République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université M’hamed Bougara de Boumerdès
Faculté des Sciences
Département de Mathématiques

Mémoire de fin de cycle présenté

pour l’obtention du diplôme de master II

Recherche Opérationnelle

Option : Recherche Opérationnelle, Modélisation et Aide à la Décision

(ROMAD)

Réalisé par : FERHATI Fatima Zohra Et KAOUANE Nissia

abb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbb
bbc
d Conception d’un outil d’aide multicritèree
d e
d à la décision pour le ranking des projets e
d e
d d’exploration dans l’amont pètrolier e
d e
d e
d (SONATRACH) e
d e
fgg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggh
Soutenu publiquement devant le jury composé de :

Présidente Mme B. Ferdjallah M.A.A U.M.B.B.

Promoteur Mr M. Bezoui M.A.A U.M.B.B.
Co-Promoteur Mr F. Cheurfa M.A.A U.M.B.B.
Examinatrice Mme W. Drici M.A. U.M.B.B.

Année Universitaire 2016/2017

 Remerciements

abbb b b bb b bb b b b b bb b bb bb bb bb b b b bb b b
b b b bb bb b c
d Nous tenons tout d’abord à remercier Allah, le tout-puissant et e
d miséricordieux de nous avoir donné le courage et la patience pour e
d e
d e
d Nous remercions tout particulièrement notre promoteur monsieur e
accomplir ce modeste travail.
d e
d M. Bezoui pour avoir accepté de nous encadrer, et la confiance qu’ile
d e
d nous a accordé, sa disponibilité, ses précieux conseils et son soutien e
d e
d e
moral.
d Nous remercions monsieur F. Cheurfa, pour l’intérêt qu’il a apportée
d e
d e
d e
à ce travail en acceptant de co-diriger cette étude, pour ses
d e
orientations et ses remarques fructueuses.
d e
d enseignants du Département des Mathématiques et spécialement, e
Nos remerciements s’adressent également à l’ensemble des
d e
d e
d e
ceux de la spécialité Recherche Opérationnelle.
d Notre reconnaissance s’adresse particulièrement à monsieur M. e
d Khouri Chef du Département d’Études Économiques et Statistique, e
d e
d e
d e
de nous avoir accueilli et de nous avoir proposé ce thème.
d Nos vifs remerciements vont à Madame L. Slimani pour avoir e
d accepté de nous parrainer, pour le temps qu’elle nous a consacré e
d e
d pour répondre à toutes nos interrogations et d’avoir mis à notre e
d e
d e
d Un grand merci à nos familles surtout nos parents, qui nous ont e
disposition tous les moyens pour que ce travail puisse aboutir.

d e
d aidé à suivre nos études dans les meilleures conditions et qui nous e
d e
d ont toujours soutenues et encouragées sans limite et e
d particulièrement, mon père, Kaouane Ahcene, qui a veillé à ce que e
d e
d e
d Nous tenons également à remercier les membres du jury d’avoir e
ce mémoire puisse prendre forme.
d e
d accordé de leurs temps précieux pour expertiser notre travail, nous e
d e
d e
d Enfin, nous remercierons tous ceux qui ont participé de loin ou de e
espérons qu’ils en soient satisfaits.

d e
d e
d e
près à la réalisation de ce travail.
d e
fgg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggg
ggh

1
 Dédicaces

Je dédie ce modeste travail :

À ma défunte grand mère.
À mon père, qui était et sera toujours mon école exemplaire et mon essence
de motivation, qui m’encourage toujours à avancer, qui a veillé, tout au long
de ma vie, à ce que je n’eusse besoin de rien.
À ma chère mère qui a fait plus qu’une mère puisse faire pour que ses
enfants suivent le bon chemin dans leur vie et leurs études. Aucune phrase
ne saurait être assez éloquente pour exprimer ce qu’elle mérite pour tous les
sacrifices qu’elle n’a cessé de me donner depuis ma naissance.
À ma deuxieme mère Leila que j’aime beaucoup.
À mes chéres soeurs Yasmine et Irania que j’adore.
À ma cousine Zahra qui est mon amie proche et ma troisième soeur et son
mari Nabil.
À ma tante nana Smina qui, par son départ, elle nous a laissè un grand vide.
À toute ma grande famille.
À mon binôme Fatima Zohra qui m’a apporté un soutien inestimable. Ce fut
bien plus qu’un plaisir d’être associée à elle dans ce projet de fin d’études.
À notre promoteur Mr BEZOUI qui a accepté de nous encadrer à distance
en se trouvant outre-mer malgré son agenda très chargé.
À l’équipe du Département Évaluation Économique et Statistiques pour leurs
soutiens et gentillesse.
À tous mes camarades de la promotion sortante 2017 Recherche
Opérationnelle.
À tous ceux qui me sont chers.
Sans oublier tous les professeurs que ce soit du primaire, du moyen, du
secondaire ou de l’enseignement supérieur

Nissia

2
 Dédicaces

J’adresse tout dabord mes dédicaces les plus sincères, à mon très cher papa
qui a toujours souhaité me voir réussir, j’éspére être sa fierté.
À l’être le plus cher à mon cœur dans ce monde, maman qui a toujours su
comment m’encourager.
Je les remercie de tout mon cœur pour tous leurs sacrifices, leur amour,
leurs tendresses, leurs soutiens et leurs prières tout au long de mes études.
À mes chers frères, pour leurs encouragements permanents, et leurs soutien
moral.
À ma belle sœur, pour son appui et ses encouragements.
À ma petite chère nièce Fatima Zahra, que j’aime beaucoup, je te souhaite
une merveilleuse vie.
À toute ma famille pour leur soutien tout au long de mon parcours
universitaire.
À mon amie et mon binôme Nissia, qui était toujours avec moi je te
remercie infiniment, je te souhaite tout le bonheur du monde.
À tous mes amis en particulier Zahra, Sara, Melissa, Amira, Imene avec qui
j’ai passé d’agréables moments de révision et de fourire et Malek sur que j’ai
toujours pu compter.
À mon promoteur Mr Bezoui, qui était vraiment patient avec nous et qui
nous a aidé beaucoup dans notre parcours universitaire.
À toute ma promotion et mes enseignants.
À tous les gens que j’aime et dont je n’ai pas cité les noms.
Que ce travail soit l’accomplissement de vos vœux tant allégués, et le fruit de
votre soutien infaillible,
Merci d’être toujours là pour moi.

Fatima Zohra
 Table des matières

Table des matières . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

Table des figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

Introduction générale 9

1 Présentation de l’entreprise et position du problème 11

1.1 Présentation de la société Sonatrach . . . . . . . . . . . . . . . . . . . . . . 11
1.1.1 Description du groupe pétrolier Sonatrach . . . . . . . . . . . . . . 12
1.1.2 Organisation de l’entreprise . . . . . . . . . . . . . . . . . . . . . . 12
1.1.3 La Division Exploration . . . . . . . . . . . . . . . . . . . . . . . . 15
1.1.4 Le Département "Évaluation Économique et Statistique" . . . . . . 17
1.2 Généralités sur les hydrocarbures . . . . . . . . . . . . . . . . . . . . . . . 18
1.2.1 Définition des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . 18
1.2.2 Formation des hydrocarbures . . . . . . . . . . . . . . . . . . . . . 18
1.2.3 Naissance et piégeage des hydrocarbures dans un bassin sédimentaire 20
1.2.4 Système pétrolier . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.3 La chaîne des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.3.1 Exploration des hydrocarbures . . . . . . . . . . . . . . . . . . . . . 21
1.3.2 Développement et exploitation des gisements . . . . . . . . . . . . . 22
1.3.3 Transport des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . 22
1.3.4 Activité Aval . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.3.5 Commercialisation des hydrocarbures . . . . . . . . . . . . . . . . . 23
1.4 Position de la problèmatique . . . . . . . . . . . . . . . . . . . . . . . . . 25

2 Gestion de projets d’exploration-production 27

2.1 Les étapes d’un projet d’Exploration-Production . . . . . . . . . . . . . . . 28
2.1.1 Étape exploration . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.1.2 Étape développement . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4
TABLE DES MATIÈRES TABLE DES MATIÈRES

2.1.3 Étape exploitation . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.2 Évaluation d’un projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.1 Investissement (Capex) . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.2.2 Dépenses d’exploitation (Opex) . . . . . . . . . . . . . . . . . . . . 30
2.2.3 Amortissement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.4 Actualisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.5 Inflation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.6 Prix des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3 Le cadre juridique en Algérie . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.3.1 Contrat de recherche et/ou d’exploitation . . . . . . . . . . . . . . . 31
2.3.2 Fiscalité des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . 32
2.4 Les risques liés à l’industrie des hydrocarbures . . . . . . . . . . . . . . . . 37
2.4.1 Calcul du risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.5 Les critères d’évaluation des projets d’investissement . . . . . . . . . . . . 38
2.5.1 Critère du revenu actualisé ou valeur actuelle nette (VAN) . . . . . 38
2.5.2 Taux de rentabilité interne (TRI) . . . . . . . . . . . . . . . . . . . 38
2.5.3 Délai de récupération (POT) . . . . . . . . . . . . . . . . . . . . . . 39
2.5.4 Indice de profitabilité (IP) . . . . . . . . . . . . . . . . . . . . . . . 39
2.6 Réserves et ressources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

3 Aide à la décision multicritére 40

3.1 La décision, le décideur, l’analyste . . . . . . . . . . . . . . . . . . . . . . 41
3.2 Relations binaires dans un ensemble . . . . . . . . . . . . . . . . . . . . . . 41
3.2.1 Relation d’équivalence . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.2.2 Relation d’ordre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.3 Problème monocritère et multicritère . . . . . . . . . . . . . . . . . . . . . 43
3.3.1 Problème monocritère . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 Problème multicritère . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4 Actions et critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.1 Actions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.4.2 Critères et famille cohérente de critères . . . . . . . . . . . . . . . . 46
3.4.3 Échelle d’un critère . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.4 Types des critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.4.5 Poids des critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48

5
TABLE DES MATIÈRES TABLE DES MATIÈRES

3.4.6 Dominance et efficacité . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.4.7 Le point idéal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.8 La matrice des gains . . . . . . . . . . . . . . . . . . . . . . . . . . 49
3.4.9 Le point Nadir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4.10 Le point anti-idéal . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5 Modélisation des préférences . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5.1 Représentation graphique d’une structure de préférence . . . . . . . 52
3.5.2 Représentation matricielle d’une structure de préférence . . . . . . . 52
3.5.3 Le tableau des performances . . . . . . . . . . . . . . . . . . . . . . 53
3.6 Propriétés des structures de préférence . . . . . . . . . . . . . . . . . . . . 54
3.6.1 Ordre total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6.2 Préordre total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6.3 Quasi-ordre total . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
3.6.4 Ordre d’intervalle total . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.6.5 Ordre partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.6.6 Le préordre partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
3.7 Relation de surclassement . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.8 Fonction d’utilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.9 Les modèles d’agrégation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.9.1 Modèle additif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.9.2 Modèle multiplicatif . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.10 Les différentes problématiques des problèmes d’aide à la décision multicritères 58

4 Les méthodes d’aide à la décision multicritères 61

4.1 Méthodes de l’utilité multiattribut . . . . . . . . . . . . . . . . . . . . . . 64
4.1.1 La méthode SMART : Simple Multi-Attribute Rating Technique . . 64
4.1.2 La méthode TOPSIS : Technique for Order by Similarity to Ideal
Solution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.1.3 La méthode SAW : Simple Additive Weighting . . . . . . . . . . . . 70
4.1.4 La méthode AHP : Analytic hierarchy Process [ Saaty 1980]. . . . . 72
4.2 Méthodes de surclassement . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.1 La méthode Electre I : Élimination et Choix Traduisant la Réalité
[Roy 1968] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.2.2 La méthode Electre II . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2.3 La méthode Electre III [Roy 1978] . . . . . . . . . . . . . . . . . . . 85
4.3 Les avantages et les inconvénients des différentes méthodes de résolution . 90

6
TABLE DES MATIÈRES TABLE DES MATIÈRES

5 Résolution du problème 92
5.1 Présentation et identification du problème . . . . . . . . . . . . . . . . . . 92
5.2 Définition de l’ensemble des actions . . . . . . . . . . . . . . . . . . . . . . 93
5.3 Définition de l’ensemble des critères . . . . . . . . . . . . . . . . . . . . . . 93
5.3.1 Critères économiques . . . . . . . . . . . . . . . . . . . . . . . . . . 93
5.3.2 Critères stratégiques . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.3 Critère du risque . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.3.4 Propriétés des critères . . . . . . . . . . . . . . . . . . . . . . . . . 95
5.4 Pondération des critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
5.4.1 Outil de pondération basée sur la méthode AHP . . . . . . . . . . . 96
5.5 Choix et justification de la méthode de résolution . . . . . . . . . . . . . . 99
5.6 Implémentation des méthodes de résolution . . . . . . . . . . . . . . . . . . 99
5.6.1 Choix du langage . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
5.6.2 Les étapes suivies pour l’implémentation . . . . . . . . . . . . . . . 100
5.7 Présentation de l’interface et des résultats . . . . . . . . . . . . . . . . . . 102
5.7.1 L’interface graphique . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5.7.2 Résolution avec la méthode ELECTRE III . . . . . . . . . . . . . . 103
5.7.3 Résolution avec la méthode SAW . . . . . . . . . . . . . . . . . . . 104
5.7.4 Résolution avec la méthode SMART . . . . . . . . . . . . . . . . . 104
5.7.5 Résolution avec la méthode TOPSIS . . . . . . . . . . . . . . . . . 105
5.7.6 La résolution des quatre méthodes . . . . . . . . . . . . . . . . . . 105
5.7.7 Discussion des résultats . . . . . . . . . . . . . . . . . . . . . . . . 106
5.8 Commentaire et suggestion de l’entreprise . . . . . . . . . . . . . . . . . . 109

Conclusion générale 111

Bibliographie 112

7
 Table des figures

1.1 Logo de l’entreprise Sonatrach . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.2 Schéma organisationnel et fonctionnel de la Sonatrach. . . . . . . . . . . . 13
1.3 Organigramme de la Division Exploration. . . . . . . . . . . . . . . . . . . 17
1.4 Génération d’hydrocarbures : fenêtre à huile, fenêtre à gaz. . . . . . . . . . 19
1.5 Migration de la roche mère à la roche-réservoir. . . . . . . . . . . . . . . . 19
1.6 Naissance et piégeage des hydrocarbures dans un bassin sédimentaire. . . . 20
1.7 Transport des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.8 L’Aval des hydrocarbures . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.9 Commercialisation des hydrocarbures . . . . . . . . . . . . . . . . . . . . . 24

2.1 Fiscalités pétrolières. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.1 Modélisation de quatre situations fondamentales de préférences . . . . . . . 51

3.2 Représentation graphique d’une structure de préférence . . . . . . . . . . . 52
3.3 Problématique de choix Pα . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4 Problématique de tri Pβ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.5 Problématique de rangement Pγ . . . . . . . . . . . . . . . . . . . . . . . 60

4.1 Structuration du problème sous forme de hiérarchie . . . . . . . . . . . . . 75

5.1 Évaluation des critères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

5.2 Fenêtre principale de programme . . . . . . . . . . . . . . . . . . . . . . . 103
5.3 Fenêtre d’accueil de la fonction ELECTRE III . . . . . . . . . . . . . . . . 103
5.4 Fenêtre d’accueil de la fonction SAW . . . . . . . . . . . . . . . . . . . . . 104
5.5 Fenêtre d’accueil de la fonction SMART . . . . . . . . . . . . . . . . . . . 105
5.6 Fenêtre d’accueil de la fonction TOPSIS . . . . . . . . . . . . . . . . . . . 105
5.7 Fenêtre de résolution des problèmes de l’entreprise . . . . . . . . . . . . . . 106
5.8 Distribution des projets en groupe . . . . . . . . . . . . . . . . . . . . . . . 110

8
 Introduction générale

Les hydrocarbures occupent depuis des décennies une place très importante, non seule-
ment dans le développement économique des pays producteurs, mais aussi dans les rela-
tions géopolitiques internationales. La crise qui ravage l’économie mondiale affecte tout
autant les investissements requis pour développer l’offre de pétrole que les besoins de
consommation.

La production des hydrocarbures a joué un rôle prépondérant dans l’économie de

l’Algérie indépendante. Pour construire un État moderne, le pays s’est appuyé sur ses
ressources en pétrole et en gaz. Comme l’environnement économique est incertain, no-
tamment pour le marché pétrolier, les projets risquent de ne pas aboutir. De ce fait, la
gestion de projets et l’analyse du risque ont un grand rôle à jouer pour faire face aux
changements inattendus.

Les équipes de la Division Exploration de la compagnie étatique Sonatrach, très sou-

vent appelé à apprécier de nombreux projets, puis à choisir certains d’entre eux, suscep-
tibles de satisfaire au mieux les objectifs de l’entreprise. Cette étape constitue sans doute
la partie la plus délicate du processus de décision qui doit aboutir à l’acceptation ou au
rejet d’une ou plusieurs propositions. Pour cela, l’introduction des outils décisionnels (que
la recherche opérationnelle peut fournir) devient une nécessité.

L’objectif principal de notre étude est de concevoir un outil d’aide multicritère à la

décision dans le domaine de la hiérarchisation des projets de la Sonatrach. Pour se faire,
nous cheminons le plan de travail suivant :

9
TABLE DES FIGURES TABLE DES FIGURES

Dans le premier chapitre, nous présentons, dans sa première partie, la société Sona-
trach, et ses différentes divisions, ainsi que la division qui nous a proposé le sujet d’étude,
la deuxième partie de ce chapitre est consacrée à la présentation du problème. Quant au
deuxième chapitre, nous le consacrons pour la présentation de la notion d’investissement
et de l’ensemble des critères d’évaluation des projets. Le troisième chapitre introduira les
concepts théoriques de l’aide multicritère à la décision. Le quatrième est consacré à défi-
nir les différentes méthodes d’aide multicritère à la décision. Le cinquième présentera la
modélisation détaillée du problème et décrira l’approche détaillée de résolution avec l’ana-
lyse des résultats obtenus. Enfin, nous terminons cette étude par une conclusion générale
portant sur ce qui a été élaboré.

10
 Chapitre 1
Présentation de l’entreprise et
position du problème

1.1 Présentation de la société Sonatrach

Sonatrach est une compagnie étatique algérienne
et un acteur international majeur dans l’industrie des
hydrocarbures.

Historique

La société nationale de transport et de commercia-

lisation des hydrocarbures (Sonatrach) a été créée par
le décret N°63/491 du 31 décembre 1963 paru dans le
journal officiel du 10 novembre 1964.
Ces missions ont été élargies le 22 septembre 1966 Figure 1.1 – Logo de l’entreprise
pour s’étendre à tous les domaines de l’industrie pé- Sonatrach
trolière, la recherche et le transport des hydrocarbures
[1].
La nationalisation des hydrocarbures, le 24 février
1971, a poussé Sonatrach à prendre en main le destin
pétrolier et gazier du pays. Sonatrach a fait l’objet d’un découpage qui a donné naissance
à d’autres entreprises telles que NAFTAL, ASMIDAL, ENPE . . .

11
Ferhati & Kaouane Présentation de l’entreprise et position du problème

Aujourd’hui, et après sa restructuration en 1981, Sonatrach garde les principales fonc-

tions du secteur des hydrocarbures à savoir [1] :
– L’exploration, le forage et la production.
– Le transport des hydrocarbures.
– Le traitement et la liquéfaction du gaz naturel.
– La commercialisation des hydrocarbures liquides et gazeux.

1.1.1 Description du groupe pétrolier Sonatrach

La société nationale Sonatrach a atteint l’âge de raison. Cinquante ans d’existence

au service de l’économie algérienne. La société créée au lendemain de l’indépendance est
devenue aujourd’hui le cœur battant de l’économie nationale et l’entreprise nourricière de
l’Algérie.
– Forme juridique : Société par actions (SPA).
– Effectif de Sonatrach : 137000 employés en 2016 [1].
– Chiffre d’affaires à l’exportation en 2014 : 58,4 milliards de dollars contre 63.5 en
2013, soit une baisse de 8%.
– Production totale du pétrole en 2016 : 69 millions TEP [13].
– La production de gaz naturel en 2016 : 132,2 milliards de m3 [13].
– Dettes envers Groupe et Associés : Elles s’établissent à 2 379 milliards de DA contre
2 157 milliards de DA en 2013, soit une progression de 10 %.
– Près des 2/3 du Budget de l’État est issu de la fiscalité pétrolière. Sonatrach se posi-
tionne ainsi comme le locomoteur du développement national avec une contribution
au PIB à hauteur de plus de 30% et plus de 90% des ressources en devises du pays
[1].
– Position du groupe Sonatrach sur le plan international [1] :
* Le groupe pétrolier et gazier est classé 1er en Afrique et 12éme dans le monde en
2013.
* Quatrième exportateur mondial de Gaz naturel liquéfié (GNL).
* Troisième exportateur mondial de Gaz Pétrole liquéfié (GPL).
* Cinquième exportateur de Gaz naturel (GN).
– Sonatrach a pour mission de valoriser de façon optimale les ressources nationales
d’hydrocarbures et de créer des richesses au service du développement économique et
social du pays. Elle intervient également dans d’autres secteurs tels que la génération
électrique, les énergies renouvelables, et le dessalement d’eau de mer. Elle exerce ses
métiers en Algérie et partout dans le monde où des opportunités se présentent.

1.1.2 Organisation de l’entreprise

Le schéma d’organisation de la macrostructure de Sonatrach s’articule autour des

structures suivantes [1] :

12
Ferhati & Kaouane Présentation de l’entreprise et position du problème

– La Direction générale.
– Les Structures opérationnelles.
– Les Structures fonctionnelles.
La macrostructure de la société Sonatrach est schématisée par l’organigramme suivant.

