Académique Documents
Professionnel Documents
Culture Documents
l’aide à la décision
Denis Bouyssou
CNRS
bouyssou@lamsade.dauphine.fr
DB – StEtienne - 1
DB – StEtienne - 2
Page 1
Objectifs
l Décision et Aide à la décision
l Processus de décision et aide à la décision
l Typologie des approches
DB – StEtienne - 3
DB – StEtienne - 4
Page 2
Plan
l Approche classique de la décision
l Vers une autre approche
l Que peut-on attendre de l’aide à la décision
l Quels ont les principaux modèles ?
DB – StEtienne - 5
Décision ?
l Philosophie
l Économie
l Psychologie
l Sociologie
l Sciences Politiques
l Informatique
l Recherche Opérationnelle
Page 3
Décision ?
l Vision « classique » (Catastrophe, Bifurcation)
ï « individu libre exerçant librement un choix entre diverses possibilités
d’actions à un moment donné »
ï Philosophie, Économie
DB – StEtienne - 7
DB – StEtienne - 8
Page 4
H. Mintzberg
Le Management : Voyage au centre des organisations
DB – StEtienne - 9
Tours (3%)
DB – StEtienne - 10
Page 5
Le temps d’un dirigeant (France)
l 15 % transports
20 %
l 5 % visites
l 5 % RV individuels
l 30 % réunions internes
55 %
l 10 % réunions externes
l 10 % repas
l 15 % téléphone
l 5 % courrier
l 2 % écriture 25 %
l 2 % lecture
l 1 % réflexion solitaire (6 min./j)
l 0 % utilisation de l’informatique
DB – StEtienne - 11
Décision
l Définition informelle et provisoire [R. Howard] : « Décider
c’est ce que l’on fait lorsqu’on ne sait pas quoi faire »
ï Critère : Angoisse - Hyper-vigilance
ï Symptômes
l Procrastination
l Alternance enthousiasme / déprime
l Gribouillage sur une feuille de papier / de calcul
l Incertitude
l Horizon temporel
l Objectifs multiples et contradictoires
l Conflits
DB – StEtienne - 12
Page 6
Décisions
DB – StEtienne - 13
Décision
l Décision ⇔ Processus de décision
l Durée
l Jalons
ï élaboration progressive d’options
ï fragments de décision
l Acteurs multiples
ï intervenants directs (individus, groupes)
ï intervenants indirects : « agis » (public, consommateurs, etc.)
l Tissu organisationnel
ï liens avec d’autres processus
ï enjeux de pouvoirs
DB – StEtienne - 14
Page 7
Décision
l Décision = Ensemble des temps forts dans un processus de
décision
l Acte de choix final
ï Dernier temps fort qui peut ne pas être le plus important !
ï « Décideur »
l assume la responsabilité
DB – StEtienne - 15
DB – StEtienne - 16
Page 8
DB – StEtienne - 17
Aide à la décision ?
l Une méthode « générale » pour prendre de « bonnes
décisions »
Exemple
ï Choix 1 : [Pile] 1000 F [Face] 0 F
ï Choix 2 : [Pile Pile] 5000 F [Sinon] 0 F
Exemple
ï Choix d’un nouvel emploi, choix médical délicat
l « Bonne décision »
ï bonne dans quel état ? bonne pour qui ?
ï bonne selon quels critères ? bonne à quel moment ?
l « Bon processus de décision »
ï cohérence, conviction, communication
DB – StEtienne - 18
Page 9
Exemple : jet de dé
1 2 3 4 5 6
a 0 100 200 300 400 500
b 100 200 300 400 500 0
1 2 3 4 5 6
a 10 110 210 310 410 510
b 100 200 300 400 500 0
DB – StEtienne - 19
Aide à la décision ?
