2022 Bon 2 Joralino Cours de Recherche Opérationnelle

MANUEL DE COURS DE RECHERCHE OPERATIONNELLE
REPUBLIQUE DU BENIN
@@@@@
MINISTERE DE L’ENSEINGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE
@@@
UNIVERSITE D’ABOMEY-CALAVI ET INSTITUTS UNIVERSITAIRES
AU PROFIT DES ETUDIANTS (ES) :LICENCE
L’UNIVERSITE: ...................................................................................................................
NOM DE L’ETUDIANT :…………………………………………………………………..
ANNÉE ACADÉMIQUE: ……………………………………………
ENSEIGNANT
Dr. AGBOVOEDO Joress
 Docteur en sciences de gestion/UAC /FASEG
 Membre Laboratoire de Recherche sur la Performance et le Développement des

Organisations (LARPEDO)
 Directeur du Cabinet OPERM Consulting
 Consultant en finance et contrôle de gestion
 Enseignant Chercheur : en Comptabilités, Finances, Contrôle de Gestion et outils
mathématiques de gestion
Email : joralino@gmail.com Tél : (229) 97 14 81 86
Dr AGBOVOEDO Joress S. Docteur en Sciences de Gestion/97148186- joralino@gmail.com

1
Le secret de la réussite
Le savoir ne s’acquiert, pas plus sans effort que le succès ne s’obtient sans
persévérance. La réussite de toute activité humaine est subordonnée à la façon
dont elle est préparée. De même le travail ne vaut que ce que valent l’ordre et
la méthode qui président à sa destinée. En effet une année réussie est
synonyme d’une préparation assidue et méthodique.
Ainsi, tout candidat à un examen doit d’abord bien se persuader
qu’aucun succès n’est le fait du hasard. Pour réussir, il faut avoir un but, un
plan, une méthode et en poursuivre l’application avec une active ténacité.
Toutefois, s’il est vrai que pour réussir dans la vie il faut avoir choisi
une activité licite, moralement acceptable et d’ en développer une compétence
distinctive , il est tout autant vrai que tout homme doit réussir car, le Bon
Dieu est Juste et Bon à telle enseigne qu’il ne fait apparaître un être sur terre
sans mettre en lui un talent caché. Il nous revient de chercher en nous ce talent
et d’en développer une compétence pour se démarquer du lot (réussir).
Dr Agbovoedo joress
Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 2

PROGRAMME DU COURS
Le secret de la réussite ........................................................................................................................ 2

PROGRAMME DU COURS .................................................................................................................... 3
OBJECTIFS DU COURS .......................................................................................................................... 9
METHODE D'ENSEIGNEMENT .............................................................................................................. 9
BIBLIOGRAPHIE .................................................................................................................................... 9
CHAPITRE 1 : LA PROGRAMMATION LINEAIRE ........................................................................ 11
Préambule .......................................................................................................................................... 11
1. Objectif du programme de production .................................................................................. 11
2. PRIMAL : Les conditions de formulation d’un PL ............................................................... 12
3. Les étapes de formulation d’un PL :...................................................................................... 12
3.1.1. Exemple 1 : Problème d’agriculture ...................................................................... 13
3.1.2. Exemple 2 : Problème de médecine ...................................................................... 14
3.1.3. Exemple 3 : problème de production..................................................................... 15
3.1.4. Exemple 4 : Problème d’alimentation ................................................................... 16
4. forme canonique d’un programme linéaire ........................................................................... 17
5. Mise sous forme standard ...................................................................................................... 17
6. Résolution de la programmation linéaire : PRIMAL ............................................................ 17
6.1. La méthode graphique ................................................................................................... 18
6.1.1. Cas pratique corrigé ............................................................................................... 18
6.1.2. Exemples de résolution graphique de problèmes linéaires .................................... 21
6.2. Méthode du simplexe .................................................................................................... 23
6.2.1. Etapes de résolution par simplexe ......................................................................... 23
6.2.2. Cas pratique 2 : corrigé: ........................................................................................ 23
Application 1: .................................................................................................................................... 25
Application 2 ..................................................................................................................................... 26
Application 3 : ................................................................................................................................... 26
Application 4: .................................................................................................................................... 27
7. Programme de DUAL ........................................................................................................... 27
7.1. Formulation du Programme Duale ................................................................................ 27
7.2. Définition....................................................................................................................... 28
Problème d’agriculture ............................................................................................................... 28
7.3. Règle de résolution du Primal ....................................................................................... 28
Application 5 ..................................................................................................................................... 29

Application 6 ..................................................................................................................................... 29
8. Cas particulier de résolution de programmation linéaire ....................................................... 30
Application 7 ..................................................................................................................................... 30
TD 1 : Programmation linéaire .......................................................................................................... 31
Cas 1 ................................................................................................................................................. 31
Cas 2 ................................................................................................................................................. 31
Cas 3 .................................................................................................................................................. 33
cas 4 ................................................................................................................................................... 33
Cas 5 .................................................................................................................................................. 34
Cas 6 ................................................................................................................................................. 34
Cas 7 : BFE 2008............................................................................................................................... 36
Cas 8 : BFE (2011) ............................................................................................................................ 36
CAS 9 : .............................................................................................................................................. 37
Cas 10 ................................................................................................................................................ 37
Cas 11 : Problème électrique (OPM3001)......................................................................................... 38
Cas 12 ................................................................................................................................................ 38
CHAPITRE 2 : LA THEORIE DES GRAPHES .................................................................................. 41
Préambule .......................................................................................................................................... 41
1. Concepts de base de la théorie des graphes ........................................................................... 41
1.1. La notion de graphe ....................................................................................................... 41
1.2. Notion de relation .......................................................................................................... 41
1.3. Notion d’arc et d’arrête ................................................................................................. 42
1.3.1. Arc ......................................................................................................................... 42
1.3.2. Arrête ..................................................................................................................... 42
1.4. Notion des sommets adjacents....................................................................................... 42
1.5. Notion de chemin .......................................................................................................... 42
1.5.1. Chemin élémentaire ............................................................................................... 42
1.5.2. Chemin simple. ...................................................................................................... 42
1.5.3. Chemin hamiltonien .............................................................................................. 43
1.5.4. Chemin-préhamiltonien ......................................................................................... 43
1.5.5. Chemin eulérien..................................................................................................... 43
1.5.6. Chemin pré eulérien .............................................................................................. 43
1.6. Notion de circuit ............................................................................................................ 43
1.7. Boucle............................................................................................................................ 43

1.8. Notion de précédent ....................................................................................................... 43

1.9. Notion de suivant........................................................................................................... 43
1.10. Notion de chaîne ........................................................................................................ 44
1.11. Notion de cycle .......................................................................................................... 44
2. Les différentes représentations d’un graphe .......................................................................... 44
2.1. Représentation sagittale ................................................................................................. 44
2.2. La représentation matricielle ......................................................................................... 45
2.2.1. La représentation matricielle simple...................................................................... 45
2.2.2. La matrice en arc ................................................................................................... 45
2.2.3. La matrice booléenne ............................................................................................ 46
2.3. La représentation sous forme de dictionnaire ................................................................ 47
2.3.1. Le dictionnaire des précédents .............................................................................. 47
2.3.2. Le dictionnaire des suivants .................................................................................. 47
Application 1...................................................................................................................................... 47
3. Niveau des sommets d’un graphe .......................................................................................... 48
3.1. La détermination des niveaux des sommets par le dictionnaire des précédents ............ 48
Activité............................................................................................................................................... 48
3.2. Détermination des niveaux des sommets par la matrice booléenne. ............................. 50
Même activité.................................................................................................................................... 50
Application 2 : ................................................................................................................................... 51
4. Les chemins extrémaux ......................................................................................................... 52
4.1. Le chemin le plus long .................................................................................................. 52
Application 3 ..................................................................................................................................... 52
4.2. Le chemin le plus court ................................................................................................. 52
5. Les méthodes d’ordonnancement .......................................................................................... 53
5.1. Analyse en réseau .......................................................................................................... 53
5.2. Démarche méthodologique ............................................................................................ 53
6. GANT ou diagramme de GANT. ............................................................................................. 53
6.1. Les avantages de la méthode de GANT ......................................................................... 54
6.2. Les inconvénients de la méthode de GANT................................................................... 54
7. Notion de chemin et de chemin critique............................................................................... 54
8. La méthode MPM .................................................................................................................. 54
8.1. Conventions de représentation ..................................................................................... 54
8.2. Tracé du graphe ............................................................................................................. 55

8.2.1. Le calendrier au plus tôt des tâches ...................................................................... 55

8.2.2. Le calendrier au plus tard des tâches .................................................................... 56
Application 4...................................................................................................................................... 57
Application 5 :.................................................................................................................................. 57
8.3. Méthode MPM :Marges totales et marges libres ......................................................... 58
8.3.1. Marge totale .......................................................................................................... 58
8.3.2. Marge libre ............................................................................................................ 58
Application 6...................................................................................................................................... 58
8.4. Récapitulatif pour la présentation du réseau MPM ...................................................... 58
Application 7 corrigée: problème de construction de l’entrepôt ....................................................... 59
9. Conventions, règles et principes ............................................................................................ 59
9.1. Convention .................................................................................................................... 59
9.2. Règles et principes de la méthode PERT....................................................................... 60
10. La méthode PERT ............................................................................................................. 61
10.1. Les conventions de représentation............................................................................. 61
10.2. Tracé du graphe ......................................................................................................... 64
10.2.1. Calendrier au plus tôt des étapes. ......................................................................... 64
10.2.2. Calendrier au plus tôt des tâches. ......................................................................... 65
10.2.3. Calendrier au plus tard des étapes ........................................................................ 65
10.2.4. Calendrier au plus tard des tâches ........................................................................ 65
Application 8...................................................................................................................................... 65
10.3. Méthode PERT : Marges totales et marges libres ..................................................... 65
10.3.1. Marge totale .......................................................................................................... 65
10.3.2. Marge libre ............................................................................................................ 66
Application 9...................................................................................................................................... 66
10.4. Récapitulatif pour la construction du graphe PERT :................................................. 66
11. La méthode perte probabiliste .......................................................................................... 67
11.1. Au niveau de la durée des taches .............................................................................. 67
11.2. Au point de vue domaine d’application .................................................................... 67
11.3. Les paramètres de PERT et leur calcule..................................................................... 67
11.4. La loi normale ............................................................................................................ 68
11.4.1. Fonction de densité ............................................................................................... 68
11.4.2. Loi normale centrée réduite .................................................................................. 68
Application 10.................................................................................................................................... 68

Application 11.................................................................................................................................... 69
TD 2 : Théorie des graphes ................................................................................................................ 70
CAS 1 .................................................................................................................................................. 70
CAS 2 .................................................................................................................................................. 71
CAS 3 .................................................................................................................................................. 71
CAS 4 .................................................................................................................................................. 72
CAS 5 .................................................................................................................................................. 73
CAS 6 (MAC 2013).............................................................................................................................. 74
CAS 7 (MAC 2011).............................................................................................................................. 75
CHAPITRE 3 : LA GESTION DES STOCKS ..................................................................................... 76
Préambule .......................................................................................................................................... 76
1. Différents concepts de stock .................................................................................................. 76
1.1. Le stock délai : sd ........................................................................................................... 76
1.2. Le stock de sécurité (SS) ................................................................................................ 76
1.3. Le stock d’alerte ............................................................................................................ 77
1.4. Le stock critique Sc ....................................................................................................... 77
1.5. Le stock moyen ............................................................................................................. 77
2. Terminologie ......................................................................................................................... 77
2.1. Les couts engendres par la gestion des stocks .............................................................. 77
2.1.1. Coût de lancement des commandes (Cl) ............................................................... 77
2.1.2. Coût de stockage (Cs) ............................................................................................ 77
2.1.3. Coût de pénurie...................................................................................................... 78
3. AUTRES TERMINOLOGIES .............................................................................................. 78
3.1. Cadence d’approvisionnement (N) ................................................................................ 78
3.2. Stock Moyen (SM) ........................................................................................................ 78
3.3. Stock actif ou le lot économique (Le) ........................................................................... 78
3.4. Délai de livraison ou de réapprovisionnement ou d’approvisionnement ...................... 79
3.5. Période de réapprovisionnement ou période économique ............................................. 79
3.6. Stock de sécurité ou marge de sécurité.......................................................................... 79
3.7. Stock d’alerte (SA) ........................................................................................................ 79
Application 1 corrigée ...................................................................................................................... 80
4. Modelés de gestion de stock en avenir certain ...................................................................... 80
4.1. Modèle de Wilson « PUR » : modèle sans rupture........................................................ 82
Application2 ...................................................................................................................................... 83

4.2. Modèle de Wilson et Tarif dégressif du fournisseur ..................................................... 83

4.3. Principe de calcul .......................................................................................................... 84
Application 2 ..................................................................................................................................... 84
4.4. Modèle de Wilson et Pénurie ........................................................................................ 85
4.4.1. Graphique .............................................................................................................. 85
4.4.2. Formalisation ......................................................................................................... 86
Application 3 ..................................................................................................................................... 87
5. Modèles de gestion de stock en avenir aléatoire ................................................................... 87
5.1. Cas où la demande est une variable aléatoire discrète................................................... 88
Application 5 : corrigée Cas d’un produit périssable : ...................................................................... 89
Application 5 B: corrigé ..................................................................................................................... 90
Cas du produit périssable (suite) : ..................................................................................................... 91
5.2. Cas où la demande est une variable aléatoire continue ................................................. 91
5.2.1. Taux de service 𝜷 𝒆𝒕 𝒕𝒂𝒖𝒙 𝒅𝒆 𝒓𝒖𝒑𝒕𝒖𝒓𝒆 𝝈 .......................................................... 91
Application 6 : Cas de viande de bœuf :............................................................................................ 91
Application 7 : corrigé ....................................................................................................................... 92
Application 8 : Cas de boucherie....................................................................................................... 92
Application 9 : corrigée ..................................................................................................................... 92
6. Modèle de gestion à période variable .................................................................................... 93
Application 10 .................................................................................................................................. 93
Application 11 : ................................................................................................................................ 94
TD 3 : Gestion des stocks .................................................................................................................. 94
CAS 1 ................................................................................................................................................. 94
CAS 2 : ENEAM................................................................................................................................... 95
CAS 3 : ................................................................................................................................................ 95
CAS 4 : ENEAM .................................................................................................................................. 96
CAS 6 : ................................................................................................................................................ 97
CAS 7 : ................................................................................................................................................ 98
CAS 8 BTS BLANC ENEAM 2016 ........................................................................................................ 99
CAS 9 : ............................................................................................................................................... 99
CAS 10 (MAC)................................................................................................................................... 100
CAS 11 (MAC 2010).......................................................................................................................... 100

OBJECTIFS DU COURS
L’objectif de ce cours est la maîtrise des outils modernes utilisés dans la résolution des
problèmes de gestion dans l’entreprise. Ces outils sont classés selon le genre de problème.
L’objectif spécifique est de :
 détecter les types de problèmes dont la formalisation nécessite l’outil développé

dans le chapitre,
 étudier les fondements théoriques de l’outil
 appliquer l’outil sur un ou plusieurs exemples détaillés
 faire une ouverture sur les problèmes ou solutions connexes
METHODE D'ENSEIGNEMENT
Pour atteindre des objectifs ainsi définis, les méthodes d'enseignement suivantes seront adoptées :
 un enseignement magistral, en ce qui concerne le déroulement du cours.

 une méthode participative qui permettra d'opérationnaliser les connaissances théoriques
par des cas pratiques.
BIBLIOGRAPHIE
- ARCHER J., GARDELLE J., Programmation Linéaire, Dunod Décision, 1983

- AXELROD Robert, Donnant Donnant : Théorie du Comportement coopératif,
Nopuveaux Horizons/Odile Jacob, Paris 1992
- BRABB Georges J., Introduction to Quantitative Management, Holt, Rinehart and
Winston, New York 1970
- CHIANG Alpha C., Fundamental Methods of Mathematical Economics, McGraw- Hill,
New-York, 1984, Programmation mathématique (Part.6 ) : Programmation Linéaire (Ch.19),
- DEBAZEILLE Gérard., Exercices et Problèmes de Recherche Opérationnelle, Dunod,
Paris 1976
- FOURASTIE Jacqueline, Exerces de mathématique appliquées à l’économie avec
solutions et rappels de cours, Collection «Module», DUNOD, 3ème édition, Paris 1987
- GOUJET C., NICOLAS C., Mathématiques appliquées : Probabilités - Initiation à la
Recherche Opérationnelle, Collection BTS Comptable - IUT de Gestion
- HELARY J.M., PEDRONO R. , Recherche Opérationnelle, Exerces corrigés,
Hermans, Paris, 1983,
- KAUFMANN A. FAURE R., Invitation à la recherche opérationnelle, Dunod
Entreprise, Paris 1987

- THIREZ Hervé, Initiation au Calcul économique, Collection Economie-Module,

DUNOD, Paris 1984
- THIREZ Hervé, Comprendre et Utiliser les modèles de gestion Collection
Décision-Gestion, DUNOD, Paris 1986
- THIMONIER Claude, Cours de Mathématiques, Expertise comptable, nouveau régime
(DPECF-DECF) - BTS Comptabilité Gestion - BTS Services informatiques Editions
Scientifiques et Juridiques Paris 1999
- VARIAN Hal R., Introduction à l'analyse microéconomique, Nouveaux horizon/De
Boeck Université, Bruxelles 1992 (Chapitre 26 - La théorie des jeux

CHAPITRE 1 : LA PROGRAMMATION LINEAIRE
Préambule
L’importance de l’optimisation et la nécessité d’un outil simple pour modéliser des problèmes
de décision que soit économique, militaire ou autres on fait de la programmation linéaire un
des champs de recherche les plus actifs au milieu du siècle précédent. Les premiers travaux1
(1947) sont celle de George B. Dantzig et ses associés du département des forces de l’air des
Etats Unis d’Amérique.
Les problèmes de programmations linéaires sont généralement liés à des problèmes
d’allocations de ressources limitées, de la meilleure façon possible, afin de maximiser un profit
ou de minimiser un coût. Le terme meilleur fait référence à la possibilité d’avoir un ensemble
de décisions possibles qui réalisent la même satisfaction ou le même profit. Ces décisions sont
en général le résultat d’un problème mathématique.
La recherche ou aide à la décision est l’art d’appliquer les techniques analytiques à une prise
de décision. Elle utilise les modèles mathématiques pour analyser les problèmes complexes,
elle donne aux cadres, la capacité à prendre de meilleure décision et à établir des systèmes plus
productifs.
La RO est couramment utilisée en Industrie pour trouver les plans optimaux de production et
pour éviter le gaspillage des ressources.
En investissement, la recherche opérationnelle permet de trouver la meilleure combinaison des
actifs. Dans les réseaux, elle permet de transporter et de distribuer le flux de façon optimale.
Les domaines de la RO sont variés :
- Problème combinatoires (choix des Investissements et localisation, Programmation
linéaire, programme dynamique)
- Graphes et application (ordonnancement de projets, gestion des flux)
1. Objectif du programme de production
Une organisation performante de la gestion de la production doit répondre à plusieurs

objectifs :
- maitriser les flux des matières, des composantes, dans le processus de production et
des produits ;
- optimiser les capacités de production ;
- organiser le travail selon les choix stratégiques adoptés (intégration, sous-traitance,
externalisation,…) ;
- améliorer la qualité des produits ;
- minimiser les coûts ;
- réduire les délais (approvisionnements, production, stockage,…) ;
- satisfaire la clientèle, en adaptant rapidement les capacités de production à l’évolution
de la demande.
1
De nombreux mathématiciens, parmis eux le Russe L. V. Kantorovich, se sont penchés sur le problème de
programmation linéaire avant 1947.

En conséquence, l’entreprise doit rechercher, en univers certain, le meilleur programme de

production possible qui permet de :
- satisfaire la demande tant en quantité, qu’en qualité et en temps ;
- utiliser pleinement les capacités de production (équipement, main d’œuvre, …) sous
certains contraintes (commerciales, techniques et humaines) ;
- optimiser le résultat.
La détermination de ce programme de production optimal veut que l’entreprise utilise des
outils mathématiques et informatiques dont la gestion de la production assistée par
l’ordinateur (GPAO).
2. PRIMAL : Les conditions de formulation d’un PL
La programmation linéaire comme étant un modèle admet des hypothèses (des conditions) que
le décideur doit valider avant de pouvoir les utiliser pour modéliser son problème. Ces
hypothèses sont2 :
1. Les variables de décision du problème sont positives
2. Le critère de sélection de la meilleure décision est décrit par une fonction linéaire de ces
variables, c’est à dire, que la fonction ne peut pas contenir par exemple un produit croisé de
deux de ces variables. La fonction qui représente le critère de sélection est dite fonction objectif
(ou fonction économique).
3. Les restrictions relatives aux variables de décision (exemple: limitations des ressources)
peuvent être exprimées par un ensemble d’équations linéaires. Ces équations forment
l’ensemble des contraintes.
4. Les paramètres du problème en dehors des variables de décisions ont une valeur connue
avec certitude
3. Les étapes de formulation d’un PL :
Généralement il y a trois étapes à suivre pour pouvoir construire le modèle d'un programme
linéaire :
1. Identifier les variables du problème à valeur non connues (variable de décision) et les
représenter sous forme symbolique (exp. x1, y1).
2. Identifier les restrictions (les contraintes) du problème et les exprimer par un système
d’équations linéaires.
3. Identifier l’objectif ou le critère de sélection et le représenter sous une forme linéaire en
fonction des variables de décision. Spécifier si le critère de sélection est à maximiser ou à
minimiser.
Limité au départ aux problèmes industriels et militaires, de nos jours plusieurs problèmes de
divers domaines sont représentés ou approximés par des modèles de PL. L’utilisation de ces
2
Ces hypothèses résument celles qui ont été donné par G. B. Dantzig : La proportionnalité, La non-
négativité, l’additivité et la linéarité de la fonction objectif

techniques de modélisation s’est renforcée encore après avoir construit des algorithmes et des
logiciels capables de résoudre de plus larges problèmes avec autant de variables de décision
que de contraintes.
La tâche de formulation demande généralement une certaine expertise et connaissance du

problème pour pouvoir relever facilement les différentes composantes du problème et ainsi
donner un programme qui modélise au mieux la situation réelle. Dans ce qui suit, on présentera
quelques exemples de formulation en programme linéaire liés à différents problèmes de
décision :
3.1.1. Exemple 1 : Problème d’agriculture
Un agriculteur veut allouer 150 hectares de surface irrigable entre culture de tomates et celles
de piments. Il dispose de 480 heures de main d’œuvre et de 440 m3 d’eau. Un hectare de tomates
demande 1 heure de main d’œuvre, 4 m3 d’eau et donne un bénéfice net de 100 dinars. Un
hectare de piments demande 4 heures de main d’œuvre, 2 m3 d’eau et donne un bénéfice net de
200 dinars.
Le bureau du périmètre irrigué veut protéger le prix des tomates et ne lui permet pas de cultiver
plus de 90 hectares de tomates. Quelle est la meilleure allocation de ses ressources ?
Formulation du problème en un PL :
Etape 1 : Identification des variables de décision. Les deux activités que l’agriculteur doit
déterminer sont les surfaces à allouer pour la culture de tomates et de piments :
 x1 : la surface allouée à la culture des tomates
 x2 : la surface allouée à la culture des piments
On vérifie bien que les variables de décision x1 et x2 sont positives : x1  0, x2  0 .
Etape 2 : Identification des contraintes. Dans ce problème les contraintes représentent la
disponibilité des facteurs de production :
 Terrain : l’agriculteur dispose de 150 hectares de terrain, ainsi la contrainte liée à la
limitation de la surface de terrain est x1  x2  150
 Eau : la culture d’un hectare de tomates demande 4 m3 d’eau et celle d’un hectare de piments
demande 2m3 mais l’agriculteur ne dispose que de 440m3. La contrainte qui exprime les
limitations des ressources en eau est 4 x1  2 x2  440 .
 Main d’œuvre : Les 480 heures de main d’œuvre seront départager (pas nécessairement en
totalité) ente la culture des tomates et celles des piments. Sachant qu’un hectare de tomates
demande une heure de main d’œuvre et un hectare de piments demande 4 heures de main
d’œuvre alors la contrainte représentant les limitations des ressources humaines est
x1  4 x2  480

 Les limitations du bureau du périmètre irrigué : Ces limitations exigent que l’agriculteur ne
cultive pas plus de 90 hectares de tomates. La contrainte qui représente cette restriction est
x1  90.
Etape 3 : Identification de la fonction objectif. La fonction objectif consiste à maximiser le
profit apporté par la culture de tomates et de piments. Les contributions respectives 100 et 200,
des deux variables de décision x1 et x2 sont proportionnelles à leur valeur. La fonction objectif
est donc z  100x1  200x2 .
Le programme linéaire qui modélise le problème d’agriculture est :
Max 100 x1  200 x2
s.c. x1  x2  150
4 x1  2 x2  440
x1  4 x2  480
x1  90
x1  0, x2  0
3.1.2. Exemple 2 : Problème de médecine
Un spécialiste en médecine a fabriqué un médicament (des pilules) pour guérir les sujets atteints
d’un rhume. Ces pilules sont fabriquées selon deux formats :
 Petite taille : elle contient 2 grains d’aspirine, 5 grains de bicarbonate et 1 grain de codéine.
 Grande taille : elle contient 1 grain d’aspirine, 8 grains de bicarbonate et 6 grains de
codéine.
Pour guérir la maladie, le sujet a besoin de 12 grains d’aspirine, 74 grains de bicarbonate et 24
grains de codéine. Déterminer le nombre de pilules minimales à prescrire au sujet pour qu’il
soit guérit.
Formulation du problème en un PL :
Le problème de médecine présente certaines ressemblances avec le problème de l’agriculture,

dans les deux cas c’est un problème d’allocation de ressources.
Les variables de décision qui représentent des valeurs inconnues par le décideur qui est dans ce
cas le spécialiste en médecine sont :
 x1 : le nombre de pilules de petite taille à prescrire.
 x2 : le nombre de pilules de grande taille à prescrire.
On vérifie bien que les variables de décision x1 et x2 sont positives : x1  0, x2  0 .
Les contraintes imposées par le problème sur les valeurs possibles de x1 et x2 sont :
 La prescription doit contenir des pilules avec au moins 12 grains d’aspirine. Sachant qu’une
petite pilule contient 2 grains d’aspirine et qu’une grande pilule contient un seul grain
d’aspirine, on obtient la contrainte suivante : 2 x1  x2  12 .

