Académique Documents
Professionnel Documents
Culture Documents
INTRODUCTION 4
Chapitre 1. Définitions et concepts 5
1.1. Définition 5
1.2. Domaines d’application de la RO 6
1.3. Dangers et difficultés de l’optimalisation 7
1.4. Objectifs et critères 8
1.5. Recherche opérationnelle ou pratique scientifique 8
1.6. Rentabilité de la recherche opérationnelle 10
1.7. La recherche opérationnelle et la gestion 10
1.8. Processus décisionnel 10
1.9. Elaboration d’un modèle décisionnel 11
1.10. Hypothèse de la prise de décision 11
1.11. Situations de la prise de décision 12
Chapitre 2. La rationalité des décisions et la rentabilité des activités de santé 13
2.1. La planification des activités de santé 13
2.2. L’analyse du système de services de santé, la programmation par objectifs et par budgets
et la recherche opérationnelle : 13
2.3. Les études de coût-rendement, coût-avantage, coût efficacité 14
2.3.1. Le rendement d’un programme14
2.3.2. L’analyse coût-avantages 14
2.3.3. L’analyse coût efficacité 15
2.4. La rationalisation des choix budgétaires (R.C.B) 16
2.5. L’évaluation des programmes 16
Chapitre 3. Structure ordonnée en recherche pérationnelle 17
3.1. Relations 17
3.1.1. Relations binaires 17
3.1.2. Relation diagonale 17
3.1.3. Relation réflexe 18
Chapitre 4. Théorie des graphes 19
4.1. Le graphe 19
4.2. Vocabulaire de la théorie des graphes 20
4.3. Chemins de longueurs K 22
4.4. Utilité du concept de graphe en recherche opérationnelle 23
4.5. Construction du graphe dans l’exécution d’un projet 24
4.5.1. La tâche 24
4.5.2. L’étape ou evènement 25
4.5.3. Types de tâches 25
4.5.4. Tracé du graphe 27
Chapitre 5. Décison en état d’ignorance 28
5.1. Notion 28
5.2. Critère de WALD ou critère de pessimisme 29
5.3. Critère d’optimisme d’HURWICZ 30
Page 1 of 60
5.4. Critère de SAVAGE 31
5.5. Stratégies mélangées 32
5.6. Problèmes 32
5.6.1. Problème 32
5.6.2. Problème 33
Chapitre 6. Décision en état de risque 34
6.1. Définition 34
6.2. Techniques 34
6.2.1. Simulation 34
6.3. Résultats d’une simulation et analyse statistique 38
6.3.1. Simulation dite “comportementale” 38
6.3.2. Simulation dite “terminale” 39
6.3.3. Simulation dite “infinie” 39
6.4. Programmation dynamique 41
6.5. Ordonnancement 43
6.5.1. Ordonnancement des tâches 44
6.5.2. Méthodes de planning par réseau 44
6.5.3. Program Evaluation Review Technique ( PERT) 45
Chapitre 7. Décision en état de certitude 57
7.1. Introduction 57
7.2. Modèle comparatif de prise de décision 58
7.2.1. Etablissement des objectifs 58
7.2.2. Identification des stratégies 62
7.2.3. Analyses des problèmes futurs 63
7.3. Programmation linéaire 63
7.4. Méthode d’affectation 63
7.5. Méthode de transport 64
Chapitre 8. Décision en état de conflit 65
8.1. Jeu à deux opposants, à somme nulle avec point d’équilibre 65
8.2. Jeu à deux opposants, à somme nulle, sans point d’équilibre 67
Annexes
Objectif général
Page 2 of 60
L’étudiant intègrera les différentes notions théoriques relatives à la Recherche Opérationnelle
(RO)
Objectifs spécifiques
Modalités pratiques
INTRODUCTION
De nos jours, la recherche opérationnelle apparaît comme une technique récente qui a vu le jour
pendant la période de la deuxième guerre mondiale.
En réalité, la recherche opérationnelle est bien plus ancienne. Déjà dès le XVII siècle, les
inventeurs de la notion “d’espérance mathématique “ plus exactement en 1654, l’utilisaient en
cherchant à résoudre des problèmes de décision dans l’incertain;
On peut donc dire que bon nombre d’illustres devanciers avaient pécédé le physicien anglais
Patrick Barckett lorsqu’il fut appelé en 1940 à diriger la toute première équipe de chercheurs
opérationnels.
Dès la fin des hostilités de la guère des nombreux essais d’application furent tentés à l’économie
industrielle. Des méthodes de la recherche opérationnelle depuis lors éprouvées seulement par
les états-majors alliés et dès lors appliquées aux entreprises ont contribué énormément à leur
réussite et à leur développement comme en témoigne un grand nombre de publications
scientifiques et techniques.
Page 3 of 60
1. Les modèles mathématiques qui ont conquis la physique et bien d’autres sciences
expérimentales, n’ont pas été d’emblée acceptées par les spécialistes des sciences
économiques
2. C’est seulement à notre ère que les problèmes sont devenus irrémédiablement
complexes, en raison de la taille croissante des entreprises et de l’intrication des liens
qui les unissent entre elles.
3. Les acquis théoriques de la recherche opérationnelle exigent des moyens énormes de
calculs notamment des ordinateurs seuls aptes à résoudre les probèmes dans la pratique.
Or, les premiers ordinateurs ne sont apparus sur le marché qu’en 1955-1956.
Il s’agit en effet d’analyser des situations comportant un ensemble d’actions appelées stratégies
et un ensemble de conditions environnant la situation appelées états de la nature que doit
considérer l’administrateur lors de son choix d’une stratégie. En effet, il est certain que les états
de la nature influencent directement l’efficacité de choix.
1.1. Définition
La recherche opérationnelle est essentiellement l’ensemble des méthodes et techniques
rationnelles d’analyse et de synthèse des phénomènes d’organisation utilisables pour élaborer de
meilleures décisions.
Un exemple ci après fera bien comprendre ces notions. Supposons une personne qui pour se
rendre à son travail se demande s’il doit prendre son parapluie; il considère donc deux
stratégies. Il pourrait pleuvoir ou la journée pourrait être ensoleillée, ces deux conditions sont
les états de la nature.
Si la personne emporte le parapluie et s’il fait beau, sa décision s’avèrera inefficace. D’autre
part si elle prend son parapluie et si la pluie tombe, sa décision sera efficace.
Si alors elle ne prend son parapluie et si le soleil apparait, sa décision sera efficace, par contre,
si elle ne prend pas son parapluie et s’il pleut, sa décision aura été inefficace.
Etats de la nature
Soleil Pluie
prendre son parapluie Inefficace Efficace
Stratégies
ne pas prendre son parapluie Efficace Inefficace
Page 4 of 60
Lors de l’analyse d’une situation, on quantifie le degré d’efficacité ou d’inefficacité de chaque
stratégie selon chacun des états de la nature.
L’on doit retenir l’idée que la recherche opérationnelle ne s’occupe pas des problèmes dans
lesquels une solution du bon sens intervient tout naturellement. Le domaine qui lui est réservé
est donc celui des situations dans lesquelles, pour une raison quelconque, le sens commun se
révèle faible ou impuissant.
D’avant les problèmes de l’aléatoire, la situation du décideur n’était guère facile du fait que
pour trouver une véritable solution, il était nécessaire de considérer le phénomène aléatoire dans
toute son ampleur. Il fallait tenir compte de toutes les incidences du hasard et minimiser
l’espérence mathématique du coût global des opérations.
S’agissant du domaine combinatoire, il est bien connu que l’homme envisage difficilement la
multiplicité des combinaisons qui se présentent, dans les moindres faits de la vie, lorsque
plusieurs variables peuvent prendre, chacune, des états diférents.
