Chapitre 2

Décision d’investissement
en situation d'incertitude

Olfa Benouda Sioud

Introduction

Nous avons supposé dans le chapitre précédent que toutes les variables clés
du projet étaient connues avec certitude. Cependant, le chef d'entreprise est
confronté à l'incertitude à toutes les étapes de la prise de décision.

Cette incertitude est liée à l'environnement, d'une part et à l’évolution de

l'entreprise, d'autre part.

La décision d’investissement est un pari sur l’avenir, fondée sur des

anticipations et des espérances de gain puisque toutes les prévisions restent
aléatoires. Par exemple : il peut y avoir une surestimation d’évolution de la
demande, une sous-estimation de l’intensité de la concurrence ou des
dépenses, etc.
 Les sources du risque

L'incertitude est liée à l’évolution de l’environnement économique, politique, social et

technologique de l’entreprise et peut toucher plusieurs paramètres de l'investissement. On peut
citer:
- L'incertitude relative aux prévisions des recettes matérialisée par le risque de marché qui se
traduit par une variation des prix et du volume de la demande.
- L'incertitude au niveau de la prévision des coûts liée à des facteurs d’inflation et autres
- L'incertitude liée a la durée d’utilisation de l’équipement : la durée optimale du projet est
généralement la période sur laquelle sa recette marginale est supérieure au coût marginal.
L'incertitude réside dans le fait que la dépréciation des équipements n’est pas toujours due à
l’usure mais souvent au progrès technologique.
- L'incertitude liée au taux de réinvestissement des cash-flows qui est difficilement estimable
avec certitude.

- L'incertitude de la dépense d’investissement surtout dans le domaine des recherches et

développements, de lancements de produits ou de formation, etc.
 Risque et incertitude

La notion de risque est souvent assimilée à celle de l’incertitude. Cependant, bien que ces deux
notions sont très liées, elles restent distinctes. Elles sont liées dans la mesure ou le risque
d’un projet d’investissement est la conséquence de l’incertitude relative aux différents
éléments.

Elles sont par contre distinctes puisque un projet d’investissement aux résultats incertains n’est
risqué que s’il est susceptible de fournir des résultats non désirés (perte).
Généralement, deux niveaux d'incertitude sont distingués :
- L'avenir est incertain ou indéterminé lorsqu'on ne peut pas associer des probabilités à la
survenance des évènements futurs ;

- L'avenir risqué ou probabilisable correspond à une situation pour laquelle une distribution
de probabilités peut être associée aux résultats.
 Evaluation des projets en situation d’incertitude

Section 1 : Le coefficient de variation

Section 2 : Evaluation des projets d’Investissement en
s’appuyant sur l’arbre de décisions
Section 3 : Le Recours à la théorie de l’utilité
 Evaluation des projets en avenir probabilisable

• Pour choisir entre plusieurs projets (sous l’hypothèse d’une aversion au

risque) :
- à rentabilité égale (même espérance), on retiendra le projet le moins risqué
(ayant l’écart-type le plus faible)
- à risque égal (même écart-type), on retiendra le projet le plus rentable
(ayant l’espérance la plus forte)

- au cas où un projet a, à la fois, l’espérance la plus élevée et l’écart-type le

plus fort, on calcule le coefficient de variation de chacun des projets et on
retient le projet ayant le coefficient de variation le plus faible
 Exemple 1
L’entreprise X a le choix entre deux projets d’investissement A et B de
même durée de vie et de même coûts. Les deux projets génèreront des
cash-flows aléatoires, distribués selon une loi normale. La distribution de
probabilités des VAN possibles se présente comme suit :

Projet A Projet B
VANA Probi VANB Probi
400 0,6 450 0,5
300 0,1 350 0,3
-20 0,3 -100 0,2