Figure 1.2 – Schéma organisationnel et fonctionnel de la Sonatrach.

• La Direction Générale

Dirigée par un présidant directeur général, assisté du comité exécutif. Il est égale-
ment assisté de conseillers et de directeurs chargés du traitement et du suivi de dossiers
spécifiques et à caractère stratégique.
D’autres comités sont rattachés à la direction générale :
– Le comité d’examen des projets (CEP).
– Le comité de coordination des projets (CIP).

13
Ferhati & Kaouane Présentation de l’entreprise et position du problème

– Le comité d’éthique.
Le président directeur général peut à tout moment créer d’autres comités chargés
d’assurer la coordination de l’étude de problèmes particuliers. Ces comités peuvent être
chargés d’une mission permanente ou d’une durée déterminée. La direction relation pu-
blique (REP) et le service sureté interne d’établissement (SIE) relèvent également de la
direction générale.

• Structures opérationnelles

Les activités opérationnelles exercent les métiers du groupe et développent son poten-
tiel d’affaires tant en Algérie qu’à l’étranger. Les activités opérationnelles, qui sont placées
sous l’autorité d’un vice-président sont [1] :
– L’Activité Exploration-Production (E&P) : Couvre les activités de recherche,
d’exploration, de développement et de production d’hydrocarbures. Elles sont assu-
rées par Sonatrach seule, ou en association avec d’autres compagnies pétrolières.
– L’Activité Liquéfaction, Raffinage et Pétrochimie (LRP) : Couvre le déve-
loppement et l’exploitation des complexes de liquéfaction de gaz naturel, de sépa-
ration de GPL, de raffinage et des gaz industriels.
– L’Activité Transport par Canalisations (TRC) : Assure l’acheminement des
hydrocarbures (pétrole brut, condensat, GPL et gaz naturel) et dispose d’un réseau
de canalisations de près de 19 623 km en 2015 contre 14 915 en 2005, soit une
augmentation de 4 708 km.
– L’Activité Commercialisation (COM) : A pour missions l’élaboration et l’ap-
plication de la stratégie de Sonatrach en matière de commercialisation des hydro-
carbures sur le marché intérieur et à l’international par les opérations de trading et
de hipping.
Ces opérations sont menées en coopération avec les filiales NAFTAL pour l’ap-
provisionnement du marché national en produits pétroliers et gaziers (GPL), HY-
PROCSC pour le transport maritime de ces produits et COGIZ pour la commer-
cialisation des gaz industriels.

• Structures fonctionnelles

– Direction Coporate :
– Stratégie, Planification & Économie (SPE) ;
– Finances (FIN) ;
– Ressources Humaines (RHU) ;
– Direction Centrale :
– Filiales & participations (FIP) ;
– Activités Centrales (ACT) ;
– Juridique (JUR) ;
– Informatique & Système d’Information (ISI) ;
– Marchés et Logistique (MLG) ;

14
Ferhati & Kaouane Présentation de l’entreprise et position du problème

– Santé, sécurité & environnement (HSE) ;

– Business Développent (BSD) : nouvelle direction chargée de détecter des opportu-
nités de croissance, d’évaluer et de lancer des nouveaux projets dans les activités
de base de l’entreprise ;
– Recherche & Développement (RDT) : nouvelle direction chargée de promouvoir
et de mettre en œuvre la recherche appliquée et de développer des technologies
dans les métiers de base de l’entreprise.

1.1.3 La Division Exploration

La Division Exploration fait partie de l’activité Amont Exploration-Production (E &

P), elle a été crée en 1972 et elle avait le titre de la direction d’exploration, suite à la
réorganisation de la Sonatrach en date du 4/4/1987, la Direction Exploration est élevée
au rang de la division. L’Activité Exploration-Production (E & P) couvre les activités de
recherche, d’exploration, de développement et de production d’hydrocarbures. Elles sont
assurées par Sonatrach seule, ou en association avec d’autres compagnies pétrolières [28].

• Les missions essentielles de la Division Exploration

1. La conduite et le développement des activités de prospection et de recherche des

hydrocarbures.
2. La participation avec les autres divisions aux appels d’offres d’exploration en Algérie
et à l’étranger.
3. La participation à l’évaluation des offres de partenariat sur des projets d’exploration
en Algérie et à l’étranger.
4. La mise en œuvre de la stratégie de la Société en matière d’exploration.
5. La préparation, l’établissement et la recommandation des programmes techniques
d’exploration et leur suivi.
6. Le développement et la conduite des travaux d’analyse en matière de géologie et de
géophysique.
7. La gestion et le suivi des contrats en effort propre et en association.
8. Le développement d’expertise dans le domaine de l’exploration.

• Objectifs de la division exploration

1. Renouvellement des réserves.

2. Réduction des coûts de découvertes. Hiérarchisation des projets d’exploration en
fonction des critères retenus par l’entreprise à savoir :
– La taille des prospects.
– Le risque géologique.
– La rentabilité économique.

15
Ferhati & Kaouane Présentation de l’entreprise et position du problème

• Organisation de la Division Exploration

La Division Exploration est organisée comme suit :

1. Direction Assets Est.
2. Direction Assets Centre.
3. Direction Assets Ouest.
4. Direction Assets Nord.
5. Direction Assets en Partenariat.
6. Direction Etudes et Synthès.
7. Direction des Opérations d’Exploration.
8. Direction Data Management.
9. Direction Planification.
10. Direction Finances.
11. Direction Gestion Personnel.
12. Direction Logistique.
13. Département Juridique.
14. Département HSE.
15. Assistant Sûreté interne.
La microstructure de la Division Exploration est schématisée par l’organigramme sui-
vant.

16
Ferhati & Kaouane Présentation de l’entreprise et position du problème

Figure 1.3 – Organigramme de la Division Exploration.

1.1.4 Le Département "Évaluation Économique et Statistique"

Les missions principales de ce département sont :

– La réalisation de toute évaluation technico-économique des projets exploration-
production en effort propre Sonatrach ;
– La participation et l’assistance aux structures techniques de la Division à la réali-
sation des études d’opportunité d’investissement en exploration ;
– L’évaluation économique des projets d’implantation des forages d’exploration et de
la délinéation en effort propre de Sonatrach (nouveaux prospects) ;
– Le suivi et la mise à jour de la base de données statistique de l’activité exploration
ainsi que les indicateurs de performance pertinents.

17
Ferhati & Kaouane Présentation de l’entreprise et position du problème

1.2 Généralités sur les hydrocarbures

Afin de réaliser un outil d’aide à la décision , il est nécessaire d’utiliser une terminologie
spécifique et purement technique du domaine pétrolier. Pour cette raison, nous allons
présenter quelques généralités relatives à ce dernier.

1.2.1 Définition des hydrocarbures

Les hydrocarbures sont des molécules organiques exclusivement composées de carbone

et d’hydrogène. L’image du pétrole et du gaz naturel, deux carburants importants. Ils
sont inflammables, par ailleurs, ils ne se mélangent pas avec l’eau.

1.2.2 Formation des hydrocarbures

La matière organique, composée de carbone, hydrogène, oxygène et azote (CHON) est,

dans un milieu, protégée d’oxydation, mais non de l’action des bactéries anaérobies. Ces
bactéries sont celles qui n’ont pas besoin d’oxygène libre, mais qui viennent chercher, dans
les molécules organiques, l’oxygène et l’azote dont elles ont besoin pour leur métabolisme ;
en simplifiant, elles soustraient donc des CHON, les O et les N, laissant les carbones (C)
et les hydrogènes (H) : c’est la dégradation biochimique de la matière organique.
Les carbones et les hydrogènes s’unissent alors pour former de nouvelles molécules
composées principalement de ces deux éléments et qu’on appelle des hydrocarbures (HC).
Une des premières molécules à se former est le CH4, le méthane (gaz naturel), les molé-
cules d’HC sont amenées à des températures et pressions de plus en plus élevées ; c’est
l’enfouissement. À partir d’ici, les molécules d’hydrocarbures vont devenir de plus en plus
complexes. La dégradation passera de biochimique (régie par les bactéries) à thermique
(régie par l’augmentation de température). Le schéma qui suit résume ce qui se passe à
mesure de l’enfouissement et comment se forment l’huile et le gaz.

18
Ferhati & Kaouane Présentation de l’entreprise et position du problème

Figure 1.4 – Génération d’hydrocarbures : fenêtre à huile, fenêtre à gaz.

La roche dans laquelle se forment les gouttelettes d’hydrocarbures est appelée roche-
mère. Il faut en arriver à ce que les gouttelettes se concentrent, en se déplaçant par
exemple. C’est le processus de la migration. Il faut que les conditions géologiques soient
telles que les gouttelettes en viennent à être expulsées de la roche-mère, puis transportées
dans une roche perméable pour venir se concentrer dans ce qu’on appelle une roche-
réservoir où le pétrole se trouve dans les pores de la roche ; une sorte de roche éponge.

Figure 1.5 – Migration de la roche mère à la roche-réservoir.

19
Ferhati & Kaouane Présentation de l’entreprise et position du problème

1.2.3 Naissance et piégeage des hydrocarbures dans un bassin

sédimentaire

Les hydrocarbures prennent naissance et évoluent dans un bassin sédimentaire. Leurs

histoires lui sont étroitement liées. C’est pour cette raison que l’étude du mécanisme
de formation des bassins sédimentaires est fondamentale et constitue la première étape
des études de l’explorateur. Ces études lui permettent d’orienter et localiser des zones
susceptibles de renfermer des hydrocarbures et d’établir des programmes d’exploration
en vue d’identifier des prospects devenant par la suite des gisements d’hydrocarbures
exploitables.

Figure 1.6 – Naissance et piégeage des hydrocarbures dans un bassin sédimentaire.

1.2.4 Système pétrolier

Le système pétrolier désigne la combinaison des facteurs géologiques majeurs qui ont
permis d’obtenir des accumulations d’hydrocarbures. Ces facteurs sont :
• Une roche mère : Roche dans laquelle se sont formés des hydrocarbures.
• Une migration : Cheminement du pétrole à travers les terrains.
• Un piège : Anomalie dans la régularité des couches géologiques d’un bassin sédimen-
taire, affectant en particulier la coupe.
• Une roche-couverture : Permettant l’accumulation des hydrocarbures en un gise-
ment.
• Un réservoir : Roche poreuse dans laquelle le pétrole et le gaz sont concentrés.
• Un gisement : Accumulation naturelle de matière minérale (solides, liquides ou ga-
zeuses) susceptible d’être exploitée.
Tout d’abord, la présence d’une roche mère est fondamentale pour la génération des hy-
drocarbures. Ensuite, une roche-réservoir poreuse et perméable est nécessaire pour conte-
nir les hydrocarbures et leur permettre de s’accumuler. Ce réservoir doit être surmonté
d’une couverture qui agit comme une barrière contre les ascendants de fluides. Un piège
doit sceller le tout, afin de permettre des accumulations. Enfin, la succession des événe-
ments géologiques, que l’on appelle le timing, doit avoir été favorable, et en particulier, il
indispensable que le piège se soit formé avant que les hydrocarbures n’aient migré.

20
Ferhati & Kaouane Présentation de l’entreprise et position du problème

C’est l’occurrence de chacun de ces événements individuels que l’explorateur tente

d’évaluer, au moyen de probabilités, lors de la prospection pétrolière, afin d’évaluer les
chances de rencontrer une accumulation dans un endroit précis du sous-sol.

1.3 La chaîne des hydrocarbures

1.3.1 Exploration des hydrocarbures

La première étape du processus d’exploration-production consiste, bien entendu, à

rechercher les gisements d’hydrocarbures qui seront ensuite exploités, si les conditions
technico-économiques permettent [8].

• Prospection

L’exploration constitue une phase particulière où règne un contexte de grande incerti-

tude. En effet, elle a l’ambition de découvrir des accumulations d’hydrocarbures situées à
plusieurs milliers de mètres sous terre, donc parfaitement invisibles et intangibles. Aussi, la
mise en œuvre d’une compagne d’exploration nécessite-t-elle d’émettre un certain nombre
d’hypothèses qui seront plus ou moins rapidement confirmées, ou devront être rejetées au
vu d’indices souvent ténus.
Dans un premier temps, les géologues ont pour tâche d’étudier la géologie de grandes
zones afin d’y définir les endroits susceptibles de receler des accumulations d’hydrocar-
bures. Ils s’associent aux géophysiciens qui étudient les propriétés du sous-sol, notamment
grâce aux données de la sismique.

• Géologie

Les domaines d’études géologiques s’articulent essentiellement autour de quatre disci-

plines :
– La sédimentologie ou étude des roches sédimentaires ;
– La stratigraphie ou organisation temps/espace des roches sédimentaires ;
– La géologie structurale ou étude des déformations, fracturations ;
– La géochimie organique ou étude du potentiel des roches à produire des hydrocar-
bures.

• Géophysique

La connaissance des caractéristiques du terrain en surface n’est pas suffisante pour per-
mettre d’extrapoler les propriétés du sous-sol. De plus, dans les zones margées, rien n’est

21
Ferhati & Kaouane Présentation de l’entreprise et position du problème

pas visible. C’est pourquoi on a recours aux méthodes géophysiques d’exploration. Celles-
ci consistent à effectuer des mesures de grandeurs physiques fondamentales en profondeur :
champs gravitationnels, champ magnétique, résistance électrique, et a en interpréter les
résultats en termes géologiques.
Ces méthodes géophysiques se déclinent suivant trois approches principales : (la ma-
gnétométrie, la gravimétrie et la sismique). Si les deux premières méthodes citées ne sont
utilisées que marginalement, la sismique représente en revanche 90% des opérations géo-
physiques.
La sismique permet de réaliser une véritable échographie du sous-sol en y étudiant
propagation d’ondes et fournit aux explorateurs des informations sur les structures et la
stratigraphie du sous-sol.

• Forage d’exploration

Le forage est l’étape ultime et l’arbitre suprême du processus d’exploration. En effet,

la connaissance du sous-sol, acquise grâce aux études géologiques, permet d’évaluer globa-
lement l’intérêt d’un prospect, mais ne donne pas la possibilité d’affirmer que le gisement
pressenti existe bien. Seul l’accès direct au sous-sol, grâce au forage, en apporte diverses
informations sur la lithologie et les fluides.

• Délinéation

Si les puits d’exploration donnent lieu à une découverte, il est nécessaire de prospecter
plus avant afin de délimiter le gisement et d’évaluer son potentiel. Cette étape de déli-
néation ou d’appréciation est nécessaire pour la modélisation du réservoir et le forage de
puits additionnels, à quelques centaines ou milliers de mètres plus loin afin d’obtenir des
données supplémentaires.

1.3.2 Développement et exploitation des gisements

À l’issue de la phase de délinéation, si les caractéristiques du gisement découvert

paraissent suffisantes pour en envisager l’exploitation, s’enclenche alors la phase de déve-
loppement, qui consiste à forer les futurs puits producteurs et à installer tous les matériels
permettant la production.

1.3.3 Transport des hydrocarbures

Le transport des hydrocarbures constitue le maillon intermédiaire entre l’amont de

l’activité pétrolière et gazière et les activités en aval en matière de transformation, de
traitement des hydrocarbures et leurs commercialisations.

22
Ferhati & Kaouane Présentation de l’entreprise et position du problème

Figure 1.7 – Transport des hydrocarbures

1.3.4 Activité Aval

L’activité Aval est en charge du développement, de l’exploitation, de la liquéfaction

de gaz naturel, de la séparation de GPL et du raffinage. Le pétrole brut n’est pas utilisé
tel quel et nécessite une transformation : le raffinage. Il consiste en premier lieu à distiller
le pétrole afin de séparer les hydrocarbures suivant leur densité. Au fil du temps, nombre
de procédés ont été développés (craquage, reformage) pour accroître la part des hydro-
carbures les plus profitables (ex : essence et gazole) en diminuant celle de fioul lourd, et
pour rendre les carburants plus propres à l’emploi (élimination du soufre).

Figure 1.8 – L’Aval des hydrocarbures

1.3.5 Commercialisation des hydrocarbures

L’Activité Commercialisation est en charge de l’élaboration et de la mise en œuvre

de la stratégie de Sonatrach en matière de commercialisation des hydrocarbures sur le
marché national et à l’international.

23
Ferhati & Kaouane Présentation de l’entreprise et position du problème

Figure 1.9 – Commercialisation des hydrocarbures

24
Ferhati & Kaouane Présentation de l’entreprise et position du problème

1.4 Position de la problèmatique

L’Exploration-Production est une succeession continue et complémentaire de plusieurs
travaux pétroliers, permettant de maintenir et de renouveler les ressources en hydrocar-
bures de toute entreprise pétrolière soucieuse de sauvegarder sa pérennité et de soutenir
son développement.
C’est une activité complexe et risquée à plus d’un titre (risque géologique, risque
économique, risque fiscal et contractuel et risque associé) nécessitant des investissements
lourds et un suivi rigoureux des opérations afin d’assurer une cohérence entre les différents
maillons de la chaine pétrolière.
À l’issue de la phase d’exploration, toute découverte est évaluée et une décision concer-
nant l’investissement doit être prise. Cette évaluation se fait en deux étapes qui se com-
plètent, l’une du coté technique qui prend en considération les études géologiques, géo-
physique et les puits déjà forés, afin d’estimer le potentiel en hydrocarbures et le vo-
lume probable susceptible d’être découvert, l’autre du coté économique, pour estimer la
rentabilité du projet en déterminant les paramètres économiques (investissement, coûts
d’exploitation, prix de vente. . .etc).
Devant un comité d’implantation, les ingénieurs : géologue, géophysicien, producteur
et économiste exposent leurs travaux. La prise de décision se fait en combinant les résul-
tats techniques et économiques avec les objectifs stratégiques de l’entreprise. Dans le cas
contraire, les projets sont reportés soit pour une réévaluation technique ou économique.
Les projets d’exploitation pétrolière sont des projets de dimensions exceptionnelles
tant par l’investissement envisagé que par son contexte historique et social. Il devient
donc impératif de disposer d’un outil de gestion fiable, afin de prévoir et faire le bon choix
de projets. Ceci se traduit par la nécessité d’établir un classement de ces projets par ordre
de priorité en se basant sur plusieurs critères.
Ainsi, il est important de se doter de critères de choix (quantitatifs et qualificatifs) et
de règles de décision. Dans la prise de décision, ces derniers doivent vérifier (la cohérence
des projets entre eux et la satisfaction des contraintes de financement). Le problème qui
se pose alors à l’entreprise est le suivant : "Comment classer et séléctionner ces projets
(hiérarchisation) afin de réaliser la meilleure stratégie ? ".
L’objet de ce travail est une étude autour de la problématique principale de la prise
de décision d’investissement en amont pétrolier (exploration & production). L’objectif
premier est de fournir aux décideurs un outil d’aide à la décision qui va leur permettre de
choisir prudemment leurs stratégies d’investissement et de réduire les échecs. Ensuite, il
est nécessaire de positionner ces projets sous certaine catégories pour simplifier la tâche
aux décideurs. Cela se traduit par la conception d’un outil qui permet d’effectuer un
classement puis une sélection de ces projets en tenant compte de tous les critères considé-
rés (quantitatifs, qualificatifs), afin d’aider l’entreprise à prendre une décision rationnelle
concernant les projets à réaliser en priorité. Cette multiplicité d’objectif nous pousse im-
pérativement à faire appel à l’aide multicritère à la décision et par conséquent de mettre

25
Ferhati & Kaouane Présentation de l’entreprise et position du problème

à la disposition des décideurs les techniques de la recherche opérationnelle pour les aider
à faire le bon choix.

26
 Chapitre 2
Gestion de projets
d’exploration-production

Un investissement est toujours un pari sur l’avenir et les décisions correspondantes

s’appuient souvent sur l’intuition des responsables. Dans l’industrie, cependant, la pré-
paration de ces décisions fait systématiquement appel à des calculs de rentabilités qui
apportent un éclairage indispensable.
Le calcul économique fournit une mesure de la création de valeurs à partir de mé-
thodes souvent simples, parfois complexes, mais qui doivent toujours être appliquées de
façon rigoureuse pour assurer la cohérence nécessaire, non seulement entre hypothèses et
résultats, mais aussi entre les décisions prises dans des secteurs différents d’une entreprise.
Les études d’évaluation économique des projets pétroliers intègrent, outre la valorisation
des hydrocarbures, trois types de données [4] :
– Les profits de production, établis par les ingénieurs réservoirs à partir de l’ana-
lyse des mécanismes de drainage ;
– Les investissements et les coûts d’exploitation, évalués par les experts de
l’estimation puis gérés respectivement par les chefs de projet et les chefs de champ.
– Les conditions contractuelles et fiscales, dont le rôle peut être déterminant
(elles peuvent empêcher un excellent projet technique de voir le jour).
Les poids respectifs de ces différents éléments varient, bien entendu, selon le contexte
du projet. Dans le processus d’évaluation, ces trois types de données doivent être analysés
indépendamment les uns des autres, mais également considérées dans un cycle d’optimi-
sation globale conduisant à la meilleure création de valeur possible. Cette optimisation
mène toujours presque toujours au choix de schéma de développement où la minimisation
des investissements et des coûts d’exploitation constitue une exigence fondamentale et

27
Ferhati & Kaouane Gestion de projets d’exploration-production

permanente. La rentabilité et la compétitivité de l’entreprise en dépendent. Cette exi-

gence doit se décliner à toutes les étapes du projet aussi bien lors des estimations initiales
qu’au cours de la phase de réalisation.