Dans tous les problèmes fortement combinatoires, l’esprit humain ne peut envisager le nombre
astronomique des arrangements, permutations ou des combinaisons. Il lui faut un fil d’Ariane
pour parvenir à choisir entre telle ou telle de toutes ces dispositions car, même avec une
puissante machine, le principe fondamental en matière combinatoire demeure de proscrire toute
énumération parce que les calculs sont très fastidieux.
Page 5 of 60
Ainsi par exemple si l’on pose à l’homme de la rue la question suivante: combien faut il de
temps à une famille de 8 personnes, prenant un repas en commun, 2 repas journaliers, pour
épuiser les diverses possibilités de se grouper autour de la table familiale? On recevra des
réponses variées.
Or, on sait en réalité, à raison de deux repas par jour (2), douze mois par an (3 x 4 ), trente jours
par mois (5 x 6), il faudra cinquant six ans (7 x 8) pour en venir au bout car :
8! = 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8.
Le nombre de dispositions différentes, est déjà un nombre très grand soit 8! = 40320
Pour ce qui est des situations de duel ou des concurrences multiples, elles demandent à être
étudiées avec le plus grand soin car le choix d’une stratégie, dans une situation donnée, dépend
des décisions des concurrents. Et, comme celles-ci sont éventuelles, il s’agit à la fois d’un
problème combinatoire et d’une situation de hasard.
1.3. Dangers et difficultés de l’optimalisation
L’un des dangers de l’entrepreneur est l’ambition de vouloir optimiser simultanément plusieurs
fonctions. Il est très difficile sur le plan mathématique de parvenir à résoudre les probblèmes de
cet ordre sans recourir au système de l’aide multicritère à la décision. C’est pourquoi dans
l’immense majorité des cas l’entrepreneur doit se borner à indiquer les limites de ses
investissements, dépenses en études et recherches, en service commercial, en capacité de
fabrication et de stockage par exemple.
Les limites indiquées fournissent les contraintes du problème. Par exemple, si les produits P 1, P2
et P3, fabriqués en quantités respectives x1, x2 et x3, occupent des capacités de 1,2 et 3 unités de
volume respectivement, et si l’on dispose d’une capacité totale de stockage de 4000 unités, on
obtiendra :
Si ces mêmes produits laissent des profits nets respectifs de 4, 12 et 3 unités monétaires et si
l’on désire maximiser le revenu, on posera:
[Max] Z = 4 x1 + 12 x2 + 3 x3;
Les différentes contraintes limitent, dans un espace à n dimensions (s’il existe n variables), une
surface à l’intérieur ou à la périphérie de laquelle se trouvent les points dont les coordonnées
constituant une solution possible du problème. Il reste alors à trouver et à utiliser des techniques
permettant de choisir, parmi cette infinité de points, celui ou ceux qui donne (nt) à la fonction
économique sa valeur optimale.
Page 6 of 60
L’idée essentielle à retenir est donc celle de l’unicité de la fonction à optimiser. Retenons que
l’idée de l’unicité ne s’oppose pas à la démarche de l’analyse multicritères.
Ce qui est bon par exemple pour l’année X peut devenir mauvais pour l’année x + 1. Et ce qui
est conseillé en saison de pluies peut-être à rejeter en saison sèche.
Brièvement, on peut dire qu’en recherche opérationnelle l’évolution est de règle, même pour le
critère de choix.
Dans certains c’est aux autorités de tutelles qu’incombe la responsabilité de déterminer les
critères.
En tant que science, la recherche opérationnelle ne cherche pas expliquer les phénomènes
qu’elle prend en compte. Elle permet plutôt d’agir sur leur évolution.
Elle envisgae plus exactement des modèles ou des schémas d’intervention utiles voire
indispensables à un agent économique déterminé pour obtenir les meilleurs résultats possibles
dans des circonstances déterminées.
Page 7 of 60
Informatique
Economie
Recherche
opérationnelle
ou aide à la
Elaboration du décision Traitement du
Modèle Modèle
Mathématique
Page 8 of 60
Le conseiller à la RO apporte un oeil neuf et des méthodes rafinées d’analyse et de synthèse.
Sa fonction n’est pas d’émettre des oracles, mais d’aider ceux qui le consultent à comprendre
les implications des différentes décisions qu’ils pourraient prendre, de le aider à chosir, puis
finalement de les assister dans la mise en pratique de la décision retenue. Sans cette volonté
d’accompagner l’action, il risquerait le plus souvent d’abandonner le décideur à ses préjugés ou
à ses impulsions irrationnelles.
Il est donc naturel que tout conseiller des diverses spécialités qui s’occupent du traitement des
données, soient intéressés par les méthodes et les techniques de la recherche opérationnelle.
En troisième lieu, le preneur de décision choisit une statégie particulière. Cette sélection
s’effectue en se référant aux objectifs de l’entreprise. Le rôle de la recherche opérationnelle à ce
stade est essentiel. Elle permet l’analyse des stratégies, fournit une évaluation quantitative de la
rentabilité de chacune d’elles et identifie la statégie optimale.
B1 B2 B3 …… Bj
Page 9 of 60
S1 e11 e12 e13 ……. e1j
S2 e21 e22 e23 ……. e2j
S3 e31 e32 e33 ……. e3j
Si ei1 ei2 ei3 ……. eij
Les B1 représentent les états de la nature soit les diverses configurations que peuvent prendre les
variables incontrôlables.
Les S1 sont les stratégies c’est-à-dire les configurations que peuvent prendre les variables
contrôlables.
Le revenu ou gain associé à chaque stratégie varie selon l’état de la nature. Les revenus sont
indiqués par les Eij
Par hypothèse, on admet que l’utilité de la recherche est linéaire. Par conséquent, la valeur de
l’argent est considérée comme strictement égale à son utilité, quelqu’en soit le montant:
U(x) = x;
Ceci implique qu’un gain de 200Fc est deux fois plus désirable qu’un gain de 100 Fc.
Ainsi, on pourrait dire que l’utilité décroît marginalement à mesure qu’augmentent les
ressources de l’individu.
L’hypothèse que le preneur de décision désire en tout temps sélectionner la stratégie qui lui
assurera le plus grand revenu espéré n’est pas toujours réaliste, précisément parce que l’utilité
de l’argent n’est pas linéaire.
Exemple : Lors du jet en une seule fois de la pièce de monnaie donnant 10.000 Fc si face ou
25.000 Fc sans condition, le pauvre choisira la deuxième stratégie et la première.
1.11. Situations de la prise de décision
Selon les conditions qui entourent la prise de décision, on distingue généralement quatre types
de situations :
Page 10 of 60
4. Décision en état de conflit
Le médecin éprouve une méfiance face au calcul économique en santé et aux choix rationnels
qui lui sont proposés. Cependant, toute décision est un choix et celui-ci doit répondre à quelques
rationalité.
La rationalité économique consiste à prendre des décisions efficaces aboutissant aux meilleurs
résultats avec un minmum de coûts. Toute évaluation économique ramène à une comparaison
d’avantages obtenus et de coûts exposés. A cause des contraintes économiques, financières,
humaines, etc., les choix et les priorités paraissent inévitables dans le moment de la planification
ou de la programmation en santé. Les techniques utilisées pour éclairer ce choix s’appuient sur
le calcul économique et la recherche opérationnelle :
Page 11 of 60
problèmes d’efficience et d’opitimisation, etc.) Son objectif principal est double : d’envisager
les sytèmes dans leur ensemble; de choisir la décision optimale dans des conditions
d’incertitude.
Les techniques de la recherche opérationnelle sont “l’analyse par graphes”, le “P.E.R.T.”
(l’analyse du chemin critique), “la programmation linéaire”, les “procédures de simulation”,
“les projections”, “l’extrapolation”, “les méthodes budgétaires et comptables”, “l’étude du
travail”, “l’analyse coût-efficacité”.
