’une
exploitation jeune ou de dimension réduites dont l’effort s’exerce vers
la production des biens homogènes. Son organigramme est le suivant :
 86

D.G

Direction Direction Direction des Direction

commerciale production finances administratives
eeee

Direction Direction Unité 1 Unité 2

production production
1 2

2. Structure par zones géographiques : il s’agit le plus souvent d’une

structure intermédiaire entre la structure fonctionnelle et la structure
divisionnaire permettant l’apprentissage de la décentralisation. Cette
décentralisation limitée généralement à l’activité commerciale, parfois
administrative rend possible une bonne adaptation aux modifications
du marché et aux réglementations locales ou internationales. Son
organigramme est le suivant.

D.G

Direction Direction de Direction des Direction

commerciale production finances administratives

Unité 1 Unité 2

Direction régionale

Région A Région B Région C

 87

3. Structure par division : elle correspond souvent à un stade de

croissance à la diversification des activités de l’entreprise a nécessité
la création des grandes divisions dites opérationnelles chargés de
toutes les opérations de production et de vente d’un bien ou d’un
service. Son organigramme est le suivant.

D.G

Direction Direction de Direction des Direction

commerciale production finances administratives

Divisions

Division produit 1 Division produit 2 Division produit 3

Unité Régions Unité Régions Unité 3 Régions

1 2
 88

CHAPITRE DEUXIEME : LES MOYENS DE PRODUCTION

II.1. DEFINITION
A première vue, on se représente une exploitation agricole sous la forme d’un
assemblage des parcelles de terres, des bâtiments du matériel et du Cheptel.
Tous ces éléments cités sont essentiels. Dans le langage courant, il existe un
adjectif pour qualifier une chose essentielle, on dit qu’elle est capitale. Par
association d’idées, on appellera capital les éléments essentiels de
l’entreprise.
Une exploitation agricole se définit comme une entreprise de production. Or,
la terre abandonnée à elle-même ne produit pas de récolte, une charrue ne
laboure pas elle-même, les vaches laitières ne portent pas leur propre lait à
la laiterie ; l’homme doit donc intervenir. Par son travail, il anime le capital
et le fait fructifier. La combinaison capital-travail a pour résultat la
production. Le capital et le travail de l’agriculteur font donc la production
agricole. On les appelle alors facteurs de productions, ou moyens de
production ou ressource ou encore inputs ou enfin intrants.
On peut donc définir un moyen de production comme un bien ou service
qu’on utilise dans un processus de production pour réaliser d’autres biens
ou service (output) à mettre sur le marché à la disposition des
consommateurs.

II.2. TYPES DE MOYENS DE PRODUCTION

II.2.1. Le travail
Le travail est une activité humaine dont la finalité est la production ou la
transformation des biens ou services en vue d’obtenir d’autres biens ou
services destinés à satisfaire les besoins socio-économiques des
groupements sociaux. Par extension, toute activité animale ou mécanique
concourant à la production est assimilée au travail.
 89

1. Types de travail dans une exploitation 

On distingue :
a) Le travail directement productif : c’est-à-dire celui qui de façon
directe des biens et services. C’est le cas du travail de l’ouvrier
agricole, du travail du tractoriste ou du mécanicien ainsi que la
comptabilité agricole.
b) Travail indirectement productif, tout travail ne produisant pas
directement mais absolument nécessaire à la production. C’est le
cas par exemple de la gestion, de la recherche scientifique, d’études
des marchés et de l’enseignement agricole.

2. Expression du travail humain en gestion

Pour estimer de façon commune le travail effectué par un groupe de
travailleurs, les économistes ont mis au point un système d’unités
standard applicables à tous les niveaux moyennant adaptation
préalable pour une tâche déterminée.

Les unités couramment utilisées sont :

a) Unité travailleur agricole annuel (U.T.A) : qui est la capacité de travail
qu’un homme adulte et valide, âgé de 18 – 60 ans dans l’économie
occidentale, présente pendant 300 journées de travail par an. Dans
nos économies africaines, les coefficients d’équivalence pour les autres
catégories de travailleurs sont les suivants :

Sexe < 10 10 – 14 15 – 19 20 – 55 >55

Homme 0 0,25 0,67 1,00 0,67

Femme 0 0,25 0,50 0,67 0,50

Exemple : 60 jours/an faits par un homme adulte et valide représentent

60/300 = 0,2 U.T.A
 90

Pour un homme de 18 ans ayant fait 60 jours par an, on aura 0,2 x 0,67 =
0,0134 U.T.A
b) Actif agricole (A.A) : unité utilisée dans les pays sous développés l’actif
agricole est donc l’homme adulte valide âgé de 15 – 55ans. Pour les
enfants et les femmes on adapterait les coefficients ci-dessus pour
avoir l’équivalence.
c) Homme-jour (H.J) : c’est la capacité de travail que présente un homme
adulte valide pendant un jour de travail.
d) Homme-heure (Hh) : c’est la capacité de travail que présente un
homme adulte valide pendant une heure.

3. Sortes de travail dans une exploitation agricole

On distingue :
- Le travail différable lorsqu’il n’est pas lié à des dates précises
d’exécution. C’est le cas d’entretien des bâtiments agricoles.
- Le travail non différable c’est-à-dire celui lié à des dates précises
d’exécution (ces dates, sont précisées selon le calendrier agricole).
Cas par exemple du semis de la plupart des cultures vivrières, ou
encore de la récolte du coton.

Ces deux notions imposent la détermination des périodes de « pointes de

travail » auxquelles doit faire face l’agriculteur afin de maximiser ses profits,
d’ajuster les besoins en main d’œuvre aux disponibilités de l’exploitation en
celle-ci est indispensable afin d’éviter le goulot d’étranglement que présente
cette période pour l’exploitation agricole.

4. Productivité du travail

Le travail agricole, pour être utile à une exploitation, doit être efficient c’est-
à-dire qu’il doit présenter un intérêt économique pour l’exploitant. Pour s’en
convaincre, on calcule alors la productivité du travail en termes physiques
mais le plus souvent en termes monétaires étant donné que l’exploitation
agricole est peu spécialisée.
PBt = P.B/UTA ou PBt = SCA/UTA
 91

Où PBt = productivité brute du travail

PB = produit brut
SCA = Surface cultivée annuellement
N.B : Comme nous le verrons dans la suite, le produit brut est la valeur, au
prix du marché, des bonnes unités de production finale obtenues.
5. Coefficient d’efficience du travail

Dans l’analyse de la gestion d’une exploitation agricole, la productivité du

travail présente deux insuffisances : elle n’indique ni la quantité de travail
sous ou sur employée, ni les périodes de sous ou de sur emploi. D’où la
nécessité de calculer le coefficient d’efficience du travail et de déterminer les
périodes de pointe de travail. Ainsi, le coefficient d’efficience du travail
(C.E.T).
Nombre heures ou jours de travail nécessaires
C.E.T =
Nombre ou jour 楁 e travaildisponibles
Si C.E.T < 1 : sous emploi du facteur travail
Si C.E.T = 1 : plein emploi (idéal)
Si C.E.T > 1 : sur emploi du facteur travail