Classer les deux projets selon leur niveau de risque en vous basant sur le
coefficient de variation.
Projet A :
E(VANA) = 264; Variance (VANA) = 35424; Ecart type (VANA) = 188,2126
Coefficient de variation du projet A (CVA est de : 0,7129 )
Projet B :
E( VANB) = 310 ; Variance (VANB) = 43900 ; Ecart type (VANB) = 209,523268
Coefficient de variation du projet B (CVB est de : 0,67588 )

CVA > CVB

En se basant sur le coefficient de variation, le projet A est plus risqué que le
projet B
 Evaluation des projets en avenir probabilisable

Autrement
• L’espérance mathématique de la VAN est égale à la VAN des
espérances mathématiques des cash flows.

puisque

or

comme
Evaluation des projets en avenir probabilisable

or

comme

puisque
et
Evaluation des projets en avenir probabilisable

,Lorsque les CF sont indépendants

• Exemple : Soient les projets A et B ayant ces caractéristiques :

- durée de vie des projets = 1 an
- taux d’actualisation = 10%
- capital investi = 150
- les CF anticipés sont les suivants :
Evaluation des projets en avenir probabilisable

A B A B
E(CF1) 225,5 191,4 pi CF1,i pi CF1,i
E(VAN) 55 24 0,3 330 0,4 253
0,5 297 0,4 231
0,2 -110 0,2 -11
Evaluation des projets en avenir probabilisable
A B A B
E(CF1) 225,5 191,4 pi CF1,i pi CF1,i
E(VAN) 55 24 0,3 330 0,4 253
0,5 297 0,4 231
0,2 -110 0,2 -11
La technique de l’arbre de décision

Cette méthode permet de mesurer le risque en avenir risqué et suppose que les
agents connaissent les distributions de probabilités des flux de liquidités générés
par le projet et qu’ils apprécient totalement les caractéristiques du risque à partir
de l'espérance mathématique et la variance.
La technique de l'arbre de décision est utilisée pour évaluer le risque du
projet.
Chaque branche représente un évènement ou un choix à faire auquel est associée
une probabilité de réalisation. Le schéma suivant présente la répartition des cash
flows d’un projet d'une durée de deux ans.
Les cash-flows prennent deux valeurs possibles la première période selon l’état
de la nature qui se réalisera (S1, S2, S3). Pour la deuxième année, les valeurs
possibles des cash-flows dépendent, d’une part, de l’état de la nature réalisé la
première année et d’autre part, de l’état de nature qui se réalisera la deuxième
année. (S1: expansion, S2: stagnation, S3: récession)
 t=0 t=1 t=2 VANi pi
CF2,1 VAN1 p1
CF1,1 • CF2,2 VAN2 p2
•
CF2,3 • •

• CF2,4 • •

I0 p1,2 CF1,2 • CF2,5 • •

•
CF2,6 • •

• CF2,7 • •
CF1,3 • CF2,8 • •
•
CF2,n VANn pn

Chaque extrémité de l’arborescence correspond à une valeur actuelle nette

possible.
Il y a donc autant de VAN que de chemins possibles au niveau de l’arbre de
décision.
La question qui se pose également serait :
Comment estimer la probabilité associée aux différentes VAN ?

La probabilité associée à chaque VAN possible est appelée probabilité liée et

sera évaluée à partir des informations suivantes :
• Les probabilités initiales associées aux premières périodes;

• Les probabilités conditionnelles associées aux branches relatives aux

périodes suivantes (de la deuxième période jusqu’a la fin du projet).

La probabilité liée est égale au produit de la probabilité initiale relative au

cash-flow de la première période (1ère branche du chemin) avec toutes les
autres probabilités conditionnelles relatives aux autres cash-flows (branches
suivantes du chemin).
 Evaluation des projets en avenir probabilisable

• On accepte le projet lorsque E(VAN) est positive.

• Entre plusieurs projets, ayant les mêmes montants de capitaux

investis, on retient celui qui possède E(VAN) la plus élevée.