DB – StEtienne - 20
Page 10
Exemple
New England Journal of Medecine
Amygdalectomie
389 enfants
45 % OUI
55 % NON
46 % OUI
54 % NON
44 % OUI
56 % NON
DB – StEtienne - 21
Aide à la décision
l Définition (B. Roy) : « L’aide à la décision est l’activité de
celui qui, en prenant appui sur des modèles, aide à obtenir
des éléments de réponse aux questions que se pose un
intervenant dans un processus de décision, éléments
concourant à éclairer le décision et à recommander un
comportement de nature à accroître la cohérence entre
l’évolution du processus et les objectifs de cet intervenant »
ï Modèles
ï Éléments de réponse : « Solution Optimale » ou « Bonne décision » est
absent
ï Processus de décision
DB – StEtienne - 22
Page 11
Modèle
l Définition (B. Roy) : Un modèle est un schéma qui, pour
un champ de questions, est pris comme représentation d'une
classe de phénomènes plus ou moins habilement dégagés
de leur contexte par un observateur pour servir de support
à l'investigation et/ou à la communication.
ï champ de question
ï représentation
ï observateur
DB – StEtienne - 23
Exemples
l Astrologie
ï Un astrologue prend appui sur des « modèles » pour
apporter des éléments de réponse aux questions que se
pose son client !!
l Graphologie
l Psychanalyse
DB – StEtienne - 24
Page 12
DB – StEtienne - 25
Modèles formalisés
l Inconvénients
ï Lourdeur
ï Opacité
l Avantages
ï Outil de communication (langage non ambigu)
ï Outil de structuration (aspects cruciaux)
ï Outil d’exploration (robustesse et sensibilité)
DB – StEtienne - 26
Page 13
Outils d’aide à la décision
l S’insèrent dans un processus de décision : stratégie
d’utilisation du modèle (éclairage, communication,
justification, couverture, etc.)
l Processus d’aide à la décision
l Usage « ex ante »
ï y voir clair
ï étayer son jugement
l Usage « ex post »
ï se couvrir
ï convaincre les autres
ï torpiller un projet
ï retarder le processus
DB – StEtienne - 27
DB – StEtienne - 28
Page 14
Comment juger de la validité ?
l Améliore la qualité des décisions
ï Qu’est-ce qu’une bonne décision ?
l Adoption des recommandations
ï l’étude a modifié le déroulement du processus
DB – StEtienne - 29
DB – StEtienne - 30
Page 15
Objections possibles
l On est bon
ï communication/argumentation ?
ï Inné/acquis ?
l Il suffit de consulter des « experts »
ï New England Journal of Medicine
ï Comment l’expert réfléchit-il ?
ï Qu’est-ce qu’un expert ?
l Faits / Valeurs
DB – StEtienne - 31
Exemple
Vous êtes confronté au double problème de décision suivant :
DB – StEtienne - 32
Page 16
Résultats
(D. Kahneman et A. Tversky)
l Choix modal (73%) : A et D
DB – StEtienne - 33
Illusion d’optique
DB – StEtienne - 34
Page 17
Je n’en ai pas besoin
l OK mais :
ï Comment convaincre votre patron ?
ï Comment éviter d’être le bouc-émissaire ?
DB – StEtienne - 35
Expérience de Asch
Test A B C
DB – StEtienne - 36
Page 18
DB – StEtienne - 37
Intelligence
Modélisation
Choix
DB – StEtienne - 38
Page 19
Modèle d’un processus de décision
Intelligence
Modélisation
Choix
Mise en œuvre
Analyse ex-post
DB – StEtienne - 39
Intelligence
l Reconnaissance d’un « problème », d ’une « situation
décisionnelle »
l Valeurs - Objectifs
l Frontières
l Actions possibles sur le système
DB – StEtienne - 40
Page 20
Reconnaissance
l Systèmes d’information
ï EIS
ï Contrôle de Gestion / Tableau de bord
ï Veille / Prospective
l Signaux
ï adéquats
ï au moment adéquat
DB – StEtienne - 41
Valeurs - Objectifs
l « Decision-Making is what you do to satisfy objectives »
(R.L. Keeney)
l Objectifs
ï guident la recherche d’information
ï aident à la communication
ï permettent l’évaluation
ï évitent les débats stériles
l Exemples
ï lutte contre la toxicomanie
ï décision personnelles
DB – StEtienne - 42
Page 21
Valeurs - Objectifs
l Objectifs de « fins »
ï Pourquoi ?