2.1 Les étapes d’un projet d’Exploration-Production

Un projet est un processus unique qui consiste en un ensemble d’activités coordonnées
comportant des dates de début et de fin.
Un projet d’Exploration-Production est défini comme étant une succession continue
et complémentaire de plusieurs travaux pétroliers qui ont le but de découvrir de nouveaux
gisements d’hydrocarbures économiquement exploitables. La réalisation de ce dernier com-
porte plusieurs étapes distinctes :
– L’étape exploration.
– L’étape développement.
– L’étape exploitation.

2.1.1 Étape exploration

Appelée aussi prospection, elle a pour but de trouver des nouveaux gisements et com-
porte deux étapes. Une première constituée par les études géologiques et géophysiques,
qui permettent de déceler les pièges géologiques structuraux. La seconde comprend un
ou plusieurs forages exploration, qui aideront à conclure sur la présence ou non d’hydro-
carbure. La phase exploration apporte un lot important d’informations sur le gisement
découvert qui sont :
– Estimation des réserves.
– Pré-évaluation (géologique, technique, économique).
– Calcul des profits de production, des investissements et des dépenses d’exploitation,
calculs économiques.

2.1.2 Étape développement

Elle comprend la planification et l’exécution du projet, elle consiste à forer les futurs
puits producteurs et installer tous les matériaux connexes permettant la production

2.1.3 Étape exploitation

Il s’agit des travaux permettant l’extraction des hydrocarbures pour les rendre conformes
aux spécifications de transport par canalisation et de commercialisation (récupération,
raffinage, stockage).

28
Ferhati & Kaouane Gestion de projets d’exploration-production

2.2 Évaluation d’un projet

L’évaluation économique se base sur trois data.
• Data technique : consiste en
– Investissements recherche ;
– Investissements développement ;
– Coûts opératoires ;
– Profils production.
• Data économique : consistes en des hypothèses sur :
– Prix de vente ;
– Taux d’actualisation ;
– Inflation ;
– Taux de change.
Ainsi que,
• Data contractuel : qui consiste en la zone fiscale et la durée contractuelle.

2.2.1 Investissement (Capex)

L’investissement est l’affectation de ressources à un projet dans l’espoir d’en retirer

des profits futurs. Consentir des dépenses au présent pour des revenus dans le futur.
Les dépenses de prospection et de développement seront considérées comme investis-
sements.

• Dépenses d’exploration

Elles sont en générales inférieures aux autres dépenses, en revanche, elles sont effectuées
avant la découverte et ont donc un impact direct sur les comptes de la compagnie, avec une
garantie de remboursement liée à la probabilité de succès du programme d’exploitation
soit en général 10% à 50% correspondant à la découverte de nouveaux gisements. Sachant
qu’elles englobent les travaux de géologie et de géophysique et en général jusqu’au premier
forage de découverte. Ces dépenses sont :
– Acquisition de la sismique 2D, 3D ;
– Acquisition d’autres méthodes (radar. . .) négligeables par rapport à la sismique ;
– Important coût du personnel ;
– Coût de traitement sismique ;
– Coût d’interprétation de données en carte, profil de forage et modèle réservoir ;
– Coût de forage d’exploration.

• Dépenses de développement

Afin de mettre en production les gisements éventuellement découverts, et qui repré-

sentent une part très importante des investissements. Parmi ces investissements :

29
Ferhati & Kaouane Gestion de projets d’exploration-production

– Coûts de forage ;
– Installations connexes à la production et systèmes d’évacuation ;

2.2.2 Dépenses d’exploitation (Opex)

Elle correspond aux frais opératoires courants (la somme des frais du personnel, entre-
tien d’installation et des frais variables de production) pour assurer la bonne exploration
des gisements. On peut estimer que l’exploration représente de 10 à 20 %, le développe-
ment de 40 à 60%, les frais d’exploitation de 20 à 50 % des dépenses engagées.

2.2.3 Amortissement

L’amortissement est la constatation comptable et annuelle de la perte de valeur des

actifs d’une entreprise subie du fait de l’usure, du temps ou de l’obsolescence. L’amortis-
sement permet à l’entreprise de dégager les sommes nécessaires pour le renouvellement
des éléments d’actif [6].
L’amortissement se calcule comme suit :

Amortissement = investissement ∗ taux d’amortissement

2.2.4 Actualisation

L’actualisation consiste à déterminer le pouvoir d’achat que procurera la valeur d’un

bien dans le futur. Elle se calcule en tenant compte de l’inflation. Actualiser un montant
signifie déterminer ce que l’on sera en mesure d’acquérir avec cette somme, à la date à
laquelle elle sera encaissée. Certaines entreprises incluent des clauses d’actualisation dans
leurs contrats, leur permettant de faire varier leurs prix en fonction des évolutions de
certains indices. L’actualisation est également utilisée dans le cadre d’investissements [6].

2.2.5 Inflation

L’inflation désigne une hausse durable des prix. Lorsque le prix d’un seul bien ou
de quelque bien augmente, il n’y a pas forcément d’inflation, car les prix de tous biens
peuvent ne pas bouger. L’inflation correspond alors à une hausse du prix moyen de tous
les biens et services [6].

30
Ferhati & Kaouane Gestion de projets d’exploration-production

2.2.6 Prix des hydrocarbures

La loi n° 05 fixe, en son article 90, les conditions de détermination de prix de base
selon la nature des hydrocarbures :
– Pour le pétrole, les GPL, le butane, propane produits en Algérie et le condensat
produit en Algérie, il s’agit des moyennes mensuelles des prix FOB publiés par une
revue spécialisée incontestable ou à défaut, des prix notifies par ALNAFT (Agence
Nationale pour la Valorisation des Ressources en Hydrocarbures) ;
– Pour les hydrocarbures liquides et produits pétroliers destinés au marché national,
il s’agit des prix en vigueur durant l’année considérée ;
– Pour le gaz (vente de gaz à l’exportation), il s’agit de prix en vigueur durant l’année
considérée ;
– Pour le gaz (vente de gaz sur le marché national), il s’agit des prix en vigueur
pendant l’année civile considérée.

2.3 Le cadre juridique en Algérie

Le secteur d’énergie en Algérie occupe une place prédominante dans l’économie de
l’Algérie qui est gérée par le ministère d’énergie, il est régi par un cadre juridique permet-
tant d’exercer ces activités. Cependant, la loi des Hydrocarbures N°13-01 correspondant
au 20 février 2013, modifiant et complétant celle du 28 avril 2005, a pour objet de définir :
– le régime juridique des activités de recherche, d’exploitation, de transport par ca-
nalisation, de raffinage, de transformation des hydrocarbures, de commercialisation,
de stockage, de distribution des produits pétroliers ainsi que des ouvrages et instal-
lations permettant leur exercice ;
– le cadre institutionnel permettant d’exercer les activités susvisées ;
– les droits et les obligations des personnes exerçant une ou plusieurs des activités
susvisées.

2.3.1 Contrat de recherche et/ou d’exploitation

Sous l’empire de l’ancienne législation, la Sonatrach était l’unique attributaire des
titres donnant accès à ce domaine minier cette prérogative est désormais transférée à
l’Agence Nationale pour la Valorisation des Ressources en Hydrocarbures. Cette prise en
charge publique des titres trouve sa justification dans le fait que l’état est prioritaire des
ressources naturelles.
En principe pour exercer une activité dans le secteur des hydrocarbures, c’est-à-dire
pour avoir accès au domaine minier qui est partagé en quatre zones : A, B, C, D. Toute
personne morale publique ou privée, algérienne ou privé devra conclure un contrat au
préalable avec Alnaft (art.23 de la loi N°05-07 du 28 Avril 2005 relative aux hydrocar-
bures).

31
Ferhati & Kaouane Gestion de projets d’exploration-production

Article 35 : Durées contractuelles

Période de recherche
Type de gisement Période d’exploitation
Phase 1 Phase 2 Phase 3 Phase pilote (*)
25 ans (Liquides)
conventionnel 3 ans 2 ans 2 ans -
30 ans (GN)

Table 2.1 – Durées contractuelles

2.3.2 Fiscalité des hydrocarbures

La fiscalité de l’industrie du pétrole est très complexe, très diverse et comporte de

nombreuses particularités par rapport à celle des autres industries. En effet, la recherche
pétrolière nécessitant des capitaux considérables, son imposition doit permettre un fi-
nancement propre et important. La découverte du pétrole étant aléatoire, le risque subi
par les entreprises est très différent du risque commercial et la fiscalité doit évidemment
en tenir compte. De plus, les hydrocarbures, étant la source d’énergie, tout impôt qui
leur est appliqué se répercutera sur les prix de revient de toute l’industrie mondiale, et
risque d’entraîner une élévation générale des coûts industriels entre utilisateurs de pro-
duits pétroliers d’autre source d’énergie. On peut artificiellement distinguer quatre sortes
de versement d’une société pétrolière à l’État dans son double rôle de percepteur d’impôt
et propriétaire du sous-sol et du solde de la concession : la redevance, taxe superficiaire,
la taxe sur le revenu pétrolier et l’impôt complémentaire sur le résultat.

Figure 2.1 – Fiscalités pétrolières.

32
Ferhati & Kaouane Gestion de projets d’exploration-production

• Taxe Superficiaire :

– Champ d’application et assiette :

C’est une taxe non déductible payable annuellement au trésor public par l’opé-
rateur en DA ou en à là d’échéance du paiement.
– Tarif de la taxe superficiaire :
Cette taxe est calculée sur la base de la superficie de périmètre à la date d’échéance
de chaque paiement et le montant indexé sur la base (une parité d’origine de 80 DA
et le taux de change moyen à la vente due en dinars du mois calendaire précé-
dent chaque paiement) le montant de cette taxe en DA/KM 2 est en fonction de
trois paramètres : le zonage (Art 19), la période (recherche / exploitation / réten-
tion)(Art35,37,42) et la durée (Art 35).

A B C D
Durée Taxe[DA/Km2 ]
Phase initiale 3 ans 4000 4800 6000 8000
Période de recherche 2éme phase 2 ans 6000 8000 10000 12000
3éme phase 2 ans 8000 12000 14000 16000
Période de rétention + période exceptionnelle 0 ans 400000 560000 720000 800000
Période d’exploitation 25 ans 16000 24000 28000 32000

Table 2.2 – Tarif de la taxe superficiaire

Taxe superficiare = superficie du périmètre en Km2 ∗ montant par Km2

• Redevance

− Champ d’application et assiette :

Elle représente un impôt parce qu’elle n’intervient qu’après la découverte du
gisement. Elle est due à partir du moment où le pétrole est sorti de terre.
La redevance est établie sur la base des quantités produites et décomptées après
les opérations de traitement au champ, au point de [Link] localisation du point
de mesure est définie dans le périmètre d’exploitation. De cette façon, les quantités
consommées pour les besoins ainsi que les quantités perdus avant le point de mesure
ou réinjéctés dans les gisement d’un même contrat sont exclues de l’assiette de la
redevance.
L’assiette de la redevance est égale aux quantités d’hydrocarbures extraites mul-
tipliées par la moyenne mensuelle des prix de base.
− Modalités de paiement :
La redevance peut être acquittée en nature sur demande d’ALNAFT. La rede-
vance est mensuelle. Elle doit être payée chaque mois auprès d’ALNAFT et le retard
de paiement entraîne une majoration de la redevance (pénalité de retard).

33
Ferhati & Kaouane Gestion de projets d’exploration-production

− Le taux de la redevance :
La redevance est perçue aux taux minimaux suivants :

Poduction Bep/Jour A B C D NC+cas 3

≤ 20 000 5,5% 8,0% 11,0% 12,5%
≤ 50 000 10,5% 13,0% 16,0% 20,0% 5,0%
≤ 100 000 15,5% 18,0% 20,0% 23,0%
> 100 000 12,0% 14,50% 17,0% 20,0%

Table 2.3 – Taux de la redevance.

Son montant est calculé chaque mois est égal à la somme des valeurs de chaque tranche de
production multipliée par le taux de redevance applicable à ladite tranche, le taux diffère
est déductible du calcul de d’ICR et la TRP.

Redevance = valeur de la production (Art 91)∗Taux.

La valeur de la production(Art 31)= quantités passibles de la redevance ∗ prix de

base Tarif de transport.

• Taxe sur le revenu pétrolier (TRP)

– Les charges déductibles et assiettes :

L’assiette de la taxe sur le revenu pétrolier (TRP) est constituée par la valeur de la
production annuelle de chaque périmètre d’exploitation retenu pour le calcul de la
redevance. Il fait ensuite déduction des charges légalement déductibles.
– Redevance ;
– Tranches annuelles d’investissements de recherche et de développement majorées
au taux de l’uplift ;
– Frais de formation des ressources humaines nationales ;
– Rémunération de l’associé (pour les périmètres en association) ;
– Impôt sur rémunération (pour les périmètres en association).
– Modalités de paiement :
Cet impôt est payable mensuellement par l’opérateur (Sonatrach).
– Le taux de la taxe sur les revenus pétroliers :
Le taux de la TRP est en fonction de la valeur cumulée de la production depuis la
mise en exploitation.
Pour les besoins du calcul de la TRP relative aux périmètres d’exploitation se
rapportant aux contrats de recherche et d’exploitation d’hydrocarbures conclus dans
le cadre de la présente loi, deux coefficients R1 et R2 ont été définis pour le calcul

34
Ferhati & Kaouane Gestion de projets d’exploration-production

des taux de la TRP à savoir :

P
R1 = PP bi @10%
Ii @10%
P
R2 = P bi @20%
P
Ii @20%

P bi =(valeur de la production − coûts d’exploitation−redevance−TRP−ICR)

valeur de la production = (Qté*prix de base-tarif de transport)(*)
– Cas 1 : périmètres d’exploitation à l’exclusion des périmètres du Cas 3 dont la
production journalière maximum est < 50000 bep ;
– Cas 2 : périmètres d’exploitation à l’exclusion des périmètres du Cas 3 dont la
production journalière maximum est ≥ 50000 bep ;
– Cas 3 : regroupe les périmètres d’exploitation situés dans les zones très faiblement
explorées, à géologie complexe et/ou manquant d’infrastructures dont la liste est
arrêtée par voie réglementaire.
(*) La production journalière moyenne maximale sur l’année calendaire durant la
phase plateau tel qu’indiqué dans le plan de développement approuvé par ALNAFT.

Conventionnel Non conventionnel

cas1 cas2 cas3
R1≤ 1 20% 15% 20% 10%
R1 > 1 et R2≤ 1 20%+50%*R2 30%+40%*R2 20%+50%*R2 10%+30%*R2
R2≥ 1 70% 70% 70% 40%

Table 2.4 – Taux de Taxe sur le revenu pétrolier (TRP)

Uplift : Le pourcentage par lequel les tranches annuelles d’investissement sont

augmentées pour les besoins du calcul de la taxe sur le revenu pétrolier (TRP). Ce
pourcentage "d’Uplift" couvre les coûts opératoires.

Conventionnel Type de gisement Taux Uplift Tranches annuelle des investissements

Zones A et B 15% 15 ans
Zone C et D 20% 8ans
Récupération assistée 20% 5ans

Table 2.5 – Taux d’Uplift

35
Ferhati & Kaouane Gestion de projets d’exploration-production

Type de gisement taux Uplift tranches annuelles d’investissement

Non-conventional 20% 5 ans

Table 2.6 – Taux d’Uplift

TRP=(Valeur de la Production− Déductions autorisées)∗Taux ;

• Impôt complémentaire sur le résultat (ICR)

– Les charges déductibles et assiettes :

L’impôt complémentaire sur le résultat (ICR) s’applique aux résultats réalisés
par chaque participant à un ou plusieurs contrats de recherche et d’exploitation.
L’assiette de l’ICR est constituée par le revenu annuel tiré de l’exploitation du
périmètre donné, déduction faite :
? La Redevance et la TRP sont des charges déductibles de la base fiscale pour les
besoins du calcul de l’ICR.
? Chaque Personne investissant dans les activités objet de la loi relative à l’élec-
tricité et la distribution du Gaz par canalisation, et dans les activités aval
pétrolier peut bénéficier du taux réduit fixé à 15%.
? Les taux d’amortissements applicables pour le calcul de l’ICR sont prévus en
annexe de la présente loi.
– Modalités de paiement :
L’ICR est payable annuellement au trésor public.
– Le taux d’ICR :

Type de gisement Loi 05-07(*) Loi 2013

19%
Cas 1 & Cas 3 R1<1
Conventionnel 30% 80%
R2≥ 1
Cas 2 30%

Table 2.7 – Taux d’Impôt Complémentaire sur le Résultat (ICR)

• Autres taxes

Ce sont des taxes spécifiques, payables conformément aux dispositions arrêtées par
voie réglementaire, sont fixées à :

Taxe spécifique au torchage du gaz 8000DA/1000N m3

Taxe spécifique à l’injection d’eau 80DA/m3

Table 2.8 – Les taxes spécifiques à l’injection d’eau et au torchage du gaz

36
Ferhati & Kaouane Gestion de projets d’exploration-production

2.4 Les risques liés à l’industrie des hydrocarbures

Les principales différences entre l’industrie du pétrole et les autres industries pro-
viennent de l’incertitude qui règne sûr l’existence de la matière première. Il n’existe mal-
heureusement pas à l’heure actuelle, de moyen sur qui permet de savoir si le sous-sol de
la terre recèle du pétrole en un point donné. Toutes les méthodes utilisées ne donnent
qu’une idée générale de la structure de ce sous-sol et il faut faire un ou plusieurs forages
pour savoir s’il existe un gisement ; de plus même lorsque le pétrole jaillit, il n’est pas cer-
tain que la commercialisation des réserves découvertes soit rentable. Il faudra encore faire
plusieurs forages qui donneront une première idée de l’importance des réserves trouvées.
En raison de la profondeur des gisements et surtout du coût très élevés des travaux de
recherche, le risque financier et beaucoup plus considérable que dans les autres industries.
L’étape d’exploration est très coûteuse et comporte une très grande part de risque
(géologique, économique, risque du pays, risque associé), les explorateurs attribuent à
chaque évènement sa probabilité d’occurrence dans la nature. Alors la probabilité d’exis-
tence des Hydrocarbures est calculée par la combinaison des probabilités des événements
y contribuant. Ces événements sont :

– L’existence d’une roche mère riche en matière organique susceptible de produire des
hydrocarbures.
– La migration des hydrocarbures avec ses deux types : primaire et secondaire.
– L’existence d’une roche-réservoir présentant de bonnes caractéristiques : porosité
perméabilité lui permettant de contenir les hydrocarbures ainsi que leur circulation.
– La présence d’une roche couverture imperméable surmontant le réservoir afin de
faire barrière aux mouvements ascendants des fluides. l’ensemble roche-réservoir et
couverture forme un piège.
– Le timing, la chronologie des événements géologiques, qui doit être favorable pour
l’accumulation des hydrocarbures, il se trouve parfois que le piège se ferme avant
que les hydrocarbures n’aient migré.

2.4.1 Calcul du risque

Les géologues évaluent la probabilité à base des probabilités des différents événements
suscités supposés statistiquement indépendants. La probabilité d’une découverte est alors
calculé selon la forme suivante : pt = p1 ∗ p2 ∗ p3 ∗ p4 avec p1 , p2 , p3 et p4 sont
les probabilités correspondantes, respectivement, à la présence d’une roche-mère, d’une
migration, d’un réservoir et d’un piège.

37
Ferhati & Kaouane Gestion de projets d’exploration-production

2.5 Les critères d’évaluation des projets d’investisse-

ment
Le choix d’investissement est un des domaines de la finance. Dans la finance d’en-
treprise, il consiste à identifier les investissements les plus rentables, c’est-à-dire, le plus
souvent, à choisir entre des investissements alternatifs. Toute entreprise, dont l’objectif
principal consiste à optimiser ses profits, se trouve souvent confrontée à un problème de
choix devant les opportunités d’investissement qui se présentent. Pour résoudre ce pro-
blème, la théorie micro-économique classique retient principalement :
– La Valeur Actuelle Nette (VAN).
– Le Taux de Rentabilité Interne (TRI).
– Le Délai de Récupération ou Pay Out Time (POT).
– L’Enrichissement Relatif au Capital (ERC) ou Indice de profitabilité (IP).

2.5.1 Critère du revenu actualisé ou valeur actuelle nette (VAN)

La valeur actuelle nette (VAN) est un indicateur financier qui permet d’orienter la
prise de décision pour un investissement. On appelle revenu actualisé d’un projet (ou bé-
néfice actualisé ou valeur actuelle nette) la somme algébrique des valeurs actualisées de
chacun des flux des trésoreries (Cash Flow) au projet [4] :

PN CFn
V AN = n=0 (1+i)n

Où :
CFn : est le flux net de trésorerie de l’année.
N : est la dernière année d’exploitation de projet.
i : est le taux d’actualisation retenu par l’entreprise.

Le cash flow représente l’ensemble des flux de liquidités générés par les activités
d’une société. C’est également un indicateur permettant de connaître l’aptitude de
l’entreprise à financer ses investissements à partir de son exploitation ou encore sa
capacité à distribuer des dividendes à ses actionnaires.

2.5.2 Taux de rentabilité interne (TRI)

On appelle taux de rentabilité interne d’un projet, la valeur du taux d’actualisation

pour laquelle la VAN s’annule, c’est-à-dire la valeur du taux pour laquelle on a [4] :

PN CFn
V AN = n=0 (1+i)n =0

38
Ferhati & Kaouane Gestion de projets d’exploration-production

Pour expliquer cette définition, on revient à l’interprétation de la VAN : dire que la

VAN au taux est nulle, c’est dire que les revenus du projet permettre de rembourser le
capital initial est de le rémunérer au taux, sans gain ni perte (i.e. la valeur actualisée des
recettes est dans ce cas égales à la valeur actualisée des dépenses). Le taux de rentabilité
est donc le taux maximum auquel on peut rémunérer les capitaux ayant servi à financer,
sans que l’opération ne devienne difficile.

