DEPARTEMENT DE GENIE INFORMATION ET TELECOMMUNICATIONS

COURS : THEORIE DES GRAPHES ET DE LA DECISION

NIVEAU 4 : TTIC-GI & GRT / GIT – GRT

LA THEORIE DES JEUX STRATEGIQUES ET LES CRITERES DE DECISION

Une décision comporte deux composantes : des éléments objectifs et des éléments subjectifs.
Une stratégie à plus ou moins long terme repose sur des éléments objectifs, ce qui suppose
l’existence de critères : la productivité, la rentabilité, la qualité, la flexibilité et le juste-à-
temps, le respect des normes, la prise en compte des aspects sociaux (niveau des salaires, taux
d’absentéisme, …). Tous ces critères objectifs peuvent être mesurés par des indicateurs
(ratios) rassemblés dans un tableau de bord. Cependant une stratégie suppose une prise de
risque et par conséquent une conception de l’avenir par le décideur. Par ailleurs un décideur
aura un tempérament acceptant plus ou moins le risque, cherchant à limiter celui-ci et, selon
les décideurs, le choix ne sera pas le même alors qu’ils se réfèrent à une même classe des
indicateurs.
Cette dichotomie conduit à deux approches spécifiques :
- La recherche de la stratégie optimale sur la base d’un critère objectif qui relève de la
théorie des jeux stratégiques
- En ayant recours à des critères subjectifs de décision, la théorie de la décision
proposera suivant le tempérament des joueurs, des décisions différentes

I – La théorie des jeux stratégiques

I –1 Présentation générale
La théorie des jeux se propose d'étudier des situations (appelées « jeux ») où des individus
(les « joueurs ») prennent des décisions, chacun étant conscient que le résultat de son propre

Page 1 sur 8
choix (ses « gains ») dépend de celui des autres. C'est pourquoi on dit parfois de la théorie des
jeux qu'elle est une « théorie de la décision en interaction ». Les décisions ayant pour but un
gain maximum : elles relèvent d'un comportement rationnel.
La théorie des jeux s'intéresse à des modèles d'un type particulier, les « jeux », qui sont
constitués de trois éléments : les joueurs, leurs ensembles de stratégies (un par joueur) et les
règles du jeu (qui portent notamment sur les gains et l'information de chacun).
Un jeu est, au sens de la théorie des jeux, un modèle, dont les principaux ingrédients sont
des individus (« joueurs ») qui prennent des décisions simultanément, en choisissant un
élément d'un ensemble dont les caractéristiques font partie des hypothèses du modèle, et
des règles, qui précisent notamment l'issue résultant des diverses décisions (simultanées)
possibles – une issue étant généralement caractérisée par les gains qu'elle procure aux
joueurs – et l'information dont dispose chacun. Les éléments de l'ensemble dans lequel les
individus font leurs choix sont appelés « stratégies ». Dans les modèles de jeu en économie,
les stratégies sont souvent des « paniers de biens » (offerts ou demandés) ou des « vecteurs de
prix », ou bien les deux. Dans le cas où le jeu comporte plusieurs coups – l'ordre
d'intervention des joueurs étant précisé à l'avance –, les stratégies sont alors des listes
d'instructions, dans lesquelles les joueurs indiquent à l'avance ce qu'ils feront à chaque coup
et dans chaque éventualité (qui dépend de ce qui peut se passer aux coups précédents). Pour
que ces instructions puissent être données, il faut évidemment que les joueurs connaissent à
l'avance l'ensemble des éventualités : l'information dont dispose chacun fait partie des
hypothèses essentielles des modèles de la théorie des jeux.

I –2 Traduction d’un jeu sous forme de programme linéaire

Deux joueurs A et B pratique un jeu duel dons la règle est traduite par la matrice des gains de
A suivante :
Joueur B
B1 B2
A1 0 3
Joueur A A2 1 -1
A3 -2 1
La partie de ce jeu se déroule sur un nombre assez grand de coups (supérieur à 20). La matrice
des écarts de gains est :