 De la même façon que pour l’aspirine, la prescription du spécialiste en médecine doit

contenir au moins 74 grains de bicarbonate. Ainsi la contrainte suivante doit être satisfaite :
5x1  8x2  74 .
 Finalement la contrainte imposée par le fait que la prescription doit contenir au moins 24
grains de codéine est x1  6 x2  24 .
Etape 3 : Identification de la fonction objectif. On remarque qu’il y a plusieurs couples de
solutions ( x1 , x2 ) qui peuvent satisfaire les contraintes spécifiées à l’étape 2. La prescription
doit contenir le minimum possible de pilules. Donc le critère de sélection de la quantité de
pilules à prescrire est celle qui minimise le nombre total des pilules z  x1  x2 .
Le programme linéaire qui modélise ce problème médical est donc le suivant :

Min x1  x2
s.c. 2 x1  x2  12
5 x1  8 x2  74
x1  6 x2  24
x1  0, x2  0
3.1.3. Exemple 3 : problème de production
Pour fabriquer deux produits P1 et P2 on doit effectuer des opérations sur trois machines M1,
M2 et M3, successivement mais dans un ordre quelconque. Les temps unitaires d’exécution
sont donnés par le tableau suivant :
M1 M2 M3
P1 11 mn 7 mn 6 mn
P2 9 mn 12 mn 16 mn
On supposera que les machines n’ont pas de temps d’inactivité.
La disponibilité pour chaque machine sont :
 165 heures (9900 minutes) pour la machine M1 ;
 140 heures (8400 minutes) pour la machine M2 ;
 160 heures (9600 minutes) pour la machine M3 .
Le produit P1 donne un profit unitaire de 900 dinars et le produit P2 un profit unitaire de 1000
dinars.
Dans ces conditions, combien doit-on fabriquer mensuellement de produits P1 et P2 pour avoir
un profit total maximum ?
Formulation en un PL :
Les variables de décisions sont :
 x1 : le nombre d’unités du produit P1 à fabriquer
 x2 : le nombre d’unités du produit P2 à fabriquer
Les contraintes outre les contraintes de non-négativité sont :

 11x1  9 x2  9900 pour la machine M1
 7 x1  12x2  8400 pour la machine M2
 6 x1  16x2  9600 pour la machine M3
Le profit à maximiser est : z  900x1  1000 x2

Le programme linéaire résultant est :
Max 900 x1  1000 x2
s.c. 11x1  9 x2  9900
7 x1  12 x2  8400
6 x1  16 x2  9600
x1  0, x2  0
3.1.4. Exemple 4 : Problème d’alimentation
On se propose de réaliser une alimentation économique pour des bestiaux, qui contient
obligatoirement 4 sortes de composants nutritifs, A, B, C et D. L’industrie alimentaire produit
précisément deux aliments M et N qui contiennent ces composants : 1 Kg d’aliment M contient
100 g de A, 100 g de C, 200 g de D ; 1 Kg d’aliment N contient 100 g de B, 200 g de C, 100 g
de D.
Un animal doit consommer par jour au moins : 0.4 Kg de A ; 0.6 Kg de B ; 2 Kg de C ; 1.7 Kg
de D. L’aliment M coûte 10 DT le Kg et N coûte 4 DT le Kg. Quelles quantités d’aliments M
et N doit-on utiliser par jour et par animal pour réaliser l’alimentation la moins coûteuse ?
Formulation en un PL :
On peut résumer toutes les données du problème dans le tableau suivant
M N Quantités prescrites
A 0.1 0 0.4
B 0 0.1 0.6
C 0.1 0.2 2
D 0.2 0.1 1.7
Coût 10 4
Ce genre de tableau peut aider à mieux analyser le problème et ainsi formuler le programme
linéaire correspondant.
Les variables de décision sont
 xM : la quantité d’aliments M à utiliser pour l’alimentation des deux bestiaux
 xN : la quantité d’aliments N à utiliser pour l’alimentation des deux bestiaux
Les contraintes de non-négativité sont x1  0, x2  0.
Le choix de cette quantité est contraint à la présence dans l’alimentation du composant
 A : 0.1 x1  0.4  x1  4
 B : 0.1 x2  0.6  x2  6
 C : 0.1 x1  0.2 x2  2  x1  2 x2  20

 D : 0.2 x1  0.1 x2  1.7  2 x1  x2  17
La fonction objectif est une fonction coût : z  10x1  4 x2 .

Le programme linéaire est un programme de minimisation :
Min 10 x1  4 x2
s.c. x1  4
x2  6
x1  2 x2  20
2 x1  x2  17
x1  0, x2  0
4. forme canonique d’un programme linéaire
𝑎11 𝑥1 + 𝑎12 𝑥2 + … … + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + … … + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
……………………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + … … + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚
Max Z = 𝑐1 𝑥1 + 𝑐2 𝑥2 + … … + 𝑐𝑛 𝑥𝑛
{ 𝑥1 ≥ 0 ; 𝑥2 ≥ 0 ; … . . ; 𝑥𝑛 ≥ 0
5. Mise sous forme standard
La mise sous forme standard consiste à introduire des variables supplémentaires (une pour
chaque contrainte) de manière a réécrire les inégalités (  ) sous la forme d'égalités. Chacune de
ces variables représente le nombre de ressources non utilisés. On les appelle variable d'écart.
La forme standard s'écrit donc :
Max c1 x1  c2 x2    c N x N
s.c a11 x1  a12 x2    a1 N x N  e1  b1
Max c t x
 a 21 x1  a 22 x2    a 2 N x N  e2  b2
s.c Axe  b

X  0, e  0
a M 1 x1  a M 2 x2    a MN x N  eM  bM
x1  0, x2  0, , x N  0
S1  0, S 2  0, , eM  0
6. Résolution de la programmation linéaire : PRIMAL
La programmation linéaire est une technique qui permet d’estimer le programme de production
optimal.
Un programme linéaire est composé :

- de variables positives ou nulles qui sont les inconnues (le nombre de produits à fabriquer
par exemple) ;
- d’une fonction économique à optimiser représentée par une équation correspondant soit
à un résultat à maximiser (la marge sur coût variable par exemple) soit à un coût à
minimiser ;
- de contraintes traduites par des inéquations linéaires qui expriment :
 le nombre de produits maximal ou minimal à fabriquer ou à vendre ;
 la consommation de facteurs rares de production (matières, heures machines,
…) tenant compte des limitations.
Le programme de production est présenté sous forme canonique.
La résolution d’un programme de production consiste à calculer la valeur des variables qui
optimise la fonction économique. Avant de résoudre un programme linéaire de production, il
est nécessaire d’écrire sa forme standard (transformer les inéquations en équations).
6.1. La méthode graphique
Cette méthode n’est valable que si le programme linéaire est écrit avec deux variables.
Le graphique permet de visualisé :
- Chaque contrainte correspondant à un demi-plan délimité par une droite ;
- La zone d’acceptabilité des contraintes représentée par un polygone. Tout point situé
autour de la zone d’acceptabilité correspond à un programme de production réalisable.
- Le point optimum est le point le plus éloigné de la droite de la fonction économique. Il
se situe à l’intersection de deux droites ou sur un des sommets du polygone. Ce point
est obtenu après la projection orthogonale de tous les points du polygone sur la droite
de la fonction économique.
NB : les contraintes de non négativité sont essentielles pour la résolution du programme.
6.1.1. Cas pratique corrigé
L’entreprise joralino-espoir fabrique deux produits P1 et P2
Eléments Prix de vente unitaire Coût variable unitaire Marge sur coût
variable
Produit P1 25,05 16,53 8 ,52F
Produit P2 39F 26,32F 12,68
D’après les estimations du service commercial, il serait possible compte tenu des prix pratiqués
de vendre 9.000 unités de P1 et 4.000 unités de P2. La fabrication des produits nécessite le
passage dans trois ateliers : les temps de passage en centièmes d’heures sont donnés ci-dessous :
Eléments Atelier A Atelier B Atelier C
Produit P1 0,2 0,2 0,3

¨Produit P2 0,4 0,3 0,3
Les capacités de fonctionnement des ateliers sont les suivantes :

 Atelier A : 2.400 heures de marche
 Atelier B : 2.400 heures de marche
 Atelier C : 3.000 heures de marche
Résolution
Soient x et y respectivement le nombre de produits P1 et P2 fabriqués.
Le programme linéaire s’écrit
0,2x + 0,4y ≤ 2.400 (1) contrainte technique de l’atelier A
0,2x + 0,3y ≤ 2.400 (2) contrainte technique de l’atelier B
0,3x +0,3y ≤ 3.000 (3) contrainte technique de l’atelier C
x ≤ 9.000 (4) contrainte de marché
y ≤ 4.000 (5)
x.y ≥ 0 contrainte de signes ( les quantités ne peuvent être négative)
Fonction objectif : MAX (8,52x +12,68y)
Un programme linéaire à deux variables peut faire l’objet d’une résolution graphique. Dès
que le nombre de variables est supérieur à deux (plus de deux produits dans la combinaison
productive), on utilise la méthode de simplexe
Résolution graphique
11
Produits P2 (en milliers)
D3
10
D2
9
D1
8
0 1 2 3 4 5 6 7 8 9 10 11 12
Produits P1 (en milliers)

Figure II.2.4 Programme optimal de production
(D1) : 0,2x + 0,4y = 2.400 implique que y = 0,5x + 6.000

(D2) : 0,2x + 0,3y = 2.400 implique que y = - 2/3x + 8.000

(D3) : 0,3x +0,3y = 3.000 implique que y = - x + 10.000

(D4) : x = 9.000
(D5) : y = 4.000
Tous les points situés sur une de ces droites représentent des combinaisons productives qui
saturent la contrainte. Le point M(1000 ;5.500) par exemple correspond à une combinaison
productive de 1.000 P1 et de 5.500P2 nécessitant le plein emploi de l’atelier A :
1.000 x 0,2 + 5.500 x 0,4 = 2400 h de fonctionnement
Chaque droite partage le plan en deux demi-plans dont un seul respecte la contrainte. Par
convention, on hachure la partie du plan qui ne ne convient pas. On obtient ainsi un polygone
(ABCDEF) qui détermine la zone d’acceptabilité ou domaines des possibles. Tous les points
situés dans le polygone correspondent à des combinaisons de P1 et de P2 qui respectent
l’ensemble des contraintes. Il ne reste qu’à déterminer la combinaison optimale, celle qui
maximise la marge sur coût variable. Elle peut être déterminée graphiquement ou par méthode
itérative
Approche graphique
L’équation qui donne le montant de la marge sur coût variable s’écrit :
8,52x +12,68y = C avec C une constante
Il existe une famille de droites parallèles représentant les différentes valeurs possibles de la
marge totale. Une de ces droites passe par l’origine (si on ne produit rien la marge est nulle).
Notons cette droite D. Elle a pour équation
8,52x + 12,68y = 0 implique y = - 0,67x
Les droites parallèles à D et situées à sa droite sur le graphique représentent une marge de plus
en plus importante. On cherche donc la droite parallèle à D la plus éloignée possible de l’origine
possédant un point compris dans la zone d’acceptabilité (confère la droite tracée en pointillée
sur la figure ci-dessus. Les coordonnées de ce point déterminent la combinaison productive
optimale. D’un point de vue pratique la technique consiste à tracer D puis à la « faire glisser »
vers la droite jusqu’au dernier point de contact avec le polygone. Dans notre exemple, la
solution optimale est donnée par le sommet D(8.000 ; 2000) pour maximiser sa marge tout en
respectant des contraintes l’entreprise doit produire 8.000 unités de P1 et 2.000 unités de P2.
La marge maximum s’élève à 93.520F
Méthode itérative
La solution optimale est en général un des sommets du domaine des possibles. Connaissant les
coordonnées de chaque sommet, on calcule la marge sur coût variable pour chaque combinaison
productive représentée et on choisit le sommet correspondant à la marge la plus élevée. Cette
méthode est souvent utilisée en complément de la méthode graphique afin de valider les
résultats obtenus.
Dans le problème de médecine, l’ensemble des solutions réalisables de base présente 4 points
extrêmes A(0,12), B(2,8), C(23/11,126/11) et D(24,0). La valeur de la fonction objectif
associée respectivement à A, B, C et D est 12, 10, 149/11 et 24. On vérifie bien que B est la
solution optimale du problème avec une valeur optimale égale à 10.

6.1.2. Exemples de résolution graphique de problèmes linéaires
Dans cette section on donne quelques relatifs au différents cas possibles :

Problème de maximisation
Max 100 x1  200 x2 x2 (2)

(4)
s.c. x1  x2  150 (1) A

B
4 x1  2 x2  440 (2)
110
C
(3)
x1  4 x2  480 (3) Z=0 30

D (1)
x1  90 (4) 40
E x1
x1  0, x2  0
la solution optimale est B(40,110)
Problème avec solution non bornée
Max - 2 x1  3x 2 x2
s.c. x1  5 (1) (2)
2 x1  3x 2  6 (2)
x1  0, x 2  0
5 x1
Z=0
(1)
On peut augmenter la valeur de la fonction objectif dans la direction des flèches indéfiniment
donc la solution est non bornée
Problème impossible

Min 3x1  2 x 2 x2
s.c. x1  2 x 2  2 (1)
2 x1  4 x 2  8 (2)
x1  0, x 2  0
x1
(2)
(1)
L’espace des solutions réalisables est vide, il est l’intersection des deux zones grises de la figure
ci-dessus
Problème à solutions multiples
Max x1  3x2 x2
(2)
s.c. 2 x1  6 x2  30 (1) (1)

A (3)
x1  10 (2) B
x2  4 (3)
10 x1
x1  0, x2  0
Z=0
L’ensemble des points décrit par le segment [AB] représente les solutions optimales du
problème linéaire
Problème de dégénerescence
Max x1  x2 x2
(2)
s.c. 3x1  2 x2  40 (1) (1)

B (3)
x1  10
A
(2)
x2  5 (3)
x1  0, x2  0 O C x1
Z=0
La solution optimale B(10,5) est dite dégénérée si trois contraintes concourent en ce point.

On peut donc retenir :

La programmation linéaire a pour objet de résoudre un problème économique :
- Optimiser (recherche d’un maximum ou d’un minimum) une fonction économique
de forme linéaire,
- Compte tenu de contraintes (équations et / ou inéquation linéaires).
6.2. Méthode du simplexe
La résolution graphique est inapplicable au-delà de deux variables. Aussi est-il nécessaire de
recourir à une autre méthode : la méthode du simplexe, dite également méthode des tableaux
ou méthode de Dantzig.
La méthode du simplexe est un algorithme de recherche d’une solution optimale d’un
programme linéaire donné. On se limitera, au cas de maximisation sous des contraintes du type
inférieur ou égal. On présentera la méthode du simplexe à l’aide d’un exemple illustratif et on
expliquera les itérations de la méthode à l’aide d’une analyse économique.
La mise en œuvre de la méthode du simplexe peut-être divisée en trois étapes :
Première étape : Mettre le modèle sous forme standard en y introduisant des variables d’écart
qui ont pour rôle de transformer les inégalités en égalités.
Deuxième étape : Etablir le premier tableau de simplexe (tableau à l’origine).
Troisième étape : Procéder à une série d’itérations sur les tableaux de simplexe aboutissant à
la solution optimale.
6.2.1. Etapes de résolution par simplexe
Cette méthode s’applique quel que soit le nombre des variables. La résolution du programme
s’opère en trois étapes principales :
 Transformer les inéquations en équations, en introduisant dans chacune d’elle une
variable d’écart (e), de coefficient 1, qui représente une capacité commerciale ou de
production inemployée.
 Présenter dans un tableau la solution de base par laquelle les variables (X et Y) sont
nulles et les variables d’écart égales à la valeur de saturation de la contrainte.
 Améliorer progressivement la solution de base par une suite d’itérations pour aboutir à
la solution optimale. La démarche est la suivante :
- Entrer dans la solution la variable (X ou Y) dont le coefficient est le plus élevé dans la
fonction économique ;
𝒗𝒂𝒍𝒆𝒖𝒓 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆
- Sortir de la solution la variable d’écart (e) dont le rapport : est le
𝒄𝒐𝒆𝒇𝒇𝒊𝒄𝒊𝒆𝒏𝒕
plus faible sans être négatif ;
- Calculer la valeur de la nouvelle solution (le détail des calculs présenté dans
l’application suivante).

6.2.2. Cas pratique 2 : corrigé:
Soit le programme de production suivant

MAXZ : 110x +85y

5x + 3y ≤ 360
3x + y ≤ 180
x + y ≤ 100
x≥0; y =≥0
NB
Un programme linéaire présenté avec des inégalités est sous forme canonique. Lorsqu’on
transforme les inégalités par introduction des variables d’écart le programme linéaire passe sous
la forme standard
Forme standard du programme

Désignons par e1 ; e2 ; et e3 les variables d’écart associés aux contraintes. Une variable d’écart
peut être interprétée par exemple comme étant la capacité non utilisée d’un facteur on a
MAX Z : 110x + 85y
5x + 3y + e1 + 0e2 +0e3= 360
3x + y + 0e1 + e2 + 0e3 = 180
x + y + 0 e1 + 0e1 + e3 = 100
(x, y, e1, e2, e3) = 0
Construction du 1er tableau de simplexe T1

5x +3y +e1 +0 e2 +0 e3 = 360
3x + y +0 e1 + e2 +0 e3 = 180
x + y + 0 e1 +0 e2 + 1 e3 = 100
MAX Z = 110x + 85y + 0 e1 + 0 e2 + 0 e3
(x,y,e1,e2,e3) = 0
T1 X Y e1 E2 e3 R B
e1 5 3 1 0 0 360 72
e2 3 1 0 1 0 180 60
e3 1 1 0 0 1 100 100
-Z 110 85 0 0 0 0
T2 X Y e1 E2 e3 R B
e1 0 4/3 1 -1/3 0 60 45
X 1 1/3 0 1/3 0 60 180
e3 0 2/3 0 -1/3 1 40 60
-Z 0 145/3 0 -110/3 0 -6600
T3 X Y e1 E2 e3 R B
Y 0 1 ¾ -5/4 0 45 -
X 1 0 -1/4 ¾ 0 45 60

e3 0 0 -1/2 ½ 1 10 20
-Z 0 0 -145/4 95/4 0 -8775
T5 X Y e1 E2 e3 R B
Y 0 1 70
X 1 0 30
e2 0 0 -1 1 2 20
-Z 0 0 -25/2 0 0 -95/2 -9.250
Passage de T1 à T2
 Colonne de pivot = colonne du plus fort coefficient économique : ici colonne de x
 Ligne du pivot = ligne du plus petit rapport positif des termes de la colonne R par ceux
correspondants de la colonne du pivot : ici ligne de e2
 La variable de la ligne du pivot sort de la base et cède sa place à la variable de la colonne
de pivot.
Remplissage de T2
Le pivot est remplacé par 1, les autres termes de la colonne de pivot par o. Les autres termes
de la ligne de pivot sont divisés par le pivot.
Les termes restants du tableau T2 sont déterminés à partir de ceux de T1 par la méthode de
rectangle
Principe du rectangle
C b c
C = c – a.b/p
T2 T2
A P a
C p c
Résultat
On produira 30 unités de x et 70 unités de y pour un chiffre d’affaire optimal de 9.250F
Capacité résiduelle
Il reste 20 unités de M2
Application 1:
La société anonyme « LAREM » fabrique deux produits P1 et P2 qu’elle vend à des grossistes
aux prix respectifs de 320F et 500 F.