2.5.3 Délai de récupération (POT)

Le temps de récupération d’un projet est égal à la durée d’exploitation de l’équipement

nécessaire pour que les revenus dégagés permettent de récupérer le montant de l’investis-
sement. Il s’agit cependant d’un délai nécessaire pour que les revenus d’un projet aient
permis de rembourser la mise initiale. Ce délai est en général mesuré à partir du début de
l’exploitation. Ce critère est également appelé durée de remboursement (ou recouvrement)
du capital, ou temps de retour ; en anglais : pay-out (ou pay-back) time (ou period).
L’année de récupération est l’année T à partir de laquelle la somme algébrique des
flux de trésorerie CFk (somme cumulée jusqu’à l’année T ) devient positive [4] :
PT
k=0 CFk > 0

2.5.4 Indice de profitabilité (IP)

On appelle enrichissement relatif au capital d’un projet, le rapport du revenu actualisé

(valeur actuelle nette V AN ) de ce projet au montant de l’investissement I nécessaire à
sa réalisation [4] :

V AN
IP = I

Donc, l’enrichissement relatif au capital est le revenu actualisé par unité. Il mesure le
rendement moyen des investissements engagés durant la durée de vie du projet.

2.6 Réserves et ressources

Le terme de réserves désigne un concept de nature technico-économique plutôt que
géologique. De manière générale [4] :
– Réserve, pour les hydrocarbures qui sont, ou seront récupérables ;
– Ressource, pour les quantités d’hydrocarbures en place dans le gisement, sans
référence aux contraintes d’accessibilité et prix de revient.
Mc Kelvey en 1972, Brobst et Pratt en 1973 ont défini les réserves d’énergies fossiles
comme étant les accumulations identifiées qui peuvent être extraites de façon rentable.

39
 Chapitre 3
Aide à la décision multicritére

L’aide à la décision multicritère se présente comme une alternative aux méthodes

d’optimisation classiques basées sur la définition d’une fonction unique, souvent exprimée
en terme économique (monétaire) et qui reflète la prise en compte de plusieurs critères,
souvent conflictuels. L’intérêt des méthodes multicritères est de considérer un ensemble
des critères de différentes natures (exprimés en unité différente), sans nécessairement
les transformer en critères économiques ni en une fonction unique. Il ne s’agit pas de
rechercher un optimum, mais une solution de compromis qui peut prendre diverses formes :
choix, affectation ou un classement.
L’aide à la décision est donc un processus qui utilise un ensemble d’information dis-
ponible à un instant donné, afin de formuler un problème et aboutir à une décision sur
un objet précis. Dans le cadre de la décision multicritère, l’objet de la décision est formé
par un ensemble d’action ou alternatives.
Dans ce chapitre, nous allons nous intéresser aux outils méthodologiques qui seront
utilisés dans la démarche d’aide multicritère à la décision constituant la base de notre
approche.

40
Ferhati & Kaouane Aide à la décision multicritére

3.1 La décision, le décideur, l’analyste

Définition 1 (La décision).

Décider, par définition, c’est choisir entre plusieurs alternatives l’action à en-
treprendre, c’est-à-dire choisir une action parmi celles qui sont possibles.
Une décision est une action de décider, c’est-à-dire de faire un choix face à un
problème [13]. Bernard Roy [39] définit l’aide à la décision comme étant " l’acti-
vité de celui qui, prenant appui sur des modèles clairement explicités, mais non
nécessairement complètement formalisés, aide à obtenir des éléments de réponses
aux questions que se pose un intervenant dans un processus de décision, éléments
concourant à éclairer ".

Définition 2 (Le décideur [2]).

Le décideur est généralement une personne ou un groupe de personnes qui
sont supposés connaître le problème multicritère. Le décideur se base sur son
expérience et ses connaissances pour exprimer des relations de préférences entre
différentes solutions. Dans ce contexte, le décideur est souvent épaulé par un
analyste, qui joue le rôle d’interface entre le décideur et l’aspect mathématique
du processus de décision multicritère.

Définition 3 (L’analyste [8]).

Le chargé d’étude est celui qui effectue la tâche d’aide à la décision. Mettant en
œuvre des modèles dans le cadre d’un processus de décision, il contribue à orienter
et à le transformer. À ce titre, il est un acteur particulier de ce processus. Son
travail est conditionné par certains états d’avancement du processus de décision.
Analysant et réfléchissant sur une réalité qu’il influence par sa présence et son
action.

3.2 Relations binaires dans un ensemble

Définition 4 (La relation binaire).

Une relation binaire dans un ensemble A est définie par la donnée du triplet
(A, A, Γ), Γ étant une partie de A × A. On écrit x<y ou (x, y) ∈ Γ pour exprimer
que x est en relation avec y [3].

41
Ferhati & Kaouane Aide à la décision multicritére

La relation < est :

– Réflexive ⇔ ∀x ∈ A, x<x.
– Symétrique ⇔ ∀x, y ∈ A, x<y ⇒ y<x.
– Complète ⇔ ∀x, y ∈ A, x<y ou y<x.
– Anti-symétrique ⇔ ∀x, y ∈ A, (x<y et y<x) ⇒ y = x.
– Transitive ⇔ ∀x, y, z ∈ A, (x<y et y<z) ⇒ x<z.

3.2.1 Relation d’équivalence

Proposition 1.
Une relation binaire dans un ensemble A, notée < est dite d’équivalence si elle
est :
* Réflexive ⇔ ∀x ∈ A, x<x.
* Symétrique ⇔ ∀x, y ∈ A, x<y ⇒ y<x.
* Transitive ⇔ ∀x, y, z ∈ A, (x<y et y< z) ⇒ x<z.

3.2.2 Relation d’ordre

Proposition 2.
Une relation d’ordre binaire < définie sur un ensemble A est une relation d’ordre
si cette relation est :
* Réflexive ⇔ ∀x ∈ A, x<x.
* Anti-symétrique ⇔ ∀x, y ∈ A, (x<y et y< x) ⇒ y = x
* Transitive ⇔ ∀x, y, z ∈ A, x<y et y<z ⇒ x<z

Il existe plusieurs types d’ordres qui sont :

• La relation de préordre : un préodre est une relation réflexive et transitive :
* La relation de préodre total : un préodre total est une relation de préodre
pour laquelle tous les éléments d’un ensemble peuvent être mis en relation
(∀x, y ∈ A x<y ou y<x ), l’incomparabilité entre deux éléments n’est pas
permise.
* La relation de préodre partiel : un préodre partiel est une relation de pré-
odre pour laquelle tous les éléments d’un ensemble ne peuvent pas être mis en
relation, l’incomparabilité entre deux éléments est autorisée.

42
Ferhati & Kaouane Aide à la décision multicritére

Remarque 1.
– L’ordre est un préodre antisymétrique.
– Dans un préodre l’exæquo est possible alors que dans un ordre l’exæquo n’est
pas possible.

3.3 Problème monocritère et multicritère

L’aide multicritère consiste à fournir au décideur des outils lui permettant de progresser
et contribuer dans la résolution d’un problème en tenant compte des différents points de
vue souvent contradictoires [13].
L’approche multicritère œuvre à réaliser des abritages pour parvenir à des solutions
de compromis et apporte un échange et des explications à une catégorie de problèmes où :
– Plusieurs critères quantitatifs et qualitatifs sont pris en considération.
– Ces critères sont généralement conflictuels.
– Ces critères sont généralement considérés d’inégale importance.
Le domaine de la décision multicritère, MDM (Multicriteria Decision Making) se dé-
compose en deux sous-domaines en l’occurrence la décision multi-obejectif MODM (Multi-
Objective Decision Making) et la décision multi-attribut MADM (Multi-Attribute Deci-
sion Making) [17] :
– MODM : sélection de la meilleure action dans un espace de décision continu ou
discret [17]. L’optimisation multi-objective est une branche de MODM.
– MADM : sélection de la meilleure alternative dans un ensemble fini prédéterminé
d’alternatives.

3.3.1 Problème monocritère

On définit un problème décisionnel comme monocritère lorsque la prise de décision se

base sur un seul critère (objectif ou fonction économique à optimiser dans la programma-
tion linéaire par exemple). Dès que le décideur prend en compte la complexité de la réalité
et se base sur plusieurs critères, de son point de vue, le problème devient alors multicri-
tère. Ces critères sont généralement conflictuels et antagonistes, il n’est plus question de
chercher une solution optimale, mais il s’agit alors de construire ou de calculer une so-
lution satisfaisante de consensus. Donc un problème monocritère est mathématiquement
défini comme suit [9] :

max{g(a) / a ∈ A}

43
Ferhati & Kaouane Aide à la décision multicritére

Où :
A : est un ensemble d’actions potentielles.
g : est le critère d’évaluation.

3.3.2 Problème multicritère

Les problèmes multicritère sont d’une importance dans la majorité des problèmes éco-
nomiques, industriels, politiques, financiers . . .etc [10].
Lors de la formulation de ce problème, un soin particulier doit être requis, car il est sou-
vent complexe. Donc un problème multicritère est mathématiquement défini comme suit :

max{g1 , g2 , . . . , gj / a ∈ A}

Où :
A : est un ensemble d’actions potentielles.
(gj , j = 1, 2, 3, . . . k) : Est un ensemble de critères d’évaluation.
Notons la possibilité de considérer certains critères à maximiser et d’autres à minimiser.
Ce problème consiste à identifier une solution de compromis en optimisant tous les critères.

3.4 Actions et critères

3.4.1 Actions

Définition 5 (action ).
L’ensemble des actions, noté A, est l’ensemble des objets, décision, candi-
dats,. . .etc, que va explorer dans le processus de décision.

Cet ensemble peut être défini par :

° En extension :(par énumération de ses éléments) lorsqu’il est fini et suffisamment petit
pour que l’énumération soit possible ;
° En compréhension :(par propriété caractéristique ou par des contraintes mathéma-
tiques) lorsqu’il est infini ou fini mais trop grand pour que l’énumération en soit
possible. Il se peut, étant donné la complexité des problèmes de décision, que la dé-
finition de A se fasse progressivement au cours de la procédure d’aide à la décision
et doit donc donner lieu à l’élaboration d’indicateurs ou d’indices.

44
Ferhati & Kaouane Aide à la décision multicritére

Exemple 1.
– Ranger du meilleur au moins bon les douze finalistes d’un concours musical :
A est défini en extension.
– Traiter un problème d’économétrie : A est l’ensemble des solutions d’un sys-
tème d’équations linéaires.

L’ensemble A peut donc être :

° Stable : il est défini à priori et n’est pas susceptible d’être changé en cours de procédures.
° Évolutif : il peut être modifié en cours de procédure, soit à cause des résultats inter-
médiaires, soit parce que le problème de décision se pose dans un environnement
naturellement changeant (ou les deux simultanément).
° Globalisé : chaque élément est de A est exclusif de tout autre.
° Fragmenté : les résultats du processus de décision font intervenir des combinaisons de
plusieurs éléments de A.

Exemple 2 (localisation d’une nouvelle centrale hydro-électrique[41]).

Une nouvelle centrale doit être construite dans une région déterminée ; une étude
préliminaire a conduit à la définition de huit emplacements possibles, parmi les-
quels les responsables doivent choisir : l’ensemble A est fini et défini en extension,
il est stable et globalisé.

Exemple 3 (gestion de projets de recherche [41]).

Un comité permanent doit, dans une grande entreprise, se prononcer sur la conti-
nuation ou non des projets en cours et sur l’acceptation ou le refus de nouveaux
projets. L’ensemble A est défini en extension et évolutif ; il est fragmenté à cause
des éventuels aspects communs des projets et du fait que l’enveloppe budgétaire
est limitée.

Définition 6 (Espace de décisions ).

L’espace Rn dans lequel se situe l’ensemble des actions A (A ⊆ Rn ), est appelé
espace des décisions [27].

45
Ferhati & Kaouane Aide à la décision multicritére

3.4.2 Critères et famille cohérente de critères

Définition 7 (Critères [33]).

Un critère g est un outil permettant d’évaluer et de comparer des alternatives
sur un point de vue bien défini. On note g(a) la performance de a sur le cri-
tère g, elle représente en général un nombre réel qui prend ses valeurs dans Xg
(l’ensemble des valeurs possibles de g) défini explicitement.

Définition 8 (Espace des critères [41]).

L’image de A dans l’espace des critères est l’ensemble ZA des points de Rm
obtenus en y représentant chaque action par le point : z(a) = (g1 (a), . . . , gm (a)).

Définition 9 (La cohérence des critères).

La famille critères F est cohérente si les exigences sont vérifiées : Dans tout
problème multicritère, il convient de considérer un ensemble de critères que l’on
nomme famille de critères et que l’on notera F = {g1 ; . . . ; gn }. Pour que la
famille F constitue une représentation appropriée des points de vue à prendre
en compte dans la modélisation des préférences, Roy [32] définit la notion de
Famille Cohérente de critères à l’aide des trois propriétés suivantes. Ainsi, une
famille de critères sera dite cohérente si elle respecte :

° Axiome d’exhaustivité :
Une famille F de n critères sera dite exhaustive si elle recouvre tous les aspects
concourants à l’évaluation des actions. Autrement dit, si deux actions a et b sont
indifférentes au sens des n critères, il ne doit pas être possible de faire apparaître
des arguments permettant de préférer a à b ou b à a.
° Axiome de cohésion :
Le rôle attribué à chaque critère localement, au niveau des préférences restreintes à
son niveau de signification, doit être cohérent avec le rôle dévolu globalement à la
famille F au niveau de préférences globales. Cette satisfaction sur un seul critère,
les autres restant inchangés, la préférence globale augmente.
° Axiome de non-redondance :
Cette condition vise à éliminer les critères superflus. Pour ce faire, il faudrait vérifier
que F ne comporte aucun critère redondant en ce sens que le retrait de n’importe
quel critère de F défini une famille qui met en défaut l’une au moins des deux
exigences précédentes.

46
Ferhati & Kaouane Aide à la décision multicritére

3.4.3 Échelle d’un critère

L’appréciation des actions selon un critère donné sur un axe de signification conduit
à l’établissement de deux échelles : échelles d’état et échelle de préférence.
° Echelle d’état : elle représente les unités des évaluations de chaque action par rap-
port à chaque critère. Elle peut être associée à des appréciations quantitatives ou
qualitatives.
° Echelle de préférence : elle représente les évaluations de la première échelle dans un
système muni d’une structure d’ordre propre au décideur, et qui correspondant au
sens de préférence (croissant, décroissant) des actions selon l’objectif recherché par
rapport à ce critère [7].

3.4.4 Types des critères

Différents types de critères peuvent être utilisées, chacun d’eux concerne la capacité
du décideur à comparer plus précisément la finesse du jugement [22].

4.4.1. Vrai critère

C’est le modèle qui se dégage de la théorie classique de décision, ou il revient de sup-

poser que, pour tout couple d’action (a, b) :
(
gj (a) = gj (b) ⇐⇒ a I b (indifférence).
gj (a) > gj (b) ⇐⇒ a P b (préférence stricte).

4.4.2. Quasi-critère

Dans le modèle précédent, toute différence, aussi petite soit-elle, est révélatrice d’une
situation de préférence stricte (P ), or les évaluations de gj (a) et gj (b) sont souvent enta-
chées d’imprécision, surtout dans le cas des critères qualitatifs. Il est souvent raisonnable
de considérer que de petits écarts de performance q entre deux actions traduisent égale-
ment une indifférence entre eux. Cette situation est permise dans le modèle de quasi-critère
où il revient à considérer que pour tout couple d’actions (a, b) :
(
gj (a) − gj (b) < qj ⇐⇒ a I b (indifférence).
gj (a) − gj (b) > qj ⇐⇒ a P b (préférence stricte).

4.4.3. Pré-critère

C’est un critère auquel est associé un seuil de discrimination nommé seuil de préférence
pj représentant la limite au-dessus de laquelle le décideur exprime une préférence stricte.
L’introduction de ce seuil permet à l’homme d’étude de définir une zone d’hésitation entre

47
Ferhati & Kaouane Aide à la décision multicritére

l’indifférence et la préférence stricte, c’est la zone de préférence faible pour tout couple
d’actions (a, b) comparé par rapport à un critère j, on ait :
(
gj (a) − gj (b) > pj ⇐⇒ a P b (préférence stricte).
gj (a) − gj (b) ≤ pj ⇐⇒ a Q b (préférence faible).

Par contre, l’indifférence n’aura lieu entre deux actions que si leurs performances obtenues
par le critère gj , soit égales :

gj (a) = gj (b) ⇐⇒ a I b ( indifférence).

4.4.4. Pseudo-critère

Nous parlons de pseudo-critère lorsque l’homme d’étude fait intervenir deux seuils de
discrimination distincts :
– Un seuil d’indifférence q associé à un critère indique la limite supérieure en dessous
de laquelle le décideur marque une indifférence nette entre deux actions potentielles.
– Un seuil de préférence p est la limite inférieure au-dessus duquel le décideur montre
une préférence stricte au profit d’une de ces deux actions comparées.
Ainsi, une zone d’hésitation entre la préférence stricte et l’indifférence est définie par
une zone de préférence faible modélisée comme suit :


 gj (a) − gj (b) < qj ⇐⇒ a I b (indifférence).
gj (a) − gj (b) > pj ⇐⇒ a P b (préférence stricte).
 g (a) − g (b) ∈]q , p [ ⇐⇒ a Q b (préférence faible).

j j j j

3.4.5 Poids des critères

Définition 10 (Les poids des critères).

L’importance donnée par le décideur à chacun des critères n’est pas la même.
Les méthodes d’aide à la décision traduisent cette importance relative par des
nombres, souvent appelées "poids" [5].

48
Ferhati & Kaouane Aide à la décision multicritére

3.4.6 Dominance et efficacité

Définition 11 (Dominance [41]).

Étant donné deux éléments a et b de A, a domine b (a D b) si et seulement si :

gj (a) ≥ gj (b), j = 1, 2, . . . , n.
(Dans le cas de la maximisation.)
l’une des inégalités au moins étant stricte.

Définition 12 (Efficacité [41]).

Une action a ∈ A est efficace si et seulement si aucune action de A ne la
domine.

3.4.7 Le point idéal

Définition 13 (Le point idéal [41]).

Le point idéal est dans Rm , le point de cordonnées (Z1∗ , . . . , Zm
∗
) où :


 max gj (a) , j = 1, . . . , m dans le cas de maximisation.
Zj∗ = A
 min gj (a) , j = 1, . . . , m dans le cas de minimisation.
A

Nous notons âj l’action la meilleure pour le critère j :

gj (âj ) = Zj∗ , (il peut y en avoir plusieurs).

3.4.8 La matrice des gains

Définition 14 (matrice des gains [41]).

La matrice des gains est la matrice G(m × n) dont l’élément général.
Gkl = gk (âl ), k,l=1,. . .,m.

49
Ferhati & Kaouane Aide à la décision multicritére

3.4.9 Le point Nadir

Définition 15 (Point nadir).

Le point nadir est un point qui reprend la pire solution efficace, il est estimé
par le point de coordonnées (Z 1 , . . . , Z m ) où :

(
maxl Gjl (a) j = 1, . . . , m dans le cas de maximisation.
Zj =
minl Gjl (a) j = 1, . . . , m dans le cas de minimisation.

3.4.10 Le point anti-idéal

Définition 16 (Le point anti-idéal).

Le point anti-idéal est dans Rm , le point de coordonnées (Z 1 , . . . , Z m ) où :


 min gj (a) j = 1, . . . , m dans le cas de maximisation.
A
Zj =
 max gj (a) j = 1, . . . , m dans le cas de minimisation.
A

3.5 Modélisation des préférences

Les préférences sont essentielles dans la vie des individus aussi bien que des collectives.
Leur modélisation constitue une étape indispensable dans des disciplines comme l’écono-
mie, la recherche opérationnelle, la théorie de décision, la psychologie, la sociologie,. . ..
Confronté à la comparaison de deux objets a et b, un individu aura, le plus souvent l’une
des trois réactions suivantes :
– Préférence pour l’un des deux objets.
– Indifférence entre les deux objets.
– Refus ou impossibilités de comparaison.
Nous noterons :
1. a P b (resp. b P a) si a est préféré à b (resp. b préféré à a).
2. a I b s’il y a indifférence entre a et b.
3. a R b s’il y a absence de comparaison entre a et b.
Ce sont les trois situations que l’on retrouve le plus souvent dans la littérature traitant la
modélisation des préférences [31].

50
Ferhati & Kaouane Aide à la décision multicritére

Le tableau suivant récapitule les quatre situations fondamentales représentant les pré-
férences par rapport à deux actions :

Figure 3.1 – Modélisation de quatre situations fondamentales de préférences

Proposition 3 (Le seuil d’indifférence).

Le seuil d’indifférence noté "q", est la limite supérieure en dessus de laquelle le
décideur marque une indifférence nette entre deux actions potentielles.

Proposition 4 (Le seuil de préférence).

Le seuil de préférence noté "p", est la limite au-dessus de laquelle le décideur
montre une préférence stricte au profit d’une de ces deux actions comparées.

51
Ferhati & Kaouane Aide à la décision multicritére

Proposition 5 (Le seuil de veto).

Le seuil de veto, noté "v", est le plus petit écart entre les performances de deux
actions potentielles au-delà duquel l’utilisateur estime qu’il n’est plus possible
d’accepter plus mauvaise des deux actions est considéré globalement comme au
moins aussi bonne que la meilleure, même si ses performances sur les autres
critères sont toutes meilleures.
Selon Roy et Bouyssou [34], le principe d’un seuil de veto est de conférer à un
critère, le pouvoir de s’opposer à lui seul au surclassement, quelque soit le poids
qu’on lui a accordé.