Le P.E.R.T est une forme d’analyse par graphes pour le contrôle de temps et des coûts de
projets complexes. Il exige l’analyse détaillée du programme, l’énumération de toutes les
activités et tâches à accomplir pour atteindre un objectif général prédéterminé, avec leur
présentation sous la forme d’un graphe montrant les relations séquentielles entre elles.
C’est le rapport entre les objectifs, l’effort accompli et les résultats obtenus; il peut s’exprimer
par rapport aux coûts du programme, le nombre de personnes servies, les résultats obtenus. Le
rapport coût-rendement est toujours relatif, en fonction d’une norme tenue pour raisonnable, ou
par rapport à l’efficacité d’autres programmes.
Par définition, les avantages d’un projet sanitaire résident dans son impact sur les objectifs et le
“coût” représente la perte que subit la collectivité du fait qu’il n’est pas tiré le meilleur parti
possible des ressources, de la technologie, du personnel, etc.
Bref, l’analyse coût-avantages est la comparaison systématique (en termes monétaires) de tous
les coûts et avantages en vue de déterminer:
Page 12 of 60
- Quelle décision ou combinaison de décisions contribuera le plus à la réalisation
d’objectifs prédéterminés moyennant un investissement donné;
- La grandeur des avantages (bénéfices) qui pourront résulter des décisions exigeant
l’investissement minimal.
Il faut déterminer quelles sont les ressources nécessaires par unité d’avantage, en tenant compte
du fait que les coûts et les avantages se cumulent avec le temps. Le trait caractéristique de cette
analyse n’est pas la comparaison, à l’année où le projet doit être réalisé, entre le flux des
revenus anticipés et le flux des coûts anticipés du projet obtenus par la technique
d’actualisation.
L’analyse coûts-avantages exige une très bonne information statistique et économique; exige le
cadre du plein emploi et il utilise un seul critère: la rentabilité économique.
Lorsque les avantages sont difficiles à mesurer, l’analyse coût-avantages a pour but de choisir
les objectifs et facilite ce choix; elle implique des jugements subjectifs quant à la valeur relative
de différents objectifs de santé.
2.3.3. L’analyse coût efficacité
Est une méthode très valable pour rechercher le moyen le moins coûteux d’atteindre un objectif
donné; elle consiste à choisir une stratégie lorsque l’on en connaît le coût et les effets et qu’on
peut les quantifier.
L’analyse coût-efficacité est utilisée lorsque les avantages sont difficiles à mesurer: les
avantages, au lieu d’être exprimés en termes de résultats, par exemple, en nombre de vies
sauvées ou en nombre de jours sans maladie. Le coût de chaque programme est constitué par la
somme des coûts des actions qui le composent. Les indicateurs d’efficacité sont le nombre de
décès et le nombre des handicapés évités par le programmes.
Est une méthode de répartition du budget pour la réalisation d’opérations et d’activités qui
permet d’assurer la réalisation optimale de chaque activité. Cette répartition est faite par
programmes plutôt que par postes budgétaires classiques;
M.T Chapelin explique la méthode R.C.B en ces termes: “après avoir dégagé les dimensions
d’un problème, puis s’être fixé des objectifs à atteindre, on recherche de manière systématique
l’ensemble des moyens les plus adaptés du point de vue de leur efficacité et de leurs coûts pour
obtenir les résultats souhaités”. Le R.C.B exige une très bonne information statistique et le
groupement des activités dans des programmes se rapporant à chaque objectifs, c’est-à-dire le
groupement par finalités plutôt que par structures administratives ou par fonctions, afin de
Page 13 of 60
déterminer ce qu’on produit et comment on le produit ou quels moyens on consomme au cours
de ce processus. Les étapes sont :
- identification du problème de santé et ses dimensions;
- analyse des objectifs (structure) et quantification du prix de chaque objectif et
d’avantages;
- analyse des moyens;
- relation entre objectifs et moyens;
- mise au point des programmes alternatifs;
- évaluation des programmes (analyse coût-avantages) antérieure aux décisions;
- décisions sur le plan, programmes, budget-programmes;
- exécution et contrôle de gestion par objectifs (évaluation pendant l’exécution et
évaluation finale).
3.1. Relations
3.1.1. Relations binaires
X Y Z
X (x,x) (x,y) (x,z)
Y (y,x) (y,y) (y,z) R1
Z (z,x) (z,y) (z,z)
Produit cartésien
Page 14 of 60
A = {(x,x);(y,y);(z,z)}
X Y Z
X (x,x)
Y (y,y) R2
Z (z,z)
X Y Z
X (x,x) (x,y)
Y (y,z)
Z (z,z) (z,z)
Une relation est dite réflexive si elle contient la diagonale. A cette condition, elle est aussi
appelée une relation symétrique.
La théorie des graphes est devenue l’un des instruments les plus efficaces pour représenter ou
modéliser, puis résoudre de nombreux problèmes discrets que pose la recherche opérationnelle.
J.Peterson, André Sainte-Laguë, Denes, König furent parmi les premiers à développer le
concept des graphes.
Page 15 of 60
C
Figure 3.1
Les flèches symbolisent au sens mathématique, une application dont le point d’extrémité initiale
est l’argument ou variable et le point extémité terminale, l’image ou valeur.
Le graphe G de la figure 1 est donc défini lorsqu’on connaît l’ensemble x des sommets, et
l’application I d’où l’écriture
Chaque flèche qu’on appelle arc, est désignée par le couple formé de son extrémité initiale et de
son extrémité terminale. La flèche AB peut donc être notée (A, B). Dans ces conditions, le
graphe devient , U étant l’ensemble des arcs G. Pour le graphe de la
figure 3.1 on a:
Ici, U n’est autre chose qu’une relation binaire, c’est-à-dire un sous-ensemble du produit
Dans certains cas, il n’est pas toujours besoin de noter ou de conserver les orientations des arcs
d’un graphe. A tout graphe orienté correspond en particulier, un graphe non orienté.
Les arcs d’un graphe non orienté se nomment les arrêtes. En faisant disparaître par exemple
l’orientation de l’arc (A,B), on a l’arête [ A, B] ou [B, A] qui désigne la même arête.
4.2. Vocabulaire de la théorie des graphes
Dans un graphe, on appelle chemin, une suite d’arcs dont l’extrémité terminale de chacun, sauf
pour le dernier, est l’extrémité initiale du suivant. Un circuit, est un chemin qui se ferme sur lui-
même. Il est plus aisé d’utiliser des chemins simples.
Un chemin est simple s’il ne passe qu’une fois par chacun de ses arcs. Il est dit élémentaire s’il
ne rencontre pas plus d’une fois chacun de ses sommets. Un chemin élémentaire est
nécessairement simple.
La longueur d’un chemin est le nombre de ses arcs. Un circuit de longueur est une boucle.
A C
Page 16 of 60
E D
Figure 3.2
On appelle chaîne une suite d’arêtes dont chacune a une extrémité commune avec l’arête
précédente (sauf la première) et l’autre commune avec l’arête suivante (sauf la dernière). Ainsi
[A,D,E,C] est une chaîne.
Une chaîne qui se ferme sur elle-même (et qui est simple) est un cycle.
Un graphe (orienté ou non) est connexe, s’il existe au moins une chaîne entre toute paire de
sommets; s’il n’est pas connexe, les sous-ensembles de sommets tels qu’entre deux sommets
quelconques d’un même sous-ensemble existe une chaîne, sont nommés “composantes
connexes du graphe”. Le graphe ci-dessus est connexe. En lui supprimant des arcs (A,B)
(A,C) , (D,A), (D,E) et (E, C), le graphe restant un arbre. Un arbre des sommets comporte
N-1 arêtes ou arcs.
Cette notion fait donc appel à l’orientation du graphe. En supprimant tous les arcs de la figure
3.2 sauf n-1=4 arcs suivants:
(B,C),
(C,D),
(D,A) et (D,E), on obtient une arborescence de racine B.