6. Amélioration du travail

Cette amélioration consiste essentiellement à éliminer le sous emploi et le

sur emploi des unités de travail présentes dans l’exploitation. On peut
parvenir à un tel résultat soit par l’amélioration de la gestion lorsque les
unités sont présentes dans l’exploitation mais qu’elles sont mal utilisées.
Ainsi par exemple, il faut créer des tâches d’appoint ou assainir le service en
mettant de côté certaines unités de trop, soit par des nouveaux
investissements lorsque ces unités sont des facteurs limitant pour
l’exploitant. Ainsi par exemple, on introduirait la culture attelée ou la
motorisation ou la mécanisation des opérations de production.
a. Introduction de la culture attelée : la force de traction animale a été
rendue utilisable en agriculture grâce à l’invention de la roue,
l’utilisation des animaux dans les opération de champs ou dans le
transport des biens a permis à l’homme de réduire ses peines dans les
travaux agricoles.
 92

(i) Avantages de la culture attelée, on peut citer :

- Les animaux réduisent la peine de l’homme dans l’exploitation de

certaines tâches ; ils permettent ainsi de libérer une partie de la
main d’œuvre disponible que la gestion devra utiliser
rationnellement.
- Le fumier peut être utilisé dans les champs comme fertilisant pour
améliorer les rendements des cultures.
- Les animaux sont d’une grande utilité dans les régions
montagneuses ou accidentées où l’utilisation des machines est
indispensable mais pratiquement impossible.

(ii) Désavantages de la culture attelée, on peut citer

- Travail de mauvaise qualité lorsqu’on utilise des animaux trop

légers ;
- L’utilisation des animaux exige des préalables notamment la
connaissance du milieu au point de vue socio-économique et
climatologique ;
- Le choix de ces bêtes de travail, leur entretien, le choix des outils
de production y relatifs un coût supplémentaire lié à l’introduction
de la culture attelée.

N.B : L’usage des animaux de trait, pour rentable, devrait se faire à

grande échelle pour éviter un coût d’amortissement très élevé qui
limiterait les possibles de réinvestissement des exploitants. Pour cela,
il serait souhaitable de regrouper les exploitants avec ce que tout cela
comporte comme inconvénient si le système n’est pas bien étudié.

(iii) Prix de revient du travail des animaux de trait

Le calcul se fait sur base du schéma suivant :

- Dépense en nourriture (par animal) *
 93

- Salaire annuel du conducteur *

- Service du capital (intérêt et amortissement) *

- Frais divers (pertes, harnais, entretien) *
Total *

N.B : Le prix de revient d’une journée de travail se calcul alors en divisant ce

total par le nombre total des journées de travail effectués par an.
b. Introduction de la motorisation

Toujours dans la recherche de l’allégement des tâches agricoles qui

incombent à l’homme dans la production des biens et services, les industries
ont mis au point des machines capables de remplacer la main d’œuvre
agricole dans l’exploitation. Ces machines remplacent certes le travail
humain mais leur impact dans la production agricole n’est pas exactement le
même qu’en industries (par exemple la moissonneuse ne peut pas accélérer
la maturation des fruits, tout comme la couveuse n’accélère pas l’éclosion
des poussins, il faut toujours respecter le cycle de reproduction de l’être
vivant qu’est l’animal ou la plante). Ainsi donc, et pour plusieurs raisons,
l’achat d’une machine devrait faire l’objet d’une étude de rentabilité
préalable : en plus de aspects techniques et commerciaux (existence d’un
service après vente) il est nécessaire de faire une étude de rentabilité en
fonction de temps d’utilisation nécessaire.
A ce propos, voici quelques indications :

Caractéristique du matériel de Surface (en ha) Nombre d’années SCA (h.a) min
référence couverte par la d’utilisation
machine en 10h
A. Matériel de préparation de sol et de
semis
- Charrue à 3 socs potée 3 10 75
- Charrue à 3 disques 3,33 10 70
- Déchaumeuse à 4 socs portée 4,40 10 100
- Rouleau émotteur croskill 5 10 60
- Semoir en lignes
 94

8 10 50
B. Fertilisation et entretien
- Epandeur d’engrais classique 15 6 100
- Epandeur de fumier (3 tonnes) 10 7 80
- Bineuse-sarcleuse 5 10 30
C. Traitement
- Pulvériseur cultures basses 20 10 80
(modèle porté)
- Poudreuse 30 10 80
D. Récolte
- Arracheuse à tambour pour 1,70 10 20
pomme de terre
- Décolleteuse arracheuse pour 2 10 30
betterave
- Faucheuse sur tracteur
5 10 20
- Ramasseur presse moyenne
6 6 70
densité
- Moissonneuse-lieuse
5,88 10 20
- Moissonneuse-batteuse presse
3,33 10 10
automatique

II.2.2. Le capital
II.2.2.1. Terminologie
Comme déjà dit ci-dessus, le capital est l’ensemble des biens à l’intérieur
d’une exploitation qui peuvent être utiles pour des fins productives. Quand
on parle du capital dans une entreprise, on peut distinguer :
1. Le capital fixe : qui désigne tous les biens pouvant rentrer dans la
production sans changer de forme pendant plusieurs années. C’est le
cas par exemple de la terre cultivée, du bétail, des bâtiments, des
machines et outils etc. le capital fixe peu se subdiviser en :
a. Capital immobilier : représenté par l’ensemble des éléments du
capital qui peuvent être utilisés dans l’exploitation pendant une
longue durée généralement ces éléments ne peuvent pas être
déplacés.
 95

b. Capital mobilier ou capital d’inventaire  : représenté par l’ensemble

des éléments du capital fixe qui sont par nature déplaçable et dont
l’utilisation est limitée dans le temps.
2. Capital circulant : représente par tous les biens ne pouvant servir dans la
production sans changer de forme. C’est le cas par exemple de
l’argent, des fourrages des engrais etc.
3. Capital foncier : c’est-à-dire ensemble des biens relatifs à la terre tels
que le capital immobilier comprenant la terre, les bâtiments agricoles
(étable, hangars, dépôts et magasins, bureau, serres, etc.),
équipements incorporés au sol (ex : installation d’irrigation, de
drainage, dispositif antiérosif) et enfin les plantations pérennes. On
voit donc que le capital foncier est constitué des biens caractérisés
par :
- Une certaine pérennité car ils ont le caractère de ce qui dure
toujours (la terre par exemple) ou très longtemps (bâtiments et
plantation pérennes)
- Une grande valeur, car l’acquisition des parcelles de terre, les
différentes constructions exigent d’importantes sommes d’argent.
4. Capital d’exploitation : c’est-à-dire ensemble des moyens de production
que l’entrepreneur utilise pour mettre en valeur le capital foncier. Il
s’agit donc principalement de l’ensemble de capital mobilier et capital
circulant.

N.B : Capital technique = capital foncier + capital d’exploitation ou encore

Capital technique = capital + capital circulant

II.2.2.2. Critères d’évacuation du capital

Rappelons que le capital est un ensemble des ressources hétérogènes. D’où,
pour les quantifier on recourt à l’unité monétaire c’est-à-dire il faut
additionner les différentes valeurs que représente les différents éléments du
capital. Les différents critères, utilisables à cette fin sont :
1. Valeur d’usage du capital : elle correspond au potentiel de gain espéré
c’est-à-dire le total des revenus prévisibles attachés à l’usage d’un bien
 96

dans l’exploitation. On estime cette valeur en faisant la différence

entre le produit brut et les charges d’usage de cet élément du capital.