3.5.1 Représentation graphique d’une structure de préférence

Nous adaptons les conventions graphiques suivantes pour représenter les trois relations
constitutives d’une structure de préférence.

Figure 3.2 – Représentation graphique d’une structure de préférence

3.5.2 Représentation matricielle d’une structure de préférence

Il peut être commode de représenter une structure de préférence au moyen d’un tableau
(d’une matrice) comme l’exemple ci-dessous [42]. Il arrivera souvent que l’on définisse un
codage permettant de remplacer les P ,I,R et P − : l’inverse P par des nombres, de manière
à simplifier l’application d’algorithmes sur ordinateur [41].

52
Ferhati & Kaouane Aide à la décision multicritére

• Représentation matricielle

a b c d e
a I I P P− I
b I I I P− R
c P− I I P− P−
d P P P I R
e I R P R I

• Représentation graphique

3.5.3 Le tableau des performances

Définition 17.
Soit un ensemble d’actions potentielles B (pouvant être égal à A) et g1 ,. . .,gn ,
n critères formant une famille F . On appelle tableau des performances de B
sur F le tableau contenant les valeurs de gj (a) pour tout j appartenant à F et
tout a appartenant à B ainsi les caractéristiques des éventuelles fonctions seuils
qj (gj (a)) pj (gj (a)).

Critères g1 g2 ... gj ... gn

Seuils p1 p2 pj pn
q1 q2 qj qn
Actions .
a1 .
a2 .
.
ai ... ... ... gj (ai )
.
an

Table 3.1 – Tableau de performances

53
Ferhati & Kaouane Aide à la décision multicritére

3.6 Propriétés des structures de préférence

3.6.1 Ordre total

La structure de préférence est un ordre total lorsqu’on peut ranger les éléments de
A du " meilleure " au " moins bon", sans qu’il y ait d’exaequo. Dans ce cas, la relation
d’incomparabilité est vide, la relation d’indifférence est limitée aux couples identiques (du
type (a, a)) et la relation de préférence est transitive (a P b et b P c ⇒ a P c ) [42].
Lorsque la structure de préférence est un ordre total, on peut associer, à chaque élément
a de A, une valeur numérique g(a) telle que :

a P b ⇐⇒ g(a) > g(b).

Tous les éléments de A ayant des valeurs numériques différentes.

3.6.2 Préordre total

La structure de préférence est un préordre total lorsqu’on peut ranger les éléments
de A du " meilleure " au " moins bon", avec des exaequo. La différence avec l’ordre
total réside donc dans l’existence de classes d’éléments indifférents deux à deux. Dans
ce cas, la relation d’incomparabilité est vide, la relation d’indifférence est transitive [42]
(a I b et b I c ⇒ a I c), et la relation de préférence est transitive également ;
Lorsque la structure de préférence est un préordre total, en peut associer à chaque
élément de A, une valeur numérique g(a) tel que :
(
a P b ⇐⇒ g(a) > g(b),
a I b ⇐⇒ g(a) = g(b).

Le préordre total est la structure de préférence implicitement contenue dans tous les
problèmes d’optimisation, c’est-à-dire dans la plupart des travaux classiques de recherche
opérationnelle, d’économie, de théorie de la décision,. . . ; la fonction g est celle qu’il faut
maximiser et s’appelle selon le contexte, fonction économique, fonction de valeur, fonction
d’utilité, critère, fonction objectif ,. . .. Il est remarquable de constater que l’on ait traité
aussi longtemps les problèmes de décisions de cette manière sans se demander si la fonction
g utiliser représentait les préférences des décideurs de façon adéquate [42].

3.6.3 Quasi-ordre total

La transitivité de l’indifférence est incompatible avec l’existence d’un seuil de sensibi-

lité en dessous duquel l’individu (ou l’appareil de mesure dont il se sert) ne perçoit pas de
différence entre deux éléments. Ce fait fut déjà mis en évidence par H. Poincaré, et avant
lui, par les philosophes grecs, mais c’est LUCE [24], en 1956, qui introduisit cette remarque
fondamentale dans la modélisation des préférences. On a donc cherché à caractériser une

54
Ferhati & Kaouane Aide à la décision multicritére

structure de préférence qui donnerait lieu à une représentation numérique du type suivant :
(
a P b ⇐⇒ g(a) > g(b) + q
a I b ⇐⇒ |g(a) − g(b)| ≤ q

q étant une constante positive caractérisant le seuil d’indifférence (moyennant un chan-

gement d’échelle, on peut toujours choisir q = 1).
La structure de préférence obtenue est appelée quasi-ordre total et est caractérisée par
les propriétés suivantes :
– La relation d’incomparabilité est vide.
– a P b, b I c et c P d impliquant a P d (en particulier, P est transitive).
– On ne peut avoir simultanément a P b, b P c et a I d, d I c.

3.6.4 Ordre d’intervalle total

Cette structure peut s’introduire très naturellement de deux manières. Supposons

qu’à chaque élément a de A soit associé un intervalle numérique [X, Y ] représentant,
par exemple, l’intervalle dans lequel se situera a à b lorsque le bénéfice rapporté par a.
Un individu pourra préférer a à b lorsque le bénéfice minimum rapporté par a sera plus
supérieur au bénéfice maximum rapporté par b et être indifférent entre a et b lorsque
les deux intervalles qui leur sont associés ont une région commune. Si tel est le cas, la
structure de préférence de cet individu sera un ordre d’intervalle total, caractérisé par les
propriétés suivantes :
– La relation d’incomparabilité est vide,
– a P b, b I c, c P d impliquent a P d (en particulier, P est transitive).
Une autre manière d’introduire cette structure consiste à considérer un quasi-ordre
total dans lequel le seuil d’indifférence varie [16] ; il arrive souvent, en effet, que ce seuil
dépende de l’endroit où on se trouve sur l’échelle de valeurs définie par la fonction g. On
a donc la situation suivante :
(
a P b ⇐⇒ g(a) > g(b) + q(g(b))
a I b ⇐⇒ g(a) ≤ {g(b) + q(g(b)), g(b) ≤ g(a) + q(g(a))}

En posant :
g(a) = xa , g(b) = xb
g(a) + q(g(a)) = ya , g(b) + q(g(b)) = yb

3.6.5 Ordre partiel

La structure de préférence est un ordre partiel lorsqu’on peut ranger du "meilleur" au

"moins bon" et sans qu’il y ait d’exaequo les éléments de certains sous-ensemble de A.
Dans ce cas, la relation d’indifférence est limitée aux couples identiques, la relation de pré-
férence est transitive, mais contrairement à l’ordre total, certains couples d’éléments sont

55
Ferhati & Kaouane Aide à la décision multicritére

incomparables. Lorsque la structure de préférence est un ordre partiel, on peut associer,

à chaque élément a de A, une valeur numérique g(a) telle que : a P b ⇐⇒ g(a) > g(b)
Tous les éléments de A ayant des valeurs numériques différentes. D’autre part, étant
donné un ordre partiel, il est toujours possible de remplacer des incomparabilités par des
préférences de manière à en faire un ordre total [40].
Si l’on dispose de plusieurs ordres totaux sur un ensemble A et si l’on retient unique-
ment les préférences communes à tous ces ordres, totaux, on obtient un ordre partiel.

3.6.6 Le préordre partiel

La structure de préférence est un préordre partiel lorsqu’on peut ranger du "meilleur"

au "moins bon", avec des exaequo, les éléments de certains sous-ensemble de A. Il est
caractérisé par les propriétés suivantes :

X P est transitive

X I est transitive.

X a P b et b I c ⇐⇒ a P c

X a I b et b P c ⇐⇒ a P c

X Certains couple d’éléments sont incomparables.

Lorsque la structure de préférence est un préordre partiel, on peut associer à chaque

élément a de A, une valeur numérique g(a) telle que :
(
a P b ⇐⇒ g(a) > g(b).
a I b ⇐⇒ g(a) = g(b).

D’autre part, étant donné un préordre partiel, il est toujours possible de remplacer des
incompatibilités par des préférences ou des indifférences de manière à en faire un préordre
total.

56
Ferhati & Kaouane Aide à la décision multicritére

3.7 Relation de surclassement

Définition 18.
On dit qu’une alternative a surclasse une alternative b et on note aSb si, étant
donné ce que l’on sait des préférences du décideur, de la qualité des évaluations
et de la nature du problème, il y a suffisamment d’arguments pour admettre
que a est au moins aussi bonne que b et qu’il n’y a pas d’arguments importants
prétendant le contraire [32].

3.8 Fonction d’utilité

Il est souvent supposé qu’un décideur se base sur une certaine fonction pour formuler
ses préférences [26]. Cette fonction est appelée fonction d’utilité ou fonction de valeur.
Une fonction d’utilité est une fonction u :
Rk 7−→ R qui traduit les préférences du décideur comme suit.
Soit g1 et g2 deux vecteurs de critères :
* g1 est meilleur que g2 si u(g1 ) > u(g2 )
* g1 et g2 sont indifférents si u(g1 ) = u(g2 ).

3.9 Les modèles d’agrégation

3.9.1 Modèle additif

C’est la forme la plus simple et la plus utilisée soit :

gj : A 7−→ R, j = 1, . . . , n.

Pour a ∈ A la fonction d’utilité additif s’écrit :

n
X
U (a) = Uj (gj (a))
j=1

Tel que Uj , j = 1, . . . , n est une fonction strictement croissante et à valeur réelles.

3.9.2 Modèle multiplicatif

Pour a ∈ A la fonction d’utilité multiplicatif s’écrit :

57
Ferhati & Kaouane Aide à la décision multicritére

n
Y
U (a) = Uj (gj (a))
j=1

Tel que Uj , j = 1, . . . , n est une fonction strictement croissante et à valeur réelles.

3.10 Les différentes problématiques des problèmes d’aide

à la décision multicritères
La problématique est la manière dont l’aide à la décision doit être envisagée [32]. Elle
exprime les termes dans lesquels le décideur ou l’homme d’étude pose le problème et tra-
duit le type de la prescription qu’il souhaite obtenir. Roy [31] distingue quatre probléma-
tiques, de base que tout problème de décision multicritère doit se ramener nécessairement
à l’une d’entre elles.

Définition 19 (Problématique de choix Pα ).

La problématique de choix, dite aussi problématique alpha, consiste à chercher un
sous-ensemble de A bien sûr aussi restreint que possible, contenant les meilleures
actions ou à défaut les actions les plus satisfaisantes. Donc, cette problématique
donne comme résultat un choix ou une procédure de sélection.

Figure 3.3 – Problématique de choix Pα

58
Ferhati & Kaouane Aide à la décision multicritére

Définition 20 (Problématique de tri Pβ ).

La problématique de tri, dite aussi problématique bêta, est celle qui cherche à
affecter chacune des actions potentielles à une catégorie, celles-ci sont définies à
partir de la valeur intrinsèque des actions qu’elles sont destinées à recevoir, le
but de cette méthode est de séparer les bonnes actions des moins bonne.

Figure 3.4 – Problématique de tri Pβ

Définition 21 (Problématique de rangement Pγ ).

La problématique de rangement, dite aussi problématique gamma, consiste à
regrouper les actions en classes d’équivalence, lorsqu’on se situe dans cette pro-
blématique, les actions sont classées de la meilleure à la moins bonne pour choisir
ensuite K actions parmi les meilleures.

59
Ferhati & Kaouane Aide à la décision multicritére

Figure 3.5 – Problématique de rangement Pγ

Définition 22 (Problématique de description Pσ ).

Il n’est pas nécessaire que le résultat d’une aide à la décision soit une prescription
(choix d’une ou d’un ensemble d’actions comme recommandation au décideur)
mais il peut s’agir aussi de déterminer l’ensemble des actions potentielles A,
une famille de critères F ou des valeurs possibles que peuvent prendre certains
paramètres (seuil d’indifférence et de préférence, poids, niveau d’aspiration). Ce
type de problématique est approprié lorsque le décideur rencontre des difficultés
à définir le problème, à exprimer ses points de vues ou le type de résultat qu’il
souhaiterait obtenir.

60
 Chapitre 4
Les méthodes d’aide à la décision
multicritères

État de l’art
L’homme a cherché toujours un appui sur l’abstraction, le raisonnement déductif pour
guider et justifier ses actes. Ces décisions sont souvent prises sur la base d’intuitions
et d’expériences passées. Elles sont issues d’heuristiques observables au travers de biais
systématiques (Kahnemann et al., 1982). Mais en réalité, ce type de stratégies ne peut
s’appliquer qu’à des problèmes familiers. Lorsqu’il est confronté à des situations nouvelles,
la tâche de prise de décision devient beaucoup plus difficile.
Nous pouvons dater "les origines de l’aide multicritère à la décision à la période un
peu antérieure à la Deuxième Guerre mondiale ; elles se trouvent dans les études menées
par l’armée britannique dans le cadre de l’installation des systèmes radars et les efforts
de décodage du code secret des communications allemandes (1936 − 1937)". En réalité,
les origines de l’aide multicritère à la décision (AMD) à la décision remontent au moins
jusqu’au 18eme siècle, où les institutions avaient déjà occupé les scientifiques et les ges-
tionnaires sur les problèmes combinatoires, sur les procédures de décisions collectives, le
Marquis de Condorcet a été le premier à appliquer systématiquement des théories ma-
thématiques aux sciences sociales. En 1785, il écrit son ouvrage Essia sur l’application de
l’analyse à la probabilité des décisions rendues à la pluralité des voix, qui traite de prise
de décision en présence de plusieurs votants. Cependant, les bases de l’AMD moderne ont
été posées au milieu du 20eme siècle avec la théorie des préférences révélées de Samuelson

61
 Les méthodes d’aide à la décision multicritères

(1938)[37], les débuts de la théorie des jeux par von Neumann et Morgenstern (1944)[14],
l’émergence de la théorie du choix social par Arrow (1951) et les recherches sur les aspects
psychologiques et mathématiques des décisions par Fishburn (1970). " En 1957 paraît un
ouvrage qui reste à ce jour une très bonne référence des théoriciens de la décision "Games
and Décision " de Luce et Raiffa. Le point y est fait sur l’état de l’art à cette époque et de
nombreuses suggestions sur des extensions et des applications possibles sont proposées"
En tout cas, c’est l’indéniable succès de la recherche opérationnelle à organiser les acti-
vités militaires des alliés qui accréditeront l’idée que la prise de décision est un phénomène
qui peut être étudié de façon scientifique et que des modèles généraux sont concevables.
Entre la fin des années 40 et le début des années 50, plusieurs contributions fondamentales
vont voir le jour pour la théorie de la décision. C’est à cette époque que vont apparaître
les premières sociétés savantes de recherche opérationnelle (en 1948 en Angleterre, en 1950
aux États-Unis).
Dans les années 1950, un pas important est fait par Simon vers une fondation prag-
matique des théories de la décision avec son concept de rationalité limitée (Simon, 1957).
Il stipule que dans une décision de la vie réelle, différents facteurs limitent la capacité
d’un décideur à faire un choix complètement rationnel. Par conséquent, le décideur est
soumis à une rationalité limitée et il choisira une option qui prendra en compte à la fois
ses limitations sur la connaissance et celles sur ses capacités cognitives. D’un point de
vue mathématique, cette décision ne sera pas forcement optimal, mais aura tendance à
satisfaire le décideur.
En matière d’aide à la décision, la littérature "multicritère" a connu un extraordinaire
accroissement depuis le début des années 1970. Les spécialistes ont souvent cherché à
expliquer ce développement (voir, par exemple, Zeleny (1982)[25] ou Scharlig (1985)[39])
en faisant remarquer que la "réalité" elle-même était multicritère et que toute décision
impliquait de "peser le pour et le contre" [39].
À la fin des années 1960, les premières méthodes de résolution de problèmes de dé-
cision multidimensionnels commencent à apparaître. En 1968 Roy crée la branche des
méthodes de surclassement (Roy, 1968) alors qu’en 1976, Keeney et Raifa élargissent la
théorie de l’utilité (ou de la valeur) au cas multidimensionnel (Keeney et Raifa, 1976).
Ces deux courants de pensée vont générer deux conceptions méthodologiques différentes
pour l’AMD : l’école européenne et l’école anglo-saxonne.
D’un point de vue méthodologique, les outils mathématiques génèrent par les deux
courants différents fortement. D’un côté, l’école européenne s’est d´envelopper autour du
concept de relation de surclassement, ou la recommandation de décision est construite
à partir de comparaisons par paires des différentes options de décision. D’un autre cote,
l’école anglo-saxonne se base sur la notion d’utilité ou de valeur dans la théorie de l’utilité
ou de la valeur multi-attribut (MAVT) afin d’obtenir, par une comparabilité totale des
alternatives.
Notons X l’ensemble fini des n alternatives de décision. Elles représentent les options
possibles au sujet desquelles un décideur doit prendre une décision. La définition de cet
ensemble est en général assez délicate, et doit permettre au décideur de mieux appréhender

62
 Les méthodes d’aide à la décision multicritères

le problème de décision, en clarifiant ses contours. Vincke (1989) observe que X ne s’impose
généralement pas comme une réalité objective facile à cerner. Il en découle que les choix
de modélisation pour X ont une influence non-négligeable sur l’ensemble des étapes du
processus d’AMD. Les spécialistes de l’aide multicritère à la décision ont pris l’habitude de
subdiviser les méthodes en trois grandes familles, même si les frontières entre ces familles
sont évidemment très floues [29] :
– La théorie de l’utilité multiattribut ;
– Les méthodes de surclassement ;
– Les méthodes interactives.
B. Roy (1985) [32] les appelle respectivement :
– approche du critère unique de synthèse évacuant toute incomparabilité ;
– approche du surclassement de synthèse, acceptant l’incomparabilité ;
– approche de jugement local interactif avec itérations essai-erreur, tandis qu’A. Shar-
lig (1985) parle des méthodes respectivement complètes, partielles et locales.
La première famille, d’inspiration américaine, consiste à agréger les différents points
de vue en une fonction unique qu’il s’agit ensuite d’optimiser. Les travaux relatifs à cette
famille étudient les conditions mathématiques d’agrégation, les formes particulières de la
fonction et les méthodes de construction.
La deuxième famille, d’inspiration française, vise d’abord à construire une relation,
appelée relation de surclassement, qui représente les préférences solidement établies du
décideur, étant donné l’information dont il dispose. Cette relation n’est donc, en géné-
ral, ni complète ni transitive. La seconde étape va consister à exploiter la relation de
surclassement en vue d’aider le décideur à résoudre son problème.
La troisième famille, la plus récente, propose des méthodes qui alternent les étapes de
calculs (fournissent les compromis successifs) et les étapes de dialogue (sources d’informa-
tions supplémentaires sur les préférences du décideur). Bien que développées, le plus sou-
vent, dans le contexte de la programmation mathématique à objectifs multiples, certaines
de ces méthodes s’adaptent à des cas plus généraux. Cette brève introduction au domaine
de l’Aide Multicritère à la décision montre bien la diversité des sujets de recherche qui
peuvent être traites. Sans être exhaustif, on peut donc y trouver par exemple la proposi-
tion de nouvelles procédures d’agrégation multicritère, leur caractérisation mathématique,
l’étude du comportement du décideur en vue de proposer la procédure d’agrégation ap-
propriée, l’élaboration de nouvelles procédures d’élicitation des préférences, la recherche
de recommandations robustes, la formalisation du processus d’AMD et le développement
d’outils informatiques qui lui viennent en soutien, l’application des méthodes d’AMD à
d’autres champs scientifiques ou à des problèmes décisionnels de la vie réelle . . .
Il existe une grande littérature consacrée au problème de classement et la sélection
de projet. Il comprend plusieurs approches, qui tiennent compte de divers aspects du
problème. L’intention stratégique du projet, les facteurs de sélection des projets et di-
vers modèles de sélection de projets qualitatifs et quantitatifs. Divers articles ont discuté
de l’application des outils de recherche opérationnelle dans la sélection des projets. Roy,
B and Hugonnard, J-Chr [35] se rapporte à un problème de programmation. À savoir
l’élaboration d’un classement de 12 lignes de banlieue projets d’extension sur le métro

63
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

parisien. Une méthode multicritères spécifique, ELECTRE IV a été conçu pour cet ob-
jectif. Sur la base des concepts de «pseudo-critère» et de «dépassement», cela conduit à
un classement final partiel établi sans aucune pondération des critères. Après une décla-
ration du problème, le document décrit le principes et trois étapes de la méthode. Une
discussion finale sur les résultats établit sa validité dans un tel cas, aussi bien comme pour
diverses autres applications. Dans l’article [11] traite de l’introduction et de l’utilisation
d’une méthodologie pour le classement des projets dans ECNZ Northern Generation et,
en particulier, illustre l’utilisation d’une solution particulière, dans [30] le document dé-
taille l’application pratique du système d’aide à la décision ELECTRE à deux évaluations
environnementales réalisées récemment en République d’Irlande. Les deux études de cas
illustrent comment le cadre ELECTRE prend des informations complexes à partir d’une
déclaration d’impact environnemental et l’utilise pour classer les différentes alternatives
de projet envisagées. Et dans [43] cet article révèlent qu’il existe des raisons impérieuses
de douter de l’exactitude des classements proposés lorsque les méthodes ELECTRE II
et III sont utilisées. Dans un test typique, nous avons d’abord utilisé ces méthodes pour
déterminer la meilleure alternative pour un problème MCDM donné. Ensuite, nous avons
remplacé au hasard une alternative non optimale par le pire et nous avons répété les
calculs sans changer les autres données. Nos tests de calcul ont révélé que parfois les mé-
thodes ELECTRE II et III pourraient modifier l’indication de la meilleure alternative.
L’article [12] montre comment les résultats de rentabilité de l’évaluation du projet de R
D avec la méthode de remboursement floue peuvent être classés avec quatre nouvelles
variantes de TOPSIS floues utilisant chacune une autre mesure de similitude floue. Un
classement global du projet qui intègre le classement des quatre nouvelles variantes avec
trois solutions idéales différentes au total de douze sous-titres est présenté. La mise en
uvre des méthodes créées est illustrée par un exemple numérique.