Page 2 sur 8
 Joueur B
B1 B2
A1 2 5
Joueur A A2 3 1
A3 0 3
Le joueur A choisira entre les tactiques A1, A2 et A3 suivant des fréquences de tactiques p,
q et r pour obtenir le gain le plus élevé. La stratégie du joueur A est constituée par le choix
des tactiques A1, A2, A3 et des fréquences de tactiques p , q et r
Le joueur B choisira entre les tactiques B1 et B2 suivant des fréquences de tactiques s et t
pour réduire ses pertes si on raisonne sur la matrice des gains ou des écarts de gains de A. La
stratégie du joueur B est constituée par le choix des tactiques B1, B2, et des fréquences de
tactiques s et t . On a donc la matrice suivante :

Joueur B
B1 B2
s t
A1 p 2 5
Joueur A A2 q 3 1

A3 r 0 3
Admettons par hypothèse que le joueur B n’utilise qu’une seule tactique, soit B1, soit B2.
Si le joueur B joue toujours B1, le gain du joueur A sera sur la matrice des écarts de gains de
A est : 2 p  3q  0r
Si le joueur B joue toujours B2, le gain du joueur A sera sur la matrice des écarts de gains de
A est : 5 p  1q  3r
Il existe un triplet ( p, q, r ) tel que le gain de A soit minimum ; on désigne ce minimum par
gm et on a le système suivant :
 2 p  3q  0r  gm

5 p  1q  3r  gm
p  q  r 1

p q r
En divisant par gm et posant x y  z 
gm , gm , gm , on a le système suivant :

Page 3 sur 8
 
2 x  3 y  0 z  1

5 x  1y  3 z  1
 1
x  y  z 
 gm
L’objectif du jouer A est de s’éloigner le plus possible de gm pour maximiser son gain g
1
ou encore de minimiser
gm . En conséquence la stratégie du joueur A s’exprime par le

programme linéaire suivant :

1
Min  x yz
gm
2 x  3 y  0 z  1
s / c 5 x  1y  3 z  1 et des contraintes de non négativité

Le programme dual associé exprime le programme linéaire de la stratégie du joueur B qui
1
cherche à minimiser sa perte h et donc de maximiser d’où le programme suivant :
h
1
Max  X Y
h
2 X  5Y  1

3X  Y  1
s/c  et des contraintes de non négativité
0 X  3Y  1

4 1 13
La résolution du dual permet d’obtenir X X  h 
13 , 13 , 5
4 1
Les fréquences de jeu pour le joueur B sont donc de : s  X .h  t  Y .h 
5 et 5
3
La valeur du jeu est v  h  2 
5 car d’après la matrice des écarts de gains , on
augmente toutes les valeurs de 2 unités.
Les variables d’écart du dernier tableau du simplexe permet de déduire que :
2 2
x p  x.h 
13 , d’où 5

Page 4 sur 8
 3 3
y q  y .h 
13 , d’où 5
z  0 , d’où r  z.h  0
Conclusion :
A jouera 2 fois sur 5 la tactique A1, 3 fois sur 5 la tactique A2 et jamais la tactique A3 pour
3
obtenir un gain maximum de
5
B jouera 4 fois sur 5 la tactique B1 et 1 fois sur 5 la tactique B2 pour limiter sa perte au
3
minimum de
5.
I –3 Notions de point selle et de domination
Notion de point selle :
Un point selle est un point d’équilibre. Dans la matrice de gain d’un joueur, il correspond
l'élément aij qui est à la fois minimum de la ligne i et maximum de la colonne j . La valeur
du jeu est donc dans ce cas la valeur de cet élément. Une matrice peut posséder plusieurs
points selles mais ils sont forcément égaux.
Exemple : Considérons la matrice de gains du joueur A suivante :

Joueur B
B1 B2 B3
A1 5 1 3
Joueur A A2 3 2 4
A3 -3 0 1

Le point selle est 2 . Le gain maximum de A est 2 et B limite sa perte au minimum de . 2 .

Notion de domination :
Certaines tactiques ne sont pas utiles car elles sont moins bonnes quelque soit le jeu de
l’adversaire.
Dans une matrice de gains, on dit qu’une ligne i domine une ligne k si :
aij  akj j

aij  akj pour au moins j
Dans une matrice de gains, on dit qu’une colonne j domine une colonne l si :
aij  ail i

aij  ail pour au moins i
Cette notion permet de réduire la matrice des gains : en effet les lignes et les colonnes
dominées doivent être supprimées. En général avant de traduire un jeu en programme linéaire,
il faut d’abord réduire si possible sa matrice de gains.