La fabrication des produits P1 et P2 nécessite l’utilisation, dans un ordre quelconque de trois

types de machines notées M1, M2 et M3, pendant des temps exprimés en minutes dans le
tableau suivant :
Machines M1 M2 M3
Produits
P1 20 50 10
P2 30 50 40
Pour cette fabrication, ces machines sont disponibles au cours d’un mois :
300 heures pour les machines M1, 500 heures pour les machines M2 et 200 heures pour les
machines M3.
Les marges sur coûts variables, en pourcentage des prix de ventes, s’élèvent à 25 % pour P1,
20 % pour P2.
TAF :
1- Présenter un programme de production permettant d’obtenir la marge sur coût variable
maximale et le résoudre par la méthode graphique et par la méthode de simplexe
2- En déduire :
a- Le chiffre d’affaire prévisionnel mensuel.
b- Le coefficient moyen de marge sur coût variable par rapport au chiffre d’affaires de
l’ensemble des deux produits.
3- Indiquer pour ce programme de production :
a- Les machines pour lesquelles il y aura plein emploi ;
b- Dans quelle mesure l’entreprise pourrait accepter des travaux de sous-traitance à
faire sur l’un de ses types de machines.
Application 2
L’entreprise HACM fabrique trois types de produit par lot de 50. Le programme de
production se présente comme suit :
Lot A Lot B Lot C Capacité

Découpage 1 1,5 1 240
Emboutissage 0,5 0 1 120
Finition 2 1 1 240
MSCV 35 45 42
Déterminer les quantités à produire ; et transformer le programme en Dual puis en déduire les
solutions.
Application 3 :
Avec la quantité d’eau disponible, 80 hectares de terre sont irrigués. Pour la consommation
interne on doit cultiver au moins 20 ha en igname. Il faut trente hectares pour cultiver 1ha de
mil, 10 heures pour 1 ha de coton et 10 heures pour 1ha d’igname. On dispose de 1250 heures
machines allouées par le CADER. Les contraintes du marché ne permettent de cultiver qu’au

plus la moitié de l’exploitation en mil et coton. Les espérances de gain sont : 5 UM par ha de
mil, 2UM par ha de coton, 3UM par ha de fruitiers et 1UM par ha d’igname.
Donner la répartition optimale des quatre cultures afin de maximiser l’espérance de gain.
Déterminer ce gain.
Application 4:
L’industrie « LAREM-GROUP » est spécialisée dans la fabrication de trois produits dans

deux ateliers successifs tels que : un atelier de moulage/découpe et un atelier de
montage/finition.
Pour la période considérée, la capacité de travail disponible dans chacun des ateliers est de 420
unités d’œuvre pour l’atelier moulage/découpe et de 1500 unités d’œuvre pout l’atelier
montage/finition.
Les moyens nécessaires à la réalisation des produits finis sont regroupés dans le tableau ci-
après :
Ateliers Moulage/ découpe Montage/ finition
Produits
FAN 0,6 1
NOU 1,5 1,2
CHI 0,6 2,4
Le prix de vente d’un produit FAN est 1 500 F, d’un produit NOU est de 3 000 F et
d’un produit CHI est 3 500 F.
TAF : Déterminer la production de FAN, de NOU et CHI procurant le chiffre
d’affaires prévisionnel maximum. Quelle est alors l’activité des ateliers.
7. Programme de DUAL
Au niveau de chaque entreprise, chaque décideur est confronté à deux types d’optimisation : la
maximisation des flux monétaire entrant ou la minimisation des flux sortant. L’un est appelé
programme Primal (PP) et l’autre est appelé programme dual (PD). A l’équilibre du marché les
deux possèdent les mêmes valeurs appelé point scelle.
7.1. Formulation du Programme Duale
Il s’agit de déterminer les formules qui permettent de passer du programme primal au

programme dual.
1- si PP est une prise de décision du maximisation (minimisation) alors le PD est
minimisation (maximisation)
2- on associe à chaque contrainte principale une variable duale, si la contrainte primale est
de l’inégalité, la variable duale est positive si non, elle est de signe quelconque.
3- A chaque variable primale, correspond une contrainte duale. Si la variable primale est
positive la contrainte duale est une inégalité, sinon c’est égalité

4- Les seconds membres du programme primal deviennent les coefficients de la fonction

du dual et réciproquement.
5- Le coefficient de la variable xj dans la combinaison i devient dans le dual le coefficient
ui dans la contrainte j
7.2. Définition
La forme d’un programme linéaire de type maximisation est

Max zc x
S.C Ax  b PL1
x  0 avec x, b , c des vecteurs de dimensions respectives n, m et n , et A une
matrice de dimension m, n
On appelle programme dual de PL1 , le programme linéaire suivant :
Min w  bt y
S.C t
A.Y  ct
y0
t
avec y un vecteur de dimension m et A la transposée de la matrice
A.
Le programme PL1 est appelé programme Primal.
Pour passer du primal au dual, on remarque que :
a ) Les termes du second membre deviennent les coefficients de la fonction objectif et
réciproquement.
b ) Le problème de maximisation devient un problème de minimisation.
c ) Les inégalités "  " deviennent des inégalités "  "
d ) La matrice A se transforme en sa transposée.
Problème d’agriculture
Un agriculteur veut allouer 150 hectares de surface irrigable entre culture de tomates et celles
de piments. Il dispose de 480 heures de main d’œuvre et de 440 m3 d’eau. Un hectare de
tomates demande 1 heure de main d’œuvre, 4 m3 d’eau et donne un bénéfice net de 100 dinars.
Un hectare de piments demande 4 heures de main d’œuvre, 2 m3 d’eau et donne un bénéfice
net de 200 dinars.
Le bureau du périmètre irrigué veut protéger le prix des tomates et ne lui permet pas de cultiver
plus de 90 hectares de tomates. Quelle est la meilleure allocation de ses ressources ?
7.3. Règle de résolution du Primal
Soit P1 le programme primal P2 son dual

- Le nombre de variables dual est égal au nombre de contraintes du primal P1.
- Le nombre de contraintes du dual P2 est égal au nombre de variables du primal P1

- Les coefficients économiques des colonnes du primal P1 sont les coefficients des lignes du
dual P2 et vis versa.
- Les coefficients de la fonction économique du primal P1 sont les seconds membres des
contraintes du dual P2 et vis versa.
- Si P1 est de type II alors P2 est de type I et vis versa.
- A chaque contrainte du primal P1 on peut affecter une variable du dual P2 et vis versa.
Ainsi à l’optimum :
- A une contrainte non saturée de P1 correspond une variable nulle de P2 et vis versa
- A une variable optimale non nulle de P2 correspond une contrainte saturée de P1 et
vis versa
- A l’optimum les fonctions économiques de P1 et de P2 sont égales
Application 5
Reprendre l’application 1 : Répondre à la question : Dans quelle mesure l’entreprise pourrait

accepter des travaux de sous-traitance à faire sur l’un de ses types de machines ( utilisé
les deux méthodes : graphique et simplexe)
Application 6
La société joralino spécialisée dans la production des produits à base d’aloès, plante d’Afrique
cultivée aussi en Asie et en Amérique, dispose de deux fabriques dans la sous-région.
La société BENINALOES peut produire 200 flacons de produit Aloès Afrique (noté A1), 100
flacons de produit Aloès Asie (noté A2) et 1300 flacons de produit Aloès Amérique (noté A3),
par mois.
La société NIGERIANALOES quant à elle, peut produire par mois 200 flacons de produit A1,
400 flacons de produits A2 et 700 flacons de produits A3.
Une étude de marché montre que la société joralino a besoin d’au moins 12 000 flacons de
produit A1, 8000 flacons de produit A2 et 45 500 flacons de produit A3.
Les coûts de production par mois d’activité sont évalués à 6 500 000 F pour BENINALOES et
13 000 000 F pour NIGERIANALOES.
Le directeur commercial de joralino cherche à déterminer le temps de production de chacun des
deux fabriques qui lui permet de minimiser son coût total de production compte tenu des
contraintes créées par ses objectifs.
TAF
1- Procéder à la mise en équation du problème
2- Résoudre le problème par la méthode du simplexe.
3- En analysant la situation à l’optimum, évaluer le surplus de produit de chaque type.
4- Une estimation des besoins de joralino en produit A2 a montré qu’elle a plus besoin de
8 100 flacons de ce produit. Quel serait alors le montant du surcoût à l’optimum.

8. Cas particulier de résolution de programmation linéaire
Voir prise de note lors du déroulement du cours
- Résolution de programme maximisation avec des contraintes mixtes

- Résolution de programme maximisation avec des contrainte égalité et des contrainte
infériorité
- Résolution de programme minimisation avec simplexe
Application 7
Pour financer l’expansion de son acticité suit à l’évolution de la demande sur le marché et son
incapacité faire face à cette demande ; la société joralino-espoir a fait l’évaluation suivante des
éléments d’actif qui lui sont nécessaires.
Actif immobiliser 1 600 000 ; valeur d’exploitation 400 000 ; réalisable et disponible 5 00 000
Pour financer cet d’actif, elle peut recourir aux moyens de financement suivants :
- Capitaux propres : les apporteurs de capitaux propres ne peuvent apporter un montant
supérieur à 1 400 000. Compte tenu de la rémunération minimale à assurer à ces
capitaux, on estime à 5% leur coût annuel après impôt.
- Un emprunt à long terme : dont le taux de revient, compte tenu des frais annexes serait
de 16% avant impôt. Le montant emprunté ainsi ne pourrait excéder 6 00 000.
- Des dettes à court terme : le crédit fournisseur devrait permettre de financer la moitié
des valeurs d’exploitation (son coût est considéré comme nul).
- Un crédit bancaire à court terme : au taux de 14% avant impôt pourrai fournir le
financement complémentaire.
- Les contraintes suivantes de financement doivent être respectées :
 Le fonds de roulement permanent doit être positif.
 Le ratio de trésorerie générale ou liquidité générale doit être au moins égal à 0,5
ainsi que le ratio d’autonomie financière (rapport entre capitaux propre et le total
du passif)
TAF
a) Formaliser le problème sous forme d’un programme de production linéaire
(objectif étant de minimiser le coût annuel du financement ; taux d’imposition
50%)
b) Présenter les tableaux de simplexe pouvant conduire à l’obtention de la solution
optimal

TD 1 : Programmation linéaire
Cas 1
Programmation linéaire. Résolution par l'algorithme du simplexe (d'après le sujet de BTS)

L'entreprise Duralumin fabrique pour les entreprises de quincaillerie des pièces en inox. Ces
pièces sont de trois types : A, B et C. Elles sont fabriquées par lots de 50 dans un atelier où sont
rassemblées deux machines pour la découpe de l'inox, une machine pour l'emboutissage, deux
machines pour le polissage et la finition. Chaque machine fonctionne 120 heures par mois.
Les charges variables de fabrication sont rassemblées dans le tableau suivant :
Coût de l'heure Lot A Lot B Lot C

Découpe 20 F 1h 1,5 h 1,5 h
Emboutissage 30 F 0,5 h 1h
Polissage et finition 40 F 2h 1h 1h
Inox 50 F 85 F 68 F
Prix de vente (hors taxe) 200 F 200 F 210 F
1. Établir le programme linéaire sous forme canonique.

2. Présenter les deux premiers tableaux de résolution par la méthode du simplexe.
3. Interpréter le dernier tableau qui est fourni en annexe.
 Annexe : dernier tableau de résolution
Variables de base x1 x2 x3 e1 e2 e3 Valeur des variables de

base
x2 0 1 1 1 0 -0,5 120
e2 0 0 1 0,25 1 -0,375 90
x1 1 0 0 -0,5 0 0,75 60
MCV 0 0 -3 -27,5 0 -3,75 -7 500
Cas 2
M. Joralino-espoir fabrique et commercialise des fromages de brebis. Dans le cadre d'une étude
globale de la performance de son exploitation, il se demande s'il ne peut pas mieux utiliser son
outil de production. Pour vous permettre de lui donner votre avis, on vous communique un
descriptif du processus de fabrication et un certain nombre de données relatives à l'exercice N-
1 qui vous sont fournies en annexe.
A. M. Joralino-espoir voudrait connaître le programme de production qui lui aurait permis en
N-1 de maximiser sa marge sur coûts variables et donc son résultat.
1. Présenter sous forme canonique le programme linéaire reprenant les contraintes
énoncées dans l'annexe et la fonction économique à maximiser.
2. Résoudre graphiquement ce programme.

B. Il serait possible d'accroître la production de fromage de brebis au-delà de l'optimum calculé

en A., à condition d'agir sur les principales contraintes.
1. Si l'on avait augmenté cette production en confiant l'affinage de la production
supplémentaire de fromage de brebis à un sous-traitant, au prix de 5 F par kg, quels
auraient été la marge sur coûts variables et le résultat maximal de la fromagerie ?
 Annexe : programme de production
L'entreprise fabrique trois types de fromages par tommes de 5 kg :
- le fromage de brebis (B) ;
- le fromage de vache (V) ;
- le fromage mixte brebis-vache (M).
 Données de N-1 :
Fromage Production Marge sur coût variable unitaire
B 5 800 tommes 82 F
V 4 000 tommes 38 F
M 1 800 tommes 61 F
 Contraintes :
Le programme de production sera déterminé en fixant le niveau de production et de vente de
M à 3 000 unités.
Contraintes commerciales :
- Ventes de B limitées à 10 000 unités
- Ventes de V limitées à 5 000 unités
Contraintes d'approvisionnement
Il est possible de collecter au maximum 261 250 litres de lait de brebis, mais il n'y a aucune
contrainte d'approvisionnement en lait de vache.
La consommation laitière (volume de lait nécessaire à la fabrication d'un type de fromage) est
de :
- 27,5 litres de lait de brebis pour B
- 45 litres de lait de vache pour V
10 litres de lait de brebis et 28 litres de lait de vache pour M.
Contraintes de production
Une entreprise peut transformer au maximum, trois cuves de 1 000 litres de lait par jour.
L'atelier fonctionne 5 jours par semaine. Il est fermé 5 semaines consécutives par an pour
congés.
Le rendement fromager (nombre de fromages par cuve) est de :
- 36 fromages pour B ;
- 22 fromages pour V ;
- 26 fromages pour M.
Contraintes d'affinage
La cave a une capacité de stockage de 3 000 fromages. La durée d'affinage est de :
- 120 jours pour B ;
- 45 jours pour V ;

- 75 jours pour M.
Par souci de simplification, on considérera que la mise en affinage peut être répartie
uniformément sur l'année (prise pour 360 jours).
Cas 3
La société V a pour objet l’extraction et la distribution de matériaux de carrière.

Elle doit assurer, pour des travaux routiers, la fourniture aux Ponts & Chaussées de graviers en
divers calibres.
Un marché portant sur les quantités suivantes :
– Graviers calibre 1 : 13 500 tonnes,
– Graviers calibre 2 : 11 200 tonnes,
– Graviers calibre 3 : 5 000 tonnes.
a été adjugé pour un prix global de facturation.
La Société exploite deux carrières P1 et P2 louées à une société civile qui perçoit une redevance
par tonne de pierre extraite. Celle-ci est la suivante :
– Pour P1 : 19,40 € par tonne,
– Pour P2 : 20 € par tonne.
Après extraction, la pierre est concassée. Les graviers ainsi obtenus sont triés selon leur calibre.
Chaque tonne de pierre fournit les quantités suivantes de graviers (exprimées en tonnes) :
– Pierre de P1 :
W Graviers calibre 1 : 0,36 tonne,
W Graviers calibre 3 : 0,16 tonne.
– Pierre de P2 :
W Graviers calibre 3 : 0,10 tonne.
(Le complément à une tonne représente du sable, actuellement considéré comme déchet sans
valeur marchande).
La direction souhaite définir son programme d’extraction de pierre de P 1 et de P2 de façon à
minimiser le coût des redevances à la société civile.
1. Présenter le programme linéaire correspondant sous la forme canonique.
2. Donner une solution graphique.
3. L’optimisation de programme conduit-elle à produire des graviers en excédent par rapport
aux tonnages adjugés ? Justifier la réponse.
cas 4
Pour financer l’expansion de son acticité suit à l’évolution de la demande sur le marché et son
incapacité faire face à cette demande ; la société joralino-espoir a fait l’évaluation suivante des
éléments d’actif qui lui sont nécessaires.
Actif immobiliser 1 600 000 ; valeur d’exploitation 400 000 ; réalisable et disponible 5 00 000

Pour financer cet d’actif, elle peut recourir aux moyens de financement suivants :
- Capitaux propres : les apporteurs de capitaux propres ne peuvent apporter un montant
supérieur à 1 400 000. Compte tenu de la rémunération minimale à assurer à ces
capitaux, on estime à 5% leur coût annuel après impôt.
- Un emprunt à long terme : dont le taux de revient, compte tenu des frais annexes serait
de 16% avant impôt. Le montant emprunté ainsi ne pourrait excéder 6 00 000.
- Des dettes à court terme : le crédit fournisseur devrait permettre de financer la moitié
des valeurs d’exploitation (son coût est considéré comme nul).
- Un crédit bancaire à court terme : au taux de 14% avant impôt pourrai fournir le
financement complémentaire.
- Les contraintes suivantes de financement doivent être respectées :
 Le fonds de roulement permanent doit être positif.
 Le ratio de trésorerie générale ou liquidité générale doit être au moins égal à 0,5
ainsi que le ratio d’autonomie financière (rapport entre capitaux propre et le total
du passif)
TAF
c) Formaliser le problème sous forme d’un programme de production linéaire
(objectif étant de minimiser le coût annuel du financement ; taux d’imposition
50%)
d) Présenter les tableaux de simplexe pouvant conduire à l’obtention de la solution
optimal
Cas 5
En réalité la société joralino-espoir est une entreprise agricole. Elle doit choisir entre deux
types d’engrais A et B pour fertiliser les terres. Celles-ci requièrent au moins 60Kg de
potassium, 120kg de calcium et 90kg de sodium par hectare.
Dans un paquet de A il y a 1kg de potassium, 3kg de calcium et 3kg de sodium
Dans un paquet de B, il y a 2 kg de potassium, 2kg de calcium et 1kg de Sodium.
 TAF :
e) Quelles sont les quantités optimales de A et B à utiliser par hectare si le prix des
paquets est de 100f, pour A et pour B (solution graphique)
f) Ecrire et résoudre le DUAL et en donner l’interprétation économique
Cas 6
L'usine de Trappes (Yvelines) de la société joralino-espoir est spécialisée dans la fabrication

de trois sèche-mains électriques "anti-vandalisme". Comme celle de Bondoufle, il s'agit d'une
petite unité de production et elle est organisée de la même façon.
Depuis plusieurs mois, le PDG de la société reproche au Directeur de cette usine la faiblesse
des résultats obtenus. Il estime que les moyens de cette usine ne sont pas employés de façon
efficiente.

Le Directeur de l'usine réplique de façon systématique qu'il manque de moyens pour réaliser
un volume de production permettant d'améliorer le résultat. Il demande des moyens financiers
pour réaliser des investissements supplémentaires.
Pour avancer sur cette question, le PDG vous demande de réaliser une étude d'optimisation de
l'activité de cette usine. Pour réaliser cette étude, vous avez décidé de vous fonder sur les
données de 2008 et de déterminer s'il était possible d'obtenir un meilleur résultat avec les mêmes
moyens.
Travail à faire
 1. Expliquer pourquoi, pour optimiser le résultat, il est nécessaire d'établir une fonction
économique visant à maximiser la marge sur coût variable.
 2. Justifier la décision qui a été prise de fixer le programme de production du modèle
Tornade à 4 000 unités.
 3. Le programme de production du modèle Tornade ayant été fixé à 4 000, calculer les
capacités des ateliers de peinture, montage et CEE (Contrôle – Emballage – Expédition)
restant disponibles pour les produits Buffalo et Ouragan.
 4. Présenter, sous forme canonique, le programme linéaire prenant en compte les données
rassemblées dans l'annexe 5.
 5. Résoudre graphiquement ce programme linéaire
 6. Calculer le résultat optimisé de l'usine et comparer le au résultat réel de 2008.
 7. Le résultat optimal pourrait-il être amélioré ?
 Dans l'affirmative, et sans faire de calculs, à quelles conditions ?
Annexe
Temps de MOD par produit
Activité
Buffalo Ouragan Tornade
Montage 15 mn 30 mn 30 mn
CEE (Contrôle-Emballage-Expédition) 30 mn 45 mn 45 mn
Synthèse des données d'exploitation de l'usine de Trappes pour 2008

L'usine de Trappes est spécialisée dans la fabrication des trois modèles suivants de la gamme
"anti-vandalisme" :
- Buffalo,
- Ouragan,
- Tornade.
Les données caractéristiques de l'exploitation en 2008 sont résumées dans le tableau suivant
(montants unitaires) :
Les quantités vendues ont été :
- Buffalo 6 900 unités
- Ouragan 6 000 unités
- Tornade 3 100 unités
Les temps de fabrication sont :

Le temps de peinture unitaire est identique pour chaque produit.

Les capacités disponibles sont les suivantes :

Atelier de peinture : 16 000 unités
Atelier de montage 6 300 heures
Atelier CEE 10 500 heures
Une étude de marché a établi que l'entreprise pouvait vendre :
- Buffalo 8 500 unités
- Ouragan 6 500 unités
- Tornade 4 000 unités
Pour cette étude d'optimisation, il a été décidé de fixer a priori le programme de fabrication du
modèle Tornade à 4 000 unités.
Les charges fixes resteront inchangées.
Cas 7 : BFE 2008
La société CAFIR-SA est spécialisée dans la fabrication des casiers en plastique. La production
du mois de juillet portera exclusivement sur des casiers de bière, de Fanta et de coca-cola Géant
et nécessite l’utilisation d’un intrant spécial : KX16. La société pour ce mois dispose en stock
d’une quantité limitée de KX16, suffisante pour exactement de 8000 casiers de bière.
Cependant, la SOBRBRA qui est l’unique client du mois ne peut acheter qu’au plus 2 000 de
bière, à condition au moins 2 000 casier de bière, à condition qu’on lui livre également au moins
2000 casiers de Fanta et au moins 1000 casiers de coca-cola à Géant.
Un casier de coca-cola Géant nécessite 2 fois plus de KX16 qu’un casier de Fanta et 1,5
fois plus de KX16 qu’un casier de bière. Les marges bénéficiaires sont les suivantes : 1000
F pour un casier de bière, 600F pour un casier de Fanta et 500 F pour un casier de coca-cola
Géant.
1- Justifier que la contrainte lié au KX16 peut s’écrire sous la forme
4x + 3y + 6z ≤ 32 000
2- Présenter une formulation mathématique du problème de maximisation du résultat de la
société CAFIR-SA.
3- En procédant à un changement de variable approprié, résoudre le problème linéaire et
en déduire le programme de production optimale pour le mois de juillet 2008 et le
résultat correspondant.
4- L’optimisation amène-t-elle la société CAFIR-SA à utiliser entièrement le stock
disponible de l(intrant KX16 ? justifier.
Cas 8 : BFE (2011)
Dame Ablawa est une vendeuse au marché Dantokpa (Cotonou). Pour relancer ses activités,
elle a besoin d’un financement d’au moins 3 000 000F. Elle s’adresse pour cela à deux
institutions de Micro finance (IMF) : IMFA et IMFB dont les conditions sont les suivantes :
- IMFA : plafond : 1 500 000 francs et taux annuel 15%
- IMFB : plafond : 2 500 000 francs et taux annuel 16%

Dame Ablawa aimerait savoir le montant à emprunter auprès de chaque IMF de manière
à minimiser le montant total des intérêts générés en un an. Soit x le montant à emprunter chez
l’IMFA et y le montant emprunté chez l’IMFB.
1/ formaliser le problème de Dame Ablawa sous la forme d’un programme linéaire
2/ résoudre par la méthode graphique le programme linéaire ci-dessus puis donner le montant
que Dame Ablawa doit emprunter chez chaque IMF.
CAS 9 :
Monsieur Dadjo veut investir au maximum 1 200 000 F dans des obligations de types A et B.
les obligations A rapportent 10% d’intérêt tandis que les obligations B rapportent 12%.
Monsieur Dadjo exige que son investissement dans les obligations A n’excède pas la moitié de
son investissement dans les obligations B ; en plus il désire investir au moins 500 000F dans
les obligations A et au moins 200 000F dans les obligations B. Monsieur Dadjo désire
maximiser les intérêts de son placement.
Soit x le montant à investir dans les obligations de type A et y le montant à investir dans les
obligations de type B.
1/ Ecrire le programme linéaire relatif au problème ci-dessus.
2/ quelle somme doit-il investir dans chaque type d’obligation pour maximiser les intérêts de
son placement ?
Cas 10
Le gouvernement Béninois vient accorder une licence d’exploitation à la société YOMAC

corporation, spécialisée en raffinerie.
YOMAC corporation projette d’installer une raffinerie de pétrole à Cotonou. Dans une
raffinerie, le pétrole brut sera d’abord traité dans une unité de distillation à la sortie de laquelle
on obtiendra 30% d’essence et 70% de fuel.
Une partie de fuel obtenu sera ensuite traité dans une unité de « cracking » qui eb transformera
40% en essence. Les études ont montré que le coût de la distillation du pétrole brut est de 120
centaines de francs par tonnes et celui du « cracking » de 150 centaines de francs par litre.
Par ailleurs, la raffinerie doit fournir au minimum 4000 tonnes d’essence par jour et au moins
4000 tonnes de fuel par jour.
YOMAC corporation cherche à déterminer les quantités de brut à distiller et de fuel à
« craquer » pour satisfaire ses contraintes au moindre coût.
1-a) procéder à la mise en équation du problème posé sous forme canonique et sous forme
standard.
b) donner une interprétation concrète des variables d’écart utilisées dans la forme
standard.
2/ déterminer la solution optimale et donner une interprétation concrète des valeurs
obtenues pour les variables d’écart à l’optimum.

Cas 11 : Problème électrique (OPM3001)
Un revendeur d’électricité a promis à sa clientèle qu’au moins 25% de son électricité

serait d’origine renouvelable. Il a calculé que pour l’année qui arrive il aura un marché de 18
TWh (térawatt heure). Il a aussi présélectionné trois fournisseurs qui vont acheter son électricité
en gros. Voici les quantités (en TWh), le taux d’électricité renouvelable et la marge dégagée
(en k euro/TWh) que peuvent lui fournir ces trois producteurs.
% d’électricité Quantité Marge (k Euro/TWh)
renouvelable d’électricité
achetable (TWh)
Producteur 1 10 % 25 900
Chez quels producteurs et en quelle quantité ce revendeur doit-il acheter son électricité
pour avoir le meilleur bénéfice possible ?
Cas 12
Un plan communal prévoit de développer trois C1, C2 et C3, sur un Domaine D en

hectares réservé à ce sujet. Si l’on développe seulement la culture C3 sur D, on peut en tirer
80 000 tonnes ; cependant, la commune estime que la demande ne peut excéder 20 000 tonnes.
De plus, les commandes en cours exigent au moins 20 000 tonnes C1 et au moins 10 000 tonnes
de C2. Les conditions technico-pédologiques sont celles qu’une tonne de la culture C2 occupe
2 hectares de plus que si c’était C1 et 1,5 hectare de plus que si c’était C 3. Des prévisions de
vente pour la campagne en cours, il ressort que la tonne de C1 rapporte 600 unités de compte,
la tonne de C2 rapporte 500 unités de compte et la tonne de C3 1 000 unités de compte.
Etant entendu que la commune veut maximiser le revenu tiré des trois produits, on
demande de :
1) Traduire par un modèle approprié le problème de la commune
2) Résoudre le modèle manuellement
3) Préciser le nombre de tonnes prévisibles de chaque produit (Cj)
4) Donner le total des ventes prévisionnelles
5) Préciser le résultat net d’exploitation de la campagne, sachant que la commune a investi
au total 54 000 000 unités de compte pour la campagne.