Ex.1 : on a un tracteur qu’on a utilisé dans les champs et on produit

du maïs d’une valeur de 100.000 Fc, en ayant dépensé 20.000 Fc sous
forme de carburant, de lubrifiant, d’entretient et réparation. Ainsi, la
valeur d’usage de ce tracteur est égale à 100.000 – 2000 = 80.000 Fc
pour la période qu’aura duré la production du maïs.
Ex. 2 : on a le même tracteur mais on ne l’utilise pas dans la
production du maïs et on obtient du maïs d’une valeur de 60.000 Fc la
valeur d’usage de ce tracteur est égale à 0.
2. Valeur de réalisation : c’est la valeur de liquidation ou le prix auquel
on pourrait vendre ce bien du capital à une période donnée.
3. Coût d’achat direct : c’est-à-dire prix d’achat + autres frais accessoires
liés à l’achat.
4. Coût de production : c’est-à-dire des charges supportées par
l’exploitant pour obtenir ce bien.
5. Coût de remplacement : c’est-à-dire prix qu’on devrait payer pour
remplacer un bien d’exploitation pendant une période donnée. Ce
critère n’a de sens que lorsque le remplacement à l’identique est
possible.

N.B : De tous ces critères, les plus utilisés sont le coût d’achat, le coût de
production et le coût de remplacement.

II.2.2.3. Les charges du capital

L’expression de charge du capital recouvre plusieurs notions :

- Elle peut signifier le coût attaché à une source particulière de
financement pour rémunérer les fournisseurs des capitaux.
- Elle peut aussi désigner le coût attaché à un bloc particulier de
capitaux servant à financer un investissement, dans ce cas le coût
du capital est qualifié de coût moyen pondéré du capital ;
 97

- Le coût du capital peut qualifier le coût de la structure financière

de l’entreprise ou de l’exploitation.

Sur le plan d’exploitation, on retient les coûts suivants :

a) Le coût d’opportunité qui peut être défini comme le taux de rendement
que la ferme pourrait gagner si elle plaçait ce fonds en dehors des
investissements qui ont des risques comparables à ceux des projets
internes qui sont proposés.
b) Les charges du capital emprunté comprenant les intérêts et les
amortissements.
c) Les autres charges du capital comprennent l’entretien et la réparation,
assurance, impôts et taxes divers.

II.2.2.4. Analyse de rubriques du capital

I. CAPITAL FIXE
A. CAPITAL IMMOBILIER
Il comprend :
1. La terre : Sous cette rubrique, on regroupe toutes les surfaces faisant partie
de l’exploitation c’est-à-dire terre labourable, prairie, brousse, terre inculte et
le cours d’eau traversant la concession.
a) Caractéristiques essentielles de la terre
(i) Caractéristiques naturelles
- Immobilité ;
- Grande diversité du point de vue qualité et du point de vue
localisation ;
- Les terres sont inépuisables dans le sens de l’utilisation.
(ii) Caractéristiques économiques
- La terre en tant que facteur de production est une ressource rare
c’est-à-dire est disponible en quantité limitée ;
- La terre a des rendements décroissants.
b) Acquisition et utilisation de la terre

La jouissance de la terre peut être obtenue par achat ou par location. C’est
après calcul qu’on pourra choisir le mode d’acquisition de la terre. Quant à
l’utilisation, l’exploitant doit attacher plus d’importance à l’agglomération du
 98

terrain et rechercher les sites dont les terres sont peu morcelées pour des
raisons suivantes :

- Facilité de surveillance de l’ensemble de l’exploitation, d’où une

meilleure utilisation d’ouvriers, des machines, de bétails, etc.
- Facilité d’exécution des travaux d’amélioration foncière tels que le
drainage, l’irrigation, l’abreuvoir et mesures d’hygiène pour
protéger les plantes et les animaux.
- Possibilités de placer les bâtiments, les kraals et les dipping-tank
dans un endroit central, d’où l’efficacité dans la conduite des
travaux.

N.B : La valeur de la terre (prix d’achat et location) dépend des prix de

produits qu’elle permet d’obtenir et surtout de la densité de la population
agricole.
c) Analyse de la terre

Analyser la terre entant que facteur de production est une opération à la fois
technique et économique qui consiste à déterminer la valeur de la terre et
fait partie intégrante de l’analyse de l’ensemble de l’exploitation et comprend
les points suivants :
(i) L’appréciation de la fertilité de la terre : c’est une opération technique
qui se fait au labo d’analyse des sols. Toutefois, notons que les défauts
physiques son souvent plus graves que les défauts chimiques que l’on
peut palier par des épandages d’engrais.
(ii) Répartition du territoire de l’exploitation, le territoire de l’exploitation
comprend :
- La surface agricole utile (SAU) : constituée des terres labourables,
des surfaces couvertes d’herbes, des cultures maraichères
n’entrant pas dans la rotation des terres labourables et des
cultures fruitières.
- Le reste comprenant les terres incultes (qui ne peuvent pas porter
les cultures) les bois, les cours d’eau et les bâtiments.
 99

(iii) Conservation du sol : pour mieux conserver le sol, on procédera

d’abord à l’établissement d’un plan parcellaire en tenant compte
des facteurs suivants :
- Situation des parcelles culturales par rapport aux bâtiments
agricoles.
- Normalisation des parcelles dans leur étendue et leur forme.
- Le regroupement des parcelles labourables en lots de terre d’égale
fertilité afin de faciliter la mise en place des rotations adoptées.

N.B : En plus de l’établissement du plan parcellaire, on évaluera la

conservation du sol en vérifiant régulièrement les apports d’éléments
fertilisants et à dresser le bilan humique du sol. Voici l’exemple d’un plan
parcellaire.

Pâtures des vaches

D 500 ha
2000 ha
T 500 ha
500 ha génisses PATURES DES VACHES
2 ans 500 ha 500
312 ha Habitation ha
Veaux mâles
700 ha 500 ha
Cultures fourragères Génisses de 1 an
Jardin
800 ha cultures vivrières 125 ha
188 ha quarantaine 375 ha
Animaux de trait veaux
Taureaux femelles
Allée 100 ha
200 ha
600 ha
Autres cultures bœufs d’1
an

400 ha Bœufs de 2 ans

d) Les charges de la terre 400 ha cultures fruitières

Les principales charges sont représentées par les frais de location et les frais
d’aménagement.
e) Productivité de la terre

Elle est déterminée par la formule PBt = P.B/SAU ou P.B/SCA

 100

f) Rente des terres et théorie de Von Thunen

L’exploitation de la terre peut donner lieu à des rentes diverses c’est-à-dire

intérêts, bénéfices et profits liés à son exploitation. Les principales rentes
sont dues :
- A des améliorations incorporées (un lopin de terre mieux aménagé
présente souvent des rendements élevés qu’un lopin de terres non
aménagé).
- La situation ou position de la terre par rapport aux grands centres
de consommation. On trouve ici que les terres situées plus près de
ces grands centres de consommation porteront les cultures dont
les produits ne supportent pas des longs trajets pour leur
transport. Par contre, les cultures dont les produits peuvent
supporter des longs trajets, peuvent être installées plus loin de ces
centres de consommation. On peut aussi remarquer que les
exploitations situées plus près de centre de consommation
bénéficient des prix au producteur plus élevés et des prix
d’acquisitions des intrants plus bas.

