Chapitre 1

Méthodes et Techniques de
Dénombrement

La Science du Dénombrement (ou Analyse Combinatoire) est une branche des Mathéma-
tiques qui consiste à étudier comment compter ou dénombrer les objets d’un ensemble
fini. Ceci à l’aide des techniques appelées méthodes de dénombrement utilisables dans
le calcul des probabilités et même en Statistique. Le but de ce chapitre est d’étudier
l’essentiel de ces méthodes à partir du principe de base ci-après.

1.1 Principes de Dénombrement

1.1.1 Principe de Dénombrement de Base

Comme exemple intuitif d’introduction, supposons qu’il y a m routes différentes d’une
ville A à une autre ville B, et qu’il y a n routes différentes de la ville B à une troisième
ville C. Si un voyageur décide d’aller de la ville A à la ville C en passant par la ville B,
alors pour chaque route choisie de A à B, il a n choix de routes de B à C. Donc au total
il aura m × n choix de routes possibles pour aller de la ville A à la ville C. Ainsi,

Proposition 1.1.1. (Principe de dénombrement de base). Soit E et F deux ensembles

finis non vides. Si E contient m objets et F n objets, alors il y a au total m × n moyens
de choisir, d’abord un objet dans E, puis un objet dans F .

Preuve. Pour démontrer ce principe, on peut utiliser le raisonnement géométrique

suivant: posons E := {a1 , a2 , ..., am } et F := {b1 , b2 , ..., bn }. Ainsi, le choix d’un objet
dans E d’abord, en suite un objet dans F peut être représenté par un couple (ai , bj )
avec 1 ≤ i ≤ m et 1 ≤ j ≤ n. Les différents moyens d’opérer de tels choix peuvent
être représentés dans la table ci-dessus/dessous, où les éléments de E sont à la première
colonne et ceux de F en première ligne.

11
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

F
E\ b1 b2 b3 ··· bn
a1 (a1 , b1 ) (a1 , b2 ) (a1 , b3 ) ··· (a1 , bn )
a2 (a2 , b1 ) (a2 , b2 ) (a2 , b3 ) ··· (a2 , bn )
a3 (a3 , b1 ) (a3 , b2 ) (a3 , b3 ) ··· (a3 , bn )
.. .. .. .. .. ..
. . . . . .
am (am , b1 ) (am , b2 ) (am , b3 ) · · · (am , bn )

Sans nuire à la généralité, on peut supposer que n ≥ m. Ainsi, le domaine de cette

table occupé par les couples (ai , bj ) est assimilable à un rectangle de longeur n et de
largeur m. Le nombre total de ces couples est alors l’aire de ce rectangle, qui est m × n.
Ce qui achève la démonstration géométrique du résultat énoncé. 

1.1.2 Principe de Dénombrement Général

Plus généralement, on a,

Théorème 1.1.2. (Principe de dénombrement général). Si E1 , E2 , ..., Ek sont des

ensembles finis non vides ayant chacun m1 , m2 , ..., mk objets respectivement, alors il y a
m1 × m2 × · · · × mk manières de choisir, d’abord un objet dans E1 , ensuite un objet dans
E2 , puis un objet dans E3 , ..., et finallement un objet dans Ek .

Preuve. Par recurrence sur k en applicant le principe de dénombrement de base

précédent. 

Ensuite, comme première méthode de dénombrement à étudier, nous avons,

1.2 Méthodes d’Arrangements

1.2.1 Arrangements sans Répétition

Définition 1.2.1. Soit E un ensemble non vide à n objets, et p un entier naturel
quelconque. On appelle arrangement sans répétition (ou tout simplement arrangement)
de p objets de E, toute liste de p objets choisis dans l’ordre et sans répétition parmi les n
objets de E.

Notation: Le nombre d’arrangements de p objets parmi les n est noté Apn .

Remarque 1.2.2. i) En vertu de cette définition on a nécessairement 1 ≤ p ≤ n,

pour tous n, p ∈ N∗ .
ii) Par convention, si p = 0 on pose A0n = 1 et si p > n, on pose Apn = 0.