• Cependant, le critère de l’espérance ne tient pas compte de la

dispersion et donc du risque attaché à la distribution de
probabilités.
 Evaluation des projets en avenir probabilisable

• Solution:

• 1- calculer les VANs en retenant un taux avec prime de risque

K’ = K+∏

• 2- Intégrer la variance dans nos calculs. Le calcul de la

variance permet de mesurer le risque du projet.

• Il est par ailleurs possible d’estimer la probabilité que la VAN soit

supérieure à 0 ou un autre montant.
 Règle de décision

• En supposant que la VAN suit une loi normale, on peut estimer la

probabilité que le projet procure une VAN supérieure ou
inférieure à un certain montant.

• On peut par exemple déterminer la probabilité d’avoir une VAN

négative. Pour cela nous allons procéder à un changement de
variable de VAN à Z.

• Si VAN suit une loi normale d’espérance E(VAN) et d’écart-type

(VAN), alors
Z = [VAN – E(VAN)] / (VAN) suit une loi N (0,1)
loi normale centrée réduite.
• Exemple 2
Considérons un projet d’investissement qui requiert des capitaux investis
de 240 à t = 0. Les flux de revenus attendus pendant les 2 années de la
durée de vie prévue ainsi que leurs distributions de probabilités
respectives sont présentés dans ce tableau :
Année 1 Année 2
Proba Proba
CF1 CF2
initiales conditionnelles
0,4 -400 Analysons la
0,25 -100 0,4 -100 rentabilité et le
0,2 200 risque de ce projet
0,2 -100 pour un taux
0,5 200 0,6 200 d’actualisation de
0,2 500 8% .
0,2 200
0,25 500 0,4 500
0,4 800
t=0 t=1 t=2 VANi pi
-400 -676 0,1
-100 0,4 -100 -418 0,1
200 -161 0,05
-100 -141 0,1
I0=240 0,5 200 0,6 200 117 0,3
500 374 0,1

200 394 0,05

500 0,4 500 652 0,1
800 909 0,1
=1
23
P(Z < -t) P(Z > t)

-t t

P(Z < -t) = P(Z > t)

P(Z < t)

P(Z > t)

P(Z > t) = 1 – P(Z < t)

Info table de la loi normale
P(Z  t)

26
Exercice I
Une entreprise envisage d’investir dans un projet d’une durée de 2 ans et
nécessitant un investissement initial de 1000 dinars. Le projet génèrera des
cash-flows aléatoires, distribues selon une loi normale. La distribution de
probabilités des cash-flows se présente comme suit :

Valeur Probabilité
CF 1 400 0,3
600 0,4
800 0,3
CF 2 600 0,3
800 0,2
1000 0,5

1-Déterminer toutes les valeurs de VAN possibles sachant que le taux

d’actualisation sans risque est de 10%.

2- Déterminer l'espérance et la variance de la VAN et en déduire la probabilité

d’avoir une VAN positive.
Détermination des VAN possibles et des probabilités
liées associées aux différentes VAN

Capital CFi Prob initiale CF2 Prob Pi VANi

investi conditionnelle
1000 400 0,3 600 0,3 0,09 -140,496
1000 400 0,3 800 0,2 0,06 24,793
1000 400 0,3 1000 0,5 0,15 190,083

1000 600 0,4 600 0,3 0,12 41,322

1000 600 0,4 800 0,2 0,08 206,612
1000 600 0,4 1000 0,5 0,2 371,901
1000 800 0,3 600 0,3 0,09 223,140
1000 800 0,3 800 0,2 0,06 388,430
1000 800 0,3 1000 0,5 0,15 553,719
E(VAN) = 239,669; Variance (VAN) = 40598,320; Ecart type (VAN) =
201,4902
Nous allons procéder à un changement de variable

Z = [VAN-E(VAN)]/σ (VAN) suit une loi normale centrée réduite N(0,1).

Prob (VAN>0)= Prob(Z > - 1,189) = Prob (Z<1,189) = 88,2%

Limites de cette méthode

L’appréhension du risque à partir de la variance ou de l’écart type peut être

critiquée.
• Premièrement, cette mesure du risque suppose que les distributions de
probabilités sont normales, or cette condition n’est pas toujours satisfaite.