2. Amélioration foncières

On peut se demander si la terre est un bien capital puisqu’elle est un don de

la nature et non un bien crée et produit par l’homme, on peut cependant
faire remarquer que la terre est tout de même améliorée par des
interventions humaines, sa fertilité est souvent créée de toute pièce par le
travail de l’homme. Si la terre n’a pas de coûts déterminés et par suite n’a
pas besoin d’être amortie, par contre les travaux d’amélioration foncière qui
transforme la terre brute en terre productive doivent, comme tout capital
technique, être amortis dans un délai plus ou moins long. Ce sont les
travaux exécutés sur le terrain pour en augmenter la valeur agricole.
Ces travaux peuvent avoir des effets, temporaires (fumures par ex.,
chaulage) ou permanents. C’est aux travaux à effets permanents ou très
prolongés qu’on s’intéresse à ce stade car il faut calculer l’amortissement.
 101

Ces travaux comprennent : le défrichement des terres improductives, des

forêts et de brousse, construction des voies de communication,
aménagement des eaux c’est-à-dire captage et distribution d’eau potable,
installation d’abreuvoir pour bétail, installation d’un système de drainage et
d’irrigation, installation des brises vent, installation des dispositifs
antiérosifs, installation des moyens de lutte contre les maladies (dipping
tank par exemple), etc.
N.B : Les amortissements pour ces améliorations foncières se basent sur la
valeur d’acquisition ou coût de production de chacun de ces ouvrages et de
la durée de vie supposée de ces ouvrages (10 – 15 ans).
3 Les plantations
La valeur d’une plantation dans l’exploitation est déterminée par la somme
de toutes les dépenses effectuées pendant les premières années avant la
première année de production normale qui intervient généralement à l’âge de
5 ans, l’amortissement de la plantation pérenne se fera sur base de cette
valeur d’acquisitions et de la durée de vie ou de production normale est de
20 – 25 ans.
4 Constructions
La construction des bâtiments nécessite une immobilisation d’argent qu’il
faut amortir. D’une manière générale, on regroupe sous cette rubrique :
- L’habitation de l’exploitant et éventuellement celles des ouvriers ;
- Les kraals et les logements des animaux plus délicats ou malades ;
- Les baignoires sanitaires ou dipping-tank ;
- Les installations de stockage (silo, greniers, dépôts, plate forme à
fumier, quais à engrais) ;
- Aménagement des germoirs ;
- Une ou plusieurs étables ;
- Hangar pour provision ;
- Eventuellement le garage.

La contenance des bâtiments pour les récoltes et surtout pour le bétail

retiendra particulièrement l’attention de l’exploitant parce qu’elle impose des
limitations à l’extension de certaines productions.
 102

En ce qui concerne les animaux, on retiendra les normes suivantes pour leur
logement :

- 2,60 m² pour une vache ;

- 3,60 m² pour un cheval ;
- 1,40 m² pour une génisse ;
- 1,25 m² pour un porc à l’engrais ;
- 1,00 m² pour 4 poules.

N.B : L’amortissement des bâtiments est calculé sur base de la valeur

d’acquisition et de la durée d’utilisation.

B. CAPITAL MOBILIER OU CAPITAL D’INVENTAIRE

Il comprend le cheptel mort et le cheptel vif

1. Cheptel mort ou matériel et machines de l’exploitation

Le cheptel mort dans une exploitation agricole comprend les instruments et

outils, les machines, les véhicules et les harnais.
La dépense nécessaire pour l’acquisition du cheptel mort se réduit au
minimum dans les exploitations qui ne font que l’élevage, elle est plus forte
dans les fermes où l’on exécute les cultures, l’élevage et le transport des
récoltes. Dans les exploitations du type moderne, l’utilisation des machines
et outils agricoles est de plus en plus fréquente d’où l’importance prise par le
cheptel mort dans l’activité agricole.
a. Charges annuelles d’utilisation d’un matériel

Elles comprennent :
i. Les charges fixes, telles qu’amortissement, intérêt du capital,
assurance et divers.
ii. Les charges variables comprenant les dépenses pour matières et
fournitures consommables, les pièces de recharge, etc.
iii. La charge totale qui est la charge fixe additionnée à la charge
variable.
 103

iv. Coût horaire qui équivaut à la charge totale divisée par le nombre
d’heures d’utilisation par an.
v. Coût d’utilisation par ha qui équivaut à la charge totale divisée par
le nombre d’ha travaillés par an.
b. Evaluation du cheptel mort

Se base sur le coût de remplacement du matériel

c. Amortissement

Comme pour toute immobilisation, l’amortissement est calculé sur base de

la valeur d’acquisition ou de remplacement et le nombre d’années
d’utilisation.

2. Cheptel vif ou bétail

Le cheptel comprend tous les animaux entretenus sur l’exploitation, à savoir

les animaux de rente et les bêtes de trait. On regroupe sous la désignation
d’animaux de rente le bétail qui donne le produit autre que le travail ou la
traction. Il s’agit principalement des animaux reproducteurs, les vaches
laitières par ex. les moutons à laine, etc. Le rôle des animaux de rente est
donc de transformer les fourrages en produits vendus sur les marchés :
viande, lait et produits laitiers, laine, etc.
Le trait caractéristique du cheptel vif est que le bétail est à la fois un moyen
de production et un produit agricole.

a. Evaluation du cheptel vif

L’estimation de la valeur du bétail peut être basée soit :

- Sur le prix courant ou prix du marché quant le bétail a atteint l’âge
ou le poids requis pour sa commercialisation.
- Sur le coût de production pour les animaux très maigres ou très
jeunes pour être vendus.
b. Etablissement de cet inventaire se rapporte à une période bien
déterminée. On établit alors un inventaire de départ et un inventaire
de sortie à l’aide des tableaux ci-après :
 104

Rubriques Qté Coût Coût Rubriques Qté Coût Coût

unitaire total unitaire total
Taureaux Friesland 2 500 100 Taureaux 2 500 1000
Vaches (race locale) 250 200 50000 Vaches (race locale) 250 200 50000
Bœuf de trait 81 300 243000 Bœuf de trait 51 300 15300
Anes 52 250 500 Anes 2 250 500
Moutons mérinos 74 60 3120 Moutons mérinos 40 50 2000
Porcs 50 60 4440 Porcs 100 80 8000
Volailles (poules) 50 10 500 Volailles (poules) 200 80 2000
Lapins 5 15 750 Lapins 250 10 2500
Total 302310 219000

On voit donc qu’il peut y avoir des différences entre l’inventaire de départ et
inventaire de sortie.
i. En cas de diminution, les causes peuvent être les suivantes :
- Pertes de bêtes ;
- Vente du bétail ;
- Autoconsommation du bétail.
ii. En cas d’augmentation, les raisons peuvent être :
- Naissance ;
- Achat ;
- Accroissement de la valeur dû soit à l’âge, soit à l’augmentation de
poids soit à l’augmentation du prix.

