CHAPITRE 1 : LE SI

COMME AIDE À LA
DÉCISION

S. FRAGASSI 1
INTRODUCTION

 Qu’est-ce que l’informatique

décisionnelle ? …optimiser
les choix realisés

 Quel est son principal enjeu ?

S. FRAGASSI 2
 I- L’ÉVOLUTION DES SYSTÈMES
D’AIDE À LA DÉCISION (SIAD)
A- LA RECHERCHE OPÉRATIONNELLE
 Présentation de la recherche opérationnelle (RO).
C’est un ensemble de méthodes et de techniques rationnelles orientés vers la recherche du meilleur choix pour obtenir un
résultat précis
Programmation linéaire technique d’ordonnancement
Les outils tel que de simulation (VR)
 Quand est-elle apparue ?
2de gM La RO dans les entreprises.
 rechercghe op a été mise en place dés les années 50 tel que la SNCF ;Air France

 LeS. FRAGASSI
retour dans les années 90 3

 Les limites de la RO.

B- LES SYSTÈMES
EXPERTS

 Apparition et évolution
Les E occidentales se sont trouvées confrentés aux E japonaises qui sont reactives horizontales oiu les salariés sont polyvalents
Un partage de compétence au top

 Définition
Un logiciel info qui permettent de resonner sur des taches qui sont habituellement soumises à des taches humaines importantes

 Les limites.
Le systeme expert ne permet pas de combiner le savoirs il n’est pas dans le savoir comprendre
Les savoirs collectifs issu de l’org issu de l’E ne peuvent être traduits dans le savoir externe
S. FRAGASSI 4
 C- LES ALGORITHMES
 https://www.youtube.com/watch?v=QbZms6RgLRE&
t=36s

 Qu’est-ce qu’un algorithme ?

 Un algorithme est un ensemble d’operations ordonnées et finies devant etre suivis dans un ordre precis pour
resoudre un pb
 Un ensemble d’instructions
 Exemples
 Google et son pagerank
 Le trading de haute frequence utilization de haute frequence
 Facebook et le timeline
S. FRAGASSI 5
 II- SIAD ET THÉORIES
A- LE MODÈLE DE
SIMON

 Le principle de la rationalité limitée.

Dans son ouvrage de 1960 The new science il s’interesse au theorie de la division et au comportemets des individus pour descisio,
Il observe que le decideur a une rationalité limitée puisqu’il est limité à cause de biais cognitifs et des capacités calculatoires reduites
 Le modèle IMC.
 I: idd du pb à resoudre
 M: modelisation kle decideur elabore les solutions possible
 C:choix les decideurs fait un choix en matière de decision
 Critique.
 Soumis a des parametresw

S. FRAGASSI 6
 7
S. FRAGASSI
 B- HEURISTIQUES ET
BIAIS COGNITIFS
 Qu’est-ce que l’analyse heuristique?
A pour but de fournir une solution realisable ;cette methose eurististique est là pour
surplanter l’intuition humaine pour venir à bout de tous ces biais cognitifs
 Heuristique = algorithme.
En info l’heuristique c’est notre algorythme , cet algo permet de denouer rapidement des
situations difficilement abordable pour l’etre humain puisque ce dernier n’en percoit pas
tous les angles , cette methode perment de trouver une solution rapide et utilizable tds
mais non modelisable .
Efficacité des algorithmes.
efficace à 2 conditionsd par rapport à l’humain en ca s de situation changeante, l’algo va
etre utile sinon quand l’etre humain est soumis à des problemes d’attention
S. FRAGASSI 8
C- L’APPROCHE NATURALISTE DE LA
 https://www.canal-u.tv/video/canal_aunege/la_prise_de_decision_par_les_
experts_le_modele_naturaliste.18760
DÉCISION
 Contexte réel = naturaliste.
 Auteur : Gary Klein.
Il propose en 1993 le modele de la premiere reconnaissance qui se base sur
l’intuition correspondant à la reconnaissance de régularité stocké dans la mémoire
des individus .les individus reconnaissent leur connaissance tacite fondé sur
l’experience pour finalement élaborer une option de choix pour prendre la bonne
décision
 Modèle de la première reconnaissance.
 Les situations sont observes dans des ctxt réels il y a des éléments théoriques qui
peuvent subvenir et finalement aider une situation future
S. FRAGASSI 9
III- LES NOUVEAUX
ENJEUX DE
L’AUTOMATISATION DE LA
DÉCISION
A- LE BIG DATA

 Présentation du big data. (= Méga données: Données massives )

Ensemble massif volumineux qu’aucun élément ne peut compiler;
Défaut du big data: pas de structure ;qualité médiocre et difficile à exploiter
2016:Reix fallery Raue & Kalika le big data est un grand avantage pour ces inventeurs tel
que la nature des données le big data sont des données complexes et hétérogène et
d’origine diverse ensuite le croisement des données qu’on peut faire est tres intéressant
puisqu’on peut en tirer des stats…
 Ses enjeux.
S. FRAGASSI 10
 B- LES RÉALITÉS VIRTUELLE ET AUGMENTÉE

Qu’est-ce que chacune d’elles ?

Outil se simulation reel ou fictive dans le quell est integre un utilisateur
VR dans le cadre de l’aviation ou la medicine
Depuis environ 15 ans Renault utilize la VR pour aider à la reparation des automobiles
Realite augmentee une realité qui est traduite nuleriquement avec des images et des obj
que ça peut trendre compte

S. FRAGASSI 11
C- ET LE DROIT ?
 Décalage avancées technologiques et droit.
Le droit a tjrs un temps de ratard par rapport à evolution
 La responsabilité.
 Exemples.
 Question ethique par rapport au données collectées

S. FRAGASSI 12