• Deuxièmement, elle suppose que l’investisseur considère comme

équivalentes les issues favorables et les issues défavorables. Or le plus souvent,
il existe des seuils critiques auxquels l’investisseur est particulièrement sensible.
Ainsi, un investissement peut se trouver éliminé car, en cas de conjoncture
défavorable, il entrainerait la cessation des activités de l’entreprise. Les
investisseurs intègrent fréquemment ce souci de sécurité dans leur procédure de
choix.

• Enfin, l’approche probabiliste débouche sur des critères objectifs (espérance,

variance) et donc sur la même décision indépendamment de l’attitude du
dirigeant vis-à-vis du risque
Le recours à la fonction d'utilité
L'approche par la théorie de l'utilité permet la définition de critères de choix
rationnels en situation risquée. Il est en fait important d'intégrer l'attitude des
preneurs de décision vis à vis du risque.

Les données objectives fournies par les critères (espérance et variance) ne

suffisent pas pour se prononcer sur la décision définitive des dirigeants. Ces
derniers évaluent le projet de manière subjective en rapport avec leur aversion
au risque et la richesse dont ils disposent.

En effet, la valeur d'un projet d'investissement n'est pas liée à l'ensemble des
rendements possibles mais plutôt à l'ensemble des niveaux d'utilité qui leur sont
associés.

Il est donc essentiel d’inclure dans la décision d’investissement une analyse de

l’utilité espérée en définissant une axiomatique de choix rationnels en avenir
incertain décrivant les réactions des individus face à un arbitrage entre la
rentabilité espérée et le risque encouru.
Les axiomes de rationalité

Nous utiliserons les conventions de signes suivants :

> Signifie « strictement préféré à …. » ;

≥ Signifie « préféré ou équivalent à …..» ;

~ Signifie « équivalent à ……».

Nous définissons une loterie comme un jeu dont les résultats sont aléatoires.

La notation L(x, z ; p, (1-p)) désigne une loterie qui rapporte x avec une
probabilité p et z avec une probabilité (1-p).
 Axiomes de rationalité et fonction d’utilité

• Axiome 1 : Axiome de comparabilité

Entre 2 loteries L1 et L2, le décideur peut toujours définir un
ordre de préférence complet
L1 > L2 : L1 est préférée à L2
L2 > L1 : L2 est préférée à L1
L1  L2 : L1 équivalente à L2
• Axiome 2: Axiome de transitivité
Si L1 > L2 et L2 > L3 alors L1 > L3
Si L1  L2 et L2  L3 alors L1  L3
 Axiomes de rationalité et fonction d’utilité
• Axiome 3: Axiome d'indépendance forte
Soit une loterie qui engendre un résultat x avec une probabilité p et un
résultat z avec la probabilité (1-p) notée L(x, z; p, (1-p)), si pour l’individu
considéré :
x  y alors L(x, z; p, (1-p))  L(y, z; p, (1-p))
x > y alors L(x, z; p, (1-p)) > L(y, z; p, (1-p))
En d’autres termes, le classement des deux projets n’est pas modifié lorsqu’ils
sont introduits dans une loterie comportant un troisième projet.

• Axiome 4 : Axiome d’unicité

Si x > y et y > z alors il existe une probabilité unique p telle que
y  L(x, z; p, (1-p))
y représente l’équivalent certain de la loterie L(x, z; p, (1-p)) :
somme telle que l’individu est indifférent entre recevoir cette somme
certaine ou jouer à la loterie.
Axiomes de rationalité et fonction d’utilité

• Axiome 5: Axiome des classements composés

Si x > y > z, alors il  p1 / y  L(x, z; p1, (1- p1))
Si x > u > z, alors il  p2 / u  L(x, z; p2, (1- p2))
Lorsque p1 > p2 alors y > u
Lorsque p1 = p2 alors y  u
Si 2 loteries présentent les deux mêmes résultats x et z, celle qui accorde la
plus grande probabilité de survenance au résultat le plus favorable sera
préférée à l'autre.