Page 5 sur 8
Exemple : Considérons la matrice de gains du joueur A suivante :

Joueur B
B1 B2 B3 B4
A1 2 0 1 4
Joueur A A2 1 2 5 3
A3 4 1 3 2

Les tactiques B3 et B4 sont dominées par la tactiques B2 : on les supprime et la se matrice se

réduit à :

Joueur B
B1 B2
A1 2 0
Joueur A A2 1 2
A3 4 1

La tactique A1 est dominée par la tactiques A3 : on la supprime et la matrice se réduit à :

Joueur B
B1 B2
Joueur A A2 1 2
A3 4 1

TAF : Faire la traduction en programme linéaire et le résoudre.

II – Les critères de décision

Ce sont des critères qui permettent à un décideur de se prononcer connaissant certaines
hypothèses ou situations, les décisions prises entraînant des conséquences en terme de gains
(profits) ou de pertes. Placé dans une situation où plusieurs décisions sont possibles, le
décideur utilisera tel ou tel critère suivant sa perception de la situation. La difficulté
d’application de la théorie de la décision réside dans la détermination des hypothèses retenues
et des gains résultant des différentes décisions.

II-1 – Critère de Von Neumann ou Wald

Ce critère consiste à prendre le maximum de sécurité dans la prise de décision. Par
conséquent, on détermine le minimum de chaque décision et on se satisfait du maximum du
minimum
Exemple :

Page 6 sur 8
Une entreprise étudie la possibilité d’implanter une de ses surcursales dans cinq zones Z1, Z2,
Z3, Z4 et Z5 en fonction de cinq hypothèses H1, H2, H3, H4 et H5. La matrice suivante
présente le profit mensuel exprimé en millions de francs.
H1 H2 H3 H4 H5
Z1 55 25 10 10 8
Z2 10 15 7 10 5
Z3 40 20 26 24 25
Z4 20 10 30 25 20
Z5 30 17 20 22 15
Quelle zone sera choisie ?

II-2 – Critère de Savage ou des regrets

On détermine d’abord la matrice des regrets ou des manques à gagner. Pour chaque
hypothèse, on repère le meilleur résultat auquel est associé aucun regret ; pour les autres, on
calcule le regret par différence entre ce meilleur résultat pour une hypothèse et le résultat
obtenu pour chaque décision. Puis on recherche pour chaque décision le regret le plus élevé et
on retient la décision qui correspond au minimum des regrets maximum.

Cas de l’exemple précédent

II-3 – Critère du Maximax
Pour ce critère, on retient la décision qui correspond au profit maximum quelque soit le risque
à attaché à cette décision

Cas de l’exemple précédent

II-4 – Critère de Satisfaction
Il consiste à prendre la décision qui correspond au maximum de la satisfaction minimale.
On détermine d’abord la matrice de satisfaction. Pour chaque hypothèse, le plus mauvais
résultat correspond à une satisfaction nulle; pour les autres résultats, la satisfaction est
calculée par différence avec le plus mauvais résultat.

Cas de l’exemple précédent

II-5 – Critère de Hurwicz
Pour chacune des décisions, on relève les valeurs extrêmes : soient M i meilleur résultat et mi
le plus mauvais. La décision prise est celle qui maximise l’expression :
E   M i  (1   )mi
Où  est un coefficient qui traduit l’optimisme du décideur : 0    1
Si   0 , on a E  mi , pessimisme intégral
Si   1 , on a E  M i , optimisme total
Il est évident que la valeur attribuée à  exprime plus une tendance du tempérament du
décideur qu’une vérité mathématique quantifiée de manière scientifique. On considère trois
valeurs pour  :   0, 25 plutôt pessimiste,   0, 5 indifférent et   0, 75 plutôt optimiste

Page 7 sur 8
Cas de l’exemple précédent
II-6 – Critère de Laplace
Ce critère repose sur l’hypothèse implicite que si les probabilités de réalisation des différentes
hypothèses sont inconnues, on peut considérer qu’elles sont équiprobables. La décision prise
par le décideur est celle qui assure la plus grande moyenne arithmétique des résultats
possibles.

Cas de l’exemple précédent

II-7 – Critère de Bernouilli
Pour appliquer ce critère, il faut connaître les probabilités de réalisation des différentes
hypothèses. La décision retenue est celle qui correspond à la plus grande espérance
mathématique
H1 H2 H3 H4 H5
Probabilité 0,30 0,30 0,10 0,20 0,10

Cas de l’exemple précédent

Page 8 sur 8