Ainsi, la variation d’inventaire sera donné par :

(Total inventaire de sorties + vente) – (inventaire de départ + achat)
c. Charge du cheptel

La principale charge est l’amortissement qui est calculée sur la valeur de

réalisation de l’animal de rente ou de trait et le nombre d’années
d’exploitation de cet animal.
 105

N.B : Si l’exploitation n’entretient que des animaux destinés à la boucherie

ou à l’abattage, on ne calcule pas l’amortissement car ces animaux ne sont
pas un moyen de production mais plutôt un stock à livrer sur le marché. Il
en est de même en cas de remplacement naturel des animaux de rente et de
trait.
II. CAPITAL CIRCULANT OU FONDS DE ROULEMENT
Le capital circulant se compose de l’argent liquide ou des produits dont
l’exploitation lorsqu’il aura garni sa ferme de bétails ou de matériels de
culture doit encore disposer pour payer chaque jour les dépenses courantes
et notamment :
- Le salaire et l’entretien des ouvriers ;
- Les achats courants d’animaux, de semence, de machines, des
fourrages de l’engrais, etc.
- Les réparations aux bâtiments et appareils ;
- L’entretien de la famille de l’exploitant ;
- Les impôts et assurance.

N.B : Aucune exploitation agricole n’est possible ou tout au moins profitable

sans un fonds de roulement suffisant. D’où la situation dans laquelle se
retrouvent les cultivateurs ou les éleveurs qui entreprennent des
exploitations plus fortes ou plus coûteuses que leurs ressources ne le
justifient.

a) Détermination du fonds de roulement

Si on dispose des données sur les comptes de bilan de l’exploitation, le fonds

de roulement vaut :
FR = capitaux permanents – valeurs immobilières nette
= actif circulant – dettes à court terme
Si on ne dispose pas de ces données, on utilise la définition donnée ci-
dessus du capital circulant.
b) Causes de variation de fonds de roulement

Le fonds de roulement ne varie que lorsque les postes retenus pour le

calculer varient eux-mêmes c’est-à-dire les postes d’immobilisation et des
 106

capitaux permanents. Les principales opérations qui modifient donc le fonds

de roulement sont :
(i) Opérations qui l’augmentent, nous avons :
- Augmentation du capital ;
- Emprunt à long ou moyen terme ;
- Les amortissements ;
- Les bénéfices non distribués.
(ii) Opérations qui le diminuent, nous avons :
- Remboursement du capital emprunt ;
- Acquisition d’immobilisation ;
- Perte d’exploitation.
c) Conséquence de l’insuffisance du fonds de roulement dans une
exploitation :
- Les animaux domestiques sont souvent vendus prématurément
pour faire face à un besoin d’argent ;
- Une alimentation parcimonieuse du bétail c’est-à-dire on n’achète
des aliments concentrés que le strict nécessaire et souvent moins.
D’où les produits animaux sont moins abondants.
- Le matériel mal entretenu se dégrade rapidement et les
acquisitions nouvelles sont presqu’impossibles.
- Toute perte imprévue est dure si pas impossible à supporter.
d) Calcul de la vitesse de circulation du capital circulant

Le temps qui passe entre le moment où l’on effectue les dépenses et le

moment où l’on fait des recettes dans une exploitation agricole diffère d’une
culture à une autre, d’une variété à l’autre au sein d’une même culture, d’un
type d’élevage à un autre et enfin d’un moyen de production à un autre. Ce
temps s’appelle le temps de circulation normale exprimé en année.
Ex.1 : Pour une culture qui prend 6 mois, le temps de circulation vaut 6/12
c’est-à-dire 0,5 années.
Ex.2 : Une culture qui prend 158 jours représente 158/365 = 0,43 années
comme temps de circulation.
La vitesse de circulation est l’inverse du temps de circulation et indique le
nombre de fois qu’on peut utiliser une somme décaissée pour une culture
 107

donnée au cours d’une année. Pour l’ex.1 ci-dessus, la vitesse de circulation

est de 1/0,5, c’est-à-dire 2, on peut pratiquer cette culture 2 fois au cours
d’une même année.

e) Charge du capital circulant

L’intérêt est l’unique charge qui n’est d’ailleurs calculé qu’en cas d’utilisation
d’un capital emprunté.
 108

CHAPITRE TROISIEME : LES GRANDEURS ECONOMIQUES DE

L’EXPLOITATION
III.1. LES GRANDEURS FONDAMENTALES
Ces grandeurs économiques sont généralement établies ou calculées pour
une période de 12 mois, que celle-ci coïncide avec l’année civile ou non. Il
faut donc veiller à n’imputer à chaque période que les charges et produits
qui lui reviennent.
III.1.1. Le produit brut (PB) ou rendement brut (RB)
C’est la valeur de toutes les productions finales obtenues pendant une année
dans une exploitation, que ces productions soient vendues, stockées ou
consommées par le ménage de l’exploitant.
PB = Ventes + Autoconsommation + Variation d’inventaire
III.1.2. Le coût de la production
C’est la valeur de toutes les ressources incorporées à l’ensemble des
productions finales d’une exploitation donnée pendant une période d’un an.
Son estimation diffère selon la provenance des ressources engagées dans le
processus de la production et le nombre d’opération de production
auxquelles ces ressources peuvent être affectées.
Sur ces critères, on peut distinguer les types de ressources suivants :
1. Ressources achetées et absorbées par une seule opération de
production, elles interviennent dans le coût global pour la totalité de
leur valeur telle que donnée par leur coût d’achat direct (prix d’achat
additionné des frais accessoires d’achat), il s’agit ici des ressources
telles que matières et fournitures et produits vétérinaires,…les
semences, services consommés (services obtenus d’autres entreprises
tels que les honoraires payés, l’électricité, l’eau, assurance, fermage,
réparation et entretien, les frais bancaires,….) les salaires payés aux
travailleurs.
 109

2. Ressources propres livrées par l’exploitant, elles sont évaluées à leur

coût d’opportunité (salaire pour un travail de membres de la famille de
l’exploitant, fermage pour les terres exploitées en faire valoir direct et
intérêt pour les capitaux propres fournis par l’exploitant).
3. Ressources pouvant être affectées à la production plusieurs années,
c’est le cas de ressources faisant partie du capital fixe qui
interviennent par voie d’amortissement par exemple l’annuité
d’amortissement calculé au cours de cette période et les ressources
empruntées qui interviennent par voie d’intérêts payés.

Le coût global peut donc être subdivisé en :

a. Coûts fixes : représentés par les salaires payés aux permanents, les
intérêts, les amortissements de l’année ainsi que les impôts et taxes et
autres frais divers.
b. Charges variables ou coûts directs : représentés par les matières et
fournitures consommées et les salaires payés au journalier.
c. Charges réelles : ressources pour lesquelles on a réellement dépensé
de l’argent.
d. Charges calculées : c’est la valeur des ressources propres livrées par
l’exploitant et les amortissements.