ANNEXE : table de loi normale
t 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,500 0 0,504 0 0,508 0 0,512 0 0,516 0 0,519 9 0,523 9 0,527 9 0,531 9 0,535 9
0,1 0,539 8 0,543 8 0,547 8 0,551 7 0,555 7 0,559 6 0,563 6 0,567 5 0,571 4 0,575 3
0,2 0,579 3 0,583 2 0,587 1 0,591 0 0,594 8 0,598 7 0,602 6 0,606 4 0,610 3 0,614 1
0,3 0,617 9 0,621 7 0,625 5 0,629 3 0,633 1 0,636 8 0,640 6 0,644 3 0,648 0 0,651 7
0,4 0,655 4 0,659 1 0,662 8 0,666 4 0,670 0 0,673 6 0,677 2 0,680 8 0,684 4 0,687 9
0,5 0,691 5 0,695 0 0,698 5 0,701 9 0,705 4 0,708 8 0,712 3 0,715 7 0,719 0 0,722 4
0,6 0,725 7 0,729 1 0,732 4 0,735 7 0,738 9 0,742 2 0,745 4 0,748 6 0,751 7 0,754 9
0,7 0,758 0 0,761 1 0,764 2 0,767 3 0,770 3 0,773 4 0,776 4 0,779 3 0,782 3 0,785 2
0,8 0,788 1 0,791 0 0,793 9 0,796 7 0,799 5 0,802 3 0,805 1 0,807 8 0,810 6 0,813 3
0,9 0,815 9 0,818 6 0,821 2 0,823 8 0,826 4 0,828 9 0,831 5 0,834 0 0,836 5 0,838 9
1,0 0,841 3 0,843 8 0,846 1 0,848 5 0,850 8 0,853 1 0,855 4 0,857 7 0,859 9 0,862 1
1,1 0,864 3 0,866 5 0,868 6 0,870 8 0,872 9 0,874 9 0,877 0 0,879 0 0,881 0 0,883 0
1,2 0,884 9 0,886 9 0,888 8 0,890 6 0,892 5 0,894 3 0,896 2 0,898 0 0,899 7 0,901 5
1,3 0,903 2 0,904 9 0,906 6 0,908 2 0,909 9 0,911 5 0,913 1 0,914 7 0,916 2 0,917 7
1,4 0,919 2 0,920 7 0,922 2 0,923 6 0,925 1 0,926 5 0,927 9 0,929 2 0,930 6 0,931 9
1,5 0,933 2 0,934 5 0,935 7 0,937 0 0,938 2 0,939 4 0,940 6 0,941 8 0,942 9 0,944 1
1,6 0,945 2 0,946 3 0,947 4 0,948 4 0,949 5 0,950 5 0,951 5 0,952 5 0,953 5 0,954 5
1,7 0,955 4 0,956 4 0,957 3 0,958 2 0,959 1 0,959 9 0,960 8 0,961 6 0,962 5 0,963 3
1,8 0,964 1 0,964 9 0,965 6 0,966 4 0,967 1 0,967 8 0,968 6 0,969 3 0,969 9 0,970 6
1,9 0,971 3 0,971 9 0,972 6 0,973 2 0,973 8 0,974 4 0,975 0 0,975 6 0,976 1 0,976 7
2,0 0,977 2 0,977 8 0,978 3 0,978 8 0,979 3 0,979 8 0,980 3 0,980 8 0,981 2 0,981 7
2,1 0,982 1 0,982 6 0,983 0 0,983 4 0,983 8 0,984 2 0,984 6 0,985 0 0,985 4 0,985 7
2,2 0,986 1 0,986 4 0,986 8 0,987 1 0,987 5 0,987 8 0,988 1 0,988 4 0,988 7 0,989 0
2,3 0,989 3 0,989 6 0,989 8 0,990 1 0,990 4 0,990 6 0,990 9 0,991 1 0,991 3 0,991 6
2,4 0,991 8 0,992 0 0,992 2 0,992 5 0,992 7 0,992 9 0,993 1 0,993 2 0,993 4 0,993 6
2,5 0,993 8 0,994 0 0,994 1 0,994 3 0,994 5 0,994 6 0,994 8 0,994 9 0,995 1 0,995 2
2,6 0,995 3 0,995 5 0,995 6 0,995 7 0,995 9 0,996 0 0,996 1 0,996 2 0,996 3 0,996 4
2,7 0,996 5 0,996 6 0,996 7 0,996 8 0,996 9 0,997 0 0,997 1 0,997 2 0,997 3 0,997 4
2,8 0,997 4 0,997 5 0,997 6 0,997 7 0,997 7 0,997 8 0,997 9 0,997 9 0,998 0 0,998 1
2,9 0,998 1 0,998 2 0,998 2 0,998 3 0,998 4 0,998 4 0,998 5 0,998 5 0,998 6 0,998 6
t 0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
30,998 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999
650 035 317 523 671 776 850 902 938 962
40,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999 0,999
964 975 982 987 990 993 994 995 995 996
La table donne les valeurs (t) pour t positif ; lorsque t est négatif, il faut prendre le complément
à l'unité de la valeur lue dans la table.

Exemple : pour t = - 1,2 (-1,2) = 1 - (1,2) = 1 – 0,8849 = 0,

CHAPITRE 2 : LA THEORIE DES GRAPHES
Préambule
La théorie des graphes est un puissant efficace instrument au service de la mise en évidence de
la résolution d’un certains nombres de problèmes ou de situations qui se posent aux
gestionnaires d’une entreprise ou d’organisation en général.
On peut citer comme problème les transferts de fonds, les transports, les problèmes
d’ordonnancement. La théorie des graphes est donc un précieux outil d’aide à la prise de
décision.
A l’image de toute bonne théorie la théorie des graphes à son langage et ses concepts propres.
1. Concepts de base de la théorie des graphes
1.1. La notion de graphe
Un graphe se définit comme un ensemble de sommets, d’objets ou de tâches à réaliser qui

sont reliés entre eux. Soit à considérer un ensemble fini x d’éléments 𝑥1, 𝑥2 , 𝑥3 … … . . 𝑥𝑛 et
une relation R qui est une loi qui lie ou qui fait correspondre à chacun des éléments de
l’ensemble X un ou plusieurs autres éléments du même ensemble x.
On appelle graphe le couple 𝐺 = (𝑋, 𝑅) avec R une application ou une correspondance

multivoque de X dans X.
G  x1 ; x2 ; x1 ; x3 ; x1 ; x4 ; x2 ; x1 ; x2 ; x2 ; x2 ; x3 ... 

Lorsque la relation entre les sommets du graphe est une relation orientée on dit que le graphe
est orienté.
1.2. Notion de relation
La notion de relation intervient aussi bien dans la vie courante que dans les activités socio-
économiques plus précisément, la notion de relation est à la base de l’explication de beaucoup
de processus dans le monde. On dit par exemple qu’il y a une relation entre monsieur X et
monsieur Y tout comme il existe une relation entre le niveau de production d’un bien et la
quantité des facteurs qui entrent dans sa fabrication.
Les relations sont souvent définies d’un ensemble vers un autre ensemble ou bien dans un même
ensemble. Dans le premier cas le premier ensemble est appelé ensemble de départ et le second
ensemble, l’ensemble d’arrivé.
Etant donné un ensemble K composé d’un certain nombre d’éléments et un ensemble P. on
considère la relation R définit de K P. cette relation sera appelée application lorsque à
chaque élément de K (ensemble de départ) est en relation avec un élément de l’ensemble P.
Si un élément de ‘a’ de l’ensemble de départ est en relation avec un élément ‘b’ de l’ensemble
d’arrivé, ‘a’ est appelé antécédent et ‘b’ est appelé image de ‘a’. nous utilisons une flèche pour
signifier que ‘b’ est en relation avec ‘a’. a R
b. La relation R sera une application
si tous les éléments de K sont liés à un élément de P

1.3. Notion d’arc et d’arrête
La relation entre les couples de sommet d’un graphe peut être un arc ou une arrête.
1.3.1. Arc
Lorsque la relation qui lie deux sommets xi et x j est orientée c’est –à- dire matérialisée par une
flèche allant de xi (sommet initial ou extrémité initiale) à x j (extrémité terminale) ou vice versa
on dit que cette relation est un arc.
xi xj
Ou
xj xi
NB : Par convention un arc est toujours orienté de la gauche vers la droite.
1.3.2. Arrête
Lorsque la relation entre deux sommets xi et x j n’est pas orientée c’est-à-dire que l’on puisse
aller de xi à x j et de x j à xi on dit qu’on a une arrête.
xi xj
Ou
Xj xi
NB : Une arrête est donc un arc non orienté.
1.4. Notion des sommets adjacents
Deux sommets sont adjacents lorsque ces sommets sont reliés par un arc.
1.5. Notion de chemin
On appelle chemin une suite non vide d’arc telle que l’extrémité terminale coïncide avec
l’extrémité initiale du suivant (exception faite du dernier arc).
Il y a plusieurs types de chemin :
1.5.1. Chemin élémentaire
C’est un chemin qui ne passe pas plus d’une fois par chacun des sommets qui le compose.
1.5.2. Chemin simple.
C’est un chemin qui passe une et une seule fois par chacun des arcs qui le compose.

1.5.3. Chemin hamiltonien
Un chemin est dit hamiltonien lorsqu’il passe une et une seule fois par chacun des sommets du
graphe.
1.5.4. Chemin-préhamiltonien
C’est un chemin qui passe au moins une fois par tous les sommets du graphe.
1.5.5. Chemin eulérien
C’est un chemin qui passe une et une seule fois par chacun des arcs du graphe.
1.5.6. Chemin pré eulérien
C’est un chemin qui passe au moins une fois par tous les arcs du graphe.
NB : La longueur d’un chemin est le nombre d’arcs qui compose ce chemin.
1.6. Notion de circuit
C’est un chemin fermé c’est-à-dire un chemin dont l’extrémité initiale du premier arc coïncide
avec l’extrémité terminale du dernier arc.
NB : Un circuit peut être aussi bien élémentaire, simple, hamiltonien et préhamiltonien.
1.7. Boucle
Une boucle est une relation qui lie un sommet à lui-même, c’est donc un arc dont l’extrémité
initiale coïncide avec son extrémité terminale. On dit que c’est un circuit de longueur un (01).
1.8. Notion de précédent
On appelle précédent de xi tous sommets xj extrémité initiale d’un arc dont l’extrémité
terminale est xi.
A
B C
D
B est le précédent immédiat de C.
1.9. Notion de suivant
On appelle suivant de xi tous sommets xj extrémité terminale d’un arc dont l’extrémité initiale
est xi.
B est le suivant de A
C est le suivant de B
D est le suivant de C

1.10. Notion de chaîne
Une chaîne est une succession non vide d’arrête.
1.11. Notion de cycle
C’est une chaîne fermée.
NB : Une chaîne (respectivement un cycle) peut être aussi bien hamiltonien, préhamiltonien,
eulérien et aussi bien pré eulérien.
2. Les différentes représentations d’un graphe
Il y a plusieurs façons de représenter un graphe : On a la représentation sagittale, la

représentation matricielle, la représentation sous forme de dictionnaire des précédents et des
suivants.
2.1. Représentation sagittale
Du latin sagitta qui veut dire flèche, cette représentation est constituée des flèches c’est-à-dire
d’arcs et des sommets.
Exemple
C K
A B G
E F
D
NB : Cette forme de représentation est beaucoup plus appréciée pour son caractère visuel.
L’application sera dite bijective si à chaque élément de l’ensemble d’arrivée aboutit une et une
seule flèche. Les relations peuvent être représentées de plusieurs façons notamment par les
flèches ou représentation sagittale.
Considérons maintenant un seul ensemble K = a, b, c, d, e et la relation R définie
Dans K tel que nous ayons la représentation graphique ci-après :

a
x
b a a
y
c b b
t
d c c
z
d d
s
e e
Cette représentation est dite sagittale ou par flèche.
2.2. La représentation matricielle
2.2.1. La représentation matricielle simple
Cette représentation est matérialisée par la symbolisation en termes de croix (x), des relations
entre deux ou plusieurs tâches c’est-à-dire que les arcs sont matérialisés par des croix.
Exemple
Sommet extrémité
X1 X2 X3 X4 X5 X6
Sommet origine X1 x x
X2 x
X3 x x
X4 x
X5 x x
X6
2.2.2. La matrice en arc
Cette forme de représentation matricielle est dite explicite car elle fait apparaitre clairement
tous les arcs du graphe.
Sommet extrémité

X1 X2 X3 X4 X5 X6
X1 X1 X2 X1 X4 X1 X5
Sommet origine X2 X2X4
X3 X3 X4 X3 X6
X4 X4X6
X5 X5X3 X5 X6
X6
2.2.3. La matrice booléenne
C’est une matrice carrée d’ordre n avec à l’intersection de ses lignes et de ses colonnes le chiffre
1 ou le chiffre 0 suivant qu’il existe ou non d’arc ayant pour extrémité initiale le sommet de la
ligne et pour extrémité terminale le sommet de la colonne.
x1 x2 x3 x4 x5 x6
x1 0 1 0 0 1 0
x2 0 0 0 1 0 0
x3 0 0 0 1 0 1
x4 0 0 0 0 0 1
x5 0 0 1 0 0 1
x6 0 0 0 0 0 0
Cette matrice se lit dans les deux sens. Une lecture en colonne donne le dictionnaire des
précédents immédiats tandis qu’une lecture en ligne donne le dictionnaire des suivants
immédiats.
Exemple
La lecture de la colonne x1 nous révèle que la tâche x1 n’a pas de précédent. La lecture de la
colonne x2 nous révèle que le précédent immédiat de x2 est x1. La lecture de la ligne x6 nous
révèle que x6 n’a pas de suivant. La lecture de la ligne x3 nous révèle que les suivants immédiats
de x3 sont x4 et x6.
NB : la représentation matricielle est beaucoup plus utilisée par les informaticiens.
La matrice booléenne élimine par excellence les redondances.

2.3. La représentation sous forme de dictionnaire
2.3.1. Le dictionnaire des précédents
C’est un tableau qui répertorie en face de chaque sommet ou tâche tous ses précédents.
Tâches (x) Précédents P(x)
x1 -
x2 x1
x3 x5
x4 x2, x3
x5 x1
x6 x3, x4, x5
NB : A partir du dictionnaire des précédents on peut construire le dictionnaire des suivants et

vice versa.
2.3.2. Le dictionnaire des suivants
C’est le tableau qui énumère pour chaque sommet ou tâche ses suivants :
Tâches (x) Suivants S(x)
x1 x2, x5
x2 x4
x3 x4, x6
x4 x6
x5 x3, x6
x6 -
Application 1
A partir de la représentation sagittale ci-dessous procéder autre formes de représentations (sous

forme matricielle et sous de dictionnaire).

Ainsi dans l’exemple ci-dessus on a :
𝑥3
𝑥2
𝑥1
𝑥4
𝑥5
𝑥6 𝑥7
3. Niveau des sommets d’un graphe
Avant de pouvoir représenter au mieux un graphe il s’avère primordial de classer ses sommets
par ordre croissant de niveau (ou de rang) de la gauche vers la droite.
On appelle niveau le nombre d’arc qui sépare cette tâche du début du graphe en passant par le
chemin le plus long. La classification par niveau se fait de plusieurs façons :
3.1. La détermination des niveaux des sommets par le dictionnaire des précédents
Activité
La réalisation d’un projet nécessite la mise en œuvre de neuf tâches dont les conditions
d’antériorité sont les suivantes :
Tâches x Tâches antérieures P(x)
A -
B A
C A, D
D -
E A, C
F A, C, E, H
G A, B, C
H D

I A, C, G
Déterminer les niveaux des sommets.
Pour représenter un graphe il est nécessaire de supprimer les contraintes redondantes ou les
redondances. Pour se faire on détermine avant tous le dictionnaire des tâches
immédiatement antérieures qu’on utilisera ensuite le reste du temps.
Tâches immédiatement antérieures

Tâches (x) Tâches antérieures P(x)
(TIA)
A - -
B A A
C A, D A, D
D - -
E A, C C
F A, C, E, H E, H
G A, B, C B, C
H D D
I A, C, G G
Niveau 0 : {𝐴, 𝐷}
Tâches immédiatement
Tâches x
antérieures
A -
B A
C A, D
D -
E C
F E, H

G B, C
H D
I G
Niveau 1 : {𝐵, 𝐶, 𝐻}
Niveau 2 : {𝐸, 𝐺}
Niveau 3 : {𝐹, 𝐼}
Les tâches de niveau zéro (0) sont les tâches qui n’ont pas de précédent immédiat. On
élimine les tâches de niveau 0 du dictionnaire et les tâches qui se retrouvent sans précédent
sont classées pour être de niveau 1. Ensuite on élimine les tâches de niveau 1 du dictionnaire
puis les tâches qui se retrouvent sans précédent sont classées pour être du niveau 2 et ainsi
de suite. On s’arrête lorsque toutes les tâches sont classées.
3.2. Détermination des niveaux des sommets par la matrice booléenne.
Même activité
Niveau 0 : {𝐴, 𝐷}
Niveau 1 : {𝐵, 𝐶, 𝐻}
Niveau 2 : {𝐸, 𝐺}
Niveau 3 : {𝐹, 𝐼}
A B C D E F G H I
A 0 1 1 0 0 0 0 0 0
B 0 0 0 0 0 0 1 0 0
C 0 0 0 0 1 0 1 0 0
D 0 0 1 0 0 0 0 1 0
E 0 0 0 0 0 1 0 0 0
F 0 0 0 0 0 0 0 0 0
G 0 0 0 0 0 0 0 0 1
H 0 0 0 0 0 1 0 0 0
I 0 0 0 0 0 0 0 0 0
Total 1 0 1 2 0 1 2 2 1 1

Total 2 0 0 1 2 2 0 1
Total 3 0 1 0 1
Total 4 0 0
Procédures
Après avoir constituée la matrice booléenne on trouve le total de chaque colonne. Les tâches de
niveau zéro seront les tâches qui ont un total 0 au niveau de leur colonne. Ensuite on élimine
les lignes des tâches de niveau 0 de la matrice booléenne puis on refait le total colonne par
colonne. Les colonnes qui ont un total 0 permettent de déterminer les tâches de niveau 1. On
élimine ensuite les lignes des tâches de niveau 1 et on refait le calcul ainsi de suite. On s’arrête
lorsque toutes les tâches sont répertoriées.
Application 2 :
Vous êtes stagiaire au sein de l’entreprise « JORALINO ESPOIR » et votre directeur de stage
Mr AJS, chargé de l’exécution du projet X, met à votre disposition les informations suivantes.
Tâches Intitulés Relations Durée en
d’antériorité semaines
A Obtention d’un permis - 4
d’exploitation
B Construction d’une route jusqu’au A 8
site
C Installation des foreuses A 5
D Construction de batiments - 2
provisoires
E Construction de pipe-line A, C 12
F Acheminement des matériaux A, C, E 4
lourds
G Installation d’un puits A, B, C, J 7
H Installation des matériaux lourds D 10
I Sélection de la main d’œuvre A, B, C, D, E, F, G, 6
locale H, J
J Construction des logements A, C 5
TAF :
1- Déterminer les taches immédiatement antérieures
2- Déterminer de deux manières le niveau des taches

4. Les chemins extrémaux
Il s’agit de déterminer pour un graphe donné le chemin le plus long ou le chemin le plus court.
4.1. Le chemin le plus long
Considérons un graphe valué donné et soit D et F deux sommets tel que l’on ait D sommet de
départ et F sommet terminé. En allant de D à F on associe à chaque sommet x une marque qui
n’est rien d’autre que la valeur du chemin de valeur maximale aboutissant à cette tâche. La
marque se note m (x) et est déterminée par l’algorithme de FORD.
m (x) = Max [𝒎(𝒚) + 𝑳(𝒙, 𝒚)]
avec y l’ensemble des sommets antérieurs à x
NB : Par convention on retient que la marque du sommet de départ d’un graphe est nulle. Le
chemin le plus long est celui dont l’agrégation des valeurs des sommets qui le compose est le
plus grand. On peut avoir plusieurs chemins qualifiés de plus long si ces chemins ont la même
valeur et la plus grande. La valeur du chemin le plus long est toujours celle de la marque du
sommet terminal du graphe et le chemin le plus long est celui qui a permis la détermination de
cette marque.
Application 3
Soit à considérer le graphe valué suivant :
C 5 I 3
10 5 4
7
A 4
E B F
7 4
10 4
G
D 7 H 4
Déterminer les marques de tous les sommets du graphe valué suivant et donner à chaque fois le
chemin le plus long et sa valeur.
a) A-B b) C-F c) D-F d) A-F
4.2. Le chemin le plus court
Soit un graphe valué donné dont le sommet origine est D et le sommet terminal est F. Le chemin
le plus court est le chemin de plus petite valeur. Il est déterminé en appliquant la formule de
FORD suivante :

m (x) = Min [𝒎(𝒚) + 𝑳(𝒙, 𝒚)]
avec y l’ensemble des sommets antérieurs à x.
5. Les méthodes d’ordonnancement
5.1. Analyse en réseau
L’analyse en réseau est une des applications de la théorie des graphes à un ensemble de taches
que l’on veut réaliser. Elle est devenue un outil précieux de gestion et de prise de décision dans
les entreprises. Son objectif est de gérer rationnellement le temps imparti à un projet ou un
programme et par conséquent les couts liés à ce projet, à ce programme.
Les domaines d’application de l’analyse en réseau sont très variés allant du plus simple au plus
complexe. Comme exemple on peut citer :
- Organisation d’une manifestation (colloque, conférence, foire)
- Les travaux de recherche
- Réalisation de gros investissements dans l’entreprise.
Trois principales méthodes interviennent dans l’analyse en réseaux à savoir :
- La méthode du chemin critique (Mcc) ou critical Path Method (CPM)
- La Méthode PERT (Programme Evaluation and Review Technic)
- La méthode des réserves ou méthodes des potentiels métros (MPM) ou potential
méthode (PM)
5.2. Démarche méthodologique
L’analyse en réseau exige trois grandes étapes :

 Il s’agit d’analyser de façon globale le projet à entreprendre, en vue de cerner les
différents contours.
 Décomposer ou dégager l’ensemble du processus en dessous processus (taches ou
activités) cette étape est sanctionné par une énumération exhaustive de toutes les taches
ou activités concourant à la réalisation du projet ou programme.
 Analyser les relations structurelles et fonctionnelles entre les différentes taches identifiées
cette étape est sanctionnée par l’établissement clair des relations verticales et horizontales
qui existent entre les différentes taches ou sous-processus. A ce niveau, les taches peuvent
être classées en quatre catégories.
6. GANT ou diagramme de GANT.
La méthode de GANT a pour objectif de mettre en évidence à l’image d’un chronogramme la

durée des tâches et leur positionnement relatif.
Exemple : Diagramme de GANT
Durée 1 2 3 4 5 6 7
tâches
A

B
C
D
E
6.1. Les avantages de la méthode de GANT
Elle est extrêmement claire et compréhensible pour tous. Elle permet de suivre le déroulement
des tâches dans le temps. Elle permet aussi de faire la synthèse des projets.
6.2. Les inconvénients de la méthode de GANT
Elle ne permet pas la détermination du chemin critique. Sa mise à jour n’est pas une chose aisée
et les tâches critiques ni sont pas mise en évidence.
7. Notion de chemin et de chemin critique
Un chemin est une suite de taches autrement dit, un chemin est une suite de flèches.
On appelle chemin critique d’un graphe, celui qui à la plus longue durée.
Le chemin critique donne la durée totale du projet. Les taches et les évènements situés sur le
chemin critique sont dits critiques c’est-à-dire qu’à leurs niveaux aucun retard n’est toléré au
risque d’être répercuté proportionnellement sur la durée totale du projet. De même si on veut
accélérer le projet (réduction de durée), il faut agir sur les taches critiques. Mais se faisant,
d’autres chemins critiques peuvent apparaitre et il faudra les prendre en compte. Le chemin
critique est matérialisé sur les graphes par les flèches surlignées (rendre gras ou deux traits par
flèches).La recherche du chemin critique nécessite le calcul préalable des dates au plus tôt et
des dates au plus tard de chaque tâche.
Définition : On appelle tâche critique, toute tâche dont la date de début au plus tôt coïncide
avec sa date de début au plus tard.
Xi est critique si et seulement si t (xi) = T(xi)
On appelle chemin critique, tout chemin qui ne comporte que des tâches critiques.
Remarque importante : toute tâche critique est à surveiller de très près, car tout retard
sur son démarrage entraîne absolument un retard sur la fin du projet.
8. La méthode MPM
8.1. Conventions de représentation
 Un sommet correspond à une tâche.