4.1 Méthodes de l’utilité multiattribut

4.1.1 La méthode SMART : Simple Multi-Attribute Rating Tech-

nique

• Présentation de la méthode

Edwards [15] pense que si la modélisation des préférences est assez complexe, entre
autres raisons à cause des erreurs de mesure, il serait intéressant de simplifier cette modé-
lisation en mettant de l’avant une procédure simple pour obtenir les préférences réelles du
décideur qui sont nécessairement subjectives. C’est ainsi qu’il a été conduit à développer
la procédure SMART. Il constate que plusieurs expériences et simulations avec le déci-
deur confirment qu’on obtient d’aussi une bonne approximation avec la fonction additive
qu’avec d’autres formes non linéaires qui sont beaucoup plus complexes. La procédure se
présente comme suit :

64
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 1 : mettre les critères selon l’ordre décroissant d’importance. C’est une étape
qui devrait déclencher une discussion entre le décideur et tous ses partenaires dans le
processus de décision.
– Étape 2 : déterminer le poids de chaque critère.
– Étape 3 : faire la somme des coefficients d’importance et diviser chaque poids par
cette somme. Cette étape permet de normaliser les coefficients d’importance relative
entre 0 et 1.
– Étape 4 : mesurer la localisation de chaque action sur chaque critère (uj (ai )).
Les évaluations des actions se font sur une échelle variant de 0 (minimum possible) à
100 (maximum possible).

– Étape 5 : déterminer la valeur de chaque action selon la somme pondérée suivante :

n
X
U (ai ) = πj ∗ uj (ai ), i = 1, 2, . . . , m
j=1

– Étape 6 : classer les actions selon l’ordre décroissant de U (ai ).

• Exemple d’application pour la recherche d’un partenaire

Une entreprise cherche un partenaire pour externaliser un processus de fabrication d’un

produit qu’elle a des difficultés à maîtriser. Le comité de direction a décidé d’exploiter la
méthode SMART pour faire son choix.

Critère de sélection sens de l’optimisation

Coût du contrat d’externalisation (C1 ) Minimiser
Licenciement (C2 ) Minimiser
Amélioration de la qualité (C3 ) Maximiser
Proximité (C4 ) Maximiser

La direction a reçu les 5 offres suivantes :

Offre (ai ) Coût (C1 ) licenciement (C2 ) Qualité (C3 ) Proximité (C4 )
a1 40 100 insuffisante trés loin
a2 100 140 Très bonne Très proche
a3 60 40 Bonne Proche
a4 60 40 Moyenne Loin
a5 70 80 Bonne Très proche

65
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 1 : mettre les attributs selon l’ordre décroissant d’importance après la dis-
cussion avec le syndicat ouvrier, le comité de direction a opté pour l’ordre suivant :
Licenciements (C2 ) > Qualité (C3 )> Coût (C1 ) > Proximité (C4 ).

– Étape 2 : déterminer le poids de chaque attribut.

Le comité de direction a commencé par donner une valeur de 10 au critère le moins
important à savoir la proximité (C4 ). Les coût ont été considérés 4 fois plus importants
que la proximité : une valeur de 40 a été donc attribuée aux coûts (C1 ). Une valeur de
150 a été attribuée à la qualité (C3 ) et une valeur de 250 aux licenciements (C2 ).

– Étape 3 : normalisation des coefficients d’importance : on divise chaque valeur de

l’étape précédente par la somme des valeurs :
• Licenciement (C2 ) = 250
10+40+150+250
= 55.6%.
• Qualité (C3 ) = 10+40+150+250
150
= 33.3%.
• Coût(C1 ) = 10+40+150+250
40
= 8.9%.
• Proximité(C4 ) = 10+40+150+250 = 2.2%.
10

Ainsi α1 = 0.089, α2 = 0.556, α3 = 0.333, α4 = 0.022

– Étape 4 : évaluation des actions sur chaque attribut (uj (ai )).

– pour les coûts : (Max=100 et Min=40)

(100−Coûti )
u1 = 100 ∗ (100−40)
en %.
Ainsi,
(100−40)
u1 (a1 ) = 100 ∗ (100−40)
= 100%
(100−100)
u1 (a2 ) = 100 ∗ (100−40)
= 0%
(100−60)
u1 (a3 ) = 100 ∗ (100−40)
= 66.7%
(100−60)
u1 (a4 ) = 100 ∗ (100−40)
= 66.7%
(100−70)
u1 (a5 ) = 100 ∗ (100−40)
= 50%

– Pour les licenciements :(Max=140 et Min=40)

(140−Licenciementi )
u2 = 100 ∗ (140−40)
en %.

Ainsi, u2 (a1 ) = 40%, u2 (a2 ) = 0%, u2 (a3 ) = 100%, u2 (a4 ) = 100%, u2 (a5 ) = 60%.

– Pour la qualité, la valeur de 100 a été accordée à trés bonne, la valeur 0 a été accordée
à insuffisante, 66 à bonne et 33 à moyenne.
La qualité :(Max=100 et Min=40)
u3 (a1 ) = 0%, u3 (a2 ) = 100%, u3 (a3 ) = 66%, u3 (a4 ) = 33%, u3 (a5 ) = 66%.

– Pour la proximité, la valeur de 100 a été accordée à très proche, la valeur 0 a été

66
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

accordée à très loin, 66 à proche et 33 à loin

Ainsi, u4 (a1 ) = 0%, u4 (a2 ) = 100%, u4 (a3 ) = 66%, u4 (a4 ) = 33%, u3 (a5 ) = 100%.

– Étape 5 : détermination des valeurs des actions.

Offre (ai ) Coût(C1 ) Licenciement (C2 ) Qualité (C3 ) Proximité (C4 ) u(ai )
Poids (πi ) 0.089 0.556 0.333 0.022 ...
a1 100 40 0 0 31.1
a2 0 0 100 100 35.5
a3 66.7 100 66 66 85.0
a4 66.7 100 33 33 73.3
a5 50 60 66 100 62.0

– Étape 6 : classification des actions.

L’offre proposée par α3 est le meilleure, suivit de celle de α4 et α5 .
Les offres proposées par α2 et α1 viennent en dernières positions avec des utilités de
moins de 36.
Ainsi, le comité de direction de l’entreprise optera pour le partenaire α3 .

4.1.2 La méthode TOPSIS : Technique for Order by Similarity to

Ideal Solution

Proposée pour la première fois par (Hwang et Yoon, 1981). Elle se base sur la relation
de dominance qui est représentée par les distances entre les poids et la solution idéale.
Son principe consiste à choisir une solution qui se rapproche le plus de la solution idéale
et de s’éloigner le plus possible de la pire solution pour tous les critères [21].

• Les principales étapes de la méthode

La méthode se présente comme suit :

– Étape 1 : normaliser les performances comme suit :

0 g (a )
E = √Pmj i 2
; i = 1, 2, . . . , m; et j = 1, 2, . . . , n.
i=1 [gj (ai )]

– Étape 2 : calculer le produit des performances normalisées par les coefficients d’im-
portance relative aux attributs :
00 0
eij = πj ∗ eij ; i = 1, 2, . . . , m ; et j = 1, 2, . . . , n
– Étape 3 : déterminer les profils idéal(a∗ ) et anti-idéal(a∗ ).

67
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

00 00
a∗ = {max {eij }, i = 1, 2, . . . , m; et j = 1, 2, . . . , n}; e∗j = max {eij }
a∗ = {ej ∗ , j = 1, 2, . . . , n}
00 00
a∗ = {min {eij }, i = 1, 2, . . . , m; et j = 1, 2, . . . , n}; ej ∗ = min {eij }
a∗ = {ej∗ , j = 1, 2, . . . , n}
– Étape 4 : calculer la distance euclidienne par rapport aux profils (a∗ ) et (a∗ ).

qP
n 00
Di∗ = j=1 (eij − e∗j )2 ; i = 1, 2, . . . , m
qP
n 00
D∗i = j=1 (eij − ej ∗ )2 ; i = 1, 2, . . . , m
– Étape 5 : calculer un coefficient de mesure du rapprochement au profil idéal.

D∗i
Ci∗ = Di∗ +D∗i
; ∀i = 1, 2, . . . , m avec 0 ≤ Ci∗ ≤ 1
– Étape 6 : ranger les actions en fonction des valeurs décroissantes de Ci∗ .

• Exemple d’application sur une compagnie de sous-traitance

Une entreprise cherche un partenaire pour sous-traiter la fabrication d’un produit. La

direction de cette entreprise privilégie les critères lors de choix de :

Critère de sélection Sens d’optimisation Coefficient d’importance.

Fiabilité (C1 ) Maximiser 45%
Capacité d’autofinancement (C2 ) Maximiser 35%
Coût du contrat sous−traitance (C3 ) Maximiser 20%

La direction a reçue les 4 offres suivantes :

Partenaire Fiabilité (C1 ) Autofinancement (C2 ) Coût du contrat (C3 )

a1 78% 94% 10000$
a2 82% 86% 15000$
a3 80% 75% 22000$
a4 88% 90% 25000$

g1 (x∗ ) = 88%, g2 (x∗ ) = 94%, g3 (x∗ ) = 25000$

g1 (x∗ ) = 78%, g2 (x∗ ) = 75%, g3 (x∗ ) = 10000$

68
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

π1 = 45%, π2 = 35%, π3 = 20%

Les données de l’exemple sont alors :

 
78 94 10000
82 86 15000
E=
 

80 75 22000
88 90 25000

Vecteur de coefficients d’importance des critères : W = [0.45 0.35 0.20]

• Application de la méthode TOPSIS :

– Étape 1 : Matrice des performances normalisées :

 
0.4751 0.5431 0.2641
0.4995 0.4969 0.3961
0
E =
 

0.4873 0.4333 0.5810
0.5360 0.520 0.6602
– Étape 2 : pondération des performances :
 
0.2138 0.1901 0.0528
0.2248 0.1739 0.0792
E 00 = 
 

0.2193 0.1517 0.1162
0.2412 0.1820 0.1320

– Étape 3 : détermination des profils idéal (a∗ ) et anti-idéal (a∗ ).

Profil idéal (a∗ ) = [0.2412 ; 0.1901 ; 0.0528]
Profil anti-idéal(a∗ ) = [0.2138 ; 0.1517 ; 0.1320]

– Étape 4 : calcul des distances idéal par rapport aux profils (a∗ ) et (a∗ ).
D1∗ = 0.0274, D2∗ = 0.0350, D3∗ = 0.0773, D4∗ = 0.0796
D1∗ = 0.1001, D2∗ = 0.1156, D3∗ = 0.1359, D4∗ = 0.1671

– Étape 5 : calcul un coefficient de mesure du rapprochement au profil idéal.

C1∗ = 0.7851, C2∗ = 0.7676, C3∗ = 0.6374, C4∗ = 0.6773

– Étape 6 : ranger les actions en fonction des valeurs décroissantes de Ci∗ .

C1∗ = 0.7851 > C2∗ = 0.7676 > C3∗ = 0.6374 > C4∗ = 0.6773
Selon la méthode TOPSIS, le partenaire a1 sera alors sélectionné par le comité de
direction de l’entreprise.

69
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

4.1.3 La méthode SAW : Simple Additive Weighting

La méthode SAW (pondération additive simple) est une des plus méthodes multi-
critères d’évaluation largement utilisée en pratique [18] en raison de sa simplicité. Elle
démontre clairement l’idée intégrant les valeurs et les poids des critères en une seule esti-
mation de la valeur du critère, cependant un score est calculé pour chaque alternative en
multipliant la valeur pesée donnée à l’alternative de cet attribut avec les poids d’impor-
tance relative assignés directement par les décideurs suivis en additionnant des produits
pour tous les critères [38].

• Les principales étapes de la méthode

La méthode de SAW se présente comme suit : Tel que xij i = 1, n ; j = 1, m repré-

sente la matrice de décision et Wj les poids des critères.

– Étape 1 : calculer la matrice normalisées rij :

 x
 maxijxij si on veut maximiser l’attribut j ;
rij = i
 min
i
xij
si on veut minimiser l’attribut j.
xij

– Étape 2 : calculer :
m
X
Ai = Wj rij avec j = 1, n
j=1

– Étape 3 : classement des alternatives selon l’ordre décroissant des Ai .

• Exemple d’application sur une entreprise de transport

Une entreprise de transport veut renouveler sa flotte de camions, pour cela la direc-
tion de l’entreprise a mis à la disposition des concessionnaires un cahier de charge afin
de recevoir leurs différentes offres. Cinq grandes marques ont été retenues. L’entreprise
s’intéresse dans sa sélection au prix (milliers) (Cr1 ), au confort (Cr2 ), à la consommation
de carburant (Cr3 ), à la robustesse (Cr4 ), à la puissance (Cr5 ), à la garantie (Cr6 ) et à
la disponibilité des pièces de rechange (Cr7 ). Après l’analyse, le service de logistique a
établi une table de performance liée aux préférences des décideurs :

70
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

Cr1 Cr2 Cr3 Cr4 Cr5 Cr6 Cr7

A1 250 haut 8 robuste moyen 2 oui
A2 220 moyen 8 robuste trés élevée 3 oui
A3 300 trés haut 9 trés robuste élevé 3 non
A4 170 mauvais 11 peu robuste moyen 1 non
A5 200 acceptable 10 robuste élevée 3 oui

Afin de transformer les valeurs des critères qualitatifs en des critères quantitatifs, on
construit une échelle d’état qui est représenté dans le tableau suivant :

Cr1 (Min) Cr2 (Max) Cr3 (Min) Cr4 (Max) Cr5 (Max) Cr6 (Max) Cr7 (Max)
A1 250 2 8 1 0 2 1
A2 220 1 8 1 2 3 1
A3 300 3 9 2 1 3 0
A4 170 −1 11 0 1 1 0
A5 200 0 10 1 3 3 1

Les données de l’exemple sont alors :

Matrice des performances :
 
250 2 8 1 0 2 1
220 1 8 1 2 3 1
 
E = 300 3 9 2 1 3 0
 
 
170 −1 11 0 0 1 0
200 0 10 1 1 3 1

Vecteur de coefficients d’importance des critères :

W = [0.20 ; 0.10 ; 0.20 ; 0.20 ; 0.20 ; 0.10 ; 0.10]

• Application de la méthode SAW

– Étape 1 : normalisation des performances :

Matrice des performances normalisées :
 
0.68 0.67 1.00 0.50 0.00 0.67 1.00
0.77 0.33 1.00 0.50 1.00 1.00 1.00
 
E = 0.57 1.00 0.89 1.00 0.5 1.00 0.00
 
 
1.00 −0.33 0.73 0.00 0.00 0.33 0.00
0.85 0.00 0.80 0.50 0.50 1.00 1.00

71
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 2 :
A1 = 0.6693, A2 = 0.7879, A3 = 0.7411, A4 = 0.3455, A5 = 0.6800

– Étape 3 : classement des alternatives selon l’ordre décroissant des Ai .

A2 = 0.7879 > A3 = 0.7411 > A5 = 0.6800 > A1 = 0.6693 > A4 = 0.3455

4.1.4 La méthode AHP : Analytic hierarchy Process [ Saaty 1980].

• Principales étapes de la méthode

La méthode AHP consiste à représenter un problème de décision par une structure hié-
rarchique reflétant les interactions entre les divers éléments du problème [44], et procéder
ensuite à des comparaisons par paire des éléments de la hiérarchie, et enfin à déterminer
les priorités des actions.

– Étape 1 : décomposer le problème en une hiérarchie d’éléments interreliés. Au som-

met de la hiérarchie, on trouve l’objectif, et dans les niveaux inférieurs, les éléments
contribuent à atteindre cet objectif. Le dernier niveau est celui des actions.

– Étape 2 : procéder à des comparaisons par paires des éléments de chaque niveau
hiérarchique par rapport à un élément du niveau hiérarchique supérieur.
Cette étape permet de construire des matrices de comparaisons. Les valeurs de ces ma-
trices sont obtenues par la transformation des jugements en valeurs numériques selon
l’échelle de Saaty (échelle de comparaison binaire), tout en respectant le principe de la
réciprocité :

1
Pc (EA , EB ) =
Pc (EB , EA )

72
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

Degré d’importance Définition Explication

1 Également important Deux éléments contribuent également
à l’objectif.
3 Légèrement plus important L’expérience et le jugement favorise
faiblement un objet sur un autre.
5 Fortement plus important L’expérience et le jugement favorise
fortement un objet sur un autre.
7 Très fortement plus important Un objet est fortement favorisée et
sa dominance démontrée en pratique
élément par rapport a un autre est attestée dans la pratique
9 Absolument plus important L’expérience favorise un objet sur
un autre et de plus grand
re possible d’affirmation.
2, 4, 6, 8 Valeurs intermédiaire pour affiner Un compromis est nécessaire entre
deux appréciations.

– Étape 3 : Normalisation de la matrice de jugement M c des comparaisons binaire :

1. Sommer les entrées (les classes) de chaque colonne j :
m
X
SC(j) = M c(i, j)
i=1
.
2. Diviser l’entrée de chaque colonne par le total de cette colonne :

M c(i, j)
M (i, j) =
SC(j)
.
– Étape 4 : Déterminer les priorités globales.
1. Totaliser les entrées de chaque ligne de la matrice normalisée :
m
X
SL(i) = M (i, j)
j=1
.
2. Prendre la moyenne de ces entrées :

SL(i)
P G(i) = pour i = 1, m (vecteur des priorités wi )
m
.
– Étape 5 : déterminer de la cohérence des jugements.

73
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

1. Multiplier la matrice intiale par la priorité globale relative :

m
X
T L(i) = M c(i, j)P G(i) pour i = 1, m.
j=1

2. Calculer les proportions :

T L(i)
P R(i) = pour i = 1, m
P G(i)
3. Calculer (λ) :
Pm
i=1 P R(i)
λ=
m
.

4. Déterminer l’indice de consistance :

λ−m
IC =
m−1

5. Déterminer le ratio de consistance :

IC
RC =
IC(m)

Avec IC(m) indice de consistance aléatoire.

Dimension de la matrice 1 2 3 4 5 6 7 8 9 10
Cohérence aléatoire (IC(m)) 0.00 0.00 0.58 0.90 1.12 1.24 1.32 1.41 1.45 1.49

– Étape 6 : Tester la consistance des jugements.

si RC < 0.1 alors.
Bonne consistance, le vecteur de priorité P G(i) est accepté.
sinon
Revoir, et modifier les jugements des décideurs (la matrice M c).
finsi
– Étape 7 : Détermination de l’utilité de chaque critère. Pour chaque critère refaire
les mêmes procédures de l’étape précédente. Le poids global de chaque action est obtenu
en multipliant les poids locaux par rapport à chaque critère par le poids du critères et
on additionne tous ces produits.

• Exemple d’application de la méthode AHP pour l’achat d’une voiture

Prenons l’exemple de l’achat d’une voiture. L’objectif global du problème est l’achat
d’une voiture. L’objectif global du problème est l’achat d’une voiture. Enfin, nous suppo-
sons que le décideur sera amené à choisir entre trois modèles M1, M2 et M3.

74
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 1 : la structure hiérarchique du problème.

Figure 4.1 – Structuration du problème sous forme de hiérarchie

– Étape 2 : le décideur est sollicité pour fournir trois matrices de comparaison deux
à deux ;

Matrice de comparaisons deux à deux du niveau 1 :

P C Priorité
P 1 5 0.83
C 1
5
1 0.17

Matrice de comparaisons deux à deux du niveau 2 (critère prix) :

M1 M2 M3 Priorité
M1 1 3 7 0.6586
M2 1
3
1 4 0.2628
M3 1
7
1
4
1 0.0786

Matrice de comparaisons deux à deux du niveau 2 (critère Confort) :

M1 M2 M3 Priorité
M1 1 2 4 0.5714
M2 1
2
1 2 0.2857
M3 1
4
1
2
1 0.1429

– Étape 3 : le vecteur de propriété correspond au vecteur propre associé à la valeur

propre maximale de chaque matrice de comparaison deux à deux par exemple la matrice

75
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

de comparaison deux à deux du niveau 2 (critère prix), la valeur propre maximale est
λmax = 3.0324 et le vecteur propre correspondant est W=(0,9232 ; 0,3683 ; 0,1102).
Enfin, le vecteur des priorités Wp =(0.6586 ; 0.2686 ; 0.0786) est obtenu en divisant
chaque coordonnée par la somme des valeurs de toutes les coordonnées.
– Étape 4 :
λmax = 3.0324.
Concernant le IC(m), Saaty a fourni dans ce livre [44] des valeurs pour des matrices
de comparaisons deux à deux différentes. Par exemple, pour n=3, IC(m)=0.58.
Par conséquent, le ratio de consistance de la matrice de comparaison deux à deux du
niveau 2 (critère prix) est obtenu comme suit :
3.0324 − 3
IC = = 0.00162
3−1
0.0162
RC = 100 = 2.8%
0.58
Selon Saaty, une matrice de comparaison, deux à deux, est consistante si RC < 10%. De
ce fait, la matrice de comparaison deux à deux niveaux 2 ( critère prix) est consistante.
Notons que la ration de consistance doit être calculée pour chaque matrice de compa-
raison deux à deux afin de vérifier leur consistance. Dans le cas ou une inconsistance
est détecté, le décideur sera amené à reformuler ses jugements. De ce fait, la matrice
de comparaison deux à deux niveaux 2( critère prix) est consistante. Les scores finaux
de notre exemple sont donnés comme suit :

M 1 = 0.83 ∗ 65.86% + 0.17 ∗ 57.14% = 64.38%

M 2 = 0.83 ∗ 26.28% + 0.17 ∗ 28.57% = 26.67%

M 3 = 0.83 ∗ 7.68% + 0.17 ∗ 14.29% = 26.67%

Les résultats de cet exemple montrent que le modèle M 1 est meilleur que le modèle
M 2, qui est meilleur que M 3. Ceci est valable pour le décideur qui a fourni les matrices
de comparaison deux à deux décrites dans les trois tableaux précédents.

