Aide à la décision

L'aide à la décision reposait autrefois sur l'expérience individuelle, le savoir, l'expérience des conseillers des décideurs, ainsi que sur l'analyse historique. L'opinion et la subjectivité avaient une grande importance.

Au XX^e siècle, des outils mathématiques[1] sont introduits. Ces modèles et leurs algorithmes s'appuient sur des concepts et théories tels que les probabilités, l'analyse de la décision, la théorie des graphes, ou encore la recherche opérationnelle.

Rapidement, des systèmes informatiques d'aide à la décision sont apparus et ont pris une place croissante dans certains processus de décision, au point parfois de remplacer l'Homme par des processus automatiques.

Les Systèmes d'Information Géographiques (SIG) se sont beaucoup développés depuis les années 1970, avec l'avantage de présenter visuellement et de manière cartographique certains éléments d'aide à la décision. Avec l'informatique sont également arrivés des Systèmes Interactifs d'Aide à la Décision (SIAD).

Des agences et bureaux d'études se sont spécialisés dans le conseil et l'aide à la décision auprès des banques, entreprises, gouvernements, collectivités (via les systèmes d'assistance à la maîtrise d'ouvrage, par exemple).

Par la suite se sont installées l'informatique décisionnelle (en anglais business intelligence) et de nouvelles méthodes telles que le traitement analytique en ligne et les entrepôts de données (data warehouses).

La gouvernance multi-niveaux et les processus de codécision qui tendent à se développer en Europe, ou dans le monde sous l'égide de l'ONU, exigent des outils transparents, souples et prenant en compte les différentes échelles de contextes sociologiques, économiques, environnementaux et de responsabilité. Dans ce domaine et celui de la démocratie participative la notion de "porté à connaissance" et d'accès à l'information, en particulier à la donnée publique ont pris une importance croissante.

Avec l'Internet, on a vu apparaître de nouveaux moyens de consultation et d'expression ainsi que des outils de travail collaboratif permettant de nouveaux types de processus de décision et d'aide à la décision. Il y a également l'apparition de Big data pour le traitement de très grandes bases de données.

Pour qu’un système d’aide à la décision soit efficace, il faut qu’il s’appuie notamment sur la recherche opérationnelle (ou en abrégé RO), qui est, pour résumer, la discipline des méthodes scientifiques, telles que les mathématiques ou encore l’informatique utilisables pour élaborer de meilleures décisions. En effet, pour permettre aux différents utilisateurs de prendre une décision, il faut être en mesure de leur proposer des outils d’optimisation, et la RO offre justement cet outil.

Au sein d’un SI, elle permet de rationaliser, de simuler et d’optimiser l’architecture et le fonctionnement de l’organisation ou de la production, tout cela dans le but de permettre aux utilisateurs de prendre la meilleure décision possible.

L’objectif de la recherche opérationnelle n’est pas de « prendre la décision » mais de clarifier une vision du contexte dans lequel la décision sera prise. On ne se soucie pas de la faisabilité de la décision, mais on s’attache plus à l’optimalité de cette dernière. Elle est réalisée grâce à la théorie des graphes mais également la programmation linéaire, non linéaire et dynamique ou encore des calculs de probabilités.

Certains auteurs ont une analyse critique et différencient bien le fait de « solutionner » (barbarisme) un problème ou de le « résoudre » (faire disparaitre le problème lui-même)[2].

On distingue alors deux grands axes d'analyse :

• l’analyse monocritère : adaptée s’il y a un point de vue unique ou des points de vue multiples non conflictuels ;
• l’analyse multicritère ou Aide à la décision multicritère. En effet, en général, pour trouver une solution adéquate, cela ne dépend pas d’un seul mais d’un ensemble de critères. Pour trouver la meilleure solution possible, via l’analyse multicritère, il faut opérer en 4 étapes :
  1. Dresser la liste des actions potentielles,
  2. Dresser la liste des critères à prendre en compte,
  3. Établir un tableau des performances,
  4. Agréger les performances.

C’est lors de cette dernière étape que l’on peut généralement observer des variations entre les différentes méthodes d’analyse multicritère. Cela pose donc un problème avec cette méthode de stratégie avec potentiellement des décideurs multiples. Les statistiques ont donc leur rôle à jouer dans la prise de décision en fonction des données partielles possédées. Des outils informatiques peuvent être utilisés pour effectuer ce type d’analyses (R, SPSS ou SAS par exemple).