 Un arc défini une relation d’antériorité.
 La valeur de l’arc correspond au temps minimum séparant deux tâches successives.
 Chaque sommet de la représentation graphique est figuré dans un rectangle ou dans
un carré.

Date de début au plus tôt Tx Tx* Date de début au plus tard
X
ou Symbole de la tâche
Tx Tx*
Pour deux sommets qui se suivent ou adjacent on a ce qui suit :
TA TA* TB TB* Durée de

Durée de
A A B B
La tâche A précède la tâche B et doit prendre fin avant que la tâche B ne commence.
8.2. Tracé du graphe
Les sommets sont organisés par niveau de façon à éviter du maximum les croisements entre
arc, la durée de chaque tâche étant portée sur les arcs.
Un sommet noté fin termine le graphe. C’est l’aboutissement de toutes les tâches sans suivant
du graphe.
Exemple
13 17 2 15 19
2 2 B6 2 5 E I 2
0 0
A
8 8 13 13 19 19 2 21 21
2 D 5 G Fin
2 2 6 H
C 6 5 13 18 3
F
8.2.1. Le calendrier au plus tôt des tâches
La date de début au plus tôt d’une tâche est la date au plus tôt à laquelle cette tâche peut
commencer sans remettre en cause la durée totale du projet. Notons qu’une tâche ne peut
débuter en principe que lorsque toutes les tâches qui y aboutissent sont terminées. Par
convention la date de début au plus tôt d’une tâche de niveau 0 est 0.

La date de début au plus tôt d’une tâche correspond à la valeur du chemin de valeur maximale
aboutissant à cette tâche. Sa détermination se fait en utilisant l’algorithme de FORD qui est la
marque.
Ty - dy Tx - dx
Tx Y
= x
Max [Ty + L (x,y)]
Avec Y l’ensemble des tâches antérieures à x
Exemple :
O
A 2
4
4 K
O
V
8.2.2. Le calendrier au plus tard des tâches
La date de début au plus tard d’une tâche est la date à laquelle la tâche commence sans remettre
en cause la date de fin du projet qui nécessite sa réalisation. Cette date s’obtient en partant des
niveaux les plus élevés vers les niveaux les plus faibles du graphe.
Ty 𝑇𝑦∗ dy Tx 𝑇𝑥∗ dx
y x
𝑇𝑦∗ = 𝑀𝑖𝑛[𝑇𝑥∗ − 𝐿(𝑥, 𝑦)]
Avec x l’ensemble des suivants de y
Exemple
6 4 10
K B
4 15

Application 4
Le programme MSTCF veut étendre ses capacités d’accueils en construisant une nouvelle salle
de cours pour ses étudiants. L’analyse de ce projet fait ressortir 8 taches A, B, C, D, E, F, G, et
H dont les durées et l’ordre de déroulement se résument comme suit :
TACHES INTITULE Durée (en mois) Taches antérieures

A Construction des voies d’accès 3
B Commande de matériel 5
C Finition du plan 2 A
D construction 3 C, A
E Branchement eau et électricité 4 D, C, A
F Installations internes 2 B, E, D, C, A
G Construction de la cours de 5 D, C, A
récréation
H Clôture du domaine 2 G, D, C, A
TAF :
1) – Eliminer les redondances et déterminer les taches immédiatement antérieures et leur
niveau
2) – tracer le graphe d’ordonnancement du projet suivant la méthode MPM
Application 5 :
Vous êtes stagiaire au sein de l’entreprise « JORALINO ESPOIR » et votre directeur de stage
Mr AJS, chargé de l’exécution du projet X, met à votre disposition les informations suivantes.
Tâches Intitulés Relations Durée en
d’antériorité semaines
A Obtention d’un permis - 4
d’exploitation
B Construction d’une route jusqu’au A 8
site
C Installation des foreuses A 5
D Construction de batiments - 2
provisoires
E Construction de pipe-line A, C 12
F Acheminement des matériaux A, C, E 4
lourds
G Installation d’un puits A, B, C, J 7
H Installation des matériaux lourds D 10
I Sélection de la main d’œuvre A, B, C, D, E, F, G, 6
locale H, J
J Construction des logements A, C 5

TAF :
Construit le graphe d’ordonnancement de ce projet par la Méthode des Potentiels Métra, puis
détermine le chemin critique.
8.3. Méthode MPM :Marges totales et marges libres
8.3.1. Marge totale
Encore appelée marge de flottement c’est la plus grande marge qui soit. Elle est le retard
maximum que l’on peut accuser dans l’exécution d’une tache pour ne pas remettre en cause les
dates de début au plus tard des tâches qui suivent (sans retarder la fin du projet)
𝑀𝑇 (𝑥) = 𝑇𝑥∗ − 𝑇𝑥
Si 𝑇𝑥∗ ≥ 𝑇𝑥 = 𝑀𝑇 (𝑥) ≥ 𝑂
8.3.2. Marge libre
Pour une tâche donnée la marge libre est le retard maximum que l’on peut accuser par rapport
au démarrage de son exécution sans remettre en cause les dates de début au plus tôt des taches
suivantes.
𝑀𝐿(𝑥) = 𝑀𝑖𝑛[𝑇𝑦 − 𝐿(𝑥, 𝑦)] − 𝑇𝑥

Avec y l’ensemble des suivants de x
Application 6
Déterminer les marges libres et les marges totales des tâches du graphe de l’application 5
8.4. Récapitulatif pour la présentation du réseau MPM
 Pour une tâche critique la date de début au plus tôt est égale à la date de début au plus
tard et la marge libre est égale à la marge totale qui est égale à zéro. Il en est ainsi parce
que la réalisation de ces tâches critiques ne doit souffrir d’aucun retard.
 Tout retard enregistré dans l’exécution d’une tâche critique entraîne un retard identique
au niveau de la durée totale du projet en question.
 La réduction de la durée d’une tâche critique n’entraîne pas nécessairement la
diminution de la durée totale du projet (s’il y a plusieurs chemins critiques).
 La durée d’une tâche non critique peut varier dans la limite de sa marge totale sans
remettre en cause la durée totale du projet, mais au-delà cela peut avoir des
conséquences sur la durée du projet.

Application 7 corrigée: problème de construction de l’entrepôt
Tâches A B C D E F G H I J
Durées en jours 4 2 1 1 2 2 2 10 4 1
Taches antérieures - - A AB A AC DF AE G HI
niveaux 0 0 1 1 1 2 3 2 4 5
MT(x) 0 7 3 5 0 3 3 0 3 0
ML(x) 0 2 0 2 0 0 0 0 3 0
Graphe M.P.M
6 6 16 16 17 17
4 4
0 0 H J FIN
E
A
4 7
9 12
C 5 8
I
F
0 7 4 9
B D 7 10
G
Le chemin critique : A- E – H- J
Les tâches critiques sont : A, E, H et J. La durée minimale de réalisation du projet est
de 17 jours.
9. Conventions, règles et principes
9.1. Convention
La construction des plans (graphes) se fait sur la base d’un certain nombre de convention dans
les symboles et significations se présentent comme suit :
Symboles Signification caractéristiques

Evènement ou sommet de Quelque chose qui arrive
Ou graphe. Ex : Début ou fin de ponctuellement et n’a pas de durée
tache

Arc ou flèche ou processus ou C’est quelque chose qui se passe entre
taches (ou activité). C’est ce qui deux évènements et à qui on attribue
lie deux éléments ou ce qui se une durée
passe entre deux éléments
1 2 1
2
D(1,2) avec
qui est début, = fin et D(1,2)
durée de la tache
--------------- Tache ou processus imaginaire N’a pas de durée
9.2. Règles et principes de la méthode PERT
La construction des graphes d’ordonnancement se fait suivant des règles et principes qui
peuvent se résumer comme suit :
N Règles Faux Ce qu’il faut faire

1 Les flèches d’un
graphe d’ordre sont A
1 2 1 2
orientées de la
gauche vers la droite
g d
2 Tout graphe Soient 4 taches A,B ,C et D

2
d’ordonnancement A B A B
commence par un
seul évènement et se C D
termine par un et un 1
4
seul évènement C D
3 Entre deux A
évènements, il y a B A
une flèche et une
seule flèche (tache)
B

4 Eviter le plus C on peut démarrer C à la fin de A au
possible les taches même moment que B
imaginaires.
A D A C D
B B
5 Les arcs ou les

flèches de liaison A B 2
sont toujours 1 2 3 A B
rectilignes 1
3
C
6 Eviter le plus
possible les 2 F
croisements des A E
flèches B 2
F
1 4 A
3
C D 1 C D 4
B
3
Ou
10. La méthode PERT
Du point de vue graphe, la méthode PERT ne diffère pas de la méthode MPM. Les deux
méthodes sont appelées méthodes de graphe avec activité sur les flèches. Fondamentalement
les deux méthodes diffèrent l’une de l’autre du point de vue des durées attribuées aux taches et
du domaine d’application.
La méthode PERT permet d’évaluer la durée de réalisation d'un projet complexe et de détecter
les parties de ce projet ne supportant aucun retard. Elle résout des problèmes appelés
10.1. Les conventions de représentation
La représentation d’un graphe se rapportant à la méthode PERT nécessite le respect des

consignes suivantes :

* Tout arc correspond à une tâche.
* La valeur de l’arc correspond à la durée de la tâche.
* Un sommet (ou évènement) représente une étape de réalisation du projet. Toutes les tâches
qui y aboutissent doivent prendre fin pour que toutes les tâches qui en partent puissent
commencer. Les étapes du projet sont représentées par des cercles.
date de début au
plus tôt de l’étape n
Date de début au
Plus tard de l’étape n
A
𝑇𝑛∗ C
Tn
n
B K
Pour une meilleure représentation sagittale du réseau PERT, il est quelque fois obligatoire
d’introduire des tâches fictives ou virtuelles de durée nulle et des étapes fictives ou virtuelles
aussi.
NB : Les tâches fictives et les étapes fictives sont représentées en pointillés.
𝑇𝑛 𝑇𝑛∗
𝑛 Tâche fictive
étape fictive
a) Soit à représenter le graphe PERT des contraintes d’antériorité suivante :
Tâches (x) Tâches antérieures
A C
B C, H
La représentation suivante est erronée.
C A
1
H B

La représentation suivante est bonne (meilleure)
C A
H B
b) Soit à représenter le graphe PERT des contraintes d’antériorité suivante :
Tâches (x) Tâches antérieures
A C
B C, H
K H
C A
H K
C) Deux arcs (tâches) ne peuvent avoir à la fois la même origine et la même extrémité.
1 2

Pour cela on peut avoir ce qui suit :
A
α(o)
1
B
Ou
A α(o)
1
B
10.2. Tracé du graphe
La représentation est ordonnée du niveau allant du plus faible au plus élevé. Un sommet noté
début et un sommet noté fin sont rajoutés au graphe.
Exemple
7 15 19
9
2 5
o o A(2) 2 2 ß(o) I(2)
Début α(0)
1
19 19
9 9 13 G(6) 6 21 21
3 13
D(4) 4 F(3) Fin
10.2.1. Calendrier au plus tôt des étapes.
La date de début au plus tôt d’une étape n est la date au plus tôt à laquelle cette étape peut
commencer. C’est la valeur du chemin de valeur maximale aboutissant à cette étape.
𝑇𝑚 𝑇𝑚∗ X (dx)
𝑚 L (m ; n) 𝑇𝑚∗
𝑇𝑛 = 𝑀𝑎𝑥 [𝑇𝑚 + 𝐿(𝑚, 𝑛)]

10.2.2. Calendrier au plus tôt des tâches.
Pour une tâche x donnée sa date de début au plus tôt est égale à la date de début au plus tôt de
l’étape d’où elle prend départ.
Il s’ensuit donc que 𝑇𝑥 = 𝑇𝑚
10.2.3. Calendrier au plus tard des étapes
Pour une étape donnée la date de début au plus tard est la date de début au plus tard à laquelle
cette étape devra commencer pour ne pas remettre en cause la date de fin du projet. Cette date
est déterminée en partant des niveaux les plus élevés vers les niveaux les plus faibles du graphe.
𝑇𝑚 𝑇𝑚∗ X (dx)
𝑚 L (m ; n) 𝑇𝑚∗
𝑇𝑚∗ = 𝑀𝑖𝑛[𝑇𝑛∗ − 𝐿(𝑚, 𝑛)]

avec n l′ ensemble des suivants de m
10.2.4. Calendrier au plus tard des tâches
Pour une tâche x sa date de début au plus tard est égale à la date de début au plus tard de l’étape
où elle aboutit diminué de sa durée
𝑇𝑥∗ = 𝑇𝑛∗ − 𝑑𝑥 = 𝑇𝑛∗ − 𝐿(𝑚, 𝑛)
Application 8
Déterminer les calendriers au plus tôt et au plus tard des étapes du graphe de l’application
5 puis en déduire les calendriers au plus tôt et au plus tard des tâches.
10.3. Méthode PERT : Marges totales et marges libres
10.3.1. Marge totale
C’est le retard maximum que l’on peut prendre dans la mise route d’une tâche sans remettre
en cause les dates de début au plus tard des tâches suivantes donc sans remettre en cause la
date du projet.
𝑇𝑚 𝑇𝑚∗ x (dx)
𝑚 𝑇𝑚∗n
L (m ; n)

𝑀𝑇 (𝑥) = 𝑇𝑛∗ − 𝑑𝑥 − 𝑇𝑚 ou
𝑀𝑇(𝑥) = 𝑇𝑛∗ − 𝐿(𝑚, 𝑛) − 𝑇𝑚
10.3.2. Marge libre
C’est le retard maximum que l’on peut prendre dans la mise route d’une tâche sans remettre en
cause les dates de début au plus tôt des tâches suivantes donc sans remettre en cause la date du
projet.
𝑀𝐿 (𝑥) = [𝑇𝑛 − 𝑑𝑥 − 𝑇𝑚] ou
𝑀𝐿 (𝑥) = [𝑇𝑛 − 𝐿(𝑚, 𝑛) − 𝑇𝑚]
Application 9
Déterminer les marges libres et totales des tâches de l’application 8
10.4. Récapitulatif pour la construction du graphe PERT :
Pour construire un graphe PERT dans le cas général, on procèdera de la manière suivante :
1) Détermination des niveaux des tâches
On attribuera le niveau 0 aux tâches qui n'ont pas de tâche antérieure.
On attribuera le niveau 1 aux tâches dont les tâches antérieures sont de niveau 0.
On déterminera ainsi le niveau de chaque tâche : les tâches de niveau k+1 seront les
tâches
Dont les tâches antérieures sont de niveau inférieur avec au moins une tâche de niveau k
parmi elles.
On construira le graphe en traçant les tâches par ordre de niveau croissant.
2) Tâches commençantes, finissantes, convergentes
Avant de se lancer dans la construction du graphe, il sera souvent utile de détecter les
tâches dites commençantes, finissantes ou convergentes.
Les tâches commençantes sont les tâches sans tâche antérieure, elles partent du sommet 1 du
graphe (appelé entrée du graphe).
Les tâches finissantes sont les tâches qui ne sont pas tâche antérieure, elles arrivent au sommet
terminal du graphe (appelé sortie).
Les tâches convergentes sont des tâches que l'on rencontre toujours ensemble (i.e. jamais l'une
sans l'autre) dans la colonne "tâches antérieures"; dans le graphe, elles auront le même sommet
terminal.

11. La méthode perte probabiliste
11.1. Au niveau de la durée des taches
La méthode dite MPM utilise des durées uniques pour chaque tache supposée connue
avec certitude dite déterministe. Par contre la méthode PERT utilise des durées probabilistes.
A chaque tache on attribue trois durée : la première notée ‘a’ est appelée durée optimiste c’est-
à-dire le cas où tout se passerait comme prévu. La deuxième notée ‘m’est appelée durée
probable et la troisième notée ‘b’ est appelée durée pessimiste c’est –à-dire le cas où les
imprévus ou des risques apparaitraient.
11.2. Au point de vue domaine d’application
La méthode MPM est utilisée pour des projets sans risque dont l’avancement est facile
à évaluer quantitativement (pourcentage) autrement dit les projets ne comportant pas de risque ;
tandis que la méthode PERT est appliqué aux projets de recherche et développement.
11.3. Les paramètres de PERT et leur calcule
Les durées des taches sont au nombre de trois pour chaque tâches :
- Durée a = optimiste
- Durée b = pessimiste
- Durée m = probable
En général 𝑎 ≤ 𝑚 ≤ 𝑏
Pour tracer le graphe PERT, il faut une durée unique pour chaque activité obtenue de la façon
suivante :
𝐚+𝟒𝐦+𝐛
𝐭𝐞 = = E(x); 𝑡𝑒 est le temps espéré. Il est aussi appelé durée moyenne. C’est
𝟔
𝑡𝑒
Qui sera utilisée sur le graphe. Les durées 𝑡𝑒 ne sont plus déterministes car étant des moyennes,
donc avec des écarts-types.
A côté de la durée espérée, il faut également déterminer pour chaque durée moyenne l’écart
standard noté 𝜎𝑡𝑒 et calculé comme suit :
𝒃−𝒂
𝝈𝒕𝒆 = ( )
𝟔
Nous aurons besoins pour chaque tache de la variation standard de chaque durée moyenne.
𝟐
𝒃−𝒂 𝟐
𝝈𝒕𝒆 = ( )
𝟔
Ces calculs sont basés sur un certain nombre d’hypothèses à savoir :

1- La durée d’une activité est indépendante de celle des autres
2- Les durées a, m, b d’une activité suivent une distribution beta
3- Les durées espérées te suivent une distribution normale.

11.4. La loi normale
La loi normale ou loi de Laplace-Gauss modélise les variables aléatoires qui résultent de
nombreuses causes indépendantes dont les effets s’additionnent, sans que l’une soit
prépondérante. Cette loi est la plus répandue car elle traduit la complexité des phénomènes
physiques et socio-économique souvent distribués normalement.
11.4.1. Fonction de densité
Voir prise de note lors du déroulement du cours
11.4.2. Loi normale centrée réduite
Si une variable aléatoire continue X suit une loi normale N (m, 𝜎), alors la variable
𝑋−𝑚
𝑇= Suit la loi normale centrée réduite N (0,1). Ce théorème permet de limiter l’étude
𝜎
des lois normales à celle de la loi normale centrée réduite pour laquelle il existe une table. La
variable T étant continue 𝑷(𝑻 ≤ 𝒕) = 𝑷(𝑻 < 𝑡).
Voir prise de note pour les propriétés
Le calcul de P (T≤ t), noté également π (t), se fonde sur les propriétés suivantes :
La fonction est paire et sa courbe est symétrique par rapport à l’axe des ordonnées.
L’aire comprise entre la courbe et l’axe des abscisses est égale à 1.
𝝅(𝟎) = 0,5 ; donc si 𝝅(𝒕) < 0,5 t est négatif
𝝅(−𝒕) = 𝟏 − 𝝅(𝒕)
𝑷(𝑻 ≤ 𝒕) = 𝑷(𝑻 < 𝑡) = 𝝅(𝒕);
𝑷(𝑻 > 𝑡) = 𝟏 − 𝑷(𝑻 ≤ 𝒕) = 𝟏 − 𝝅(𝒕)
𝑷(−𝒂 ≤ 𝑻 ≤ 𝒂) = 𝟐 𝝅(𝒕) − 𝟏
|𝑷(𝑿 − 𝒂) < 𝑈| = b −𝑼 ≤ 𝑿 − 𝒂 < 𝑈
Application 10
L’entreprise joralino espoir décide de lancer un nouveau produit sur le marché. Les services
commerciaux ont déterminé l’ensemble des tâches nécessaires à cette action : {a, b, c, d, e, f, g,
h, i, j, k}
Les conditions d’antériorité liant ces tâches et les durées en jours de celles-ci sont rassemblées
dans le tableau ci-dessous:
Désignation des tâches Tâches antérieures Durée des tâches (en jours)

a e
4
b j, e
6
c -
12
d -
14
e -
8
f d
2
g f, d
10
h a, c, d, e
6
i h, a, c, e, k, d, f
8
j e
12
k f, d
2
TAF
1) Déterminer les tâches immédiatement antérieures à chaque tâche.

2) Tracer le graphe du projet par la méthode MPM et par la méthode PERT. Déterminer le
ou les chemins critiques en indiquant sur le graphe les dates au plus tôt et les dates au
plus tard. Les services commerciaux aimeraient connaître en quel temps minimal le
lancement sera réalisé.
3) Dresser un tableau des marges de flottement (marges totales) et les marges libres.
Application 11
Considérons le projet de construction de salle de cours et admettons cette fois ci que le projet
comporte des risques dont les durées et l’ordre du déroulement se comporte comme suit :
Taches Durée en mois Tache

Optimiste Probable Pessimiste te 𝒃−𝒂 immédiatement
𝝈𝒕𝒆 =
𝒂+𝟒𝒎+𝒃 𝟔
a m b = 𝟔 antérieur
A 2 3 4 -
B 3 5 7 -
C 1 2 3 A
D 1 3 5 C
E 2 4 6 D
F 2 2 2 B,E
G 4 5 6 D
H 1 2 3 G
-
TAF
1- Tracer le graphe

2- Calculer la probabilité (dire les chances) pour que
- Le projet soit achevé dans au plus 18 mois
- La durée du projet dépasse 18 mois
TD 2 : Théorie des graphes
CAS 1
Le responsable de la production d’un produit P a étudié l’ordonnancement des taches de la

commande d’un client jusqu’à la livraison.
Le processus nécessite la réalisation de 10 taches dont les conditions d’antériorité et la durée
sont précises dans le tableau suivant :
Sommet d’arrivé Durée en jours A B C D E F G H I J

Sommet d’origine
A 02 1 1 1
B 7 1
C 5 1 1
D 21
E 14 1
F 5 1
G 4 1 1
H 1 1
I 2 1
J 1
Exemple d’interprétation : la tache A, de durée égale à 2 jours, précède les taches D, E et F
TAF :
1. Présenter le dictionnaire des taches immédiatement antérieures.
2. Déterminer les niveaux du graphe
3. Tracer le graphe en précisant sur la représentation sagittale : les dates de début au plus
tôt et de début au plus tard et le chemin critique.
4. Vérifier le chemin critique
5. Calculer la marge totale et la marge libre des taches.
6. La durée des taches est fixe, à l’exception de celle de la tache E qui représente une durée
moyenne. La durée de la tache E est une variable aléatoire XE qui suit une loi normale.
L’expérience du responsable de la production permet de remarquer que :
- La durée moyenne de la tache E est de 14 jours,
- Il y a 47% de chances que cette tache soit comprise entre 7 et 21 jours.
Soit Z la durée totale du chemin le plus long contenant E.
6.1.Quelle relation simple peut-on écrire entre Z et XE ?
6.2.Calculer l’écart type de XE.
6.3.Calculer la probabilité de livrer le produit P plus de 45 Jours après sa commande.