76
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

4.2 Méthodes de surclassement

4.2.1 La méthode Electre I : Élimination et Choix Traduisant la

Réalité [Roy 1968]

• Les principales étapes de la méthode

La méthode Electre I relève de la problématique de choix (Pα ) [20]. Elle vise à obtenir
un sous-ensemble N d’actions tel que toute action qui n’est pas dans N elle est surclassé
par au moins une action de N . N est appelée le noyau du graphe de surclassement :
c’est le siège des actions non surclassées. Ce sous-ensemble (qu’on rendra aussi petit que
possible) n’est pas donc l’ensemble des bonnes actions, mais c’est l’ensemble dans lequel
se trouve certainement le meilleur compromis cherché [42].
La manière d’établir le surclassement d’une action par rapport à une autre repose sur :

1. Une condition de concordance : condition imposant qu’une majorité des critères

se dégagent en faveur de l’action surclassant.
2. Une condition de non-discordance : condition imposant qu’il n’existe pas une
trop forte pression, dans un des critères de la minorité, en faveur du surclassement
inverse.

La méthode Electre I se présente comme suit :

On attribue à chaque critère j, un poids wj d’autant plus grand que le critère est
important.
– Étape 1 : calculer les indices de concordance à chaque couple d’action (a, b), on
associe l’indice de concordance suivant :
X
wj
n
∀j : gj (a)≥gj (b) X
C(a, b) = avec W = wj
W j=1

– Étape 2 : calculer les indices de discordance à chaque couple d’action (a, b). On
associe l’indice de discordance suivant :

(
0 si ∀j : gj (a) ≥ gj (b) ;
D(a, b) = 1
max[gj (b) − gj (a)] sinon.
σ j

Avec σ = max[gj (c) − gj (d)].

c,d,j
– Étape 3 : construire les relations de surclassement :
La relation de surclassement pour Electre I est construite par la comparaison des
indices de concordances et de discordance à des seuils limites de concordance ĉ et
ˆ
discordance d.

77
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

Ainsi, a surclasse b, si seulement si :

aSb ⇐⇒ C(a, b) ≥ ĉ et D(a, b) ≤ dˆ

Exploiter les relations de surclassement : cette étape consiste à déterminer le

sous-ensemble d’action N appelé noyau tel que toute action qui n’est pas dans N est
surclassée par au moins une action de N et les actions de N sont incomparables entre
elles.

• Exemple d’application sur le choix d’un projet

L’exemple traite le choix d’un projet, parmi six projets concurrents pour la réalisation
d’une raffinerie. Chaque projet est évalué sur la base de cinq critères environnementaux :
– Cr1 : naissance sonore.
– Cr2 : construire les relations de surclassement.
– Cr3 : pollution de l’air.
– Cr4 : naissance sonore.
– Cr5 : séparation du territoire.
L’importance de chaque critère dans la prise de décision est traduite par un poids pj
tel que :

Critères Cr1 Cr2 Cr3 Cr4 Cr5

Poids (wj ) 3 2 3 1 1

Chaque projet est évalué en fonction des critères retenus à l’aide d’une échelle quali-
tative et des scores, plus le score est élevé plus les impacts du projet sur l’environnement
sont moindre, le tableau de performance est donné dans le tableau suivant :

Projets Cr1 Cr2 Cr3 Cr4 Cr5

p1 10 20 5 10 16
p2 0 5 5 16 10
p3 0 10 0 16 7
p4 20 5 10 10 13
p5 20 10 15 10 13
p6 20 10 20 13 13

La problématique à résoudre est de choisir le sous-ensemble avec le moins impact

sur l’environnement, on propose d’utiliser Electre I, nous présentons un exemple de calcul
de l’indice de concordance :

78
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 1 : calcul des indices de concordance. Nous présentons un exemple de calcul

de l’indice concordance :

– C(p1 , p2 ) = 3+2+3+0+1
10
= 0.9. C(p2 , p1 ) = 0+0+3+0+1
10
= 0.9.
– C(p1 , p3 ) = 3+2+3+0+1
10
= 0.4. C(p3 , p1 ) = 0+0+0+1
10
= 0.1.

La matrice des indices de corcondance est donnée par :

p1 p2 p3 p4 p5 p6
p1 - 0.9 0.9 0.4 0.4 0.3
p2 0.4 - 0.8 0.4 0.1 0.1
p3 0.1 0.6 - 0.3 0.3 0.3
p4 0. 7 0.9 0.7 - 0.5 0.4
p5 0.7 0.9 0.9 1.0 - 0.6
p6 0.7 0.9 0.9 1.0 1.0 -

– Étape 2 : calcul des indices de discordance. L’indice de discordance est calculé pour
une valeur de σ = 20 − 0 = 20 la matrice de discordance est obtenue comme suit :

p1 p2 p3 p4 p5 p6
p1 - 0.30 0.30 0.50 0.50 0.75
p2 0.75 - 0.25 1.00 1.00 1.00
p3 0.50 0.25 - 1.00 1.00 1.00
p4 0. 75 0.30 0.30 - 0.25 0.30
p5 0.50 0.30 0.30 0.0 - 0.25
p6 0.50 0.15 0.15 0.0 0.0 -

– Étape 3 : l’intérêt de la méthode Electre I est d’isoler un sous-ensemble de solutions

dans notre cas, identifier les projets avec le moins d’impacts sur l’environnement.
En considérant : ĉ = 1 et dˆ = 0, p1 , p2 , p3 et p6 , sont incomparables.
Par contre p6 S p4 , p6 S p5 , p5 S p4 .
On obtient le graphe de surclassement suivant :

79
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

ˆ
Le résultat obtenu est sensible aux valeurs des seuils ĉ et d.
– Etape 4 : exploitation des relations de surclassement : Le noyau de ce graphe de
surclassement est N = {p1 , p2 , p3 , p4 }.
À titre d’exemple, en posant ĉ = 0.9 et dˆ = 0.15 on obtient les résultats suivants :
p6 S p2 , p6 S p3 , p6 S p4 , p5 S p4 , p6 S p5 .
Danc ce cas les projets à retenir seraient les projets p1 et p6 .

– Etape 5 : exploitation des relations de surclassements :

Le noyau de ce graphe de surclassement est N = {p1 , p6 }

4.2.2 La méthode Electre II

Electre II a été mise au point par ROY et BERTIER (1971, 1973)[36]. C’est une
méthode d’analyse de type multicritère qui permet de résoudre avec une plus grande
précision les problèmes décisionnels.
Le méthode Electre II relève de la problématique de rangement γ (la procédure d’in-
vestigation est une procédure de classement), elle vise à ranger les actions de la meilleure
à la moins bonne.
La méthode Electre II utilise le même indice de concordance que Electre I. Toutefois,
on associe trois seuils à cet indice (0.5 ≤ c− < c0 < c+ ≤ 1).
L’indice de discordance ne change pas non plus dans sa définition (Electre I), mais on
le calcule pour chaque critère discordant, et on lui donne 2 seuils par critère : D1 < D2 .
La méthode Electre II introduit une nouveauté fondamentale : elle permet de distin-
guer des surclassements forts et des surclassements faibles.

• Les principales étapes de la méthode

La méthode Electre II se présente comme suit :

On attribue à chaque critère j, telque j ∈ F (ensemble des critères) j = 1, n, un poids wj
d’autant plus grand que le critère est important.

80
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

• w+ (ai , ak ) = wj : la somme des poids des critères pour lesquels (ai ), est
P
gj(ai ) >gj(ak )

préféré à (ak ) où ai , ak ∈ A (ensemble des actions) et i, k = 1, m.

• w− (ai , ak ) = wj : la somme des poids des critères pour lequels (ak ) est préféré
P
gj(ai ) <gj(ak )

à (ai ), où ai , ak ∈ A et i, k = 1, m.
– Étape 1 : calculer les indices de concordance (idem que Electre I) à chaque couple
d’actions (ai , ak ) ; on associe l’indice de concordance suivant :
X
wj
n
∀j : gj(ak ) ≥gj(ai ) X
Cik = avec W = wj
W j=1

Construction de la matrice de concordance.

La deuxième condition de concordance a comme but principal d’éliminer les circuits,
qui sont toujours gênants. Elle est calculée comme suit :

w+ (ai , ak )
≥1
w− (ai , ak )

– Étape 2 : calculer les indices de discordance (par critère) à chaque couple d’actions
(ai , ak ) ; et pour tout critère j, on associe l’indice de discordance suivant :
(
0 si gj(ai ) ≥ gj(ak ) ;
Dik =
gj(ak ) − gj(ai ) sinon

Construction de la matrice de discordance.

– Étape 3 : construire les relations de surclassements.

On conclut au surclassement fort de ak par ai (ai S F ak ) si un test de concordance et
un test de non-discordance suivants sont satisfaits :

Cik ≥ c+ et







gj(ak ) − gj(ai ) ≤ D(j) ∀j et




w+ (ai ,ak )

≥1

w− (ai ,ak )

et/ou

Cik ≥ c0 et







gj(ak ) − gj(ai ) ≤ D2(j) ∀j et




w+ (ai ,ak )

≥1

w− (ai ,ak )

81
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

On conclut au surclassement faible de ak par ai (ai S f ak ) si les tests de concordance

et de non-discordance suivants sont satisfaits :

Cik ≥ c−


 et




gj(ak ) − gj(ai ) ≤ D1(j) ∀j et




w+ (ai ,ak )

≥1

w− (ai ,ak )

Si aucun des deux tests précédents n’est satisfait, alors on conclut à l’incomparabilité
des actions ai et ak (ak R ai ).

– Étape 4 : exploiter les relations de surclassement : On établit deux préordres to-

taux C1 et C2 , ainsi qu’un préordre partiel C.

1. Le premier préordre total C1 est obtenu par "classement direct" en utilisant unique-
ment les surclassements forts : la première classe est celle des actions non surclassées ;
c’est-à-dire celles auxquelles aboutit un chemin de longueur nulle. La deuxième classe
est celle des actions auxquelles aboutit un chemin de longueur 1, et ainsi de suite. Par
longueur d’un chemin, on entend le nombre d’arcs constituant ce chemin. On utilise
ensuite les surclassements faibles pour départager les actions à l’intérieur des classes.

2. Le second préordre C2 est obtenu par "classement inverse" : on classe cette fois les
actions en fonction de la longueur des chemins toujours en surclassement fort qui en
sont issus. On utilise ensuite les surclassements faibles pour départager les actions à
l’intérieur des classes.

3. Le préordre C est l’intersection de C1 et C2 .

• Application de la méthode

On attribue trois suils de concordance suivants :

c− = 0.5, c0 = 0.7, c+ = 0.9.
Et on attribue les suils de discordance par critère suivants :

82
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

VAN TRI POT IP POS RP ZF

D1 500 15 20 1 40 800 6
D2 300 10 10 0 20 500 3

Table 4.1 – Seuils de discordance par critère

1. La matrice de concordance :

P1 P2 P3 P4 P5 P6 P7
P1 1 0,525 0,458 0,969 0,735 0,858 0,969
P2 0,474 1 0,443 0,969 1 1 0,906
P3 0,541 0,697 1 0,969 0,697 0,697 0,666
P4 0,030 0,030 0,030 1 0,030 0,030 0,030
P5 0,212 0,181 0,443 0,969 1 0,567 0,906
P6 0,172 0,141 0,443 0,969 0,867 1 0,906
P7 0,172 0,093 0,293 0,969 0,093 0,093 1

Table 4.2 – Matrice de concordance

w+ (ai ,ak )
2. La matrice de w− (ai ,ak )

P1 P2 P3 P4 P5 P6 P7
P1 - 1,208 0,845 31,465 5,576 5,859 26,878
P2 0,827 - 0,543 31,465 ∞ ∞ 9,680
P3 1,183 1,838 - 31,465 1,838 20,457 13,120
P4 0,031 0,031 0,031 - 0,0317 0,0317 0,031
P5 0,179 0 0,543 31,465 - 0,306 9,680
P6 0,170 0 0,543 31,465 3,260 - 9,680
P7 0,037 0,103 0,499 31,465 0,103 0,103 -

w+ (ai ,ak )
Table 4.3 – Matrice des w− (ai ,ak )

3. La matrice de discordance :

83
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

VAN TRI POT IP POS RP(106 ) ZF

(P1,P2) 0 5% 0 1 0 0 1
(P1,P3) 100 0 0 1 0 0 3
(P1,P4) 0 0 0 0 0 0 6
(P1,P5) 0 0 0 1 0 0 0
(P1,P6) 0 0 0 1 0 0 0
(P1,P7) 0 0 0 0 0 0 4
(P2,P1) 94 0 0 0 47% 619,9 0
(P2,P3) 194 0 0 0 18% 321,7 2
(P2,P4) 0 0 0 0 0 0 5
(P2,P5) 0 0 0 0 0 0 0
(P2,P6) 0 0 0 0 0 0 0
(P2,P7) 0 0 0 0 1% 0 3
(P3,P1) 0 14% 3 0 29% 298,2 0
(P3,P2) 0 19% 3 0 0 0 0
(P3,P4) 0 0 0 0 0 0 3
(P3,P5) 0 7% 3 0 0 0 0
(P3,P6) 0 7% 2 0 0 0 0
(P3,P7) 0 5% 1 0 0 0 1
(P4,P1) 753 21,70% 23 1 63% 1535,7 0
(P4,P2) 659 26,70% 23 2 16% 915,8 0
(P4,P3) 853 7,70% 20 2 34% 1237,5 0
(P4,P5) 507 14,70% 23 2 0% 703,2 0
(P4,P6) 545 14,70% 22 2 15% 604,1 0
(P4,P7) 391 12,70% 21 1 17% 365,2 0
(P5,P1) 246 0 0 0 63% 832,5 0
(P5,P2) 152 0 0 0 16% 212,6 1
(P5,P3) 346 0 0 0 34% 534,3 3
(P5,P4) 0 0 0 0 0% 0 6
(P5,P6) 38 0 0 0 15% 0 0
(P5,P7) 0 0 0 0 17% 0 4
(P6,P1) 208 7% 1 0 48% 931,6 0
(P6,P2) 114 12% 1 0 1% 311,7 1
(P6,P3) 308 0% 0 0 19% 633,4 3
(P6,P4) 0 0% 0 0 0% 0 6
(P6,P5) 0 0% 1 0 0% 99,1 0
(P6,P7) 0 0% 0 0 0 0 4
(P7,P1) 362 9% 2 0 46% 1170,5 0
(P7,P2) 268 14% 2 1 0 550,6 0
(P7,P3) 462 0% 0 1 17% 872,3 0
(P7,P4) 0 0% 0 0 0 0 2
(P7,P5) 116 2% 2 1 0 338 0
(P7,P6) 154 2% 1 1 0 238,9 0

Table 4.4 – Matrice de discordance

4. Le surclassement fort et faible :

84
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

P1 P2 P3 P4 P5 P6 P7
P1 - R R Sf Sf Sf Sf
P2 R - R Sf SF SF SF
P3 R Sf - SF Sf Sf R
P4 R R R - R R R
P5 R R R Sf - R Sf
P6 R R R Sf Sf - Sf
P7 R R R SF R R -

Table 4.5 – Le surclassement fort et faible

5. Le classement direct, inverse et final :

Le rang Classement direct Classement inverse Classement final

1 P3 P3 P3
2 P1 P1 P1
3 P2 P2 P2
4 P6 P6 P6
5 P5 P5 P5
6 P7 P7 P7
7 P4 P4 P4

Table 4.6 – Classement final

4.2.3 La méthode Electre III [Roy 1978]

• Présentation de la méthode

La méthode ELECTRE III relève de la problématique γ (procédure de classement),

son but est de classer les actions potentielles, depuis les "meilleures" jusqu’aux "moins
bonnes", la méthode s’appuie sur la définition d’une relation de surclassement S permet-
tant de comparer deux actions a et b distincts.
En considérant un ensemble d’actions A = (a1 , a2 , . . . , an ). Il s’agit de classer les
actions en les comparants par pairs. Chaque action est donc comparée aux autres sur la
base des critères considérés. L’évaluation des actions est effectuée par une fonction réelle,
pour chaque critère, on définit l’ensemble G = (g1 , g2 , . . . , gm ) contenant l’évaluation de
l’action sur l’ensemble des critères.
L’importance des critères dans la prise de décision est évaluée par un ensemble de
poids K = (π1 , π2 , . . . , πm ). Dans ce cas, on considère le sens de préférence des critères

85
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

considérés. Pour une action a, évaluée par gj (a) pour le critère j, dans ce cas le seuil
d’indifférence est noté qj (gj (a)), le seuil de préférence par pj (gj (a)) et le seuil de veto par
vj (gj (a)).

• Les principales étapes de la méthode

La méthode Electre III s’appuie sur les étapes suivantes :

donnée : La matrice de décision (gj (ai ), j = 1 . . . m critères, i = 1 . . . n alternatives),
F la famille cohérente de critres, les poids des critères (πj ) et les seuils (qj (gj (a)), pj (gj (a)), vj (gj (a))).
– Étape 1 : calcul des indices de concordance (cj (a, b)) pour chaque critère, la formule
générale pour le calcul des indices de concordance est :

 0
 si gj (b) − gj (a) ≥ pj (gj (a))
Cj (ai , bk ) = 1 si gj (b) − gj (a) ≤ qj (gj (a))
 pj (gj (a))−(gj (b)−gj (a)) sinon

pj (gj (a))−qj (gj (a))

Où bien :

pj (gj (a)) − min[(gj (b) − gj (a)), pj (gj (a))]

Cj (ai , bk ) =
pj (gj (a)) − min[gj (b) − gj (a), qj (gj (a))]
– Étape 2 : calcul de l’indice de concordance globale :
P
j∈F πj Cj (a, b)
C(a, b) = P
j∈F πj

– Étape 3 : calcul des indices de discordance par critère, l’indice de discordance

Dj (a, b) s’exprime de façon générale sous la forme suivante :


 0
 si gj (b) − gj (a) ≤ pj (gj (a))
Dj (ai , bk ) = 1 si gj (b) − gj (a) ≤ gj (bh ) + pj (gj (a))
 gj (b)−gj (a)−pj [gj (a)] sinon

vj [gj (a)]−pj [gj (a)]

Où bien :

gj (b) − gj (a) − pj [gj (a)]

Dj (ai , bk ) = min(1; max(0; )
vj [gj (a)] − pj [gj (a)]
– Étape 4 : calcul de l’indice de crédibilité et définition de la relation de surclasse-
ment flou :
(
C(a, b) si Dj (a, b) ≥ C(a, b) ∀j ;
S(a, b) = Q 1−Dj (a,b)
C(a, b) j∈J(a,b) 1−C(a,b) sinon Dj (a, b) > C(a, b)
Où : J(a, b) est l’ensemble tel que Dj (a, b) ≥ C(a, b)
– Étape 5 : le calcul de λ par la relation :

λ = maxa,b∈A S(a, b)

86
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

– Étape 6 : le calcul de S(λ) par la relation :

S(λ) = 0.3 − 0.15λ

– Étape 7 : le calcul de la matrice finale par la relation :
(
1 si S(a, b) > λ − S(λ)
T (a, b) =
0 sinon

Enfin, une alternative avec une grande différence de sommation de lignes et de co-
lonnes a été choisie comme la première priorité. Ensuite, l’alternative la première place
sera supprimée et le classement se poursuit pour les alternatives restantes. Pour le clas-
sement ascendant, un ensemble d’alternatives avec la qualification la plus basse est en
premier lieu. Le classement final est basé sur l’échange faisant le classement.