• Axiome 6: Axiome de non - satiété

L’individu préfère toujours plus de gains à moins de gains
Axiomes et fonction d’utilité

Cette axiomatique permet le classement des projets en fonction du critère de

l’espérance de la fonction d’utilité et permet la construction d’une fonction
d’utilité de manière assez simple.

Les deux premiers axiomes suffisent à déterminer sur S une structure de pré-
ordre complet.

Les axiomes suivants rendent ce pré-ordre compatible avec le critère de

l'espérance mathématique. En effet, ce dernier implique que l’utilité totale d’un
projet dont la rentabilité est aléatoire est égale à la somme pondérée des utilités
des différentes rentabilités, les poids étant égaux aux probabilités de réalisation
de chacune des rentabilités
Axiomes et fonction d’utilité

• U maintient l'ordre de préférence, càd

U(x) > U(y) implique x préféré à y
U(x) = U(y) implique x ∼ y.

• L’utilité d’une loterie L(x, y; p, (1-p)) est égale à l’espérance mathématique

des utilités des sommes monétaires engendrées par cette loterie

E[U(L)] = p U(x) + (1-p) U(y)

!!! Le critère de choix est la maximisation de l’utilité espérée et
non la maximisation du gain espéré.
Exemple

Soient les projets A et B A B

Quel projet va être retenu par pi VANi pi VANi
un agent dont la f.u. est décrite 0,5 100 0 100
par la fonction?
0 50 1 50
0,5 0 0 0

 Le projet B sera retenu

E(VANA) = E(VANB) = 50  Indifférence entre les projets

L’attitude face au risque

La façon de classer les préférences d’un individu pour des investissements

aléatoires peut être exprimée au moyen d’une fonction d’utilité qui lui est
propre et qui dépend, en général, de sa richesse. Il est possible d’obtenir des
informations intéressantes sur l’attitude des investisseurs envers le risque ainsi
qu’une mesure de l’intensité de cette attitude simplement en étudiant la forme
des fonctions d’utilité usuelles.

L’axiome de non-satiété implique que toute fonction d’utilité doit être croissante
et monotone, ce qui indique que l’utilité marginale des gains est toujours
positive,

Mais elle peut être décroissante, croissante ou constante, suivant les cas. Les
fonctions d’utilité construites peuvent donc avoir trois formes: la fonction est soit
concave par rapport à l’axe horizontal, soit convexe, soit linéaire. Ces formes
correspondent respectivement à trois types de comportements vis à vis du
risque: une aversion, une préférence et une indifférence vis a vis du risque .
Fonction d’utilité

Aversion Neutralité Préférence

Signe de la
dérivée première U′(W) > 0 U′(W) > 0 U′(W) > 0

Signe de la
U″(W) < 0 U″(W) = 0 U″(W) > 0
dérivée seconde

Forme de la f.u. Concave Linéaire Convexe

Détermination de l’Equivalent certain

~
• On appelle équivalent certain de la richesse aléatoire W, la
richesse certaine WEC qui donne à son propriétaire la même
~ le rendant indifférent entre W et W.
utilité que W ~
EC

• L’utilité de la richesse certaine WEC étant U(WEC), l’équivalent

certain de la richesse aléatoire W~ est la valeur WEC solution de
l’équation:

~
U(WEC) = E[U(W)]
• Graphiquement :
Détermination de la prime de risque

Aversion au risque
Préférence pour le risque
 = E(W) –WEC s’interprète
comme la somme maximale  = WEC – E(W)
que l’individu averse au
 s’interprète comme la
risque est prêt à payer pour
mise initiale que l’individu
se prémunir contre le risque
est prêt à payer pour
càd pour avoir la richesse
pouvoir participer au jeu.
certaine WEC plutôt que la
richesse aléatoire W.