CAS 2
Un groupe d’étude de la place dont vous et ces membres travaille pour une société qui souhaite
ajouter à la gamme de ses produits un nouveau produit dont l’étude complète du projet fait
dégager quinze (15) taches dont les données sur la durée et l’ordre de déroulement figurent dans
le tableau ci-après.
Durée (en jours)
Taches Optimiste Probable pessimiste Taches antérieures
A 1 3 3 -
B 2 3 4 -
C 1 3 5 A
D 4 5 12 B
E 2 2 2 B
F 1 1 1 A, B, C, D
G 2 4 6 E, B
H 1 2 3 C, D, F G
I 3 5 7 C, D, E ,F ,G
J 2 3 4 E, F, G, H
K 4 5 12 I, F, G
L 1 3 5 I, F, G
M 1 1 1 H, I, J, K
N 1 1 1 I, L
O 2 2 2 M, N, L, K, J
1 /- Eliminer les redondances possibles dans l’ordonnancement des taches et préciser les
taches immédiatement antérieures
2 /- donner le niveau des taches.
3/- calculer pour chaque tache la durée moyenne ainsi que leur écart-type et variance
4/- tracer le graphe PERT des activités en y faire figurant les dates au plus tôt et au plus tard
tout en soulignant le chemin critique.
5/- déterminer les marges libres et marge total.
6/- quelle est la durée moyenne du projet ?
7/- quelles sont les chances pour que la durée du projet n’excède pas 30 jours ?
CAS 3
La société joralino envisage la mise en place de nouveau équipements industriels dans le cadre
de son projet. Elle a procédé à la définition d’un certain nombre de tâches à effectuer et à évaluer
leur durée. Les conditions d’antériorité liant ces taches, et les durées en semaines de celles-ci
sont rassemblées dans le tableau ci-dessous.
Taches a b c d e f g h i
Taches - d b,h a a d f i d,e
antérieur

Durées 10 14 14 8 12 22 25 18 6
1-1) Représenter cette succession de taches par un graphe MPM

1-2) En quel nombre minimum de semaines le projet pourra-t-il être réalisé ?
1) donner, pour chacune des taches, les dates de début et de fin au plus tôt, ainsi que les
dates de début et de fin au plus tard.
2) Si les durées des taches a, b, c, d, e, f, g, h, i indiquées dans le tableau précédent sont
considérées comme certaines, celles des taches f et g sont des durées moyennes.
Soit Xf et Xg les variables aléatoires « durées respectives des taches f et g ». On suppose que
Xf et Xg sont des variables aléatoires continues indépendantes. Xf suivant la loi normale de
moyenne 22 et d’écart type 3, Xg suivant la loi normale de moyenne 25 et d’écart type 4.
2-1 calculer la probabilité de réaliser la tache g en plus de 30 semaines.
2-2 déterminer le réel U tel que :𝑃(|𝑋𝑔 − 25 < 𝑈|) = 0,9544. Interpréter le résultat obtenu.
2-3 On pose Y la variable aléatoire « somme des durées de f et g ».
a/ quelle est la loi suivie par Y ? Justifier
b/ le projet est-il réalisable en 58 semaines ? Justifier la réponse.
c/ Déterminer la probabilité de réaliser le projet en 60 semaines
3) Finalement les taches f et g sont de durée aléatoire les autres étant de durées certaines. Les
variables aléatoires Xc « durée de la tache c » est continue et la loi normale de moyenne 14 et
d’écart type 2. On suppose en outre que les variables Y et Xc sont indépendantes.
4) Déterminer la probabilité de réaliser le projet en 62 semaines au plus.
CAS 4
L’entreprise OMEGA a procédé à la définition d’un certain nombre de tâches à effectuer et à

l’évaluation de leur durée. Le tableau suivant est l’aboutissement de ce travail.
Désignation A B C D E F G H I J K L M N O P
des taches
Taches - A B C D C F C H I EG K L K B M N
immédiatement J J O
antérieures
Durée en 2 8 1 3 5 1 2 2 3 8 7 2 1 1 8 1
semaines
1- a)Déterminer les niveaux des taches

b) construire le graphe en utilisant la méthode MPM
c)Déterminer les taches constituant le chemin critique et sa durée Z
d) calculer les marges libres et les marges totales des taches D, I, O.
Donner la signification des marges trouvées
2- en fait, si la plupart des taches ont des durées certaines, d’autres doivent être considérées
comme des durées moyennes.

On désigne par dA , dB, dc ,……………..dp les durées des taches A, B, C,….P ainsi dD
dE, dK sont les évaluations respectives des durées des taches D, E et K. on considère que ce sont
des variables aléatoires indépendantes dont on donne lois et paramètres ci-dessous :
dD n (3 ; 1) ; dE n ( 5 ;2) ; dk n(7;2)
soit Z la durée totale du chemin le plus long contenant D, E, et K. soit ;
𝑿 = 𝒅𝑫 + 𝒅𝑬 + 𝒅𝑲
a) Quelle relation simple peut-on écrire entre Z et X ?
b) Quelle est la loi de X et ses paramètres ? pourquoi ?
c) Calculez P(Z< 30 𝑒𝑡 𝑝 (27 < 𝑍 < 33)
d) On désire limiter le risque que le projet ne soit pas réalisé à temps.
Soit 𝑍 ∗ le nombre de semaines tel que 𝑃 ( 𝑍 < 𝑍 ∗ ) = 0,997. Calculez 𝑍 ∗
CAS 5
Une entreprise a estimé les temps nécessaires pour compléter chacune des tâches
Impliquées dans la construction d’une maison (voir tableau ci-dessous).
1. Pour chaque activité, donnez la marge totale:
2. Identifiez le chemin critique
Activités Durées Prédécesseurs immédiats
A. Murs et plafond 5 B
B. Fondations 3 -
C. Poutres pour toît 2 A
D. Revêtement 3 C
E. Câblage électrique 4 A
F. Tuiles 8 D
G. Protections extérieures 5 H
H. Fenêtres 2 A
I. Peinture 2 F,G,J
J. Planches intérieures 3 E,H
B/
Sur base de données historiques, l’entreprise a estimé les durées optimistes, les plus probables,
et pessimistes pour chaque activité comme suit:
Activités aij mij bij

A 3 5 7
B 2 3 4
C 1 2 3
D 1 2 9
E 4 4 4
F 4 8 12

G 1 3 17
H 1 2 3
I 2 2 2
J 2 3 4
Supposons que les durées des activités sont indépendantes et que la somme de toute
combinaison de durées d’activité est normalement distribuée.
a) Estimez la probabilité que toutes les activités du chemin critique actuel soient
accomplies dans les 12 jours? Dans les 25 jours?
b) Est-ce aussi la probabilité que la maison soit achevée en 25 jours? Commentez.
C/
Les ingénieurs de l’entreprise ont calculé le coût de réalisation de chaque activité pour les
durées normales, mais aussi pour les durées minimales :
Activités Durée Coûts Durée Coûts

Normale (d-normale) Minimum (d- minimum)
A 5 50 3 72
B 3 20 2 30
C 2 15 1 30
D 3 8 1 20
E 4 30 4 30
F 8 13 4 21
G 5 45 1 65
H 2 45 1 52
I 2 40 2 40
J 3 22 2 34
a) Calculez le coût marginal de réduction pour chaque activité, ainsi que le coût total du projet,
basé sur les durées normales.
b) Supposons que l’entreprise doive réduire la durée d’exécution du projet de 7 jours. Combien
coûterait cette réduction? Combien coûterait une réduction de 11 jours?
CAS 6 (MAC 2013)
Un projet de fabrication de disque compact a été décomposé en 9 taches nommées A,B, C, D,

E, F, G, H, I. une étude des antériorités et des durées ( exprimées en mois de quatre semaines
) a donné le tableau suivant :
Taches Tache(s) antérieure (s) Durée (en mois)

A D 3
B A,F 8

C A,F 2
D - 6
E C,G,H 5
F D 4
G - 7
H B,G,I 9
I G 2
1) Déterminer les taches immédiatement antérieures.

2) Construire le graphe MPM du projet et calculer la durée minimale de sa réalisation.
3) Calculer le retard maximum que l’on peut admettre au démarrage de la tache D sans
remettre en cause la durée minimale de réalisation du projet.
4) Calculer le retard maximum que l’on peut admettre au démarrage de la tache G sans
remettre en cause le début des tâches suivantes.
5) Analyser l’impact sur la durée minimale dans ces cas :
a) La durée de la tache F augmente de 1 mois
b) La durée de la tache F diminue de deux mois
c) La durée de la tache G augmente de 12 mois.
CAS 7 (MAC 2011)
Pour la réalisation d’un projet, l’entreprise YOMAC située à Parakou doit exécuter un certain
nombre de taches, soumises aux contraintes de succession suivante :
Taches A B C D E F G
Taches Antérieures - - A B, C C C, D, E B, D
Durée (jours) 3 5 4 3 1 3 7
1) Déterminer les taches immédiatement antérieures et classer les taches par niveau.
2) Tracer le graphe MPM puis indiquer le chemin critique et la durée minimale de
réalisation du projet.
3) Pour la tache E calculer la marge totale et la marge libre
4) La durée de la tache E passe à 5 jours
a) Que devient la durée minimale de réalisation du projet ?
b) Quelle est la répercussion de cette modification sur la tache F ?

CHAPITRE 3 : LA GESTION DES STOCKS
Préambule
Le stockage est utile pour éviter à l’entreprise la discontinuité de ses opérations de production
et de vente. Une rupture de stock de matière première ou de produit semi-fini est source de
blocage de la production et de coûts fixes. Une rupture de stock de produit fini est source de
perte de chiffre d’affaires. On pourrait penser donc que l’objectif du gestionnaire de stock est
d’assurer le stock maximum pour l’entreprise. Mais le stock a plusieurs coûts. Un très grand
stock est source d’immobilisation de capitaux, entraîne des frais de stockage, de gardiennage,
des risques de péremption ou d’obsolescence, etc. Le problème du gestionnaire des
approvisionnements et de concilier deux tendances opposées : maximiser la quantité en stock
et minimiser le coût de stockage. Ce problème est classique en économie ; il s’agit d’optimiser
le stock.
1. Différents concepts de stock
Les vocables pour désigner les différents concepts de stocks varient d’un auteur à un
autre.
Dans ce cours, nous distinguerons :
- le stock délai
- le stock de sécurité
- le stock d'alerte
- le stock moyen.
1.1. Le stock délai : sd
C’est le stock dont l’écoulement correspond au délai d’approvisionnement (Da).

Sd = d∗ taux de consommation
Exemple : La firme MAGIX
L'entreprise MAGIX fabrique le produit IX à partir de la matière STOCKIX. Sa consommation
annuelle est de 1800 kg de matière STOCKIX achetée au prix de 40 F. Le délai
d’approvisionnement est de 2 mois ; la marge de sécurité est de 1 mois, la cadence de
consommation est régulière. Taux de consommation ou cadence de consommation = 1800 kg
par an En prenant le mois comme unité de temps, il vient :
t=1800 kg/12 mois = 150 kg/mois.
Délai de réapprovisionnement : temps qui s'écoule entre le lancement de la commande et la
Réception : d = 2 mois ; Stock délai : Sd = d * t = 150 kg/mois x 2 mois = 300 kg
1.2. Le stock de sécurité (SS)
C’est le stock dont l’écoulement correspond au temps nécessaire pour faire face à tout aléa de
livraison de la commande. C’est-à-dire augmentation du rythme de commande, retard dans le
délai de livraison. Son niveau est fixé de façon empirique et son existence ne met pas en cause
le principe de calcule du lot économique.

𝑸
(𝑸= + 𝑺𝒔 )
𝟐
1.3. Le stock d’alerte
Le stock d’alerte est le niveau de stock au niveau duquel, il faut immédiatement passer
commande. Il s’agit du niveau de stock qui permet de satisfaire la demande pendant le délai de
livraison et de maintenir le stock de sécurité s’il existe.
Stock d'alerte = Stock délai + stock de sécurité.
Stock d’alerte = consommation pendant le délai de livraison + stock de sécurité
Stock d’alerte = 𝑺𝒔 + 𝑺𝒄
1.4. Le stock critique Sc
Le stock critique est la consommation pendant le délai d’approvisionnement. Il se calcul de

deux manières :
Premier cas : 𝑫𝒂 < 𝑇 ; 𝑺𝑪 = 𝑫𝒋 × 𝑫𝒂 avec Dj la demande journalière et Da le délai
d’approvisionnement.
Deuxième cas : 𝑫𝒂 > 𝑇 ; 𝑺𝒄 = 𝑫𝒋 (𝑫𝒂 − 𝒌 𝑻) avec k = nombre de fois qu’on a T dans Da

Exemple : Da = 60 jours ; T = 25 jours
𝑫𝒂
𝑺𝒄 = 𝑫𝒋 (𝟔𝟎 − 𝟐𝟓𝒌) 𝒌 ≤ ; k=2
𝑻
𝑺𝒄 = 𝑫𝒋 (𝟔𝟎 − 𝟐𝟓𝒙𝟐) = 10 Dj
1.5. Le stock moyen
Le stock moyen est la moyenne arithmétique des stocks au cours de l'année. Il se calcule
selon le nombre de données disponibles et peut se calculer en quantité comme en valeur.
2. Terminologie
2.1. Les couts engendres par la gestion des stocks
2.1.1. Coût de lancement des commandes (Cl)
Encore appelé coût de passation des commandes ou d’obtention des commandes, il regroupe
les frais de courrier, de télécommunication, de suivi administratif et enfin les frais liés à la
réception des commandes. Il est fonction du nombre de commandes.
2.1.2. Coût de stockage (Cs)
Encore appelé coût de possession du stock, il prend en compte les frais de gardiennage, le loyer
des entrepôts, les primes d’assurances et les frais de suivi administratif des stocks. A ces
charges, il convient d’ajouter le coût d’opportunité constitué par les gains dont l’entreprise se

prive en affectant des ressources au financement du stock au lieu de les placer sur le marché
financier. Le coût de stockage est proportionnel à la valeur du stock moyen.
2.1.3. Coût de pénurie
Encore appelé coût de rupture de stock, il est lié à l’insuffisance des stocks. Il s’agit de
l’ensemble des charges résultant de la non disponibilité d’un article (vente perdue avec ou sans
perte de la clientèle) pénalités diverses, coûts administratifs pour informer de cette
indisponibilité. Le coût de pénurie est fonction du nombre de rupture et le plus souvent du
temps. Le coût de gestion du stock est l’ensemble des trois coûts précédents : couts de
lancement, de stockage et de pénurie. Au coût de gestion de stock, il faut ajouter le coût d’achat
des matières pour obtenir le coût total du stock. Ce sont essentiellement des coûts d'opportunité.
En ce qui concerne la distribution on peut citer :
- manque à gagner = vente perdue ;
- perte de clientèle déçue ;
- détérioration de l'image de marque ;
- paiement éventuel de pénalités de retard ou de non livraison.
En ce qui concerne la production, on peut citer :
- blocage de la production
- coût de chômage des ateliers
- détérioration de produits complémentaires disponibles
3. AUTRES TERMINOLOGIES
3.1. Cadence d’approvisionnement (N)
C’est le nombre de commandes qu’une entreprise lance dans l’année.
3.2. Stock Moyen (SM)
𝑺𝑰 + 𝑺𝑭 𝑺𝟏 + 𝑺𝟐 + 𝑺𝟑 + ⋯ + 𝑺𝒏
𝑺𝑴 = 𝒐𝒖 𝑺𝑴 =
𝟐 𝒏
3.3. Stock actif ou le lot économique (Le)
C’est la quantité de produit ou de matière première qui entre en stock à chaque livraison et qui
est consommée. On l’appelle quantité économique. Si on désigne par C la consommation
annuelle ou demande annuelle (produit ou marchandise), la quantité économique (Le) dépend
de la cadence d’approvisionnement(N).
Si l’on considère que l’entreprise dispose du stock actif en début d’année, on a :
Cadence 1 2 3 …… …. N

Lot économique(Le) C 𝐶 𝐶 ……… 𝐶

2 3 𝑁
Stock moyen 𝐶 𝐶 𝐶 ……… 𝐶
2 4 6 2𝑁
3.4. Délai de livraison ou de réapprovisionnement ou d’approvisionnement
C’est le temps qui s’écoule entre la date de la commande et celle de la livraison.
3.5. Période de réapprovisionnement ou période économique
C’est le temps qui s’écoule entre deux commandes ou deux livraisons .C’est en principe
le temps au bout duquel l’entreprise consomme la quantité économique.
3.6. Stock de sécurité ou marge de sécurité
C’est le stock qui permet de faire face :

- soit à une accélération de la demande (ou de la consommation) pendant le délai de
livraison ;
- soit à un allongement du délai de livraison c'est-à-dire à un retard dans la livraison.
Exprimer en temps de consommation on l’appelle marge de sécurité. Le stock de
sécurité est la consommation pendant le délai de sécurité.
3.7. Stock d’alerte (SA)
Encore appelé stock de réapprovisionnement, ou stock critique, ou stock d’alarme ou

point de commande, c’est le niveau de stock qui déclenche la commande. Il se calcule
différemment selon que le délai de livraison est inférieur ou non à la période de
réapprovisionnement.
Soient d = délai de livraison, T= la période de réapprovisionnement et SCm = Stock critique
minimum.
Si d ≤T alors SA = SS + SCm
Si d ≥ T alors SA = SS + SCm – commande en cours
Le stock critique minimum est la consommation pendant le délai de livraison.
La figure suivante fait apparaître trois concepts : stock de sécurité et stock d’alerte.
Stock
Consommation
en quantité

Temps
Application 1 corrigée
Soit une entreprise qui utilise 9 000 kg d’une matière, elle lance 6 commandes dans l’année.
Déterminer le stock d’alerte dans les deux hypothèses suivantes :
Le délai de livraison est de 45 jours
Le délai de livraison est de 3mois
Le stock de sécurité est de 1575 kg.
Résolution
Période de réapprovisionnement : T = 12 mois / 6 = 2 mois
Calcul du stock d’alerte : SA
a) d = 45 jours soit 1,5 mois inférieur à T
SA = SS + SCm
= 1.575 + (9.000x 1 ,5)/ 12
SA = 2.700 KG
b) d = 3 mois > T
SA =) SS + SCm - Cmde en cours
1.575 + (9000x 3)/12 - 9.000/6
SA = 2.325kg
4. Modelés de gestion de stock en avenir certain
Ces modèles sont établis dans les hypothèses suivantes :

- Les consommations sont régulières et certaines ;
- Les fournisseurs respectent les délais de livraison ;
- Le réapprovisionnement est instantané ;
- Aucune rupture n’est autorisée ;
- L’existence de stocks de sécurité est inutile.
Ces modèles sont connus sous le nom de modèles de Wilson.
Il existe une relation entre les paramètres à déterminer :

𝐃 𝐃 𝜽
𝐍=𝐧= ; 𝐐= ; 𝐓=
𝐐 𝐍 𝐍
Présentation des paramètres

Données d’un Notation Commentaires
problème
(Eléments
connus)
Demande (ou D Besoin en unités physiques à satisfaire pendant la période de
consommation) gestion.
Il peut être d’origine interne (consommations nécessaire à une
production) ou d’origine externe (demande des clients)
Période de 𝜃 Durée pour laquelle est exprimée la demande
gestion du stock
Coût de cl Frais internes supportés par l’entreprise pour passer une
lancement (ou commande
coût de
passation) d’une
commande
Coût de cs Coût de possession du stock pour une unité de produit pour
stockage pour une unité de temps. Il peut être exprimé directement en
une unité de Francs, et/ou sous forme de taux.
produit - Valoriser CS dans le cas d’un taux de possession :
Cs = coût du bien x taux
- Un an peut signifier :
P =1
P = 12
P = 360
Selon l’unité de mesure des coûts
Cout de pénurie Cp Cout lié à la rupture de stock pour une unité de produit pour
pour une unité une unité de temps.
de produit
INCONNUES (A déterminer) Notation Commentaires

La quantité à commander à Q Ne pas confondre avec la demande qui est connue.
chaque réapprovisionnement
Le nombre de commandes à N ou n
passer pendant la période de
gestion
La période de T Intervalle de temps qui sépare deux
réapprovisionnement approvisionnements successifs. Il s’agit encore de
cadence d’approvisionnement.

4.1. Modèle de Wilson « PUR » : modèle sans rupture
Soient :
- CL : le coût de lancement d’une commande
- Q : c’est la quantité commandée à chaque réapprovisionnement.
- D : demande de matière première ou produit pendant la période de gestion de stock.
- N : Le nombre de commandes à passer pendant la période de gestion
- Cs : le coût de stockage par unité de temps et par article
- 𝜽 : le nombre de périodes de réapprovisionnement
- L : le lot économique
- CL : Coût global de lancement des commandes
- Cs : Coût global de stockage
- CG : le coût total de gestion du stock.
Coût global de lancement CL

+ coût global de stockage CS
+coût global de la pénurie CP
Coût total de gestion du stock CG
 Cas où le cout de pénurie est nul

CG = CL + Cs où le coût de pénurie est nul
𝑸 𝑫 𝟏𝑫 𝑫
𝑮𝒍 = 𝑪𝒍. 𝑳 = 𝑪𝒍. 𝑵 𝒂𝒗𝒆𝒄 𝑵 = ; Cs = SM. Cs. 𝜽 avec 𝑺𝑴 = 𝟐 𝑵 Cs = CS. 𝜽.𝟐𝑵 en
𝑳
remplaçant N = D/Q on a :
1- 𝑸 𝐋 Le coût total de gestion des stocks en
C G = Cl. + 𝑪𝒔. 𝛉.
𝑳 𝟐 fonction du lot économique
𝑫 𝐐 Le coût total de gestion des stocks en
2- C G = Cl. + 𝑪𝒔. 𝛉.
𝑸 𝟐 fonction de la demande ou
consommation annuelle et la quantité
3- 𝑫 𝐐 Le coût total de gestion des stocks en
C G = Cl. + 𝑪𝒔. 𝛉. +Ss. 𝑪𝒔. 𝛉
𝑸 𝟐 fonction de la demande ou
consommation annuelle et la quantité et
le stock de sécurité
L’objectif est de minimiser le coût total de gestion du stock pour la période de gestion.
CG est minimum si la dérivée première de G = 0 et la dérivée seconde de CG>0. Ou au
minimum de G, Gl = Cs.
Des relations précédentes, on tire que G est minimum pour que :
∗ 𝟐.𝑫.𝑪𝒍
𝑸𝝎 = √ .
𝑪𝒔.𝛉
L induit une cadence optimale d’approvisionnement N
𝑫 𝟏𝟐 𝒎𝒐𝒊𝒔 𝟑𝟔𝟎 𝒋𝒐𝒖𝒓𝒔

𝑵∗ = ; 𝑫.𝑪𝒔.𝛉 et T = = 𝟐.𝛉.𝐂𝐥
𝑸∗𝝎 𝑵 𝑵 𝑻∗ = √
𝑵∗ = √ 𝑫.𝑪𝒔
𝟐𝒄𝒍
G = √𝟐. 𝑫. 𝑪𝒍. 𝑪𝒔. 𝜽

Le coût minimum de gestion noté G est :

En présence d’un stock de sécurité :
G = √𝟐. 𝑫. 𝑪𝒍. 𝑪𝒔. 𝜽 +SS.Cs 𝜽
Remarque importante
Le coût de stockage ou coût de possession peut aussi être calculé par application d’un
taux t annuel (taux de possession du stock) sur la valeur du stock moyen tel que :
𝐏. 𝐭
Cs. 𝛉 = 𝟏𝟎𝟎 Avec P le prix d’achat unitaire du stock.
𝟏
Cs = SM.Cs. 𝛉 = SM . P. t = 𝑸𝑷. 𝒕
𝟐
Avec cette nouvelle donne, L, N et G devient :
𝟐𝟎𝟎.𝑸.𝑪𝒍 𝑸.𝑷.𝐭 𝑷.𝒕