ï évaluation
l Objectifs de « moyens »
ï Comment ?
ï actions
DB – StEtienne - 43
creating
alternatives identifying
decision
opportunities
uncovering
hidden
objectives
guiding
strategic
thinking
THINKING
evaluating
alternatives ABOUT
VALUES
interconnecting
decisions
improving
communication
facilitating guiding
involvement in information
multiple- collection
stakeholder
decisions
Adapted from Keeney, 1992
DB – StEtienne - 44
Page 22
Fundamental Objectives Hierarchy
CO Air Quality Standards
fatal
heart
attacks
nonfatal
angina
Health impacts attacks
peripheral
vascular
attacks
capital
equipment
regulation
cost
operations
enforcement
costs
cost
direct
(e.g., treatment)
health
cost indirect
(e.g., lost
opportunity)
construction
schedule
maintenance
costs
requirements
fines for
violators
DB – StEtienne - 46
Page 23
Frontières
l Un modèle est une nécessaire simplification
l Frontières
ï Temps
ï Lieu
ï Personnes
ï Décisions liées
l Exemples
ï Ascenseurs
ï Juste-à-temps
DB – StEtienne - 47
Exemple (Kahneman/Tversky)
l Vous avez décidé d'aller au concert. A l'avance, vous avez
acheté votre billet pour 200 francs. A l'entrée de la salle,
vous vous rendez compte que vous avez perdu le billet ! Il
est impossible de le récupérer. Heureusement, il reste des
places disponibles !
l 38 % n’achètent pas
DB – StEtienne - 48
Page 24
Exemple (Kahneman/Tversky)
l Vous avez décidé d'aller au concert. Le billet coûte 200
francs. Vous comptez l'acheter le soir même (il y a des
places disponibles). Arrivé sur place vous vous rendez
compte que vous avez perdu le billet de 200 francs que
vous aviez dans votre portefeuille. Heureusement, il y a un
guichet automatique en face et vous avez une carte bleue !
l 17 % n’achètent pas
l Argent perdu est « hors frontière »
DB – StEtienne - 49
Ensemble d’actions
l « Soit A un ensemble exhaustif d’actions mutuellement
exclusives »
l Méthodes de créativité
l R.L. Keeney
ï « your decision cannot be better than your best alternative »
ï « you can never choose an alternative you haven’t considered »
DB – StEtienne - 50
Page 25
Problème
l Joindre ces 9 points par quatre droites sans lever le
crayon du papier
DB – StEtienne - 51
??
DB – StEtienne - 52
Page 26
Tueurs
l Business as usual : budgets
l Biais en faveur du statu-quo
ï Ne rien faire : laisser le temps/les autres décider à sa place
l Peur du ridicule
ï brainstorming
DB – StEtienne - 53
Remèdes
l Se servir de ses objectifs : Comment ?
l Augmenter ses niveaux d’aspiration
l Se méfier des contraintes
l Laisser du temps au temps
l Modifier / Améliorer
l Test :
« Y-a-il au moins une action réellement satisfaisante ? »
DB – StEtienne - 54
Page 27
DB – StEtienne - 55
Difficultés
l L’ensemble des actions n’est pas nécessairement stable
ï apparition / disparition / modification d’actions au cours du processus
l Faisabilité
ï frontière réalisable / non réalisable est souvent floue
l Les actions peuvent ne pas être naturellement
« mutuellement exclusives »
ï recrutement
ï choix de portefeuille
ï choix de projets de RD
DB – StEtienne - 56
Page 28
Phase d’Intelligence
SI
Objectifs « Problème »
Actions
DB – StEtienne - 57
Modélisation
l Décrire / prévoir l’état du système si on lui applique une
action
l Exemples
ï plan de trésorerie
ï plan de financement
ï prévision de ventes
l Choix d’un premier emploi
ï niveau de salaire
ï temps de transport
ï couverture sociale
ï déplacements
ï pérennité
ï intérêt
DB – StEtienne - 58
Page 29
Difficultés
l Concevoir un modèle adéquat de l’état futur du système
ï Système complexe
ï Effets multiples des décisions
ï Incertitude (« La décision ne dispose que pour l’avenir »)
DB – StEtienne - 59
Pièges
l Ne pas se servir de ses objectifs / Ne pas en avoir
l Fétichiser l’objectivité
ï Renoncer à prendre en compte une conséquence faute de « données »
ï Hard vs. Soft
l Ne pas modéliser l’incertitude / l’imprécision
l Confondre le savoir des experts avec leurs valeurs
ï médecins
l Que sais-je ?