12
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

Exemple 1.2.3. Quel est le nombre d’arrangements de 2 lettres prises parmi les lettres
du code de filière M AT ?
Solution. Tenant compte de l’ordre et sans répétition de lettre dans la formation des
listes de 2 lettres parmi les 3 qu’en contient le code M AT , on obtient toutes ces listes qui
sont: M A, M T , AM , AT , T M et T A. D’où A23 = 6.

Lorsque les nombres n et p sont assez grands et qu’on ne peut plus énumérer toutes
ces p-listes ordonnées, on applique le résultat suivant.

Proposition 1.2.4. Pour touts entiers n, p ∈ N∗ , avec p ≤ n, on a:

Apn = n × (n − 1) × (n − 2) × · · · × (n − p + 1). (1.1)

Preuve. Pour former une liste ordonnée de p objects pris sans répétition parmi les
n objets de E, le premier de ces p objects a n possibilités d’être choisi parmi les n. Une
fois qu’il est choisi, il reste n − 1 posibilités de choisir un deuxième, puis n − 2 possibilités
de choix du troisième object, ainsi de suite, jusqu’au p-ième object pour lequel il reste
n−(p−1) = n−p+1 possibilités de choix. Ainsi, en applicant le principe de dénombrement
général, le nombre Apn de tels listes est n × (n − 1) × (n − 2) × · · · × (n − p + 1). 

Corrolaire 1.2.5. Soit E et F deux ensembles non vides à p éléments et n éléments

respectivement. Alors le nombre d’applications injectives de E vers F est Apn .

Preuve. Exercise! 

La formule (1.1) précédente peut être simplifiée à l’aide de la notion de factoriel d’un
entier naturel. En effet,

Définition 1.2.6. Soit n un entier naturel. On appelle “factoriel n”, l’entier naturel
noté n! et défini par:
- Si n = 0, alors 0! = 1,
- Si n ≥ 1, alors n! = n × (n − 1) × (n − 2) × · · · × 3 × 2 × 1.

Remarque 1.2.7. 1) Pour tout entier n ≥ 1, on a: n! = n × (n − 1)!.

2) Formule de Stirling 1 : Dès que n dépasse 10, n! prend la valeur des millions. Ainsi,
dans de nombreux domaines d’application tels qu’en Physique, l’approximation suivante,
établie par James Stirling, est le plus souvent utilisée:

 n n √
n! ≈ 2πn, (1.2)
e
où e est la base du logarithme népérien.
1
James Stirling (1692-1770) était un Mathématicien Ecossais.

13
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

De cette définition de factoriel, on obtient la formule suivante,

Proposition 1.2.8. Pour touts entiers naturels n et p tels que p ≤ n, on a:

n!
Apn = (1.3)
(n − p)!

Preuve. En appliquant la Proposition 1.2.4 et en utilisant la Définition 1.2.6 précédente,

on a:

Apn = n × (n − 1) × · · · × (n − p + 1)
(n − p) × (n − p − 1) × · · · × 2 × 1
= n × (n − 1) × · · · × (n − p + 1) ×
(n − p) × (n − p − 1) × · · · × 2 × 1
n!
=
(n − p)!

D’où le résultat. 

Exercice 1.2.9. Pour tout entier naturel non nul n, vérifier que A0n = 1, A1n = n et
Ann = n!.

1.2.2 Arrangements avec Répétition

Définition 1.2.10. Soit E un ensemble non vide à n objets, et p un entier naturel
quelconque. On appelle arrangement avec répétition de p objets de E, toute liste de p
objets choisis dans l’ordre avec répétition éventuellement parmi les n.

Remarque 1.2.11. Ici, contrairement à la Remarque 1.2.2, on peut avoir p ≤ n ou

p > n.

Ensuite,

Proposition 1.2.12. Le nombre d’arrangements avec répétition de p objets choisis

parmi n objets est np (i.e., n à la puissance p).

Preuve. La méthode utilisée est identique à celle pour démontrer la Proposition 1.2.4,
confert cours magistral! 

Corrolaire 1.2.13. Soit E et F deux ensembles non vides à p éléments et n éléments

respectivement. Alors le nombre d’applications de E vers F est [Card(F )]Card(E) = np .

Preuve. Exercice! 