𝑳∗ = √ 𝑵∗ =√ G =√𝟐. 𝑸. 𝑪𝒍. 𝟏𝟎𝟎
𝑷.𝐭 𝟐𝟎𝟎𝒄𝒍
Application2
A-) le cout de stockage d’un article de forte consommation (300 000 unités par an) est de 0,08F
par jour le cout de lancement d’une commande est de 972F.
1- Déterminer la quantité économique à commander pour minimiser le cout de gestion du
stock de l’article.
2- En déduire le nombre de commandes optimales à passer au cours de l’année ainsi que
le cout global de gestion.
B-) le cout unitaire d’un article dont la consommation annuelle est de 4 800 unités est fixé à
3000F. Le cout de passation d’une commande est évalué à 1200F et le taux par francs annuels
du cout de possession du stock est de 15%. Déterminer la quantité optimale à commander, le
nombre total de commande à passer, le cout de gestion du stock et la période de
réapprovisionnement.
Remarque
Le modèle de Wilson suppose que les ruptures de stocks ne sont pas possibles. Dans la pratique,
les entreprises peuvent chercher à limiter ce risque en détenant un stock de sécurité ou peuvent,
au contraire, intégrer ce risque pour limiter leur stock moyen. Le modèle de Wilson ne tient pas
compte du fait que les quantités commandées ont souvent une incidence sur le prix d'achat.
C’est le cas notamment lorsque les tarifs des fournisseurs varient en fonction de l’importance
(volume) des consommations.
4.2. Modèle de Wilson et Tarif dégressif du fournisseur
Ce modèle est une amélioration du modèle de Wilson, il prend en compte le système de prix
dégressif pratiqué par le fournisseur en fonction des quantités d’articles commandés par leurs

clients. Ainsi donc, pour ce modèle nous avons les mêmes hypothèses de base que
précédemment sauf que le tarif du fournisseur n’est plus unique (plusieurs prix P1 ; P2 ; P3…Pn
sont appliqués en fonction des quantités commandées cette fois ci). L’objectif du modèle est de
minimiser le coût d’approvisionnement qui comprend (coût de possession des stocks, coût de
passation et le coût d’achat des matières). Il est toujours question de déterminer la quantité
optimale q∗ qui minimise le coût d’approvisionnement.
∗
(q sera différent selon le tarif appliqué) .
Si pour une tranche de prix le gain réalisé sur le cout global d’achat et sur le coût global de
passation de commande est supérieur à la perte subie sur le coût global de possession du stock,
alors la remise obtenue est intéressante. Dans ce cas contraire la remise par quantité n’est pas
profitable à l’entreprise qui achète car une diminution de prix entraine une augmentation de la
quantité de chaque commande et du coût global de possession du stock. Mais dans le même
temps une diminution du nombre de commande et donc du coût global de passation.
Conclusion
La procédure de révolution de ce genre de modèle est le suivant :
- On détermine et on retient pour chaque tranche de prix la valeur de la quantité
compatible à commander ; et qui permet de minimiser le coût du stock.
- On calcule le coût du stock pour la quantité compatible à chaque tranche de prix et on
retient le coût total du stock le plus faible.
4.3. Principe de calcul
Pour chaque tranche de prix, calculer le coût global d’approvisionnement qui est :
𝑫 𝟏
𝑪𝑨 = 𝑪𝑳 . + 𝑪 . 𝜽. 𝑸 + 𝑷. 𝑫
𝑸 𝟐 𝒔
𝑸 𝐋
CA = CL + 𝑪𝒔. 𝛉. + D. P
𝑳 𝟐
- Calculer la dérivée première de la fonction du coût global d’approvisionnement selon
la tranche de prix.
- Poser ensuite cette dérivée égale à zéro afin de tirer le L de cette tranche de prix.
- Pour chaque tranche de prix on retient la valeur de L compatible et on calcule le coût
global d’approvisionnement ; on retient ensuite la tranche de prix qui assure un coût
global d’approvisionnement minimal.
Application 2
Soit une consommation de 120 000 articles, un coût d’obtention de commandes de 2 000F et
un taux de possession du stock évalué à 12%. Le fournisseur propose la condition de prix
suivante P = 4200 F. pour les commandes inférieures à 900 produits, P = 4000 F pour les
commandes comprises entre 900 et 1200 produits et P = 3 800 F pour une consommation

supérieure à 1200 produits. Quelle est la bonne formule à adopter pour minimiser le coût du
stock.
4.4. Modèle de Wilson et Pénurie
Le modèle de Wilson « PUR » écarte toute possibilité de rupture de stock c'est-à-dire de

pénurie. Mais cette option plus onéreuse du faite du coût de stockage élevé dû au gonflement
du stock.
L’entreprise doit alors tout en acceptant la pénurie recherchée les conditions d’une
gestion optimale. Des ruptures de stock se produisent quand le stock (S) en début de période
d’approvisionnement est inférieur à la quantité économique nécessaire pour satisfaire le besoin
de la période (Q). La rupture de stock se traduit par un manque à gagner : le coût de pénurie.
Ce modèle suppose que la demande est «captive », c’est-à-dire que les demandes non
satisfaites ne sont pas perdues, mais simplement différées à la période suivante. Pour
résoudre les problèmes avec pénurie, deux approches sont possibles : une approche «
mathématique » et une approche plus simple mais qui repose sur la mémorisation d’un lien avec
le modèle de Wilson de base et qui ne démontre pas l’optimum.
Le coût de gestion des stocks comprend dans ce cas :
- Le coût de lancement des commandes : GL
- Le coût de stockage : GS
- Le coût de rupture : GR
Désignons par :
- S : le niveau de stock en début de période de réapprovisionnement
- Cr : coût de rupture (pénurie) par article manquant et par unité de temps.
- T1 : temps pendant lequel la demande est satisfaite (temps de consommation de S)
- T2 temps pendant lequel il y a rupture de stock et où les demandes de consommations
sont différées.
4.4.1. Graphique
L
0
L-S T1 T2
T

4.4.2. Formalisation
Notons gs et gr les coûts de stockage et de ruptures pendant la période T

𝑺
 gs =𝟐 𝑪𝒔. 𝑻𝟏
𝑻𝟏 𝑺 𝑺
D’après les propriétés des triangles semblables, on a : = 𝑳 on tire T1=𝑻. 𝑳
𝑻
𝑺 𝑺 𝑺𝟐
 gs =𝟐 𝑪𝑺 . 𝑳 . 𝑻 = 𝟐𝑳 . 𝑪𝒔. 𝑻
(𝑳−𝑺)
 gr = . 𝑪𝒓. 𝑻𝟐
𝟐
𝑻𝟐 (𝑳−𝑺)
or = (propriété des triangles semblables)
𝑻 𝑳
(𝑳−𝑺)
T2= .𝑻
𝑳
(𝑳−𝑺)𝟐
 gr = [ ]. 𝑪𝒓. 𝑻
𝟐𝑳
𝒏
La période de gestion de stock 𝑛 comprend N périodes T : TN= 𝑛 alors N=𝑇 .
𝑺𝟐 (𝑳−𝑺)𝟐
Les coûts correspondants à la période 𝑛 deviennent : G=𝟐𝑳 . 𝑪𝒔. 𝒏 + . 𝑪𝒓. 𝒏
𝟐𝑳
Ici G contient deux variables indépendants S et L. A l’optimum G minimum
𝟐.𝐐.𝐂𝐥 (𝐂𝐫+𝐂𝐬) 𝟐.𝐐.𝐂𝐥 𝑪𝒓

L= √ 𝑪𝒔.𝒏 . √ S =√ 𝑪𝒔 .𝒏 . √(𝐂𝐬+𝐂𝐫)
𝐂𝐫
𝐶𝑟
Le rapport Cs+Cr est appelé taux de pénurie. On le notera α
𝟐.𝐐.𝐂𝐥 𝟏 𝐋 𝐬𝐚𝐧𝐬 𝐩é𝐧𝐮𝐫𝐢𝐞 𝟐.𝑸.𝑪𝒍

L = √ 𝑪𝒔.𝒏 . = S*= √ 𝑪𝒔.𝒏 . √α = L sans pénurie. √α
√ α √α
𝑺 𝑻𝟏 𝑺
= α 𝒐𝒓 = (𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒)
𝑳 𝑻 𝑳
𝑻𝟏
Donc = α ; 𝑻𝟏 = 𝑻. α
𝑻
Le temps de service de la demande est donc lié à la période par la relation :
𝑇1 = 𝑻. α ; les relations sont ainsi déduites :
𝑸 𝑸.𝑪𝒔.𝜽
N*= =√ . √α N*=𝑵𝒘 sans pénurie. √α
𝑳 .𝑪𝒍
G* = √𝟐. 𝑸. 𝑪𝒍. 𝑪𝒔. 𝜽 .√α

G* = 𝑮𝒘 sans pénurie. √α
La durée de pénurie : T2= (1- α)θ ; la durée de service : T1 = 𝜃. α

Remarque : le coût de gestion avec pénurie est plus faible que celui de la gestion sans pénurie.
Vouloir satisfaire la demande de 100% est plus couteux que d’opter pour un taux de service
plus faible.
Modèle de WILSON en absence de Modèle avec rupture
rupture 𝑸∗𝑶𝒑 = quantité optimale
𝑸∗𝝎 = quantité optimale
𝑸∗𝝎
𝟏
𝑸∗𝑶𝒑 = 𝑸𝒘 × √
𝜶
𝒏𝒘 𝒏∗ = 𝒏𝒘 × √ 𝜶
𝑻𝒘
𝟏
𝑻∗ = 𝑻𝒘 × √
𝜶
𝑸 𝟐
𝑻𝒂𝒖𝒙 𝒅𝒆 𝒑é𝒏𝒖𝒓𝒊𝒆 𝜶 = ( 𝑸𝑾∗ )
NB : si je connais la quantité optimale en absence de pénurie 𝑄𝑤 le coût total de gestion peut
s’écrire de la façon suivante :
𝑪𝑻𝑮 = 𝑪𝒔 𝜽𝑸𝒘 ou encore 𝑪𝑻𝑮 = 𝟐𝒏∗ 𝒄𝒍
Application 3
La demande annuelle d’un article est de 90 000 unités. Le coût de stockage s’élève à 0,054
F/jour / article. Le coût de passation d’une commande est évalué à 108F. le coût de pénurie est
estimé à 0,096F/jour/ article.
1- Si toute pénurie est interdite déterminer la quantité optimale d’une commande et le
nombre optimale de commandes à effectuer. La période et le coût annuel minimal de
gestion du stock.
2- Dans le cas où la rupture est admise, déterminer les mêmes paramètres que
précédemment. Evaluer le nombre optimal du stock à reconstituer au début de chaque
période.
3- Retrouver le coût annuel minimal de gestion du stock en calculant séparément le cout
annuel global du lancement, le coût annuel global de possession, le coût annuel global
de rupture de stock
5. Modèles de gestion de stock en avenir aléatoire
À l'opposé des modèles précédents, la demande est incertaine et, pour se protéger des variations
de la demande, il convient de constituer un stock. L’objectif des modèles en avenir incertain est
de déterminer le niveau de stock S* au début de chaque période d’approvisionnement T
pour minimiser le coût de gestion. Les modèles sont nombreux et parfois complexes…

En effet, Les modèles précédents considèrent que les sorties des stocks, le délai de
réapprovisionnement sont connus avec certitude. Or dans la réalité, il faut toujours composer
avec une certaine marge d’incertitude.
Dans les modèles en avenir aléatoire, on suppose que la demande (consommation) est
aléatoire (discrète ou continue). L’objectif consiste à minimiser (ou à maximiser) l’espérance
mathématique du coût ou du résultat ou encore à obtenir un taux de service espéré (rapport
entre la demande satisfaite et la demande totale).
Désignons par :
Cp =le coût de pénurie ou coût par unité manquant en stock en cours de période.
Cs =le coût d’un invendu ou le coût par unité restant en stock.
L= la quantité à commander et à stocker
D= la demande qui est une variable aléatoire.
Le coût total est composé de :
Si L ≤ d coût total de pénurie = CP (d-L)
Si L ≥ d coût total d’invendu= Cs (L-d)
On cherche donc à minimiser l’espérance de coût.
5.1. Cas où la demande est une variable aléatoire discrète.
Si EC(L) est l’espérance de coût on a :

EC(L) = ∑𝑫≤𝑳 𝑪𝒔(𝑳 − 𝒅). 𝑷(𝑫 = 𝒅) + ∑𝑫≥𝑳 𝑪𝒑(𝒅 − 𝑳). 𝑷(𝑫 = 𝒅)
La détermination de la quantité optimale L se fait selon deux méthodes : la méthode matricielle
et la méthode de la fonction de répartition.
Théorème : G(X) est minimal pour la quantité 𝑋𝑂𝑃 telle que F(𝑋𝑂𝑃 ) soit immédiatement
𝒄𝒑
supérieur à 𝒕 = 𝒄 soit F(𝑋𝑂𝑃 ) > t et F(X) = P ( D ≤ X ) avec F la fonction de répartition
𝒑 +𝒄𝒔
de la variable aléatoire D.
Compte tenu du niveau de stock qu’elle possède au début de la période, l’entreprise cherche à
déterminer le taux de service de celui-ci :
𝒅𝒆𝒎𝒂𝒏𝒅𝒆 𝒔𝒂𝒕𝒊𝒔𝒇𝒂𝒊𝒕𝒆
𝒕𝒂𝒖𝒙 𝒅𝒆 𝒔𝒆𝒓𝒗𝒊𝒄𝒆 = 𝜷 =
𝒅𝒆𝒎𝒂𝒏𝒅𝒆 𝒕𝒐𝒕𝒂𝒍𝒆
Il correspond à la probabilité que la demande faite à l’entreprise ne dépasse pas le niveau X du

stock en début de période.
𝑿−𝒎
P (D ≤ 𝑿) = 𝒑(𝑻 ≤ ) = 𝒑(𝑻 ≤ 𝒕) = 𝜷
𝝈
L’entreprise peut également se fixer un certain niveau de taux de service et déterminer alors le
niveau du stock qu’elle doit posséder en début de période pour assurer celui-ci. Le risque de

rupture de stock est alors égal à 𝛼 et correspond à la probabilité que la demande faite à
l’entreprise soit supérieure au stock existant.
𝜶 = 𝒑(𝑫 > 𝑋) = 𝟏 − 𝒑(𝑫 ≤ 𝑿) = 𝟏 − 𝜷
Application 4 : corrigéé
Une vendeuse de pain achète chaque matin une quantité de pain qu’elle revend aux
consommateurs. Le prix d’achat est 100 F et le prix de revente est de 110 F. les pains non
vendus sont livrés en fin de journée à la boulangerie au prix de 75 F pour la fabrication de pains
grillés. Le commerçant a noté ses ventes journalières au cours des 100 derniers jours et a obtenu
la distribution suivante :
Qté 0 25 50 75 100 125 150 175 200
Nbre de jours 1 4 10 15 22 25 12 7 4
TAF :
Déterminer la quantité optimale 𝑋𝑂𝑃 de pain à stocker en début de chaque journée pour
minimiser le cout global de gestion G ; puis déterminer ce coût
Résolution
PA = 100 et PV = 110 alors le Cp = PV-PA soit CP= 10F
PA = 100 et PRV = 75 alors Cs = PA – PRV soit Cs = 25 F
On a t = 0,285
Qté 0 25 50 75 100 125 150 175 200

Nbre de jours 1 4 10 15 22 25 12 7 4
Pi 0,01 0,04 0,1 0,15 0,22 0,25 0,12 0,07 0,04
F(X) 0,01 0,05 0,15 0,30 0,52 0,77 0,89 0,96 1
X-D/D-X 75 50 25 0 25 50 75 100 125
F(X) = P(D≤ 𝑋) et t = 0,285 d’où XOP = 75

G(75) = 512,25
Le vendeur va stocker en début de journée 75 pains pour un coût global minimal de gestion de
512,25 F
Application 5 : corrigée Cas d’un produit périssable :
La demande d’un produit périssable pendant une journée peut prendre des valeurs suivantes
avec les probabilités correspondantes :
Demande 4 5 6 7 8 9
Probabilité 0,1 0,2 0,3 0,2 0,1 0,1
Le produit est acheté chaque jour à 80 F l’unité et revendu à 180 F. les produits non vendus en
fin de journée sont définitivement perdus.
TAF : déterminer le stock dont doit disposer en début de journée pour :

a) Minimiser l’espérance de coût total.

b) Maximiser l’espérance de résultat.
Application 5 B: corrigé
La société joralino-espoir commercialise des bananes. Une banane de qualité supérieure est
mise en rayon tous les 10 jours. La demande sur ses 10 jours suit la loi de probabilité suivante :
d 40kg 50kg 60kg 70kg 80kg 90kg 100kg
P(D=d) 0,05 0,10 0,35 0,3 0,15 0,05 0,05
Prix de vente : 800 F le kg

Coût de revient : 500F
Au bout des 10 jours, les bananes invendues sont négociés au près d’un restaurant au prix de
400F la kg
TAF
Déterminer la quantité optimale à mettre en rayon au début de chaque période de 10 jours
(envisager les deux solutions possibles)
Résolution
Première solution : Utilisation des matrices.
Il s’agit de déterminer le stock pour lequel l’espérance de résultat est la plus élevée
Si S < D ;on vendra intégralement S kg et le résultat serait : R = S(800-500) = 300S
Si S ≥ D ;on vendra que D kg et le résultat serait : R=D(800–500 )+(S-D)(400– 500)
R = 300D -100(S-D) = 300D + 100D -100S = 400D -100S
40 50 60 70 80 90 E(R)
40 12000 12000 12000 12000 12000 12000 0,05 12.000
50 11.000 15.000 15.000 15.000 15.000 15.000 0,10 14.300
60 10.000 14.000 18.000 18.000 18.000 18.000 0,35 17.200
70 9.000 13.000 17.000 21.000 21.000 21.000 0,30 18.200
80 8.000 12.000 16.000 20.000 24.000 21.000 0,15 17.200
90 7.000 11.000 15.000 19.000 23.000 27.000 0,05 17.200
S* = 70 kg
Deuxième solution : Utilisation du taux de pénurie

Soit F la fonction de répartition de la demande, le stock optimal est tel que F(S*) ≥ Cr/(Cs +Cr)
Ici, Cr (coût de pénurie par unité) et Cs (coût de stockage par unité)
Pour ce cas précis ; la perte est assimilée au Cs. Donc Cs = 500 – 400 = 100
Par contre le manque à gagner engendré par le manque (la pénurie) de 1 kg de banane est
assimilée au Cr. Donc Cr = 800 – 500 = 300
Cr/ (Cr + Cs) = 300/400 = 0,75

d 40 50 60 70 80 90
P(D = d) 0,05 0,10 0,35 0,30 0,15 0,05
F(d) = p(D≤ d) 0,05 0,15 0,50 0,80 0,95 1
S* = 70kg
 Méthode de la fonction de répartition de la demande.

Si F est la fonction de répartition de la demande D, la quantité optimale à commander est le
𝑪𝒑
plus petit L tel que F(L) > 𝑪𝒓+𝑪𝒔
Cas du produit périssable (suite) :
En considérant l’application précédente, retrouver la quantité optimale à commander par la

fonction de répartition de la demande.
5.2. Cas où la demande est une variable aléatoire continue

+∞
D est caractérisée par sa densité de probabilité f telle que ∫−∞ 𝑓(𝑥)𝑑𝑥 = 1;
+∞ 𝒙
E(D) = ∫−∞ 𝒙𝒇(𝒙)𝒅𝒙 et F(x) = P(D≤ 𝑿) = ∫−∞ 𝒇(𝒙)𝒅𝒙
La détermination de la quantité optimale XOP tel que le coût global aléatoire
𝒙 +∞
G(X) = ∫−∞ 𝑪𝒔 (𝑿 − 𝑫)𝒇(𝑫)𝒅𝑫 + ∫𝒙 𝑪𝑷 (𝑫 − 𝑿)𝒇(𝑫)𝒅𝑫
𝑪𝑷
G(X) est minimal pour la quantité XOP du stock tel que F(XOP) = t = 𝑪
𝑷 +𝑪𝑺
Avec F(X) = P( D ≤ 𝑿 )
5.2.1. Taux de service 𝜷 𝒆𝒕 𝒕𝒂𝒖𝒙 𝒅𝒆 𝒓𝒖𝒑𝒕𝒖𝒓𝒆 𝝈
𝒒𝒖𝒂𝒏𝒕𝒊𝒕é 𝒍𝒊𝒗𝒓é𝒆
𝜷= = P(D≤ 𝑿𝟎 ) avec X0 le stock disponible
𝒒𝒖𝒂𝒏𝒕𝒊𝒕é 𝒅𝒆𝒎𝒂𝒏𝒅é𝒆
α est le pourcentage de la demande non satisfaite. α = P (D> 𝑿𝟎 ) = 1+ β
Lorsque D est une variable aléatoire continue, on a :
F(X0P) = P (D ≤ X0P = t = β
1- t = taux de rupture
̅
Si SS est le stock de sécurité et X0P le stock optimal tel que XOP > 𝑫
alors on a :
𝑺𝑺 = 𝑿𝑶𝑷 − 𝑫 ̅
Application 6 : Cas de viande de bœuf :
Dans un supermarché, on a observé que la demande de la viande de bœufs est une variable
aléatoire. La viande est vendue à 3 700 F le kilo. Le supermarché réalise un bénéfice de 1 300
F le kilo.la viande invendue est conditionnée pour être vendue au marché DANTOKPA à 2 100

F le kilo. Une étude journalière a permis de constater que la demande suit une loi normale de
moyenne 450 et d’écart type 50.
TAF : déterminer la quantité optimale de viande que le supermarché doit vendre chaque jour.
Application 7 : corrigé
Le chef du rayon “lingerie d’une entreprise désire connaître pour la prochaine période d’été, la
quantité de sous-vêtement dont il faut disposer en stock en début de saison.
La demande de ce modèle pendant l’été suit une loi normale de moyenne 7200 et d’écart type
900. Ce modèle acheté à 6800F est vendu habituellement à 12000F. Toutefois , les invendues
en fin de saison sont bradées à 4000F
TAF
Déterminer la quantité optimale à disposer en stock en début de période
Résolution
Soit S* ce stock
F(S*) = p(D ≤ S*) = p(t ≤ (S*-m /𝜎) ; avec t la variable centrée réduite
F(S*) = Cr/(Cr + Cs) implique p(t ≤ (S*-m / 𝜎) = Cr/(Cr + Cs)
Cr = 12.000 – 6.800 = 5.200 (manque à gagner sur un modèle manquant)
Cs = 6.800 – 4000 = 2800 (perte sur un article non vendu au prix normal)
p(t ≤ (S*- 7200 /900) = 0,65
D’après la table de la loi normale,
p(t< 0,39) = 0,65 donc (S* -7200)/900 = 0,39 implique que S* = 7.551
avec 7.551 unités en stock en début de période et une demande moyenne de 7200 unités,
l’entreprise dispose d’un stock de sécurité de 7551 – 7200 soit 351 unités.
Application 8 : Cas de boucherie
Une boucherie a constaté que la vente journalière de viande de bœuf est une variable aléatoire
qui suit une loi normale N (500 kg; 75 kg).
La viande est vendue 25 € le kilo et la boucherie réalise un bénéfice de 10 € par kilo. La viande
invendue est vendue comme viande pour animaux au prix de 7 € le kilo. – Déterminer le stock
optimal de viande que la boucherie doit présenter à la vente chaque jour. En déduire le stock de
sécurité.
TAF :
Déterminer le niveau de stock à constituer pour ne pas dépasser un taux de rupture de 10 %.
Déterminer le nombre moyen de jours de rupture pour une année (ouverture 315 jours) pour
un stock quotidien de 510,5 kg.
Application 9 : corrigée
Dans un supermarché le lait frais est livré dans un sachet d’un litre et vendu au prix de 340 F.
la marge bénéficiaire du supermarché est de 130 F. le sachet de lait non vendu est livré le soir
à une ferme coopérative pour la fabrication du fromage local au prix de 180 F. une étude a
permis de savoir que la demande journalière suit une loi normale de paramètre (45 ; 5) .

1- Déterminer la quantité optimale à stocker en début de journée afin de minimiser le coût

global de gestion. En déduire le stock de sécurité.
2- Le gérant du supermarché se fixe pour objectif de ne pas dépasser le taux de rupture de
10% : déterminer la quantité optimale de lait à stocker en début de journée et donner le
stock de sécurité correspondant.
3- En admettant que le stock journalier est la quantité optimale déterminée en 1),
déterminer le nombre de jours de rupture de stock dans une année de 360 jours.
Résolution
1) Quantité optimale XOP à stocker
CP = 130 ; Cs = 30 et t = 0,8125
𝐷−45 𝑋𝑂𝑃 −45
F(XOP) = P ( D≤ 𝑋𝑂𝑃 ) = 𝑃 ( ≤ ) on a 𝑋𝑂𝑃 = 50 𝐿 𝑒𝑡 𝑆𝑠 = 5𝐿
5 5
2) Quantité optimal à stocker
α = 10% ; α = P(D> 𝑋𝑂𝑃 ) soit XOP = 52 L et SS= 7L
pour s’assurer un taux de pénurie d’au plus 10%, il faut stocker au moins 52 L de lait en début
de chaque journée avec un stock de sécurité de 7L
3) Le nombre de jours de rupture de stock
α = 1-0,8125 = 0,1875
1 jour…………………….. 0,1875
360 urs………………nj
6. Modèle de gestion à période variable
Compte tenu de l’irrégularité de la consommation, la période d’approvisionnement peut être

variable. En ce moment, la période d’approvisionnement est faite lorsque le stock d’alerte est
atteint compte tenu du délai d’approvisionnement du système.
Un autre paramètre peut être le délai d’approvisionnement que l’on peut considérer comme une
variable aléatoire en plus de la demande. Il s’agira de déterminer la quantité optimale du stock
d’alerte Sa qui permet de minimiser le coût de gestion tout en évitant une rupture de stock
pendant le délai d’approvisionnement.
Ainsi on distinguera deux cas :
1er cas : la demande D est aléatoire et le délai d’approvisionnement Da fixe
On déterminera Sa ou point de commande pour qu’il n’y ait pas de rupture de stock pendant la
durée Da. Pour résoudre ce problème, on se fixera un taux de service β en dessous duquel on ne
doit pas se situer.
2ème cas : la demande D est fixe et le délai d’approvisionnement Da aléatoire
On déterminera Sa pour que le taux de service ait une valeur minimale fixée.
Application 10
La demande mensuelle du sucre St louis suit une loi normale de paramètre ( 100 ; 50) en tonnes.
Le délai d’approvisionnement Da est de 10 jours. On admet un risque de rupture de 5%.
Déterminer le niveau de stock S correspondant à ce risque puis le stock de sécurité SS et le stock
d’alerte Sa

Application 11 :
Le réapprovisionnement en lait Nursie 1 se fait selon un délai d’approvisionnement aléatoire.