Indifférence au risque

 = 0 puisque
WEC = E(W) Absence de prime de risque
Cas de l’Aversion au risque

Un investisseur est réputé avoir une aversion au risque lorsque,

toutes choses égales par ailleurs, il préfère les distributions de
gains les moins dispersées.
Dans ce cas, s’il doit choisir entre deux investissements à
espérance de gain identique, il préfère le résultat certain au
résultat aléatoire.
L’aversion envers le risque se définit comme le refus de l’auteur
de s’engager dans un investissement aléatoire d'espérance de
revenu nulle.
Soit un investisseur qui dispose d’une richesse W et qui a le choix entre
participer ou pas à un jeu aléatoire équitable (E (jeu) = 0).

Le jeu permet de réaliser h1> 0 avec une probabilité p et

h2< 0 avec une probabilité (1-p).

E (jeu) = 0

ph1+(l-p)h2 = 0

0
0

0
Si la personne est averse au risque,
alors pour un gain espéré identique, elle préfèrera ne pas jouer.

U(ne pas jouer) > U espérée (jeu)

U(W0) > p U(W0+h1) + (1-p) U(W0+h2)
U(W0+ (ph1+(l-p)h2 )) > p U(W0+h1) + (1-p) U(W0+h2)
U(p(W0+h1)+(l-p)(W0+h2 )) > p U(W0+h1) + (1-p) U(W0+h2)

Sachant que p ϵ[0, 1], cette inégalité permet de déduire que

la fonction d’utilité qui caractérise une personne averse au
risque est une fonction concave tel que présenté au niveau
du schéma suivant:
Aversion au risque

f.u. concave
U(W)
U"(W) < 0
U(W0+h1) ~ ~
U(W0)
p U(W0+h1) + (1-p) U(W0+h2)

U(W0+h2)

Prime

0 EC
W0+h2 W0=E(g) W0+h1 W
Préférence pour le risque

f.u. convexe
U(W)
U"(W) > 0
U(W0+h1) ~ ~

p U(W0+h1) + (1-p) U(W0+h2)

U(W0)
U(W0+h2)

Prime

0
W0+h2 W0=E(g) EC W0+h1 W
Quelques fonctions d’utilité usuelles

1. Fonction quadratique
• U(W) = a + b W – c W ² avec a, b et c > 0 : des constantes
• U(W) = b – 2 c W > 0 ssi W < b
2c
• Le domaine de définition de cette f.u. : [0, b ]
2c
• U″(W) = – 2 c < 0  Aversion au risque , f.u. concave

2. Fonction exponentielle
• U(W) = – e - aW avec a > 0
• U(W) = a e - aW > 0
• U″(W) = – a² e - aW < 0  Aversion au risque
Quelques fonctions d’utilité usuelles

3. Fonction logarithmique
• U(W) = LOG (W)
• U(W) = 1
>0
W
• U″(W) = – 1 < 0  Aversion au risque
W²
Autres méthodes de prise en compte du risque
D’autres méthodes permettent d’intégrer le risque dans la décision
d’investissement, on peut citer les suivantes :
• Les techniques de simulation
Elles consistent à déterminer la distribution de probabilité de la VAN à partir des
distributions de probabilités des différents paramètres économiques qui
influencent la VAN puisque tous les paramètres du projet sont risqués.
Basée sur la simulation de Monte-Carlo, cette technique permet de déterminer
une distribution empirique de la VAN.
• La méthode des scénarios
Cette méthode s’intègre dans le cadre des analyses de sensibilité d’un projet. Elle
consiste à envisager différents scenarios de réalisation pour le projet (optimiste,
réaliste et pessimiste) et d’attribuer ensuite des valeurs subjectives aux
différentes variables du projet. Il est possible par la suite de calculer une VAN
pour chaque scénario. Les valeurs obtenues de la VAN permettent de donner une
idée sur le degré de variabilité de la rentabilité du projet et du risque associé.