Coût global de production = charges fixes + coût direct ou

CGP = charges réelles + charges calculées

III.2. LES GRANDEURS DERIVEES

Elles sont appelées ainsi parce qu’elles découlent des grandeurs

fondamentales ci-dessus. Il s’agit :
1. Le profit :
Profit = produit brut – coût global de production
2. Le revenu agricole :
Revenu agricole = produit brut – charges réelles ou éléments payé
3. La valeur ajoutée
Valeur ajoutée brute = produit brut – consommations intermédiaires
 110

Consommations intermédiaires :
- Matières et fournitures consommées ;
- Transport consommé ;
- Autres services consommés.

Valeur ajoutée nette = valeur ajoutée brute – amortissement de l’année

4. La marge brute
Marge brute = produit – coût direct
5. La marge nette par le facteur de production
Marge nette par le facteur de production = profit/nombre UTA ou
encore profit/SCA ou SAU.

III.3. AUTRES GRANDEURS OU CONCEPTS ECONOMIQUES

1. Taux de productivité du capital

Produit brut
Taux de productivité (TPC) = x 100
Capital technique
2. Taux de rentabilité
Profit
a) Rentabilité financière = x 100
Coût global de production
Profit
b) Rentabilité commerciale = '
x 100
Chiffre d affairesou vente

Exercice 1 : Une exploitation agricole donnée utilise l’exploitant lui-même,

qui passe tout son temps à l’exploitation, son épouse qui passe seulement
un ¼ de son temps dans l’exploitation, un fils de 18 ans qui passe le 1/5 de
son temps à l’exploitation, une fille de 12 ans qui passe aussi la moitié de
son temps à l’exploitation, 6 hommes adultes valides employés en
permanence, 15 journaliers adultes valides travaillant chacun 45 jours par
an.
Si l’étendu cultivée est 20 ha de pomme de terre (prix 10 F/kg à la vente et
rendement 150 quintaux par ha).
Les tâches journalières normalement accomplies par un homme adulte
valide sont les suivantes : 120m² pour le sarclage, 3000m² pour la récolte,
2000m² pour semis et plantation, 1000m² pour le labour.
a) Calculer la disponibilité en main d’œuvre dans cette exploitation.
 111

b) Calculer le produit brut de cette exploitation.

c) Calculer la productivité brute du travail et interpréter le résultat.
d) Calculer la productivité brute de la terre et interpréter le résultat.
e) Comparer la productivité brute du travail à celle de la terre.
f) Calculer le coefficient d’efficience du travail et interpréter le résultat.

Exercice 2 : La situation des comptes, d’une exploitation agricole est la

suivante : terrain 20 000, bovins de boucherie 260 000, système d’irrigation
30000Fc, intérêt payés 80 000, animaux de rente 350 000, garage 12 000,
grenier 30 000, étable 20 0000, salaire payé aux ouvriers agricoles 98 000,
matière et fournitures consommées 250 000, transport consommé 30 000,
stock engrais 15 000, plantation pérenne 250 000, dotation aux
amortissements et provisions 179150, variation d’inventaire 16 900, vente
1 500 000, autoconsommation 90 000 avec une SCA de 150 ha et 30 UTA.
Calculer :
a) Le capital foncier
b) Le capital d’exploitation
c) Le capital technique
d) Le capital d’inventaire
e) Les charges calculées
f) Les charges réelles
g) Le coût global de production
h) Le produit brut
i) La marge brute
j) Le profit
k) La valeur ajoutée nette
l) Le revenu agricole
m) Le taux de productivité du capital
n) La rentabilité commerciale
o) La marge nette
p) La productivité brute du travail
q) La productivité brute de la terre
 112

Exercice 3 : Une exploitation agricole est entretenue par l’exploitant âgé de
50 ans qui se consacre entièrement à cette exploitation, son épouse âgée de
43 ans qui passe seulement le tiers de son temps à cette exploitation, le fils
de 25 ans qui passe les ¾ de son temps à la ferme, une fille de 22 ans qui
passe ¼ de son temps à la ferme, un fils de 20 ans qui passe les 2/3 de son
temps à la ferme, une fille de 16 ans qui passe la moitié de son temps à la
ferme, une fille de 13 ans qui passe son temps à la ferme, une fille de 10 ans
qui passe 1/3 de son temps à l’exploitation, 10 hommes adultes valides
utilisés en permanence, 20 journaliers adultes valides travaillant chacun 30
jours dans l’année. L’exploitation présente aussi les données technico-
économiques suivantes :
Spéculation SCA Jrs de travail Q/ha 106Fc 105Fc Transport Salaire Travail Dotation aux Salaire Prix/kg
s ha nécessaire/ha rendemen MFC ASC 10 .10
5 5
journalier familial amortissements permanant Fc
t 105
105
105 10 Fc
5

Café 100 30 8 2 5 3 2 8 20 20 100

Forêt 20 - - - - - - - - - -
Brousse 200 - - - - - - - - - -
Manioc 20 20 200 1 10 2 3 15 1,5 15 50
Maïs 20 40 25 0,5 20 2 3 3 1,3 16 120
Riz 15 25 20 0,6 3 1,5 5 2 2 20 150
Pâturage 250 3 UTA 500 L par 0,1 1 0,5 - - 3 24 60/L
an par
vache

N.B : Le troupeau est composé de 20 vaches dont 15 donnent du lait, 20

génisses, 2 taureaux et 15 veaux. Calculer :
a) La disponibilité en main d’œuvre
b) Le produit brut
c) Les charges réelles
d) Les charges calculées
e) CGP
f) Le profit
g) La productivité du travail
h) La SCA
i) Le SAU
 113

j) La MB
k) Le CET
l) La productivité de la terre
m) La rentabilité financière
n) La valeur ajoutée nette

N.B : Pour b) faire 500 L x 15 vaches x 60 L

Pour h) laisser tomber brousse et forêt
Pour k) prendre SCA au lieu de SAU
Exercice 4 : La situation des comptes d’une exploitation agricole est la
suivante : vente 2 000 000, autres services consommés 500 000, fermage
150 000, animaux reproducteurs 750 000, animaux de boucherie 390 000,
caisse 13 000, système d’irrigation 30 000, autoconsommation 180 000,
travail familial 160 000, impôts payés 15 000, matières et fournitures
consommées 1 160 000, charge du personnel 355 000, transport consommé
150 000, intérêt payé 180 000, matières et fournitures 180 000, variation
d’inventaire 120 000, construction 345 000, verger 270 000, matériel de
culture 155 000, kraal 20 000, amortissement 280 000.
Calculer :
a) Le produit brut
b) Le profit
c) Le revenu agricole
d) La valeur ajoutée nette
e) Le capital
f) La marge nette par facteur de production
g) Le capital foncier
h) Le capital d’inventaire
i) Le capital d’exploitation
j) Le taux de productivité du capital

N.B : L’exploitation emploi 20 UTA pour 520 ha exploités.