Herbert Simon, à l'origine des recherches sur le processus de décision, aboutit à sa thèse sur la rationalité limitée : c'est la procédure suivie qui doit être optimale et non pas le calcul des solutions (contrairement aux outils d'optimisation). Ainsi, on ne veut plus uniquement rechercher l’optimalité d’une solution, mais une solution satisfaisante qui peut être appliquée.

Certains outils de la décision s'exercent communément en trois étapes :

1. Le prédiagnostic : Il est réalisé dans le but de sensibiliser l’entreprise. Il consiste à effectuer un rapide état des lieux de l’entreprise dans sa globalité. Cette étape, assez courte n’en est pas moins essentielle afin d'identifier les enjeux et guider les étapes qui suivront ;
2. Le diagnostic : Lors de cette étape, une analyse approfondie de la situation de l’entreprise est faite. Cela permet d’établir la liste des solutions techniques et/ou organisationnelles envisageables et qui seront proposées au demandeur. Le diagnostic doit être le plus exhaustif possible, afin de fournir au demandeur le plus de solutions possibles, de manière très détaillée pour qu’il fasse son choix ;
3. L’étude de la faisabilité : Dernière étape du processus d’aide à la décision, elle est indispensable à la définition précise d'une solution technique. Cela permet de savoir si la décision prise par le demandeur est effectivement réalisable, ou si elle relève de l’utopie.

Les deux dernières étapes sont les plus coûteuses.

• L’analyse SWOT, qui est purement qualitative et est appliquée au niveau stratégique et du management.
• Les Systèmes d'Information Géographiques (SIG) permettent de représenter une décision sous la forme d'un schéma constitué par un réseau d'énoncés liés selon des séquences logiques. Cela permet donc au décideur de se donner une image concrète de sa pensée, ce qui améliore la prise de décision.
• La veille stratégique consiste à collecter puis analyser les informations les plus à jour sur son environnement afin de prendre les meilleurs décisions possibles. Elle consiste à mettre en place un processus faisant appel à l'ensemble des veilles pratiquées au sein d'une organisation. Elle implique une surveillance de l'information de tous types (web, interne, externe…).
• Les Systèmes Interactifs d'Aide à la Décision (SIAD) sont également des outils pour la prise de décision. Ils naissent de l’interaction entre l'homme et la machine. Ils fournissent une assistance aux décideurs pour des problèmes, mais ne font pas de traitements automatiques. Ils permettent plutôt de combiner le jugement humain et le traitement automatisé de l'information. Un SIAD sera efficace s'il est capable de fournir des représentations pertinentes pour le décideur, faire des opérations de traitement de l'information, et interpréter les décisions prises par un demandeur. Il sera d'autant plus efficace s'il est facilement évolutif.

Certains outils permettent de prendre des décisions collectives, c'est-à-dire de rechercher un consensus au sein d'un groupe de personnes. Voici plusieurs outils permettant de prendre ce type de décision :

• Le vote pondéré : outil permettant de faciliter le choix entre plusieurs possibilités lorsqu’il est important pour un groupe d’obtenir une décision consensuelle.

  Objectif : mettre en relief des idées, causes ou solutions afin d’appliquer un traitement approprié permettant de dégager une décision consensuelle.

• Matrice de compatibilité : méthode permettant de faire un choix parmi plusieurs propositions en fonction de critères établis.

  Objectif : comparer les différentes décisions pouvant être prises, en fonction des critères (contraintes imposées, objectifs à atteindre, fonctions à remplir) et des problèmes pouvant être rencontrés.

• Diagramme d’affinités : méthode utilisée pour organiser les idées émises par un groupe et les structurer par thèmes. Les catégories ne doivent pas être pré-établies mais constituées sur la base des liens que les idées ont entre elles.

  Objectif : classifier les renseignements à l’aide de représentations sur cet outil de management par la qualité totale.

• Méthode Philips 6.6[3] : permet d’organiser le travail en groupe, en vue d’échanger pour mieux décider. Évite les risques de brouhaha et d’incompréhension qui peuvent vite s’installer au sein d’un grand groupe de personnes qui cherchent à échanger. De plus, elle favorise également la participation de tous. Le principe est de diviser l’équipe en groupes de 6 personnes pendant 6 minutes, puis de charger les porte-parole (un par groupe) de rapporter et partager les résultats. Cette méthode peut être itérative.