l Que faudrait-il savoir ?
DB – StEtienne - 60
Page 30
Modélisation : Points Cruciaux
l Que sais-je ?
l Que faudrait-il savoir ?
DB – StEtienne - 61
DB – StEtienne - 62
Page 31
Exemple (Kahneman/Tversky)
l Expérience faite auprès de 167 médecins
l Choix d’un traitement d’un cancer du poumon
ï Chirurgie
ï Radiologie
l Données sur les chances de survie
ï 2 groupes
DB – StEtienne - 63
DB – StEtienne - 64
Page 32
84 % des médecins du Groupe 2 préfèrent la chirurgie
DB – StEtienne - 65
Unités de mesure
l Décisions de santé
ï Nombre de morts
ï Nombre d’années de vie perdues
ï Nombre d’années de vie de « bonne qualité » perdues
l QUALY, HYE
ï Modèle
DB – StEtienne - 66
Page 33
Absolu/Relatif
lSituation A
Montre = 350 FRF
A deux stations de métro il y a la même montre (même
SAV, même garantie) à 200 FRF
Question : Allez-vous vous déplacer ? (90% OUI)
lSituation B
Caméscope = 4000 FRF
A deux stations de métro il y a le même caméscope (même
SAV, même garantie) à 3850 FRF
Question : Allez-vous vous déplacer ? (50% OUI)
DB – StEtienne - 67
Phase de Modélisation
Actions
a∈ A
Ea
Modèle adéquat de l’état du système si on lui applique a ∈ A
DB – StEtienne - 68
Page 34
Phase de Choix
a ∈ Α → « Ea »
b ∈ Α → « Eb »
c ∈ Α → « Ec »
l Retenir l’action qui donne au système l’état « le plus désirable » / Objectifs
l La complexité de cette phase dépend de la nature de :
ï A (Ensemble des actions)
ï S (Système étudié)
ï Structure des objectifs
ï Ex (description de l’état du système)
l précision / imprécision
l certitude / incertitude
l temps
l 1 avis / plusieurs avis
l 1 critère / plusieurs critères
DB – StEtienne - 69
Exemple
Choix de projets d’investissement
l Intelligence
ï type de projets
ï période d’évaluation
ï recensement des projets possibles
l Modélisation : flux de trésorerie v(a) = (v 0 (a), v1 (a), … , v T (a))
T v t (a)
VAN(a) = ∑ t
t = 0 (1 + r)
DB – StEtienne - 70
Page 35
Problèmes
l Actions non exclusives
l Choix ou autre formulation ?
ï diagnostic d’entreprise
ï sélection de candidats
DB – StEtienne - 71
Difficultés : Choix
DB – StEtienne - 72
Page 36
Pratique
l Toutes les difficultés sont ± présentes !