 114

CHAPITRE QUATRIEME : METHODES DE GESTION

IV.1. METHODE DE BUDGET

L’exploitant se soucie de savoir quel sera son revenu avant, pendant et après
les investissements. Il est alors nécessaire d’établir un ou plusieurs budgets.
Le budget est défini comme un état prévisionnel des recettes (produit brut) et
des dépenses (charges de production) pour un exercice déterminé. C’est donc
un ensemble d’hypothèse sur les recettes et les dépenses mais aussi sur les
moyens de production actuels.
Par conséquent, il ne faut jamais utiliser le budget d’une manière trop rigide,
il faut prévoir les marges.
I. Recommandations générales pour l’établissement d’un budget
d’organisation
a) Tenir compte de la situation financière de l’agriculteur,
autrement dit, avant d’entreprendre l’établissement d’un budget,
on étudiera dans les détails, la situation financière de
l’agriculteur. Pour cela, on examinera successivement :
- Son endettement actuel ;
- Ses disponibilités en capitaux ;
- Et ses possibilités d’emprunt
b) Il faut nécessairement connaître le montant des capitaux qui
peuvent être consacrés à la modernisation et le revenu dont
disposera l’agriculteur pour subsister pendant la réorganisation.
C’est cette opération préliminaire qui conditionne le choix du
nouveau système de production c’est-à-dire qui commande le
budget.
 115

c) Autres recommandations :
- Ne pas compliquer la tâche de l’agriculteur, c’est-à-dire proposer à
l’agriculteur un système de production simple.
- Pas d’optimisme exagéré c’est-à-dire les objectifs physiques fixés
dans le budget (production à réaliser, rendement en champs)
doivent correspondre à ses rendements moyens et non au résultat
de la meilleure année qu’il est fort délicat d’obtenir.
- Quand on n’a pas d’informations précises sur les prix futurs, (pour
achat des intrants et vente de ses produits) on construira le budget
sur base des prix de la dernière campagne.
II. Méthode de travail

On s’efforcera donc de dégager les facteurs dominants du système de

production c’est-à-dire facteurs rares dont il faut, par les moyens assurer le
plein emploi pour augmenter le profit (ainsi par ex. dans une petite
exploitation familiale de polyculture, le facteur dominant sera la terre alors
que dans une exploitation moyenne de production herbagère spécialisée
dans la production laitière, on cherchera à produire le maximum de litres de
lait par ha avec un minimum d’achat d’aliments de bétail dans le commerce).
La méthode de travail passe par deux phases :
- La première phase consiste à fixer le but à atteindre c’est-à-dire à
choisir le nouveau système de production.
- La deuxième phase revient à étudier comment atteindre ce but
c’est-à-dire l’échelonnement des investissements à réaliser et les
conséquences sur le revenu de l’exploitant.
-
III. Choix du nouveau système de production

Ce choix passe aussi par deux phases :

- 1ère phase : choix des spéculations ou activités à entreprendre et
détermination de l’effectif animal souhaitable. Ici, la question
centrale est « Que va-t-on produire ? ». comme dans l’analyse
d’exploitation, l’étude de l’environnement physique, de
l’environnement économique et de la conjoncture permettra de
 116

savoir quelles sont les spéculations à développer, quelles sont les

spéculations à maintenir ou quelles sont les spéculations à
supprimer ?
C’est par là qu’il faut commencer. Si l’élevage est en soit peu
important, il commandera pourtant l’assolement.
- 2ème phase : budget fourrager. Avec ce document, on calcule
d’abord les besoins des animaux en unités fourragères et en
matières azotées digestibles. Mais dans notre pays, on simplifie la
chose, on les calcule en se contenant seulement de la surface
fourragère par tête de bétail (5 ha pour une vache).

La démarche ici sera la suivante :

- Etablir un plan d’utilisation du sol (assolement) et un plan de
fertilisation ;
- Contrôle de l’utilisation de la main d’œuvre sur base du calcul du
coefficient d’efficience du travail, à partir des temps standards, de
pointes de travail et du nombre d’UTA présentes sur l’exploitation ;
- Plan d’utilisation du capital d’exploitation ;
- Plan des recettes (c’est-à-dire estimer le produit brut spéculation
par spéculation puis produit brut total) ensuite les dépenses
d’exploitation.
IV. Etude des phases de réorganisation

Même si l’agriculteur est d’abord avec le budget à atteindre c’est-à-dire avec

le budget te qu’il a été établi, il faut évidement qu’il connaisse les montants
et les dates des investissements à réaliser, les moyens de les financer,
l’évaluation de son revenu agricole c’est-à-dire l’argent qui lui permettra de
vivre pendant que durera la réorganisation. C’est pourquoi il faut dresser un
plan des ressources disponibles dans l’exploitation (revenu d’exploitation et
revenu hors exploitation) et leur emploi.

IV.2. METHODE DE BUDGET PARTIEL

 117

Cette méthode sert à répondre principalement à une seule question « Faut-il

ou non procéder à une substitution d’une culture à une autre en gardant les
autres facteurs de production inchangés ? » Elle est d’une présentation et
d’un raisonnement simple dans la prise de décision.
On raisonne simplement en termes de ce qu’on gagne avec la culture qui doit
substituer à l’autre et les charges qu’on ne pourra pas engager avec la
culture qu’on décide d’abandonner, c’est le volet « pour la décision ». Ce
qu’on perd, c’est le produit brut lié à la production qu’on décide
d’abandonner et les charges engagées avec la production qu’on décide
d’entreprendre : c’est le volet « contre la décision ».
On établit alors le schéma suivant :
Pour la décision Contre la décision
1. Produit en plus 1. Produit en moins
2. Charges en mois 2. Charge en plus
Total A Total B

Ainsi :
- Si le total A est supérieur eu total B, on procède à la substitution ;
- Si le total A est inférieur au total B, on ne procède pas à la
substitution ;
- Si les 2 totaux sont égaux, on est indifférent, la substitution se fait
sur base d’autres critères (qualificatifs par exemple).

Pour être plus sûr avec la décision qu’on comprendra, il faut évaluer le
risque lié à certaines modifications c’est-à-dire on établira une matrice de
gains soit :
- A un seul élément qui connaît les modifications (adoptions par ex.
d’une variété à haut rendement ou variation du prix de vente des
produits) puis on recommence les calculs pour voir si la décision
des rendements et des prix de produit par exemple) puis on
recommence les calculs pour voir si on peut maintenir ou non la
décision.
 118

Ex. L’exploitant dispose de 5 ha de terre où il produit normalement

du maïs et il se demande s’il peut abandonner la culture de maïs
au profit de manioc. Il dispose des informations suivantes :
Pour le manioc, le rendement 60 Q/ha et prix de vente 72$/Q
Pour le maïs : rendement 18 Q/ha et prix de vente 154$/Q

Pour produire le manioc, les charges sont les suivantes : engrais et produits
de 3300$, semences ou boutures 10 000$, produits phytosanitaires 1 125$,
travaux de récolte 12 000$.
Pour produire le maïs, les charges sont les suivantes : engrais et produits de
20 000$, semences ou boutures 2 350$, produits phytosanitaires 2 000$,
travaux de récolte 17 500$.
La substitution est-elle possible ?

IV.3 METHODE DE LA MARGE BRUTE

Rappelons que l’exploitation agricole est généralement peu spécialisée, d’où
la difficulté de repartir les coûts fixes entre les différentes spéculations pour
raisonner en termes de profit par spéculation. Ainsi on raisonne avec les
coûts directs liés à chacune des spéculations, donc on se base sur marge
brute par spéculation pour faire le choix.
Cette méthode passe par les étapes suivantes :
-Etape1 : calculer la marge brute c .à. d.  M.B.= PB-CVT, spéculation après
spéculation.
-Etape2 : Déterminer le facteur de production le plus limitant dans
l’exploitation.
-Etape3 : Calculer la M.B. par unité de facteur de production le plus limitant
déterminé à l’étape2, spéculation après spéculation.
-Etape4 : Introduire dans la solution, l’une après l’autre, mais, avant tout,
la spéculation qui aura donné la marge la plus élevée à l’étape3 jusqu’à
l’épuisement du facteur le plus limitant.