Tout graphe peut être défini par sa matrice d’adjance M qui est booléenne. L’existence d’un
arc entre x et y se traduit par la présence d’un 1 à l’intersection de la ligne x et de la colonne y
de la matrice M.
L’absence d’arc, se traduit par la présence d’un 0.La matrice d’adjance relative au graphe du
schéma 2.2 donne la configuration suivante :
A B C D E
A 0 1 1 0 1
Page 17 of 60
B 0 1 1 0 0
M= C 0 0 0 1 0
D 1 0 0 0 1
E 1 0 1 0 0
On peut par ailleurs représenter un graphe par la matrice d’incidence qui consiste à omettre les
valeurs 0.
Le tableau 3.4 ci-après donne cette matrice pour le graphe de notre exemple.
(A,B) (B,B) (B,C) (A,C) (C,A) (C,D) (D,A) (D,E) (E,C) (E,A)
A +1 +1 +1 -1 -1
B -1 +1 +1
C -1 -1 +1 -1
D -1 +1 +1
E -1 -1 +1 +1
Tableau 3.4
Encore la présentation peut se faire par ce qu’on appelle “listes des successeurs”.
Cette manière de représenter un graphe donne la configuration suivante pour notre exemple.
A B C E
B B C
C D
D A E
E A C
Cette représentation compacte d’un graphe est aisée à obtenir, en machine en utilisant des
structures de données dynamiques existant dans tous les langages de programmation modernes.
Page 18 of 60
Dans un graphe de n sommets, les plus longs chemins élémentaires comportent, s’ils existent, n-
1 arcs.
Ils passent une fois et une seule par tous les sommets du graphe ; on les appelle chemins
hamiltoniens.
Un graphe peut représenter toutes sortes de situations dans les phénomènes d’organisation. Par
exemple un réseau c’est-à-dire un graphe comportant une entrée et une sortie peut correspondre
à des canalisations où circulent des fuites (liquide, gaz). Dans ce cas, il vérifie la loi des noeuds
ou loi de Kirchhoff, selon laquelle les quantités entrantes par unité de temps en un sommet sont
égales aux quantités sortantes par unité de temps en ce même sommet. Voir graphique 2.5
2 A
3 4
1 2
Figure 3.6
Il est ainsi facile de comprendre en effet que si trois canalisations apportent en un sommet A des
débits respectifs de 2,3 et 1 litres/mn, soit au total 6l/mn, les canalisations qui partent de A
doivent avoir un débit total de 6l/mn.
Il faut retenir qu’un graphe n’est pas toujours un réseau, représentant des circulations
quelconques. Souvent une flèche entre deux points implique seulement une relation de
succession. C’est le cas par exemple dans la figure 2.6 ci-après où la flèche veut simplement
dire que A précède B qui lui-même précède C et c’est la propriété évidente de la transitivité.
Page 19 of 60
A
On dit qu’un graphe est évalué si, à tout arc qui le constitue, correspond une valueur numérique,
qu’on écrit sur la figure, à proximité de l’arc. Ces valeurs peuvent exprimer des quantités
transportées, débits, des coûts, des durées etc.
Les graphes permettent de représenter aisément les systèmes pouvant se trouver dans des états,
les changements d’états étant des transitions. Tout état est alors représenté par un sommet, toute
transition par un arc. Des exemples des systèmes états et transitions se rencontrent courament
dans les chaines de Markov, puis des processus de Markov. Autre exemple, on le trouve dans le
réseau de Pétri.
Il est affecté d’une description ”code” de la tâche et sa durée la pointe de la flèche marque le
sens de progression du produit.
A 10
On appelle étape l’instant qui correspond au début ou à la fin d’une ou de plusieurs tâches.
L’évènement n’a pas de durée, il est symbolisé par un cercle qui sera un numéro.
A 10
1 2
4.5.3. Types de tâches
A B C
1 3 20 of 60
Page 4
2
Tâches simultanées sont des tâches qui peuvent se dérouler en même temps.
Elles sont:
1 2
Dans la méthode PERT que nous verrons au chapitre traitant de la prise de décision en état de
risque, la représentation de cette situation pose probème qu’on pallie par la notion de tâches
fictives.
A
1 3
B
Tâche fictive
2
o Convergentes lorsque les étapes initiales diffèrent tandis que l’étape finale est
commune
Page 21 of 60
Y A
o Divergentes lorsque l’étape initale est cmmune alors que les étapes finales sont
différentes.
A C
Tâche fictive
Page 22 of 60
Liaison entre deux chemins paralèles
b1
a
b2
a1 a2
b1
b2 c
Chevauchement
Chapitre 5. Décison en état d’ignorance
5.1. Notion
En état d’ignorance, on connaît toutes les stratégies disponibles, tous les gains et chacun des
états de la nature qui pourrait survenir.
On ne sait toutefois pas, par contre, selon quelle probabilité chaque état peut se produire.
L’état d’ignorance signifie que l’on ne connaît pas les probabilités d’arrivée des états de la
nature.
Si le preneur de décision dispose d’une information, aussi fragmentaire soit elle à ce sujet, l’état
d’ignorance est violé.
Considérons un vendeur de meubles en quête d’un nouveau style mais confronté aux contraintes
d’espace et d’entreposage. Il doit choisir entre trois styles:
Contemporain
Canadien
Lousi XIV
La demande de ces modèles est influencée par les revues du mode pouvant favoriser:
Sur base des informations receuillies, l’on crée une matrice des profits qu’il pourrait réaliser
selon chaque stratégie et les états de la nature correspondant aux réactions des revues de mode.
Les gains seront exprimés en milliers de dollars:
Etat de la nature
B1 B2 B3
Stratégies S1 80 70 70
S2 70 85 65
S3 75 71.25 86.25
Matrice 4.1
Les Bj représentent les diverses situations ou états de la nature qui peuvent se produire :
(B1) les revues pronostiquent en faveur de contemporain;
(B2) les revues favorisent le style canadien
(B3) les revues sont pour le style LouisXIV
Le critère de WALD, s’appelle aussi «maxim». Son principe opte pour la stratégie dont le gain
minima est le plus grand parmi les gains minima. Ce critère convient particulièrement pour
l’individu qui ne peut se permettre de “tenter sa chance». C’est le cas par exemple d’un preneur
de décisions pour qui l’utilité de l’argent correspond à son montant du fait qu’il agit comme si la
nature lui sera hostile une fois la décision choisie.
Gains minima
U
S1 70.000U$
Stratégies S2 65.000U$
S3 71.000U$
Page 24 of 60
Matrice 4.2
Dans le CAS des trois style de meubles, le vendeur raisonne comme suit :
Il chosira alors la stratégie qui lui assure, quelque soit l’état de la nature qui survient, le
gain le plus grand parmi les minima. Ce choix est donc la stratégie US3 soit le style
Louis XIV qui donne 71.250 U$ de profit supplémentaire.
Le critère d’optimisme implique que l’utilité de l’argent ne correspond pas à son montant. Donc
l’administrateur ne veut pas s’assurer un gain minimal. Il espère plustôt réaliser das gains
importants si la chance lui sourit.
La technique du maximax incite à choisir le gain maximal parmi les gains maxima susceptibles
de se produire
Considérant la matrice ci-après
Etats de la nature
B1 B2 B3
S1 80 70 70
Stratégies S2 70 85 65
S3 75 71.25 86.25
Matrice 4.3
Suivant le critère du maximax, le vendeur choisira entre les trois strétégies, la S3 qui lui permet
espérer un profit supplémentaire de 86.250U$
Au delà de ces deux critères, la RO utilise aussi le critère de “Regret de savage” ou “regret
minimax”.
Il mesure le regret que peut resentir l’administrateur une fois la décision prise, en utilisant la
différence entre le gain réel et celui qu’il aurait obtenu s’il avait connu l’avenir.