  Objectif : structurer les échanges au sein d’un groupe afin d’accroître les processus de prise de décision.

• L’arbre d’objectifs[4] : méthode intervenant après la réalisation d’un diagnostic.

  Objectif : énoncer la finalité du projet sous la forme d’un verbe à l’infinitif suivi d’un objet (exemple : “promouvoir le territoire”). La construction de cet outil conduit à un ensemble d’objectifs pour le projet, que l’on peut schématiser en un “arbre”.

• Matrice Eisenhower : outil de classification méthodique des priorités et d’appréciation des urgences, permettant la gestion et la régulation des activités.

  Objectif : classer les tâches à faire en fonction de leur urgence et de leur importance.

• Le diagramme de Pareto : moyen simple pour classer les phénomènes par ordre d’importance.

  Objectif : faire apparaître les causes essentielles d’un phénomène, hiérarchiser celles-ci, évaluer les effets d’une solution et mieux cibler les actions à mettre en œuvre.

Les progrès de l'informatique ont intégré l'aide à la décision, domaine visant à concevoir des outils informatiques (dont les logiciels experts) pour aider un décideur à analyser un problème ou une situation, et à lui fournir des solutions, éventuellement hiérarchisées sur la base des critères logiques qu'il aura sélectionné.

La décision en entreprise résulte d’un processus toujours plus complexe : les données à prendre en compte sont toujours plus volumineuses et les enjeux si importants (humains, financiers) que l’outil informatique est devenu stratégique. Les systèmes décisionnels de traitement et de valorisation des données sont aujourd’hui bien implantés dans les entreprises. Ils s’enrichissent notamment à présent de puissantes méthodes analytiques, de prospection et d’optimisation.

Ainsi l'informatique décisionnelle, qui fait partie de ce que les anglophones appellent « business intelligence », désigne les moyens, les outils et les méthodes qui permettent de collecter, consolider, modéliser et restituer les données, matérielles ou immatérielles, d'une entreprise en vue d'offrir une aide à la décision et de permettre aux responsables de la stratégie d'entreprise ou d'une collectivité d’avoir une vue d’ensemble de l’activité traitée.

Les différentes applications de l’informatique peuvent être classées dans leur ordre chronologique d’apparition et leur « âge d’or ».

La première application de l’informatique concerne les systèmes SIAD^[Quoi ?]. Il s’agit de systèmes informatiques intégrés, conçus spécialement pour la prise de décisions, et qui sont destinés plus particulièrement aux dirigeants d'entreprises. Ainsi, un système SIAD est habituellement constitué de programmes, d'une ou de plusieurs bases de données, internes ou externes, et d'une base de connaissances. Il fonctionne avec un langage et un programme de modélisation qui permettent aux dirigeants d'étudier différentes hypothèses en matière de planification et d'en évaluer les conséquences. Cette méthode est généralement basée sur l’utilisation de la recherche opérationnelle.

Apparaît par la suite l’intelligence artificielle, exploitant des formes de programmation originales cherchant généralement à simuler des réalités de manières virtuelles pour prendre des décisions suivant les résultats obtenus grâce à ces simulations. Les méthodes d’aide à la décision utilisant l’intelligence artificielle sont généralement basées sur les systèmes experts, les réseaux de neurones et les systèmes multi-agents par exemple. Cette méthode est toujours utilisée de nos jours, dans certains domaines particuliers, où la résolution des problèmes est intégralement fondée sur les techniques de l’I.A. Ainsi, ces techniques ont un impact sur deux aspects de la conception des systèmes d’information qui sont l’automatisation du processus de conception et la réutilisation de connaissances liées au domaine et l’explication / tutorat.

Plus récemment^[Quand ?], en réponse à la constante évolution du volume de données stockées et exploitables, l’apparition de l'informatique décisionnelle a donné un souffle nouveau aux méthodes et outils d’aide à la décision. Celle-ci repose principalement sur l’extraction au sein d’importantes et nombreuses bases de données (appelées entrepôts de données ou data warehouses) au moyen d’outils nommés extract-transform-load (ETL). Cette fouille de données est également appelée data mining.

Aujourd’hui, la méthode big data^{[pertinence contestée]} semble être la plus prometteuse. Il s’agit, d’une manière similaire à l'informatique décisionnelle, d’effectuer de la fouille de données, mais ici appliquée à de plus gros volumes.