Exemple 1.2.14. Le nombre d’arrangements avec répétition de 2 lettres prises parmi

les lettres du mot “MAT” est 32 = 9.

14
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

1.3 Méthodes de Permutations

1.3.1 Permutations sans Répétition

Définition 1.3.1. Soit E un ensemble non vide à n objets distincts. On appelle per-
mutation sans répétition (ou permutation tout simplement) des n objets de l’ensemble E,
toute liste de tous les n objets de E choisis avec ordre et sans répétition (nécessairement).

Notation: Le nombre de ces permutations est noté Pn .

Remarque 1.3.2. Toute permutation des n éléments de E est un arrangement de

tous les n éléments de E et vice versa. L’on a ainsi:

Proposition 1.3.3. Le nombre de permutations des n objets de E est Pn = n!.

Preuve. Elle découle de la remarque précédente qui induit que Pn = Ann . 

Corrolaire 1.3.4. Soit E un ensemble non vide à n éléments. Alors le nombre

d’applications bijectives de E vers E est n!.

Preuve. Exercice! 

Exemple 1.3.5. De combien de manières peut-on faire asseoir 5 convives autour d’une
table à 5 places?
Solution. Dans la pratique, on reçoit les invité(e)s et les fait asseoir suivant un certain
ordre. Ensuite, étant donnée qu’une même personne ne peut occuper deux chaises à la
fois, donc une manière de faire asseoir les 5 convives est une permutation de toutes les 5
personnes. Par conséquent il y a P5 = 5! = 120 manières de les faire asseoir.

1.3.2 Permutations avec Répétition

Définition 1.3.6. On suppose ici que l’ensemble E contient n objets non distincts,
i.e., il y aurait p objets parmi les n dont le premier apparaı̂t k1 fois, le deuxième k2 fois,
..., et le pème kp fois. Une permutation (i.e., un arrangement) de tous ces n objets de E
est appélée permutation avec répétition ou anagramme des n objets des E.

Notation: Le nombre de ces anagrammes est noté Pn (k1 , k2 , · · · , kp ).

On a le résultat suivant,

Proposition 1.3.7. Le nombre de permutations avec répétition (ou anagrammes) de

n objets dont m éventuellement apparaissent k1 , k2 , ...., kp fois respectivement est
n!
Pn (k1 , k2 , · · · , km ) = (1.4)
k1 ! × k2 ! × · · · × kp !

15
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

Preuve. Esquisse: Si les objects apparaissant plusieurs fois étaient distincts, alors
tous les n objects de E seraient ainsi distincts et le nombre de permutations (sans
répétition ainsi) de ces objets serait n!. Mais comme en fait les p objects apparaissent
plusieurs fois, pour avoir le nombre de ces permutations avec répétition, on divise n! par
le nombre de fois l’on peut permuter chacun d’eux qui est le produit des factoriels de leurs
nombres d’apparition k1 ! × k2 ! × · · · × kp !. 

7!
Exemple 1.3.8. Le nombre d’anagrammes du mot “CELLULE” est P7 (2, 3) = 2!3!
=
420. Car, le mot “CELLULE” a 7 lettres non distinctes dont 2 fois “E” et 3 fois “L”.

1.4 Méthodes de Combinaisons

1.4.1 Combinaisons sans Répétition

Définition 1.4.1. Soit E un ensemble à n objets et p un entier naturel non nul. On
appelle combinaison sans répétition (ou tout simplement combinaison) de p objets de E,
toute partie (sous-ensemble) formé de p éléments choisis dans E sans remise.

Notation: Le nombre de ces combinaisons est noté Cnp .

Remarque 1.4.2. i) De cette définition, on a nécessairement p ≤ n.

ii) Dans la formation d’une combinaison, l’ordre importe peu contrairement aux ar-
rangements avec ou sans répétion. Car dans une combinaison (qui est un sous-ensemble
et donc un ensemble), les éléments sont énumérés en extension et on a vu dans le chapitre
précédent que l’ordre des éléments n’importe pas dans l’écriture d’un ensemble en exten-
sion. Donc ce qui importe pour une combinaison c’est le choix de p objets parmi d’autres,
peu importe l’ordre du choix de ces p objets. En général, on suppose que le choix des p
objets d’une combinaison est fait de façon simultanée et sans remise.