La matrice des regrets s’obtient en retenant le gain maximal selon chaque état de la nature et on
calcule la différence entre ce gain et le gain correspondant à chaque stratégie.
Page 25 of 60
Si par exemple la situation B1 se produit et si le vendeur a choisi la stratégie S1, son regret est
égal au gain maximal qu’il aurait pu obtenir, diminué du gain associé à la stratégie S1, soit:
80.000U$ - 80.000U$ = 0
B1 B2 B3
S1 0 15 16.25
Stratégies S2 10 0 21.25
S3 5 13.75 0
Matrice 4.4
S1 : 16.250 U$
S2 : 21.250 U$
S3 : 13.750 U$
Ceci étant, le vendeur des meubles choisira la stratégie qui lui assure le regret minimal parmi les
trois regrets maxima, c’est-à-dire 13.750U$ de profit non réalisé en sélectionnant le style Louis
XIV.
Les stratégies mélangées sont principalement utilisées lorsque le preneur de décision désire
empêcher que l’environnement puisse prédire son choix ou lorsque la décision est répétitive.
Elle repose sur le principe des fréquences d’utilisation qui font que quelque soit l’état de la
nature, le revenu espéré est le même à long terme.
C’est le tirage au sort qui détermine la stratégie à choisir
Aux quatre critères précédant s’ajoute souvent un autre critère de décision qui consiste à
supposer l’équiprobabilité de chacun des états de la nature.
5.6. Problèmes
5.6.1. Problème
Un pharmacien a vu ses ventes diminuer depuis quelque temps dans la ville de Kinshasa. Afin
de remédier à cet état de choses, le directeur de marketing peut décider de:
Page 26 of 60
Organiser une promotion de produits
Toutefois, les bénéfices dépendent de la réaction d’un concurrent situé en face de lui dont la part
du marché est forte.
Ce concurrent peut également adopter l’une des 3 stratégies dont dispose le directeur du
marketing.
Réactions du concurrent
Organiser
Réduire les Améliorer une
prix la qualité promotion
Matrice 4.5
5.6.2. Problème
Une O.N.G désire participer à l’amélioration des conditions sanitaires et économiques d’une
région.
Pour ce faire, elle décide d’offrir 1000U$ pour aider l’une des catégories de la population
locale. Elle évalue la rentabilité de son geste en fonction des réactions de la population. Ces
réactions dépendent de l’intérêt qu’elle manifeste à l’égard de chacune de ces catégories.
Réactions de la population
6.1. Définition
En état de risque, le preneur de décisison connaît les stratégies, les gains et les états de la nature.
Il sait aussi selon qu’elle probabilité chaque état peut se produire.
Il lui reste donc à calculer l’espérence mathématique de chaque stratégie et choisir celle dont
l’espérence de gain est la plus grande.
6.2. Techniques
Les techniques utilisées dans la prise de décision en état de risque sont assez nombreuses.
Parmi les plus couramment utilisées se retrouvent la simulation, la théorie de files d’attente, les
chaînes de Markov ou le Pert etc.
6.2.1. Simulation
Dans la gestion d’une entreprise ou d’une organisation, l’erreur est coûteuse, sinon proscrite : le
prix de l’expérience est élevé, parfois insupportable. Il est souhaitable de pouvoir agir “ à
blanc” afin d”’analuser les réactions du système et de tirer les conséquences des décisions
prises. La simulation permet donc d’acquérir une expérience non grâce à un vécu, mais grâce à
l’image d’un vécu qui ne risque pas d’entamer le potentiel du décideur. La simulation peut donc
être utilisée comme un moyej d’aide à la décision, ce peut être aussi un outil efficace de
formation.
La simulation est une méthode consistant à reproduire un phénomène réel, autrement dit à
pratiquer une reconstitution suffisamment fidèle du phénomène du monde réel à travers la
construction d’un modèle comportant nécessairement des approximations.
En second lieu, on pratique, sur ce modèle des expérimentations, le plus souvent numériques
permettant d’analyser l’évolution au cours du temps, du phénomène faisant l’objet de l’étude.
Le nombre d’expériences doit être suffisamment grand pour obtenir des résultats d’un niveau de
confiance acceptable.
En gestion, le déterminisme est moins fréquent que dans les sciences mathématiques ou
physiques: les évènements probables ou incertains sont fréquents. Le succès de la simulation
résulte en partie, d’une méthode d’approche qui, pour mieux connaître le futur, vise moins à
Page 28 of 60
l’exhaustivité qu’à la visualisation d’un certain nombre de possibles et au repérage des éléments
les plus déterminants. La simulation de gestion nécessite l’acceptation d’une double
simplification du réel : réduction du nombre des variables du système réel à analyser, test sur un
échantillon plus ou moins réduit des réactions des combinaisons de ces variables. Cette double
simplification est intégrée dans la notion de modèle.
- Analyse
-Comparaison
avec les "à priori"
Page 29 of 60
-action sur les variables
endogènes (qui dépendent
Acquisition d'une expérience de l'entreprise) ~décision
Dialogue
nécessaire -Tests logiques
(>,<,=,…)
Test du -génération d'éléments
Objectifs modèle aléatoires
poursuivis
Limites du modèle :
Hypothèses restrictives
Eléments à
modéliser
-choix de variables
-Formalisation des
relations
Elaboration du modèle
Simulations
La simulation est une approche qui permet de conduire à des conclusions de type “pour
un investissement de x unités, le profit serait, en tenant compte de toutes les contraintes,
comprises entre deux valeurs Y1 et Y2 unités monétaires avec une probabilité égale à
P”; mais jamais à des affirmations de la forme “l’investissement de x unités conduit à
un profit maximal de y unités monétaires”.
La simulation est utile dans le cas où l’on ne peut pas construire le modèle analytique
d’un système dynamique complexe c’est-à-dire qui évolue continuellement dans le
temps et dont le fonctionnement est intrinsèquement probabiliste, mais dont on peut
Page 30 of 60
décomposer le fonctionnement en évènements élémentaires. On parle dans ce cas de
simulation à évènement discrets.
Exemple d’une gestion de stocks où il s’agit de définir les quantités à approvisionner de
façon à satisfaire une demande aléatoire tout en minimisant les coûts de stockage et de
pénurie. Donc le fonctionnement est décomposé en évènements élémentaires :
o Demande d’un article suivie soit de sa livraison soit du déclenchement d’une
pénurie
La simulation est, de fait très appropriée pour analyser des enchaînements stockastiques
c’est-à-dire liés au hasard et multiples d’occurences d’évènement (séquences
complexes), chacune provoquant un changement d’état du système étudié.
Pour effectuer une simulation, il est essentiel d’engendrer des séquences d’évènements à chacun
étant associé une date d’occurence. Les évènements sont ordonnancés, suivant leur date
d’occurence, dans une structure des données adéquate.
Un échéancier est donc la représentation par une structure de données qui permet de stocker les
évènements, leur date d’occurence ainsi que le traitement associé.
“Le noyau de synchronisation” est quant à lui, l’ensemble des procédures qui entretiennent et
manipulent l’échéancier lors de chaque occurence d’évènement (insérer, supprimer des
évènements etc)
Les seuls temps accessibles lors de la simulation d’évènements discrets sont les dates
d’occurences d’évènements, l’incrémentation du temps se fait d’une date à la suivante
(NEXT EVENT SCHEDULING).
L’échancier est ordonnacé dans une structure de données qui peut être une liste ou un
arbre binaire équilibré.
Dans le cas d’une liste, les évènements sont stockés par ordre croissant de date
d’occurrence. Le prochain évènement à traiter dans le temps est toujours en tête de
liste.
Dans le cas de la structure de données dite “arbre binaire équilibré, les évènements
comportent chacun, une date inférieure et l’aute à une date supérieure à la date de
l’évènement père.