l La modélisation mettra l’accent sur tel ou tel point selon le
contexte
l Le travail correspondant aux phases d’intelligence et de
modélisation peut parfois être suffisant
DB – StEtienne - 73
SI
Objectifs « Problème »
Actions
Ea
Choix
Modèle adéquat de l’état du système si on lui applique a ∈ A
DB – StEtienne - 74
Page 37
Techniques « classiques »
Problèmes « génériques »
l Nombre très grand d’actions possibles
l Décisions interdépendantes
Programmation Mathématique
Optimisation Combinatoire
l Incertitude
DB – StEtienne - 75
Techniques « classiques »
l Temps
Programmation Dynamique - Contrôle Optimal
Développement durable
l Rétroaction du système
Analyse Multicritère
DB – StEtienne - 76
Page 38
DB – StEtienne - 77
DB – StEtienne - 78
Page 39
DB – StEtienne - 79
DB – StEtienne - 80
Page 40
DB – StEtienne - 81
Return on
Implantation Costs
Investment
Tourist Poles
Main Roads
Strategic
Issues Company Strategies
Market Residue
Expansion of the
Cellular Phone
System Geographic Location
Estimated Demand
Declared Demand
Potential
Market
Repressed Demand
Municipality Economy
DB – StEtienne - 82
Page 41
DB – StEtienne - 83
DB – StEtienne - 84
Page 42
Cas particulier : Optimisation
l L’ensemble A est stable et global
l Le système et/ou mes préférences sont telles que Ex peut
être « résumé » par une unique mesure de performance
l Exemples
ï Profit
ï CA
ï Qualité
ï Emplois
a ∈ Α → Ea → f(a)
Ea préféré à Eb ⇔ f(a) > f(b)
Ea indifférent à Eb ⇔ f(a) = f(b)
DB – StEtienne - 85
Optimisation
l Choisir une décision a ∈ A rendant
{Maximum ou Minimum}
la fonction de performance f(a)
DB – StEtienne - 86
Page 43
Définition
Page 44
Exemple : rétroaction
DB – StEtienne - 89
3w + 5
10 A B 10
2w
DB – StEtienne - 90
Page 45
DB – StEtienne - 91
Régulation libérale
l Les usagers (informés) choisissent librement leur itinéraire
en fonction de leur rapidité relative
l Équilibre (Loi dite de « Wardrope ») :
ï coût des deux itinéraires identique
ï 3w + 5 = 2(10–w) ⇒ w = 3
ï 3 Kusagers sur l’itinéraire du haut (coût = 14)
ï 10 – 3 = 7 Kusagers sur l’itinéraire du bas (coût = 14)
DB – StEtienne - 92
Page 46
Régulation bureaucratique
l Un régulateur installé au point A impose aux usagers un
itinéraire de manière à minimiser le temps passé par la
collectivité dans le réseau de transport
CT(w) = w(3w + 5) + 2(10 – w)2 = 5w2 – 35w + 200
l Minimisation
CT′′(w) = 10w – 35 = 0 ⇒ w = 3,5
ï 3,5 Kusagers sur l’itinéraire du haut payant chacun un coût de :
(3 × 3,5 + 5) = 15,5
ï 6,5 Kusagers sur l’itinéraire du bas payant chacun 2 × 6,5 = 13
l Coût social = 3,5(3 × 3,5 + 5) + 2(10 – 3,5)2 = 138,75
DB – StEtienne - 93
DB – StEtienne - 94
Page 47
Travaux
6
w + 50 10w
w + 10
C D
10w w + 50
6
DB – StEtienne - 95
w + 50 10w
w + 10
l 3 itinéraires possible de A à B : C D
ï ACB (w1 usagers)
ï ADB (w2 usagers)
10w w + 50
ï ACDB (w3 usagers)
A
l Hypothèse : Information parfaite
l Coût par usager :
ï A C B: c(1) = 10(w1 + w3 ) + (w 1 + 50) = 11w1 + 10w3 + 50 6
ï A D B: c(2) = (w2 + 50) + 10(w2 + w3) = 11w2 + 10w3 + 50
ï A C D B: c(3) = 10(w1 + w 3) + (10 + w3 ) + 10(w2 + w3 ) =
10w1 + 10w2 + 21w3 + 10
DB – StEtienne - 96
Page 48
l Équilibre :
ï 11w1 + 10w3 + 50 = 10w1 + 10w2 + 21w3 + 10 6
w + 50 10w
l Solution : w1 = w2 = w3 = 2
w + 10
l Coût par itinéraire = 92 C D
DB – StEtienne - 97
DB – StEtienne - 98
Page 49