Construction d’indicateurs composites transparents et robustes pour l’Aide à la Décision Multicritère

Contexte et objectifs

Dans un monde de plus en plus complexe et interconnecté, la prise de décision devient une tâche ardue, nécessitant souvent l’évaluation simultanée de plusieurs critères ou indicateurs conflictuels. Citons par exemple :

• Le choix d’un restaurant en fonction des avis négatifs et positifs des internautes, du prix et du type de menu proposé.
• Le choix d’un paquet de céréales en tenant compte des informations nutritionnelles indiquées sur le packaging : l’énergie, la quantité de sucre et de sel, de fibres . . .

Pour aider le décideur à forger ses convictions quant à la façon de choisir la meilleure alternative, en général un
modèle de décision, basé sur ses préférences, est élaboré. Ce modèle doit être capable de représenter les stratégies de décision du décideur. L’Aide à Multicritère à la Décision (AMCD) [1, 2, 4] est une discipline de la recherche opérationnelle qui vise à atteindre ce but. Les indicateurs jouent donc ici un rôle crucial dans le processus de décision en fournissant des mesures quantitatives et qualitatives qui facilitent la comparaison et l’évaluation des alternatives. Cependant, le développement et l’application efficace des indicateurs composites, vus comme des critères agrégés, restent des défis majeurs [3].

Le but de ce travail de recherche est de développer une démarche de construction d’indicateurs composites innovants, transparents et robustes pour l’aide multicritère à la décision. Cette démarche sera appliquée aux indicateurs issus des domaines réels tels que la biodiversité et la santé publique. Les résultats attendus pourront être de nature :

• Théorique : Par exemple, 

Une définition claire des notions d’indicateurs transparents, explicables et robustes, ainsi que de la légitimité d’un décideur ou d’une décision ; Une modélisation mathématique des indicateurs composites intégrant des garanties de transparence et de robustesse ;

Une étude des propriétés des préférences d’un décideur, qui conduisent à une interprétation fiable et juste
de résultats issus d’indicateurs composites.

• Algorithmique : Par exemple, la mise en place d’algorithmes permettant

La détermination d’indicateurs pertinents nécessaires à la construction d’un indicateur composite ; Une interprétation robuste des résultats pour une prise de décision efficace

• Applicative :

Des recommandations méthodologiques pour les décideurs afin d’améliorer la prise de décision multicritère
avec des outils plus interprétables et fiables.

Une application à des études de cas réels tels que le Nutri-Score, l’Indice de Développement Humain,
validant l’efficacité de la méthodologie proposée.

Références
[1] D. Bouyssou, Th. Marchant, P. Perny, M. Pirlot, A. Tsoukiàs, and Ph. Vincke. Evaluation and Decision Models :
A Critical Perspective. Kluwer Academic, Dordrecht, 2000.
[2] D. Bouyssou, Th. Marchant, M. Pirlot, A. Tsoukiàs, and Ph. Vincke. Evaluation and Decision Models : Stepping
Stones for the Analyst. Springer Verlag, Berlin, 2006.
[3] Salvatore Greco, Alessio Ishizaka, Maria Tasiou, and Giacomo Torris. On the methodological framework of
composite indices : A review of the issues of weighting, aggregation, and robustness. Social Indicators Research,
141(1) :61–91, 2019.
[4] B. Roy. Multicriteria Methodology for Decision Aiding. Kluwer Academic Publishers, Dordrecht, 1996.

Le LAMSADE de l'Université Paris Dauphine est un laboraoire de recherche établi en 1974. Les thèmes de recherches originels de l’Aide à la décision et de la Recherche Opérationnelle ont ensuite été complétés par l’Informatique Décisionnelle, la Théorie de la Décision et l’Intelligence Artificielle. Le LAMSADE propose des solutions pour la conception, l’utilisation et la validation de modèles formels d’Aide à la Décision. Nos recherches commencent en amont des processus de décision, passent par l’extraction, l’apprentissage et la modélisation des données, des valeurs, des préférences, la conception des méthodes et systèmes (qui peuvent montrer une certaine autonomie et/ou intelligence) jusqu’à l’étude des aspects algorithmiques sous-jacents, et finissent en aval avec la validation et l’insertion des recommandations dans des contextes organisationnels réels. Le LAMSADE est connu pour être à l’origine d’une démarche unique dans le domaine de l’aide multicritère à la décision, pour son approche à l’algorithmique et l’optimisation et pour la création du domaine de l’« Algorithmic Decision Theory ». Dans tous ces domaines, il est parmi les leaders au niveau international.

La recherche menée au sein du LAMSADE est appliquée à des domaines extrêmement variés comme la planification des transports, l’ordonnancement, l’évaluation des appels d’offres, le confort dans les voitures des trains, l’acceptabilité sociale des nouvelles technologies d’hydrogène ou encore les réseaux des télécommunications.

Compétences souhaitées et prérequis :

• Être titulaire d’un master 2 en informatique, mathématiques appliquées ou discipline proche.
• Être motivé et intéressé par le domaine de la décision, de la recherche opérationnelle, de la représentation et apprentissage des connaissances/préférences.
• De bonnes connaissances en programmation (Python, R, etc) et un esprit d’initiative seront un atout.C