Page 31 of 60
Simulation dirigée par horloge
Dans ce cas, on définit une unité de temps appelée “pas” et on dispose d’une horloge
centrale qui progresse par pas pour explorer l’échéancier et voir si un évènement est
prévu à cette date ou pas. Ceci permet de minimiser les recherches qui se révèlent
négatives (c’est-à-dire sur des intervalles de temps qui ne comportent aucun évènement
et donc à traiter tous les évènements programmés dans l’échéancier).
Simulation “comportementale”
Simulation “terminale”
Simulation “infinie”
Il peut s’agir :
On utilise dans ce cas la suite des évènements produits par la simulation pour évaluer
une ou plusieurs grandeurs par exemple, la fréquence d’occurence d’une panne
électrique afin de prédire le comportement du système réel dont simule le
Page 32 of 60
fonctionnement.
Il faut donc prélever des observations pour effectuer des statistiques sur l’échantillon
recueillis des grandeurs mesurées.
On stoppe la simulation dès qu’une précision requise est obtenue et/ou une durée de
simulation (stipulée à l’avance) est atteinte.
L’exemple de la simulation Monte Carlo est l’une des simulation les plus connue dans
la reproduction totale d’une situation plutôt qu’en tentant de la décrire par des relations
mathématiques.
Ce n’est pas renier au modèle son caractère scientifique que d’affirmer qu’il représente
une image simplifiée de la réalité, où les choix successifs sont à la fois éclairés et
subjectifs.
Un modèle est la représentation d’une réalité datée et en gestation: la vérité d’un jour
n’est plus celle du lendemain. Les donnéees de l’entreprise, comme les données de
l’environnement sont en évolution permanente; le risque est grand, étant donné
l’investissement que représente la modélisation de l’utiliser le plus longtemps possible
afin de l’amortir. Plus le modèle est complexe, plus la tentation est grande d’ignorer son
vieillissement inéluctable. Il est donc souhaitable de créer des modèles évolutifs et
d’éliminer un modèle devenu infidèle.
Page 33 of 60
Il manque à toute décision prise dans le cadre d’une simulation l’enjeu de la situation
réelle. Cette absence peut avoir une influence sur la décsion prise: il est plus facile de
prendre des risques simulés que de vrais risques.
Dans le cas d’utilisation d’une simulation comme moyen d’aide à la décision, il est plus
difficile de trouver un enjeu de substitution : peut-on en déduire que la simulation est un
outil favorisant la témérité? C’est vrai en partie puisque la simulation peut faire
mesurer, avant la décision effective, les conséquences positives d’une décision à haut
taux de risque.
d) Croire au déterminisme
Après avoir décrit l’utilité d’une méthode didactique, souligné les limites et les dangers
de cette méthode, il est courant de constater que l’apport de la méthode n’est pas
seulement dans l’utilisation de celle-ci mais dans l’analyse préalable, nécessaire à sa
mise en oeuvre, et dans le recensement des limites qu’elle contient. L’élaboration du
modèle est en elle-même formatrice.
La programmation dynamique est fondée sur le principe d’optimalité: ”toute partie d’un chemin
optimal est, elle-même optimale”.
Exemple :
Imaginons que nous avons à construire une route entre A et K, ainsi que l’indique la figure 5.1.
Les points intermédiaires pouvant être classés en phases et les arcs du graphe ayant été évalués
par l’indication des coûts totaux des chaussées, ouvrage d’art, etc plus coûts sociaux, de regret,
etc..
Page 34 of 60
Dans ces conditions, la meilleure des politiques F(xo,...., x4) est celle qui correspond au coût
minimal avec :
Xo = {A},
X1 {B,C,D}
X2 { E,D,G,H}
X3 {I,,J}
X4 = {K}
On peut déterminer le chemin optimal depuis l’origine en progressant phase par phase sur le
terrain. Cela revient à déterminer d’abord pour les deux premières phases, le sous-chemin
optimal entre A et chacun des sommets de l’ensemble x 2={E,F,G,H}; puis ne retenant que les
sous-chemins optimaux entre A et chacun des sommets de l’ensemble
X3 = {I,J} etc... D’où les deux tableaux; 5.a et 5.b
3 4
B 5 I
4
O F 3
4
A C 6 5 K
G
6 7
3
7 J
D 4
3 H
X X1 X2 X3 X4
Figure : 5.1
Chemin
X2 optimal Coût
E ACE 10
F ACF 9
Page 35 of 60
G ADG 9
H ACH 9
Tableau 5.a
chemins Chemin
X3 possibles optimal Coût
I ACEI ADGI 12
J ACFJ,ADGJ ADGJ 11
ACHJ
I ADGIK ADGIK 17
ADGJK
Tableau 5.b
6.5. Ordonnancement
Il s’agit d’une application directe des méthodes de recherche des chemins optimaux dans un
graphe. On dit que l'on a affaire à un problème d’ordonnancement lorsque, en vue de la
réalisation d’un objectif quelconque, il faut accomplir un ensemble de tâches ou opérations
soumise à un ensemble de contraintes :
Contraintes de type potentiel ; qui sont les contraintes de localisation temporelle (la
tâche i ne doit pas commencer avant telle date, ou au contraire doit être achevée à telle
date), ou les contraintes de succession (la tâche j ne peut pas commencer avant que la
tâche i ne soit terminée):
Contraintes du type cumulatif; concernant l’évolution dans le temps du volume total des
moyens humains et matériels consacrés à l’exécution des tâches.
Page 36 of 60
En fait, l’ordonnancement est une confrontation permanente des besoins et des moyens
de production en vue de réaliser les objectifs du planning.
Qualité;
Délai
Coût, les tâches qui lui sont imparties
Dans le cas de projet unique ou peu répétitif dont l’exécution requiert l’accomplissement de très
nombreuses tâches, dont les gammes sont enchevêtrées, on recourt aux méthodes de planning
par réseau.
Celles-ci consistent à mettre en ordre sous forme de réseau, plusieurs tâches qui grâce à leur
dépendance et à leur chronologie, concourent à l’obtention d’un produit et à se livrer à une
analyse raisonnée des différents chemins de graphe afin de, connaissant le chemin critique,
prendre les décisions qui s’imposent au plan de l’ordonnancement du projet.
Ces diverses méthodes ont donné naissance à de nombreuses autres : SCANS, RAMPS
etc ou à certaines améliorations comme PERT-CUST...
Page 37 of 60
Toutes ces méthodes permettent de décider ce qui doit être fait pour réaliser un projet
dans les délais présentant un intérêt très grand.
La technique du PERT est une illustation schématique du déroulement d’un projet. Elle
représente graphiquement le cheminement et les relations entre les diverses activités nécessaires
à la réalisation du projet.
6.5.3.1. Phases
La méthodes PERT comprend trois grandes phases:
1. Décomposition du projet
1 2 3 4 5
A - 10 * 10
Page 38 of 60
B - 28 * 28
C A 2 1 2
D C 1 1 1
E D 10 5 2
F D 30 1 30
G D 45 1 45
H B.D 6 6 1
*K E.H 18 3 6
L F 100 20 5
M E.G.H 3 3 1
N K.L 60 10 6
P N 4 2 2
R M.P 1 1 1
Tableau 6
Temps optimiste (a): temps minimal possible dans lequel la tâche doit
être accomplie. Il n’y a pas plus d’une chance sur cent d’achever la
tâche plus rapidement.
Temps pessimiste (b): temps maximal possible dans lequel la tâche doit
être accomplie. Il n’y a pas plus d’une chance sur cent de dépasser ce
temps.
Page 39 of 60
Temps le plus probable (m): est le temps (normal) qu’il faudra pour
accomplir la tâche.