Exemple 1.4.3. 1. Une délégation de 3 étudiants choisis (sans tenir compte de

l’ordre du choix) parmi 30 étudiants d’une classe est une combinaison (sans répétition)
avec n = 30 et p = 3.
2. Le tirage (au hasard et) simultané de 5 cartes d’un jeu de 52 cartes est aussi une
combinaison avec n = 52 et p = 5.

On a le résultat suivant,

Proposition 1.4.4. Pour tous n ∈ N∗ et p ∈ N telsque p ≤ n. On a

Apn n!
Cnp = = (1.5)
p! p!(n − p)!

16
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

Preuve. Esquisse: Il y a Apn manières de choisir p objets en ordre et sans répétition

parmi les n objets. Une fois les p objets choisis, il y a p! manières de les ordonner. Donc
Apn
il y a p!
manières de choisir p objets parmi les n dans le desordre. Ce qui prouve la
première égalité de la proposition.
Quant à la deuxième égalité, il n’y a rien à démontrer! 

On peut appliquer cette formule des combinaisons pour démontrer que

Proposition 1.4.5. (Formule du binôme de Newton2 .) Pour touts a, b ∈ R et pour

tout n ∈ N, on a:
n
X
n
(a + b) = Cnp ap bn−p . (1.6)
p=0

Preuve. Elever (a + b) à la puissance n revient à multiplier n binômes identiques

(a + b). Le résultat est une somme de termes du type ap bn−p , p = 0, 1, ..., n, obtenus
chacun autant de fois qu’il y a de manières de choisir p éléments a parmi les n, i.e., le
nombre Cnp . D’où le résultat. 

Corrolaire 1.4.6. Si E est un ensemble à n éléments, alors Card(P(E)) = 2n , i.e.,

le nombre de parties (sous-ensembles) de E est exactement 2n .

Preuve. Exercice! 

Proposition 1.4.7. Pour touts entiers naturels n, p ≥ 1 telsque p ≤ n, on a:

1) Cn0 = Cnn = 1 et Cn1 = Cnn−1 = n.
2) Plus généralement, Cnp = Cnn−p (propriété de symétrie des combinaisons).

Preuve. Exercice! 

1.4.2 Application au Triangle de Pascal

Une autre propriété des combinaisons sans répétition très applicable et attribuée à
Pascal3 est la suivante,

Proposition 1.4.8. (Combinaisons composées ou formule de Pascal).

Pour touts entiers naturels n, p ≥ 1 telsque p ≤ n − 1, on a:

p−1 p
Cn−1 + Cn−1 = Cnp . (1.7)

Preuve. Supposons qu’on a n objets, desquels on choisit sans ordre et sans répétition
p objets. Et considérons un objet parmi les n. Si cet objet fait partie des p objets choisis,
2
Isaac Newton (1643-1727) était un Physicien, Mathématicien et Astronome Britanique.
3
Blaise Pascal (1623-1662) était un Mathématicien, Physicien et Philosophe Français.

17
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

p−1
il y a Cn−1 possibilités de choisir les p − 1 autres objets parmi les n − 1 objets restants.
p
Et si cet objet n’en fait pas partie, il y a Cn−1 possibilités de choisir les p autres objets
p−1 p
parmi les n − 1 objets restants. D’où l’égalité Cnp = Cn−1 + Cn−1 . 

Corrolaire 1.4.9. (Triangle de Pascal). La formule (1.7) précédente permet de

compléter le triangle dit de Pascal suivant:

p−1 p
Règle de completion du triangle: Cn−1 → Cn−1
↓
Cnp

Cnp p = 0 p = 1 p = 2 p = 3 p = 4 ···
n=0 1
n=1 1 1
n=2 1 2 1
n=3 1 3 3 1
n=4 1 4 6 4 1
..
.

Pour remplir ce triangle, on utilise la règle de completion ci-haut, c.f. cours magistral!

Exemple 1.4.10. (Utilisation du Triangle de Pascal dans les Calculs).