Des observations ont permis de constater que Da suit la loi normale de paramètres (45 ;10) en
jour. La quantité commandée par période est de 240 Kg par mois. On fixe un taux de service
minimal β = 95%. Déterminer le stock d’alerte Sa
Résolution 1
α = 5% et Da = 10 jours
α = P(D> 𝑆)
= 1- P(D≤ 𝑆 )
𝐷−100 𝑆−100
= 1 – P ( 50 ≤ 50 ) soit S = 182,5 tonnes
Ss = S-𝐷̅ soit Ss = 82,5 tonnes
100
Sa = Ss +Sc avec Sc = dj.Da et 𝑑𝑗 = soit Sa = 115,83 tonnes
30
TD 3 : Gestion des stocks
CAS 1
La société TUBOR souhaite améliorer la gestion de ses stocks en mettant en place un projet à
ce sujet. Le responsable du projet a relevé les éléments suivants concernant la marchandise M
en question :
- demande journalière égale 10 unités et constante
- coût de lancement d’une commande, égal à 18 000F
- coût de stockage considéré comme proportionnel à la valeur du stock moyen et au temps
de stockage calculé en jours ouvrables
- Aucune probabilité de rupture de stock, donc pas de coût de pénurie
- Une année civile correspond à 300 jours ouvrables
- Le stockage de 1000 F de marchandise M coute 20F par jour ouvrable.
TAF :
1) Donner l’expression du coût total de gestion de ce stock pour une année civile en
fonction :
- De la quantité Q commandée à chaque période T fixe
- Du prix P d’une unité de marchandise M
2) Sachant que P = 5 000 F, déterminer la quantité optimale 𝑄 ∗ à commander pour chaque
période et en déduire
a) Le nombre de commandes 𝑁 ∗ à passer dans l’année
b) Le coût total de gestion de stock (CG)
c) La durée de la période 𝑇 ∗ calculée en jours ouvrables
3) Mettant en place une nouvelle politique commerciale, le fournisseur de TUBOR lui
propose un système de tarif dégressif pour la marchandise M se présentant comme suit,
avec q la quantité de M commandée et p le prix appliqué :
Q< 50, p = 5000F ; pour 50 < Q ≤ 80 on a p = 4500 F et Q > 80 on a p = 4000 F

a) Exprimer le coût annuel d’approvisionnement en fonction de Q dans chacune des

trois hypothèses.
b) Calculer le coût d’acquisition pour les quantités Q = 30 ; Q = 50 ; Q = 60 ; Q = 80 ;
Q = 120 puis en déduire si le tarif dégressif conduit TUBOR à modifier la quantité
optimale à commander.
CAS 2 : ENEAM
A/ L’entreprise Zénon vend un bien d’utilité courante. Les ventes annuelles s’élèvent à 360 000
unités. Le coût de stockage est de 4 F par article et par jour. Le cout de lancement d’une
commande s’élève à 72000 F. l’entreprise sollicite votre compétence pour le choix d’une option
optimale entre :
Option 1 : pas de rupture de stock
Option 2 : admettre une rupture de stock pour un coût estimé à 16 F par article manquant et par
jour mais dans ce cas le coût de passation d’une commande passe à 80 000 et le coût de stockage
devient 6F par article et par jour.
1- Quelle option conseillez-vous à l’entreprise Zénon et quels seront les paramètres de
gestions : lot économique, cadence d’approvisionnement, période d’approvisionnement
et le coût global de gestion.
2- L’entreprise Zénon choisit délibérément l’option 1 et décide de créer un stock de
sécurité égal à 5% du lot économique. Le délai de livraison est de 20 jours.
Déterminer le stock d’alerte et le coût global de gestion des stocks.
B- l’entreprise Zénon vend entre autre un produit spécial : le Zénium. Produit très toxique et à
très courte durée de conservation. Le prix d’achat est de 3 000F le kg et le prix de vente s’élève
à 8000F le kg. Le produit invendu dans la journée est définitivement perdu et il faut en plus
1000 F par kg pour le laboratoire qui se charge de sa destruction. L’observation de la demande
des clients sur 100 jours a donné les résultats suivants :
Demande en kg 0 10 20 30 40 50
Nombre de jours 10 10 20 40 15 5
Déterminer le lot économique XOP ; le taux de service correspondant, le stock de sécurité et le
coût optimal de gestion.
CAS 3 :
Une société de la place utilise une matière pour laquelle elle cherche à déterminer le coût de
gestion le plus faible. Les calculs de la comptabilité analytique ont montré que 18000
commandes annuelles pour l’ensemble de l’entreprise avaient un coût de 1 800 000 F et que le
coût de possession de cette matière était 60F par unité et par mois.
La consommation annuelle de la matière s’élève à 36 000 unités.
1) Donner la fonction économique de la gestion globale des stocks en fonction du volume
x des commandes (pas de pénurie ; stock final nul).

2) En minimisant ce coût, calculer le nombre n de commandes optimales et la quantité x à

commander à chaque approvisionnement.
3) La société souhaite réaliser une économie de 15% sur le coût de gestion du stock, en
acceptant une pénurie gérée de façon optimale.
a) Calculer le taux de défaillance (encore appelé taux de pénurie). En déduire le coût
de pénurie par unité et par jour.
b) Calculer les paramètres suivants :
- La quantité économique à commander et le niveau du stock en chaque début période
- Le coût de gestion des stocks
- La durée de la période de pénurie pour chaque période.
CAS 4 : ENEAM
La société YARIS utilise une matière KX dans la fabrication de ses produits. Conscient qu’une
gestion optimale des stocks permettrait à la société de faire des économies de coût, les
responsables de la société décident d’explorer des exemples de modèles.
Gestion sans pénurie :
- Le coût de lancement d’une commande est de 16 200 F
- Le coût de stockage est de 0,09 F par kg et par jour
- La consommation annuelle en quantité est de 72 000 kg
Gestion avec pénurie :
La société fait l’option gestion avec pénurie et le coût de pénurie est de 0,15 F kg et par jour.
Gestion en avenir aléatoire :
La demande pendant la période économique de commande est une variable aléatoire qui suit
une loi normale dont les paramètres sont : espérance mathématique : 9000 unités. Ecart type :
2400 unités.
1- Calculer le coût total de gestion si la société recoit six (6) livraisons dans l’année
2- Déterminer les paramètres d’une gestion optimale sans pénurie (lot économique,
cadence optimale, période économique de commande) ainsi que le coût total de gestion
des stocks à l’optimum.
3- Calculer l’économie réalisée par rapport aux six livraisons
4- L’existence d’un stock de sécurité modifie-t-elle les paramètres déterminés ? chiffrer
l’incidence d’un stock de sécurité de 3 600 kg sur le coût total de gestion du stock.
5- Déterminer les paramètres d’une gestion optimale avec pénurie ( lot économique,
cadence d’approvisionnement, période économique)
6- Calculer la durée de pénurie ainsi que la durée de service pour un article annuel de
gestion.
7- Calculer l’économie réalisée par rapport à une gestion sans pénurie
8- Déterminer la probabilité de servir la demande si le stock de sécurité est de 2400 kg
9- Déterminer le niveau du stock de sécurité qui permet de limiter à 5% la probabilité
d’avoir une rupture de stock.

CAS 5 :
La société joralino désirerait s’approvisionner régulièrement en matières premières pour éviter
toute rupture de stock et de trop amples variations de prix. Pour l’année à venir (année de 360
jours, pour simplifier), la production prévisionnelle serait de 2 800 produits X, 9 000 produits
Y et 2 150 produits Z.
Le coût de lancement a été évalué à 45 € par commande et le taux de possession du stock à
10%.
1. Calculer le programme optimal d’approvisionnement. En déduire le coût total annuel de
gestion de ce stock.
2. La société souhaiterait, par ailleurs, connaître l’incidence de la fixation d’un stock de
sécurité de 3000 kg sur l’ensemble des paramètres précédents.
3. Si le délai d’approvisionnement était fixé à 30 jours, quel serait le stock d’alerte ?
Il est possible d’admettre que les ventes annuelles de produits X, Y et Z sont des variables
indépendantes qui suivent une loi normale dont les paramètres sont les suivants :
X suit la loi N (3 000 ; 200)
Y suit la loi N (9 000 ; 100)
Z suit la loi N (2 000 ; 50)
4. Déterminer la loi et les paramètres de la consommation totale.
5. À quel taux de service correspondrait un stock de sécurité de 3 000 kg ?
6. À quel niveau fixer le stock de sécurité afin de limiter le taux de rupture de stock à 5 % ?
Annexe : consommation de matières premières par produit.
X Y Z
10 15 15
Le coût d’achat d’un kilogramme de matière première est égal à 1,5 €.
CAS 6 :
L’entreprise M vous demande d’analyser le problème de gestion du stock d’une nouvelle

matière première M1 nécessaire pour sa fabrication.
Hypothèses de travail :
– La production du produit nouveau est régulière et effectuée tous les jours.
– La consommation de la matière première M1 est régulière et il est prévu une quantité
nécessaire de 5 760 unités pour une période de référence de 360 jours.
– La livraison du fournisseur doit être effectuée au moment où le stock disponible devient nul,
aucun stock de sécurité n’étant nécessaire.
– Le coût du lancement de chaque commande est égal à 224 €, ce montant étant indépendant de
la quantité commandée et du prix d’achat total.
– Le coût du stockage est directement proportionnel au prix d’achat de la matière et il représente
0,525 € par unité stockée et par mois de stockage lorsque le prix d’achat unitaire est de 75 €.
– Le volume commandé au fournisseur doit être constant.
– Aucun retard n’est possible dans la livraison du fournisseur.
– Aucune rupture de stock ne peut être admise.
Conditions du fournisseur :

Le prix de vente brut est de 75 € l’unité. Une remise est accordée ou non en fonction du volume
x commandé : Volume commandé Prix p à l’unité
𝑥 ≤ 1200 Pas de remise
1 200 < 𝑥 ≤ 2 400 Remise 2%
2400 < 𝑥 ≤ 4 800 Remise 2,5%
𝑥 > 4 800REMARQUE Remise 4%
Le fournisseur s’est engagé à livrer à la date prévue, en garantissant qu’il n’y aurait ni avance
ni retard dans la livraison.
1. Exprimer le coût total d’approvisionnement de la matière première M1, pour la période de

360 jours et dans le cas où le fournisseur n’accorde pas de remise, en fonction du volume
constant de chaque commande.
2. Déterminer le volume optimal de chaque commande et en déduire le coût d’achat total
minimal de la matière M1 dans le cas où le fournisseur n’accorde pas de remise
3. Afin d’étudier l’intérêt des propositions commerciales du fournisseur concernant les tarifs
dégressifs :
a. Déterminer les nombres (entiers) de commandes pour lesquels les conditions de tarif sont
distinctes du tarif sans remise.
b. En déduire le nombre optimal de commandes.
CAS 7 :
La société joralino, spécialisée dans la vente des peintures, prévoit pour l’année 2016, une
demande de 24 000 pots de peintures de type A.
Elle s’approvisionne auprès d’une industrie chimique. Le cout d’achat d’un pot de peinture de
30 kg est de 20 000 F. le coût fixe d’une commande est de 500 000 F quelle que soit la quantité
commandée, et le taux de possession est de 30% par an.
1- En supposant que la peinture de marque A est gérée en excluant toute pénurie, quelle
est la quantité optimale de commande ? quel est dans ce cas le nombre annuel de
commandes ?
2- En admettant à présent que les clients de la société colore non servis pourront l’être dès
réception du prochain approvisionnement moyennant une remise de 1 000 F par lot et
par mois représentant le coût de pénurie :
a) Calculer la quantité optimale à commander. En déduire le niveau atteint par le stock
après chaque commande.
b) Quelle économie réalise-t-on en acceptant la pénurie ? quel est le niveau de service
obtenu ?
3- En fait, la demande annuelle des pots de peinture, suit la loi normale de moyens 24 000
pots et d’écart types 2000 pots. Quel est le stock en début d’année (S) qui permet
d’obtenir un taux de service de 95% ? (le réapprovisionnement s’effectuant en début
d’année).

CAS 8 BTS BLANC ENEAM 2016
La société ZENON est spécialisée dans la fabrication de pistons de type Berliet qu’elle monte
dans les cylindres qu’elle achète à la société ZEOUS. L’ensemble cylindre piston est vendu sur
le marché local pour les moteurs des moulins à mais. Les statistiques ont montré, que la
demande hebdomadaire de ce produit est une variable aléatoire discrète distribuée comme suit :
Xi 0 1 2 3 4 5
Pi 0,3 0,1 0,2 0,2 0,1 0,1
Gestion de stock de cylindre
Le cout d’achat d’un cylindre est de 400 000 F. le taux hebdomadaire de possession de stock
vaut 1% par cylindre. Chaque ensemble demandé et manquant en stock entraine un manque à
gagner de 30 000 F.
Le réapprovisionnement en cylindre s’effectue en début de semaine. La quantité commandée
est telle que le stock en début de semaine après réapprovisionnement est constant et vaut S.
1- Calculer E(X) et V(X)
2- Quelles sont les valeurs possibles de S si on veut un taux de service au moins égal à
90%
3- On décide de prendre S = 4 ou S = 5. Calculer pour chaque valeur l’espérance du cout
de pénurie et l’espérance du cout de possession de stock.
4- Quelle est la valeur de S qui minimise l’espérance du cout de gestion de stock.
a. Déterminer le stock de sécurité et le taux de rupture pour le stock optimal (S)
CAS 9 :
La société KAFOUA utilise une matière A pour sa production. Pour une consommation
annuelle de 36 000 kilogrammes, elle a dépensé 144 000 000 F. le cout de lancement d’une
commande est de 180 000 F quelle que soit la quantité de matière A commandée. Par ailleurs
on estime à 360 F le cout de stockage par kilogramme et par an.
1/ dans l’hypothèse d’une pénurie non admise : Modèle de Wilson
a) Exprimer le cout global de gestion de stock en fonction du nombre de commandes n
b) En déduire le nombre optimal de commande de réapprovisionnement
c) Déterminer le cout global de gestion de stock
2/ le fournisseur de la matière A accorde une réduction de 2% sur le prix d’achat pour une
quantité au moins égale à 9 000 kilogrammes et de 3% pour des commandes d’au moins 18 000
kilogrammes.
Déterminer le volume optimal des commandes et le nombre de commandes dans l’année.
Quelle est l’économie réalisée par rapport au modèle de Wilson
3/ la pénurie est désormais admise et permet une économie évaluée à 20%.
a) Calculer la quantité optimale à stocker et la durée de pénurie sur une période
b) Si le délai de livraison est de 20 jours, calculer le stock d’alerte.

CAS 10 (MAC)
L’entreprise SOMAC vous sollicite pour l’aider à améliorer sa politique de gestion du stock
d’un de ses produits nommé Alpha 10.
Elle vous communique les éléments suivants provenant du service technique et commercial :
- La demande annuelle de Alpha10 est de 23040 unités ;
- Passer une commande lui coute 50 000F quel que soit la quantité commandée ;
- Le stockage de 100 000F de produit coute 14400F à l’entreprise ;
- Pour achat des 23040 unités elle aura à débourser la somme de 576000000F.
1) On suppose qu’aucune pénurie n’est admise
a) Donnez, en fonction, la quantité q commandée à chaque réapprovisionnement,
l’expression du coût global de gestion.
b) Déterminez la quantité optimale à commander en déduire le nombre optimal de
commandes et le coût global optimal de gestion des stocks.
2) Le fournisseur du produit accorde des réductions sur le prix unitaire aux conditions
suivantes :
Quantité commandée Prix Unitaire
𝑞 < 500 25 000F
500≤ 𝑞 < 1000 24 000 F
1000≤q 23 000 F
a) Donnez en fonction de la quantité q à commander, l’expression du coût total

annuel d’approvisionnement dans chaque hypothèse de prix
b) Déterminer la quantité optimale à commander compte tenu de cette politique de
prix et le bénéfice annuel ainsi réalisé.
3) L’entreprise SOMAC accepte une pénurie correspondant à un taux de 80%.
a) Calculer le coût de pénurie par unité manquante et par jour
b) Calculer la quantité optimale S à stocker en début de période et le taux d’économie
réalisée.
4) Calculer le stock d’alerte si da = 30 jours et 20 jours.
CAS 11 (MAC 2010)
Une entreprise veut améliorer la gestion des stocks d’un article pour lequel la demande annuelle
est de 800 unités. Elle envisage de commander tous les trimestres et décide à cet effet de
constituer un stock de sécurité de 20 unités. Le prix unitaire d’achat du produit est de 100
francs et son délai d’approvisionnement est de deux mois. Le coùt de passation d’une
commande est de 125 francs et le taux de possession par an est de 20%.
1- Quel est le coût annuel de gestion de la politique actuellement envisagée ?
2- Cette politique est-elle optimale ?
3- Déterminer le stock d’alerte
4- Le service de la comptabilité pense que la valeur du taux de possession est en réalité
égale à 25%. Quelles sont les conséquences de la sous-évaluation de ce paramètre ?

La société « joralino espoir » est spécialisée dans la production et la commercialisation d’un

produit de grande consommation. Elle a mis en branle son système de gestion prévisionnelle
lui permettant d’élaborer les budgets de l’année 2011. A cet effet, le chef service estimateur des
ventes a élaboré le tableau ci-après :
Bimestres 1er B 2ème B 3ème B 4ème B 5ème B 6ème B
Coefficients 0,7 0,5 0,8 0,76 0,78 0,46
Modèle de Y = 500X + 6 450 ; X= dépense publicitaire (en millième de francs)

prévision et
Y = demande annuelle estimée
Pour l’année 2011, la société désire non seulement allouer une enveloppe de 27 100 F aux
dépenses publicitaires mais aussi satisfaire la totalité de la demande qui lui sera adressée.
La fabrication du produit sera assurée par la consommation de la matière première dénommée

FACHO. Suite au test réalisé sur un échantillon de cette matière première, le chef service
production estime que 2,4 Kg de la matière seraient nécessaires pour rendre le produit livrable.
Quant au chef service approvisionnement, il prévoit gérer le stock de cette matière première
selon le modèle de WILSON. Pour ce faire, il fournit les informations ci-après :
- le coût total d’approvisionnement optimal ressort à 14 611 200 ;

- le coût de stockage par kilogramme par bimestre ressort à 4,4F ;
- le taux de détention de stock est de 8,8 % l’an ;
- le délai de livraison est de 1 mois et le délai de sécurité est de 15 jours.
- Le stock initial de la matière première est 6 tonnes.
TAF :
1) Prévoir la quantité annuelle du produit à vendre pour l’année 2011. En déduire celle de
chaque bimestre.
2) Déterminer :
a) La consommation annuelle de la matière FACHO.
b) Le lot économique.
c) La cadence d’approvisionnement.
d) La période économique d’approvisionnement optimale.
3) Déterminer le coût global de lancement optimal, le coût global de possession optimal et
en déduire le coût global de gestion des stocks minimum.
4) Sachant que la demande est uniformément répartie sur chaque bimestre et que la société
a opté pour une budgétisation par quantité constante, présenter :
a) Le tableau de stock permettant de déterminer les dates de rupture, de livraison et
de commande.

b) Présenter le budget des approvisionnements

Rappels sur les variables aléatoires

Les propriétés de l’espérance mathématique et de la variance sont les mêmes que la variable
aléatoire soit discrète ou continue. Soit a et b deux constantes, et Xi une variable aléatoire.
Propriétés de l’espérance Propriétés de la variance
E(a X) = a E(X) V(a X) = a2 V(X)

E(a X + b) = a E(X) + b V(a X+ b) = a2 V(X)
E(a X - b) = a E(X) - b V(a X-b) = a2 V(X)
 Cas de variables indépendantes :
V (X1 +X2) = V(X1) +V(X2)
 Cas de variables non indépendantes :
V (X1 +X2) = V(X1) +V(X2) + 2 cov ( X1; X2)

2022 Bon 2 Joralino Cours de Recherche Opérationnelle

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

2022 Bon 2 Joralino Cours de Recherche Opérationnelle

Transféré par

Droits d'auteur :

Formats disponibles

MANUEL DE COURS DE RECHERCHE OPERATIONNELLE

MINISTERE DE L’ENSEINGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE

UNIVERSITE D’ABOMEY-CALAVI ET INSTITUTS UNIVERSITAIRES

MANUEL DE COURS DE RECHERCHE OPERATIONNELLE

AU PROFIT DES ETUDIANTS (ES) :LICENCE

Dr. AGBOVOEDO Joress

 Docteur en sciences de gestion/UAC /FASEG

 Membre Laboratoire de Recherche sur la Performance et le Développement des

Email : joralino@gmail.com Tél : (229) 97 14 81 86

Dr AGBOVOEDO Joress S. Docteur en Sciences de Gestion/97148186- joralino@gmail.com

persévérance. La réussite de toute activité humaine est subordonnée à la façon

la méthode qui président à sa destinée. En effet une année réussie est

synonyme d’une préparation assidue et méthodique.

Ainsi, tout candidat à un examen doit d’abord bien se persuader

plan, une méthode et en poursuivre l’application avec une active ténacité.

une activité licite, moralement acceptable et d’ en développer une compétence

et d’en développer une compétence pour se démarquer du lot (réussir).

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 2

Le secret de la réussite ........................................................................................................................ 2

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 3

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 4

1.8. Notion de précédent ....................................................................................................... 43

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 5

8.2.1. Le calendrier au plus tôt des tâches ...................................................................... 55

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 6

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 7

4.2. Modèle de Wilson et Tarif dégressif du fournisseur ..................................................... 83

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 8

 détecter les types de problèmes dont la formalisation nécessite l’outil développé

 un enseignement magistral, en ce qui concerne le déroulement du cours.

- ARCHER J., GARDELLE J., Programmation Linéaire, Dunod Décision, 1983

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 9

- THIREZ Hervé, Initiation au Calcul économique, Collection Economie-Module,

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 10

CHAPITRE 1 : LA PROGRAMMATION LINEAIRE

1. Objectif du programme de production

Une organisation performante de la gestion de la production doit répondre à plusieurs

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 11

En conséquence, l’entreprise doit rechercher, en univers certain, le meilleur programme de

2. PRIMAL : Les conditions de formulation d’un PL

3. Les étapes de formulation d’un PL :

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 12

La tâche de formulation demande généralement une certaine expertise et connaissance du

3.1.1. Exemple 1 : Problème d’agriculture

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 13

3.1.2. Exemple 2 : Problème de médecine

Le problème de médecine présente certaines ressemblances avec le problème de l’agriculture,

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 14

 De la même façon que pour l’aspirine, la prescription du spécialiste en médecine doit

Le programme linéaire qui modélise ce problème médical est donc le suivant :

3.1.3. Exemple 3 : problème de production

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 15

 11x1  9 x2  9900 pour la machine M1

 7 x1  12x2  8400 pour la machine M2

 6 x1  16x2  9600 pour la machine M3

Le profit à maximiser est : z  900x1  1000 x2

3.1.4. Exemple 4 : Problème d’alimentation

Dr Joress S AGBOVOEDO , Docteur en sciences de gestion/UAC Tél : 97 14 81 86 16

 D : 0.2 x1  0.1 x2  1.7  2 x1  x2  17

La fonction objectif est une fonction coût : z  10x1  4 x2 .

4. forme canonique d’un programme linéaire

𝑎11 𝑥1 + 𝑎12 𝑥2 + … … + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1

5. Mise sous forme standard