Comme on ne peut calculer le chemin critique (chemin le plus long) que pour une seule
valeur pour chaque tâche, l’on choisit une estimation de l’espérence mathématique de la
distribution B, obtenue par la formule
a + 4m+ b
6
1. Notions
A 10
1 2
o Activité prérequise:
A B D
C
E
Page 40 of 60
o Activité post-requise:
o Etape de convergence:
D
B
I
C
o Etape de départ:
Page 41 of 60
A B C
1 2 3 4
o Tâches simultanées:
1 2
1 3
Y A
Page 42 of 60
Z
A X
2. Activité artificielle :
Une activité artificielle désigne une dépendance entre deux étapes. Elle ne
représent aucune tâche, elle pourrait indiquer un délai à respecter entre la
fin d’une activité et le début d’une autre.
A C
o
Page 43 of 60
B D
b1
o
a
b2
a1 a2
o
b1 b2 c
Chevauchement
Le numéro d’une étape finale pour une ou plusieurs tâches doit être plus élevé que
le numéro de(s) l’étape(s) initiale(s) de celle ou ces tâche(s). Cette numérotation ne
doit pas être continue.
Page 44 of 60
Comme dans le diagramme d’ordonnancement, on détermine les dates au plus tôt et
au plus tard de chacune des étapes en partant respectivement de l’étape initale du
projet et de son étape finale.
a. Etapes
Date au plus tôt (ti) : est égale à la plus grande somme des durées
des tâches antécédentes sur les divers chemins qui y mènent
Date au plus tard (Ti) : est égale à la différence entre la durée totale
et la plus grande somme des durées des tâches conséquentes des
divers chemins qui en partent. Lorsqu’il s’agit de l’étape finale
d’une tâche les symboles sont respectivement tj et Tj.
b. Tâche
Toute tâche est définie par son étape initiale i, son étape finale j et
sa durée dij.
Date du début au plus tôt d’une tâche est égale à la date au plus tôt
de son étape initiale ti
Date de fin au plus tôt est égale à sa date de début au plus tôt plus
sa durée d’exécution :
Ti + dij
Date de début au plus tard d’une tâche est égale à la date au plus
tard de l’étape finale moins la durée de la tâche :
Tj – dij
Date de fin au plus tard d’une tâche est égale à la date au plus tard
de l’étape finale :Tj
c. Marge
Ti – ti ou Tj – tj
MLij = tj – (ti+dij)
MIij = tj – (Ti+dij)
d. Jalonnement
Page 46 of 60
tâches critiques (augmentation des moyens de production,
modification de méthodes, sous-traitance, etc...) afin de
combler cette différence.
Page 47 of 60
Exemple sur la manière de calcul
- La marge de l’étape t = 16
7.1. Introduction
Lors d’une décision en état de certitude, le preneur de décision connaît la configuration des
éléments incontrôlables, toutes les stratégies disponibles et le revenu ou gain associé à chacune
d’elles.
Considérons l’exemple du vendeur des meubles qui désire maximiser ses profits, ajouter un
nouveau style aux ensembles de mobiliers qu’il vend déjà.
Stratégies Profit
S1 $ 75.000
S2 $ 70.000
S3 $ 65.000
A partir de ces élements l’on peut construire une matrice de gain exprimé en miliers de dollars:
S1 75
Page 49 of 60
Stratégies S2 70
S3 65
Gain
Il existe dans ce cas un seul état de la nature en situation de certitude; le preneur de décision
connaît la configuration des éléments incontrôlables.
Son objectif étant de maximiser son profit, le vendeur décidera de choisir la stratégie
correspondant au revenu le plus élevé soit la vente de meubles de style contemporain donnant le
profit de $ 75.000 dollars.
Une difficulté surgit dans la prise de décision lorsque le nombre de stratégies devient très grand.
Dans une telle situation, on se réfère alors aux techniques de la recherche opérationnelle (RO).
Parmi lesquelles les plus effciaces et les plus couramment employées sont :
Lorsqu’une décison se limite à choisir entre quelques stratégies dont l’efficacité ne dépend que
de peu de facteurs aisément évaluables, l’administrateur peut l’accomplir sans grand risque
d’erreur.
Toutefois, bon nombre de situations impliquent des stratégies dont l’efficacité dépend d’une
multitude de facteurs dont les importances relatives varient. Le preneur de décision doit alors
en tenir compte lors du choix de la stratégie optimale; pour ce faire, une méthodologie
rationnelle est nécessaire. Celle-ci, comporte trois étapes qui doivent être effectuées dans
l’ordre mentionné et aucune des trois phases ne peut être évitée :
L’administrateur doit en tout premier lieu identifier les objectifs à atteindre. Généralement, ces
objectifs sont de deux formes; selon leur importance :
Page 50 of 60
La stratégie à adopter doit permettre la réalisation d’un état désiré.
Un objectif obligtoire est une caractéristique que la décison doit permettre d’atteindre, c’est une
contrainte qui devra être respectée.
Un objectif attendu est une caractéristique que l’administrateur aimerait que sa décision
produise. Les objectifs souhaités ne sont pas obligatoires; même si un tel type d’équipement ne
les rencontre pas tous, ils peuvent être achetés.
1. Coût de l’équipement : bien que l’équipement puisse coûter jusqu’à 125.000 dollars, un
coût inférieur est souhaité;
2. Capacité de production : bien que la capacité de production doive être d’au moins 2000
unités par semaine, une capacité de production supérieure est souhaitée;
3. Période de garantie : bien que la période de garantie doive être de 12 mois, une période
de garantie supérieure est souhaitée;
4. Délai d’installation : bien que le délai d’installation puisse être de 4 mois, un délai
inférieur est souhaité;
5. Service : un service rapide et la facilité de se procurer les pièces composantes sont
souhaités;
6. Financement : un financement par le fournisseur est souhaité;
7. Valeur de revente : une valeur de revente stable et maximale est souhaitée;
8. Réputation du fournisseur : une réputation solide du fournisseur est souhaité;
9. Coût de l’entretien : un coût minimal d’entretien est souhaité;
10. Complexité d’opération : une complexité minimale d’opération est souhaitée afin que
l’entraînement du personnel ne soit requis.
Page 51 of 60
Considérons que les objectifs souhaités se limitent au nombre de 10 alors qu’il pourrait bien sûr
en exister d’autres. Les dix objectis identifiés suffisent afin d’expliquer la méthodologie
d’analyse.
L’administrateur désire atteindre autant que possible tous les objectifs souhaités; par contre,
certains parmi eux lui semblent plus importants;
Pour obtenir ainsi l’importance relative des objectifs souhaités, il faut recourir à la technique
appelée histogramme.
L’histogramme permet de comparer les objectifs souhaités, deux à deux, à tour de rôle, de telle
sorte que chacun soit comparé une seul fois avec tous les autres; l’histogramme prend la forme
d’un triangle :
1 1 1 1 1 1 1 1 1
2 3 4 5 6 7 8 9 10
2 2 2 2 2 2 2 2
3 4 5 6 7 8 9 10
3 3 3 3 3 3 3
4 5 6 7 8 9 10
4 4 4 4 4 4
5 6 7 8 9 10
5 5 5 5 5
6 7 8 9 10
6 6 6 6
7 8 9 10
7 7 7
8 9 10
8 8
9 10
9
Page 52 of 60
10
Les nombres 1 à 10 représentent les numéros des objectifs souhaités. L’exemple comprend dix
objectifs souhaités : s’il en contenait plus ou moins, il suffirait d’agrandir ou de réduire
l’histogramme.
Il suffit par la suite de comparer à tour de rôle les objectifs souhaités de la première rangée (1)
avec ceux de la seconde rangée (2,3,4,5,6,7,8,9,10). Par la suite on compare ceux de la
troisième rangée (2) avec ceux de la quatrième rangée (3,4,5,6,7,8,9,10) etc..., jusqu’au bas de
l’histrogramme où l’objectif souhaité 9 est comparé à l’objectif souhaité 10. L’objectif le plus
important aux yeux du décideur est encerclé lors de chaque comparaison deux à deux.