1) On veut dévélopper et réduire (a + b)3 où a, b ∈ R. On sait que son dévéloppement
est la somme contenant les termes a3 , a2 b, ab2 et b3 . Pour déterminer les coefficients
correspondants, on lit juste les nombres situés sur le ligne de rang n = 3 dans le triangle
de Pascal. Donc (a + b)3 = a3 + 3a2 b + 3ab2 + b3 .
2) En utilisant le triangle de Pascal, calculer (x + 1)5 pour tout x ∈ R (Exercice).

1.4.3 Combinaisons avec Répétition

Définition 1.4.11. Soit E un ensemble à n objets. On appelle combinaison avec
répétition de p objets de E, tout groupement non-ordonné de p objets de E, chacun pouvant
y figurer plusieurs fois.

Remarque 1.4.12. Pour une telle combinaison, étant donné qu’un objet peut ap-
paraı̂tre entre 0 et p fois, on peut ainsi avoir p ≤ n ou p > n. On a:

18
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

Proposition 1.4.13. Le nombre de combinaisons avec répétition de p objets choisis

parmi n objets est donnée par la combinaison

p (n + p − 1)!
Cn+p−1 =
p!(n − 1)!
Preuve. Esquisse: Chaque combinaison avec répétition de p objets pris parmi n
objets peut être représentée à l’aide de p ronds et de n − 1 barres.

b b b

1 2 3 4 5 n-2 n-1

Le nombre de ces combinaisons est donc égal au nombre de permutations avec répétition
de p+n−1 éléments, l’élément “rond” étant répété p fois et l’élément “barre” étant répété
(n−1+p)! p
n − 1 fois. On obtient ainsi p!(n−1)!
= Cn+p−1 tels groupements. 

Exemple 1.4.14. On désire acheter 3 bouteilles de vin, que l’on peut choisir parmi
dix sortes de vin différents. Combien y a t-il de choix possibles?
Solution. Un choix possible est un groupement de 3 bouteilles parmi les 10 qualités
de vin. Etant donné que chacune de ces 10 qualités peut être choisie 0 fois, 1 fois, 2 fois ou
3 fois dans un tel groupement de 3 bouteilles, donc un choix possible est une combinaison
avec répétition de 3 objets choisis parmi 10 objets. Il s’ensuit que le nombre de choix
3 3
possibles recherché est C10+3−1 = C12 = 220.

1.5 Applications dans les Jeux Usuels

Dans cette dernière section du chapitre, nous listons quelques de jeux classiques et
donnons des méthodes de dénombrement appropriés pour les traiter.

1.5.1 Jet de n Pièces Identiques ou d’une Seule n Fois

On jette en l’air n pièces de monnaies identiques ou alors une seule pièce n fois.
- Si n = 1, alors l’ensemble des résultats possible Ω est Ω = U où U = {P, F } est
l’ensemble des deux faces d’une (de la pièce) de monnaie.
- Si n = 2, alors Ω = U × U = U 2 .
- Si n ≥ 2, alors l’ensemble des résultats possibles est Ω = U p , constitué des listes
ordonnées de n éléments choisis avec répétition éventuellement parmi les deux faces P ou
F d’une (de la) pièce de monnaie.
Donc, pour ce type de jeux, on applique la méthode d’arrangement avec répétition.

19
MAT2023 © Mbele Bidima M.L.D., 2021 Chapitre 1. Méthodes et Techniques de Dénombrement

1.5.2 Jet de n Dés Identiques ou d’un Seul n Fois

Même méthode de dénombrement que précédemment où l’ensemble U des faces de base
est U = {1, 2, 3, 4, 5, 6}, en supposant que chaque dé a six faces numérotées de 1 à 6.

1.5.3 Tirage ou Choix de p Objets parmi n Objets

Si un jeux, un sac ou une urne, etc, contient n cartes, jetons, jetons ou boules, etc, alors
pour dénombrer l’ensemble des résultats possibles, on choisit la méthode correspondante
donnée dans le tableau suivant:

Tirage/Choix Sans remise Avec remise

Successif ou dans l’ordre Arrangements: Apn Arrangements avec rép.: np
p
Simultané ou sans ordre Combinaisons: Cnp Combinaisons avec rép.: Cn+p−1

20
Bibliographie

[1] S. Ross; A First Course in Probability, Eighth Edition, Pearson Prentice Hall, 2010.

21