IV.4. METHODE DE L’ANALYSE DE PRIX DE REVIENT

 119

Cette méthode a été très peu utilisée jusqu’à présent car peu nombreux sont
les agriculteurs qui acceptent de faire l’effort d’enregistrer les données
nécessaires à la tenue d’une comptabilité analytique. Lorsque celle-ci est
cependant pratiquée, elle recourt le plus souvent et nécessairement à
l’application d’un certain nombre de conventions arbitraires permettant de
répartir les charges de structure entre les spéculations. Rappelons que le
prix de revient pour une unité de production est égal à :
PR = Coût total moyen de production de cette unité + frais de distribution de
cette unité sur le marché.
N.B : On choisira la culture ou la spéculation qui a le prix de revient le plus
bas.

IV.5. METHODE DE BILAN

Ici, on choisit la culture sur base de la qualité requise d’une ressource

considérée comme limitant ou la plus rare. On choisira donc la spéculation
qui consomme moins cette ressource rare.
Ex. – Un éleveur des porcs cherche à engraisser 100 porcelets en donnant
comme nourriture pour avoir un porc de 100 kg à livrer sur le
marché ;
- Soit 10Q de pomme de terre associée à 4Q de maïs.
- Soit 10Q de manioc associé à 4Q de riz.

Les autres données sont :

- Pour la pomme de terre, rendement 15 Q/ha, prix de vente 30$/Q,
120 jours de travail nécessaire par ha.
- Pour le manioc, rendement 200Q/ha, prix de vente 20$/Q, 13
jours de travail nécessaires par ha.
- Pour le riz, rendement 25Q/ha, prix de vente 50$/Q, 20 jours de
travail nécessaire/ha.
- 1 jour de travail est payé à 1$

Quelle ration devra utiliser notre éleveur ?

Ration 1 : Pomme de terre + maïs
 120

100 porcelets = 100 porcs

Superficie Travail
Pomme de terre = 1000 q 1000 q 120 jrs x 6,6ha = 179 jours
=6,6 ha
150 f /ha
Maïs = 400 q 400 q 20 jrs x 20 ha = 400 jours
=20 ha
20 f /ha Total = 1192 jours
Total 26,6 ha

Ration 2 : Manioc + riz

Superficie Travail

Manioc = 1000 q 100 q 13 jrs/ha x 5ha = 65 jours

=0,5 ha
200 f /ha
Riz = 400 q 400 q 20 jrs/ha x 16 ha = 320 jours
=16 ha
25 f /ha Total = 385 jours

Si le facteur travail est limitant, on choisira la ration 2

Si le facteur terre est limitant, on choisira la ration 2.
On peut aussi évaluer le coût d’opportunité :
Ration 1 : Manioc 1000f x 20$/f = 20 000$
2 : Riz 400f x 60$/f = 24 000$
Coût de la main d’œuvre 385 jrs x 1$ = 385 $
44 385 $
Si la ration 2 passerait en premier en évaluant le coût d’opportunité.
1. Les substitutions ci-après sont-elles possibles :
a) Céleri-carotte
b) Ciboule-oignon
2. Si le facteur terre était le plus rare, laquelle de ces spéculations serait
réalisée sur base de la marge brute ?

Pour la décision Contre la décision

1. Produit en plus (céleri) 1. Produit en moins (carotte)
40x20x1500/f = 1 200 000 60x20x100 = 1 200 000
2. Charges en moins (carotte) 2. Charges en plus (céleri)
Engrais 10 000 Engrais 5000
Semences 1000 Semences 2000
Récolte 60 000 Produits phytos. 6500
 121

Paiement journalier 12 000 Récolte 50 000

Paiement journalier 16000

1 283 000 1 279 500

A > B = substitution possible
Pour la décision
3. Produit en plus (ciboulette)
60x15x2500/f = 2 250 000
4. Charges en moins (oignon)
Engrais 7 000
Semences 1500
Récolte  8250
Paiement journalier 13 000
Contre la décision
3. Produit en moins (oignon)
70x15x2000 = 2 100 000
4. Charges en plus (ciboulette)
Engrais 3000
Semences 2500
Produits phytos. 11 150
Récolte 73 500
Paiement journalier 12000

2 339 750 2 202 150

A > B = substitution possible
2° MB = PB – CD
Carotte : 1 200 000 – 83 000 = 1 117 000 Fc soit 55 850 Fc/ha de MB
Céleri : 1 200 000 – 75 500 = 1 120 500 Fc soit 56 0205 Fc/ha de MB
Oignon : 2 100 000 – 89 750 = 2 012 250 soit 134 016 Fc/ha de MB
Ciboulette : 2 250 000 – 102 150 = 2 147 850 soit 143 190 Fc/Ha de MB
La ciboulette viendrait en tête suivi de l’oignon, céleri
 122

BIBLIOGRAPHIE

1. Alevra D., Padberg M., Linear optimization and extensions: problems and solutions,
Springer, 2001.
2. Balakrishnan V.K., Network optimization, Chapman and Hall, 1995.
3. Dantzig G.B.,. Thapa M.N, Linear programming, Springer, 1997.
4. Eiselt H.A. et Sandblom C.L., Integer programming and network models, Springer
2000.
5. Favre R., Lemaire B., Picouleau C., Précis de recherche opérationnelle, 5eme éd.,
Dunod, 2000.
6. Guéret, C., Prins C., et Sevaux M., Programmation linéaire, Eyrolles, 2000.
7. Korte B., Vygen J., Combinatorial optimization, 2nd ed., Springer, 2002.
8. Lagrèze. E-J, Programmation linéaire - Modélisation et mise en œuvre informatique
Economica, 1998
9. Vidal. C, la recherche opérationnelle, Que sais-je ?, PUF, 1995,
10. Maurras J. F., programmation linéaire, compléxité, Springer, 2002.
11. Nobert Y., Ouellet R., Parent R., la recherche opérationnelle, Gäetan Morin, 1995.
12. Phélizon J. F., Méthodes et modèles de la recherche opérationnelle, Economica,
1998.
123
 124

REPUBLIQUE DEMOCRATIQUE DU CONGO

ENSEIGNEMENT SUPERIEUR ET UNIVERSITAIRE
INSTITUT FACULTAIRE DES SCIENCES
AGRONOMIQUES DE YANGAMBI
IFA – YANGAMBI
B.P. 1232 KISANGANI

COURS DE

RECHERCHE OPERATIONNELLE ET GESTION DES

EXPLOITATIONS AGRICOLES

Par :

MUANASAKA KABUITA Léonard

Professeur

Cours à l’intention des Etudiants

de 2ème grades Eco, EFO, SOL, ZOO,
CIA et 1er grade PHYTO

ANNEE ACADEMIQUE 2011-2012

125