Par exemple, lorsque le coût de l’équipement (1) est comparé avec la capacité de production (2),
le décideur évalue que le coût de l’équipement est plus important; ainsi 1 est encerclé. Si le
coût de l’équipement (1) est comparé avec la période de garantie (3), le décideur évalue que le
coût de l’équipement est plus important; 1 est encerclé. On fait ainsi pour chacune des 45
comparaisons possibles. On obtient par exemple :
Histogramme : Comparaison des objectifs souhaités
1 1 1 1 1 1 1 1 1
2 3 4 5 6 7 8 9 10
2 2 2 2 2 2 2 2
3 4 5 6 7 8 9 10
3 3 3 3 3 3 3
4 5 6 7 8 9 10
4 4 4 4 4 4
5 6 7 8 9 10
5 5 5 5 5
Page 53 of 60
6 7 8 9 10
6 6 6 6
7 8 9 10
7 7 7
8 9 10
8 8
9 10
9
10
La dernière opération restante est de calculer le nombre de fois où chaque objectif souhaité est
choisi; cela étant indiqué par les numéros encerclés.
L’objectif souhaité et choisi par le décideur est celui ayant un nombre plus important de
sélection.
Selon l’histogramme précédant et la matrice ci-après l’objectif 10 dont l’importance relative est
9 sera l’objectif du choix de l’adminstrateur.
Objectifs
souhaités 1 2 3 4 5 6 7 8 9 10
Importances
relatives 0.7 0.4 0.3 0.3 0.5 0.5 0.2 0.6 0.1 0.9
L’administrateur cherche à ce stade les solutions possibles, il doit être créateur et devra
considérer des éléments nouveaux.
Lorsque les stratégies sont reconnues, le décideur les compare entre elles afin de sélectionner la
plus efficace, c’est-à-dire la stratégie optimale.
Pour ce faire, l’évaluation des stratégies s’effectue en deux temps. On compare dans un premier
temps chaque stratégie avec les objectifs obligatoires.
Page 54 of 60
Si une stratégie quelconque ne rencontre pas tous les objectifs obligatoires, elle est
immédiatmeent abandonnée. Il faut se rappeler qu’un objectif obligatoire doit nécessairement
être respecté.
De la même manière de comparaison des objectifs les stratégies sont aussi comparées par la
technique des histogrammes.
De même, la sélection de la stratégie optimale en tenant compte des importances relatives des
objectifs souhaités et des efficacités relatives des stratégies choisies.
Par conséquent, le preneur de décision doit même tenter de développer des actions qui
éviteraient le plus possible la concrétisation de ces problèmes futurs et des réactions à adopter si
ces problèmes futurs surviennent tout de même.
Il existe entre la variable dépendante E et ses composantes xi, une relation linéaire qui peut être
représentée par l’équation :
E = A + a1x1 + a2x2+....+anxn
Où x1, x2,... xn sont les varialbes indépendantes qui affectent la fonction dépendante E.
- Graphique
- Algébrique et
Page 55 of 60
- Simplex
La méthode d’affectation a pour objectif d’arriver aux affectations qui maximisent l’efficacité
globale du système.
Les problèmes d’affectation sont résolus aisément avec la méthode simple de l’énumération
lorsque les combinaisons sont de petite taille.
Dans les situations plus complexes, on fait appel aux grands moyens (ordinateurs) et techniques
plus sophistiquées pour affecter des compétences aux postes appropriés.
1. Trouver une solution initiale qui satisfait toutes les demandes et respecte toutes les
contraintes
2. Vérifier si cette première solution est optimale
3. Sinon, modifier la solution initiale jusqu’à ce qu’elle devienne optimale.
Page 56 of 60
Chapitre 8. Décision en état de conflit
La décision en état de conflit, également connue sous le nom de théorie des jeux, correspond au
cas où les participants ont des intérêts et des objectifs opposés.
Le jeu à deux personnes et à somme nulle implique la participation de deux individus; le gain de
l’un est égal à la perte de l’autre, de sorte que le résultat net de chaque jeu est nul.
Un jeu renferme un point d’équilibre si la stratégie chosie par chacun des participant détermine
un retour constant qui satisfait l’optimum de chacun des joueurs.
Dans un tel cas, les participants optent pour des stratégies pures, c’est-à-dire qu’ils choisissent
toujours une stratégie particulière, celle à laquelle correspond le point d’équilibre.
Prenons l’exemple d’un joueur de dames. Schématisons à l’extrème et disons qu’il peut adopter
cinq stratégies distinctes Si.
Quelles que soit la stratégie qu’il choisit, l’adversaire peut répliquer selon trois stratégies Bi.
Chaque opposant doit choisir simultanément une stratégie sans connaître au préalable l’action
de l’autre.
Page 57 of 60
Stratégies de l'adversaire
B1 B2 B3
S1 1 2 3
Stratégies
du joueur S2 0 1 2
S3 -1 0 1
S4 -2 -1 0
S5 -3 -2 -1
Si le joueur adopte la stratégie S1, et l’adversaire la stratégie B1, le joueur élimine une pièce du
jeu de son adversaire, si par contre le joueur adopte la stratégie S4 et son opposant B2, son gain
est négatif, il perd une pièce, il en est de même pour les autres entrées de la matrice.
La matrice est exprimée en fonction des gains du joueur. Une entrée positive est un gain pour le
joueur et une perte pour l’adversaire, une entrée négative est une perte pour le joueur et un gain
pour l’adversaire. On se rappelle que le gain de l’un est toujours égal à la perte de l’autre, de
telle sorte que la somme du jeu est nulle.
On détermine à l’aide des critères du maximin et minimax si le jeu contient uj point d’équilibre.
Le maximin est un critère de décision selon lequel un individu choisit la stratégie associée au
gain maximal parmi les gains minimax possibles. Ce critère convient au joueur qui désire
obtenir un gain aussi grand que possible sans encourir le risque de devoir accepter un gain
inférieur
La stratégie qui lui assure le gain maximal parmi les gains minima est S1, avec un gain d’au
moins une pièce.
Inversément, le minimax est un critère de décision suivant lequel l’adversaire choisit la stratégie
associée à la perte minimale parmi les pertes maxima possibles.
Page 58 of 60
B3, la perte maximale qu’il peut subir est de 3
Il choisit alors la stratégie B1 qui assure une perte minimale d’au plus une pièce parmi les pertes
maxima.
Le jeu contient un point d’équilibre situé à l’entrée S1B1; les valeurs du maximin et minimax
coïncident et se retrouvent à cette entrée.
Lorsqu’un jeu renferme un point d’équilibre, la valeur du jeu est déterminée par la valeur de ce
point.
Si le joueur adopte une stratégie aute que S1, il court le risque de réaliser un gain inférieur à une
pièce, lequel lui est au moins assuré s’il opte pour S1. L’adversaire peut être pénalisé par la
perte de plus d’une pièce s’il favorise toute autre stratégie que B1.
Ce type de jeu demande que l’on utilise des stratégies mélangées. Soit la matrice suivante où
les entrées positives sont des gains pour le joueur et des pertes pour l’adversaire.
Une entrée négative est donc une perte pour le joueur et un gain pour l’adversaire.
Stratégies de l'adversaire
B1 B2 B3
S1 5 0 -5
Stratégies
du joueur S2 3 -1 2
S3 -4 2 6
Le jeu ne contient donc aucun point d’équilibre puisque ces deux valeurs ne coïncident pas.
Dans un tel cas, on utilise les stratégies mélangées dont l’emploi a un double objectif :
Page 59 of 60
Bibliographie
JEDAMUS, Paul et Robert FRAE, Business Decision Theory, Nex York, MC Grax-Hill Book
Company, 1969
JACOBS, O.L.R; An Introduction to Dynamic Programming, Neux York, Barnes and Hobel,
Inc; 1967
Page 60 of 60