• Exemple d’application de la méthode Electre III pour le choix d’un projet

L’exemple traite du choix d’un projet, parmi 3 projets concurrents pour la réalisation
d’une raffinerie. Chaque projet est évalué sur la base de 3 critères environnementaux :
– Cr1 : Séparation du territoire.
– Cr2 : Pollution de l’air.
– Cr3 : Impact sur les activités récréatives.
L’importance de chaque critère dans la prise de décision est traduite par le tableau
des performances, auquel on a ajouté les seuils d’indifférences, de préférence et de veto,
est reprise au tableau suivant :

Cr1 Cr2 Cr3

Projet 1 0.72 3.560 1.340
Projet 2 0.80 3.940 1.430
Projet 3 0.76 3.360 1.380
Poids 30 30 20
Seuils d’indifférence 0.02 0.05 0.02
Seuils de préférence 0.05 0.1 0.05
Seuils de veto 0.15 0.6 0.25

Table 4.7 – Le tableau de performance de l’exemple de ELECTRE III

Matrice de concordance du 1er critère :

87
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

Projet1 Projet2 Projet 3

Projet 1 - 0 0.33
Projet 2 1 - 1
Projet 3 1 0.33 -

Matrice de concordance du 2ème critère :

Projet1 Projet2 Projet 3

Projet 1 - 0 1
Projet 2 1 - 1
Projet 3 0 0 -

Matrice de concordance du 3ème critère :

Projet 1 Projet 2 Projet 3

Projet 1 - 0 0.33
Projet 2 1 - 1
Projet 3 1 0.33 -

Matrice globale de concordance :

Projet 1 Projet 2 Projet 3

Projet 1 - 0 0.5833
Projet 2 1 - 1
Projet 3 0.625 0.125 -

Matrice de discordance du 1er critère :

Projet 1 Projet 2 Projet 3

Projet 1 - 0.3 0
Projet 2 0 - 0
Projet 3 0 0 -

Matrice de discordance du 2ème critère :

88
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

Projet 1 Projet 2 Projet 3

Projet 1 - 0.56 0
Projet 2 0 - 0
Projet 3 0.2 0.96 -

Matrice de discordance du 3ème critère :

Projet 1 Projet 2 Projet 3

Projet 1 - 0.2 0
Projet 2 0 - 0
Projet 3 0 0 -

Matrice de crédibilité :

Projet 1 Projet 2 Projet 3

Projet 1 0.000 0 0.583
Projet 2 1 0 1
Projet 3 0.625 0.0057 0

– Le calcul de λ :

λ = maxa,b∈X S(a, b) = 1
– Le calcul de S(λ) :

S(λ) = 0.3 − 0.15λ = 0.15

– Le calcul de la matrice finale par la relation :

Projet 1 Projet 2 Projet 3

Projet 1 0 0 0
Projet 2 1 0 1
Projet 3 0 0 0

– le classement final :

Ascendant descendant finale

projet 1 2 2 2
Projet 2 1 1 1
Projet 3 2 2 2

89
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

4.3 Les avantages et les inconvénients des différentes

méthodes de résolution
Arrivés au terme de ce chapitre, nous pensons qu’un récapitulatif est nécessaire pour
une meilleure lisibilité des méthodes présentées. Dans la "Table 4.7", nous illustrons
quelques avantages et inconvénients des méthodes multi-attributs, de même dans "la Table
4.8", nous défilons ceux des méthodes de surclassement.

90
Ferhati & Kaouane Les méthodes d’aide à la décision multicritères

91
 Chapitre 5
Résolution du problème

La modélisation est une traduction des paramètres du problème dans un langage acces-
sible par la méthode de résolution utilisée, ou bien, c’est une façon de décrire le problème
sous une forme qui introduit sa réalisation.
La modélisation d’un problème d’aide multicritère à la décision consiste, généralement,
à définir les actions et les critères et à choisir le type de la problématique. Notons que la
définition de l’ensemble des critères est parfois l’une des étapes les plus délicates. Pour ce
faire, nous allons présenter, dans ce chapitre, les démarches constituant l’élaboration du
modèle du problème décrit précédemment.

5.1 Présentation et identification du problème

Cette étude consiste à concevoir un outil qui permet de faciliter aux décideurs la tâche
d’appréciation des nombreuses propositions de projets et sélectionner certain d’entre eux
répondant au mieux à leurs objectifs. Parmi les problématiques de référence d’aide mul-
ticritère à la décision, il est adéquat d’adopter la problématique de rangement afin de
classer les différents projets.

En effet, d’après notre analyse des besoins et des objectifs, il s’agit de classer les actions
selon leurs performances de la meilleure action à la moins bonne. Le classement cherché,
permettra aux décideurs d’élaborer le planning le plus approprié conformément à ces
préférences et à la stratégie de l’entreprise. Ce seul classement n’est pas suffisant pour
répondre aux besoins de l’entreprise. Il faut au même temps apporter un rangement de
ces projets en catégories caractérisées par leurs priorités.

92
Ferhati & Kaouane Résolution du problème

5.2 Définition de l’ensemble des actions

Comme il a été dèja mentionné, notre objectif consiste à ordonner les projets selon leurs
performances. Alors l’ensemble des actions potentielles dans notre modèle de décision n’est
autre que l’ensemble des projets que l’on notera p qui contient 35 projets.

Alors, l’ensemble d’actions sera défini comme suit :

pi : Le iéme projet, pour i = {1, 2, . . . , n}.
n : le nombre de projets envisageable, qui vaut 35 dans notre cas.

5.3 Définition de l’ensemble des critères

Cette étape est aussi importante que la précédente puisque c’est en fonction de ces
critères que nous allons évaluer nos projets d’investissements.
Après différents entretiens avec nos encadreurs au sein de l’entreprise, nous sommes par-
venus à dégager ces trois familles de critères :

5.3.1 Critères économiques

1. Premier critère : Valeur Actuelle Nette (VAN)

La Valeur Actuelle Nette est la somme algébrique des valeurs actualisées (Cash Flow)
de chacun des flux de trésorerie associés au projet. Le critère du revenu actualisé est le
critère fondamental de calcul économique.

• Mode d’application du critère de "VAN"

– Condition d’acceptation :
Lorsque la décision à prendre est de réaliser ou non un projet unique donné.
Considéré comme indépendant de tout autre projet. Utiliser le critère du revenu
actualisé consiste à réaliser le projet, si son revenu actualisé est positif.

– Condition de sélection :
Lorsque l’on désire effectuer un choix entre différents projets d’investissement
incompatibles (c’est-à-dire qui ne peuvent être réalisé simultanément) utliser le
critère du revenu actualisé consiste à réaliser le projet qui présente le revenu
actualisé le plus élevé.

[Link]ème critère : Taux de Rentabilité Interne (TRI)

Le taux de rentabilité interne (TRI) est le taux maximum auquel on peut rémunérer
les capitaux ayant servi à financer le projet, sans que l’opération devienne déficitaire.

93
Ferhati & Kaouane Résolution du problème

• Mode d’application du critère "TRI"

– Condition d’acceptation :
Considérons un projet unique, indépendant de tout autre projet. Si la décision
à prendre est de réaliser ou non le projet considéré, utiliser le critère de taux
de rentabilité, c’est réaliser le projet si le taux de rentabilité est supérieur au
taux d’actualisation de l’entreprise. Comme le taux d’actualisation représente
le coût de financement de l’entreprise, cela signifie que les revenus attends de
l’investissement permettront de rémunérer le capital servant à financier le projet
à un taux supérieur à son coût.
– Condition de sélection :
Si le taux de rentabilité est supérieur au taux d’actualisation, le revenu actualisé
est positif. De même, si le taux de rentabilité est inférieur aux taux d’actualisation,
le revenu actualisé est négatif.

3. Troisième critère : Pay Out Time (POT) :

La durée de récupération en valeur actualisée est alors la durée d’exploitation au bout

de laquelle les revenus du projet ont permis de rembourser le montant de l’investissement
initial et de rémunérer les capitaux correspondant à un taux égal au taux d’actualisation.
• Mode d’application du critère de la "POT"

– Condition d’acceptation :
Considérons un projet d’investissement unique, indépendant de tout autre projet.
En avenir certain, il suffit en théorie de vérifier que le projet aura permis sur
l’ensemble de la période d’études de récupérer les dépenses initiales et de les ré-
munérer à un taux égal au taux d’actualisation. Pour un projet d’investissement
simple, il suffit donc de vérifier que sa durée de récupération est inférieure ou égale
à sa durée d’exploitation. L’intérêt de ce critère est alors son caractère très parlant.

– Condition de sélection :
L’entreprise définit un délai de référence, tout projet dont la durée de récupération
est inférieure à ce délai sera accepté.

4. Quatrième critère : Indice de Profitabilité (IP) :

L’enrichissement du capital où (indice de profitabilité (IP)) est le rapport entre la

"VAN" du projet et le total des investissements actualisés. Il mesure le rendement moyen
des investissements engagés durant la durée de vie du projet.

• Mode d’application du critère de l’"IP"

– Condition d’acceptation :

94
Ferhati & Kaouane Résolution du problème

Lorsque l’on étudie un projet unique, indépendant de tout autre projet, le critère
consiste à réaliser le projet si son enrichissement relatif en capital est positif.
Le principal intérêt de ce critère est de pouvoir être exprimé en pourcentage. Dans la
pratique, il arrive qu’un décideur accepte un projet si son revenu actualisé est "suffi-
samment" élevé. Il est alors assez naturel d’exprimer le revenu minimum acceptable
en pourcentage de l’investissement.
– Condition de sélection :
Le critère de l’enrichissement relatif en capital amené généralement à choisir des
investissements d’un montant moins élevé que ceux qui seraient retenus par appli-
cation du critère du revenu actualisé.

5.3.2 Critères stratégiques

1. Cinquième critère : Zone Fiscale (ZF)

La zone fiscale (ZF) d’un projet est un facteur à prendre en considération, notons
qu’il y a une préférence par rapport au lieu où le projet s’effectue. L’entreprise pourrait
préférer s’installer dans certaines zones pour des fiscalités administratives ou parce que
les taxes engendrées dans certaines zones sont moins importantes que dans l’autre.

2. Sixième critère : Réserve en Place (RP)

Une nouvelle découverte n’est pas mise en production que si un marché rentable existe
pour les hydrocarbures susceptibles d’en être extraits. Ce constat d’évidence montre à quel
point la notion de réserves demeure avant tout un concept économique. Afin de mettre
en avant les projets les plus intéressants, il est impératif d’avoir des approximations de la
quantité des hydrocarbures existante dans chaque projet.

5.3.3 Critère du risque

1. Septième critère : Probabilité de succès (POS)

Probabilité de succès englobe les risques : géologique, sécuritaires et technique. Elle

représente la probabilité de succès d’un projet. Ce critère est très important du fait du
caractère des découvertes et du coût de la prospection.

5.3.4 Propriétés des critères

L’ensemble des critères choisis vérifie les conditions nécessaires à l’établissement d’une
famille cohérente :

95
Ferhati & Kaouane Résolution du problème

∗ Exhaustivité : Cette condition est très importante, car elle permet d’intégrer toutes
les considérations et points de vue du décideur. Nous voyons que notre famille de
critères ne déroge pas à cette règle et recouvre entièrement les aspects qui doivent
être considérés dans notre processus décisionnel. Autrement dit, il n’existe pas de
critères omis par le décideur.
∗ Cohérence : On remarque que chacun des critères retenus suit une certaine monotonie
(Croit ou décroît et suit donc un sens de préférence), cela permet de cerner l’effet
de l’évaluation de la performance sur la préférence globale.
∗ Non-redondance : Nous remarquons que les critères retenus sont pratiquement bien
définis sans représenter un dédoublement d’impact ou une redondance dans l’éva-
luation du processus.

5.4 Pondération des critères

Après la détermination d’une famille cohérente de critères, nous allons procéder à
l’évaluation de l’importance relative de chacun des critères retenus précédemment. Cette
évaluation se fera à travers le calcul des poids des différents critères.
C’est certainement l’une des étapes qui nécessite une entière coopération entre le déci-
deur et le chargé d’étude. D’une part, le décideur doit exprimer au mieux ses préférences
vis-à-vis de l’importance de chaque critère dans le processus de décision ; et d’autre part,
le chargé d’étude doit exploiter de la meilleure manière qui soit ces suggestions afin de
déterminer la valeur des poids qui correspond le mieux aux exigences du décideur.
Face à l’enjeu important de cette étape, nous avons pris le temps de recenser toutes
les suggestions du décideur quant à la pondération des critères dans le but de choisir
la méthode qui représente le meilleur compromis entre simplicité, efficacité, mais aussi
fiabilité et compréhensibilité de la méthode par le décideur.
C’est pour cela que notre choix s’est porté sur la méthode AHP pour le calcul des
poids des critères d’évaluation qui est la plus adéquate dans ce genre de manipulation
[23].

5.4.1 Outil de pondération basée sur la méthode AHP

Tout d’abord, demander aux décideurs d’exprimer leurs préférences qui seront trans-
formées en nombres selon l’échelle de SAATY, puis la matrice de jugements sera élaborée.
Après une discussion avec les décideurs, ils nous ont proposé l’évaluation suivante :

– VAN : légèrement plus important que TRI, légèrement plus important que IP,
fortement plus importante que Reserve, fortement plus importante que POS, très
fortement plus importante que POT, absolument plus importante que ZF.

96
Ferhati & Kaouane Résolution du problème

– TRI : légèrement plus important que IP, légèrement plus important que Reserve,
fortement plus important que POS, très fortement plus important que POT, ab-
solument plus importante que ZF.
– IP : légèrement plus important que Reserve, légèrement plus importante que POS,
fortement plus importante que POT très fortement plus important que ZF.
– Reserve : légèrement plus important que POS, fortement plus important que
POT, trés fortement plus important que ZF.
– POS : légèrement plus important que POT fortement plus important que ZF.
– POT : légèrement plus important que ZF

Après avoir déterminé les préférences des critères, il est nécessaire de les traduire dans
l’échelle ordinale de la méthode AHP qui sera utilisée pour le calcul des poids des critères.
Pour faciliter la tâche aux décideurs de la société, et afin de gagner le temps et avoir
plus de précision dans notre travail, nous avons utilisé EXCEL, un outil puissant traitant
les données et mettre on œuvre la méthode AHP. Nous avons obtenu les résultats suivants :

Figure 5.1 – Évaluation des critères

Après la discussion avec le décideur concernant les zones fiscales, ils ont une préfé-
rence d’une zone à une autre, ils classent les zones de 1 à 4, selon les taux applicables des
différentes taxes comme suit : A > B > C > D.
alors on attribue aux projets qui ont les zones fiscales les valeurs suivantes :
A=1, B=2, C=3, D=4, A+B=5, B+C=6, C+D=7, A+B+D=8, A+C+D=9, B+C+D=10.

97
Ferhati & Kaouane Résolution du problème

VAN TRI POS RP (106 ) IP POT ZF

p1 736 30% 88% 1580,4 1 10 B+C+D=10
p2 642 35% 41% 960,5 2 10 A+C+D=9
p3 836 16% 59% 1282,2 2 13 D+C=7
p4 -17 0% 25% 44,7 0 33 D=4
p5 490 23% 25% 747,9 2 10 B+C+D=10
p6 528 23% 40% 648,8 2 11 B+C+D=10
p7 374 21% 42% 409,9 1 11 B+C=6
p8 1 093 28% 77% 1584,3 2 12 D+C+B=10
p9 406 26% 40% 442,2 1 10 D+C=7
p10 320 27% 68% 576,2 1 11 B+C=6
p11 472 11% 33% 615 1 11 D=4
p12 561 25% 28% 644,6 2 12 C+D=7
p13 11 11% 25% 106,9 0 20 B+C=6
p14 400 29% 25% 597,6 1 11 C+D= 7
p15 336 30% 25% 476,8 1 11 B=2
p16 276 26% 25% 236 1 11 B=2
p17 404 24% 34% 430,9 2 11 B+C+D=10
p18 162 27% 25% 164,8 1 12 D=4
p19 1 697 26% 45% 1 340,00 1 12 A=1
p20 131 21% 25% 105,8 1 11 B=2
p21 194 19% 19% 144,9 1 13 B=2
p22 70 14% 22% 101,6 0 17 A+B=5
p23 561 26% 32% 458,8 1 12 B=2
p24 89 13% 52% 207 0 19 A+B+D=8
p25 1 686 29% 27% 1 800,10 2 11 A=1
p26 1 162 40% 33% 1 144,50 1 12 B=2
p27 1 240 34% 25% 757 2 12 B=2
p28 775 29% 25% 530,8 1 13 B=2
p29 663 27% 25% 398,2 1 13 A=1
p30 326 24% 25% 363,2 1 12 A=1
p31 427 31% 22% 351,6 2 11 A=1
p32 640 21% 35% 767,1 1 13 A+B=5
p33 203 17% 36% 318,5 0 14 C=3
p34 265 25% 25% 230,7 1 13 B+C= 6
p35 172 19% 25% 232,7 1 13 B+C= 6
Poids 0.395 0.240 0.152 0.090 0.061 0.031 0.031
sense d’opt max max min max max max min

Table 5.1 – Les préférences des projets de l’année 2017

98
Ferhati & Kaouane Résolution du problème

5.5 Choix et justification de la méthode de résolution

Notons tout d’abord que la phase du choix des méthodes multicritères pour la ré-
solution d’un problème n’est pas indépendante de la phase modélisation. On a vu pré-
cédemment que les méthodes d’aide à la décision multicritères sont subdivisées en trois
grandes familles. La théorie de l’utilité multi-attribut, les méthodes de surclassement, les
méthodes interactives.
Les méthodes de surclassement reposent sur l’utilisation de la relation de surclasse-
ment. Leur intérêt dépend de la possibilité pour le décideur d’examiner l’ensemble des
relations de surclassement entre les différentes actions pour lui laisser la possibilité d’ex-
plorer et de résoudre ces zones de contradictions et de conflits.
Le principe des méthodes multi-attribut, consiste en l’agrégation des différents cri-
tères et actions en une seule fonction représentative des préférences du décideur. Donc, la
structure de préférence correspondante est un préodre ou un ordre total. Par conséquent,
l’incomparabilité n’est pas admise (ou assimilée à l’indifférence). Il est également utile de
remarquer que dans une problématique de rangement, le résultat final est un préodre. Les
méthodes interactives se trouvent entre les deux approches précédentes. Elles sont déve-
loppées pour résoudre les problèmes de choix. Par la suite, les méthodes interactives sont
à exclure pour traiter notre problème, du fait qu’il est posé en termes de problématique
de rangement. Reste les deux autres familles des méthodes multicritères, à savoir : qui
conviennent à notre problème, et qui ont fait l’objet de plusieurs applications pratiques.
Notre choix s’est porté sur la méthode ELECTRE III qui appartient à la famille des
méthodes de surclassement et la méthode SMART, SAW et TOPSIS appartenant à la
famille des méthodes de surclassement, que nous avons présentées dans le chapitre 4.. Ces
derniers ont été retenus, et ce, pour des raisons principales. Ils sont simples à exploiter
et présentent l’avantage d’être facilement comprises par le décideur. Elles permettent de
répondre à une problématique en termes de procédure de classement. Ainsi, nous pouvons
répondre à la question relative à la décision d’intégrer tel ou tel projets.

5.6 Implémentation des méthodes de résolution

La mise en oeuvre de la solution préconisée et le test de son efficacité passe, inévitable-
ment, par la programmation informatique. Ainsi, nous avons été amenées à concevoir une
application pour tester les différentes possibilités lors de l’établissement des classements
des projets.
Dans le présent chapitre, nous présentons l’application mise en oeuvre pour la heiar-
chisation des projets de Sonatrach. Nous donnons dans ce qui suit un bref aperçu sur
l’environnement de programmation pour ensuite décrire les fonctionnalités de l’applica-
tion.

99
Ferhati & Kaouane Résolution du problème

5.6.1 Choix du langage

MATLAB (matrix laboratory) est un langage de programmation de quatrième généra-

tion émulé par un environnement de développement puissant, complet et facile à utiliser,
destiné au calcul scientifique et à la visualisation. Développé par la société MathWorks,
MATLAB permet de manipuler des matrices, d’afficher des courbes et des données, de
mettre en œuvre des algorithmes, de créer des interfaces utilisateurs, et peut sinterfacer
avec d’autres langages comme le C, C++, Java, et Fortran. Les utilisateurs de MATLAB
(environ deux million en 2017 [19]) sont de milieux très différents comme l’ingénierie, les
sciences et l’économie dans un contexte aussi bien industriel que pour la recherche. Matlab
peut s’utiliser seul ou bien avec des toolbox (boîte à outils).

• Les particularités du langage MATLAB

MATLAB permet un travail interactif, soit en mode commande, soit en mode pro-
grammation ; tout en ayant toujours la possibilité de faire des visualisations graphiques.
Considéré comme un des meilleurs langages de programmation (C ou Fortran), MATLAB
possède les particularités suivantes par rapport à ces langages :
– La programmation facile.
– La continuité parmi les valeurs entières, réelles et complexes.
– La gamme étendue des nombres et leurs précisions.
– La bibliothèque mathématique très compréhensive.
– L’outil graphique qui inclut les fonctions d’interface graphique et les utilitaires.
– La possibilité de liaison avec les autres langages classiques de programmations (C
ou Fortran).
Pour l’interface graphique, des représentations scientifiques, et même artistiques des
objets peuvent être créés sur l’écran en utilisant des expressions mathématiques. Les
graphiques sur MATLAB sont simples et attirent l’attention des utilisateurs, vu les pos-
sibilités importantes offertes par ce logiciel.

5.6.2 Les étapes suivies pour l’implémentation

Pour implémenter les méthodes multicritères, nous avons utilisé plusieurs fonctions
prédéfinies sous Matlab et nous avons implémenté d’autres fonctions.

• Les fonctions prédéfinies

Avant de parler des programmes et de leurs caractéristiques, nous devons d’abord

vous présenter Les fonctions prédéfinies utilisées et notre démarche pour programmer et
formaliser les méthodes proposées.

100
Ferhati & Kaouane Résolution du problème

inv(X) Renvoi l’inverse de la matrice carrée X.

length(X) Renvoi la longueur d’un vecteur X.
Renvoi le plus grand élément de X.
max(X)
Ou X est un vecteur ligne contenant l’élément maximal de chaque colonne.
Pour deux matrices A et B avec le même nombre de colonnes, renvoie les
setdiff(A,B,’rows’) lignes de A qui ne sont pas dans B et les met dans C.
Les lignes de la matrice C seront dans l’ordre.
size(M) Fournit les dimensions de la matrice M
Si A est un vecteur sum(A) rend la somme des éléments,
sum Si A est une matrice, sum(A) traite les colonnes de A comme vecteurs,
rendre un vecteur de la ligne des sommes de chaque colonne.
zeros(n) retourne nxn matrice de zéros,
zeros
zeros (m,n) retourne, un mn matrice de zéros.

Table 5.2 – Fonctions prédéfinies utilisées

• Les fonctions implémentées

La fonction SAW : cette fonction implémente la méthode SAW. Elle retourne un

vecteur de classement des attributs par la méthode SAW. Pour utiliser cette fonction,
utiliser le code suivant :
c=SAW(x,w,s)
x : la matrice de décision.
w : le vecteur de poids.
s : le vecteur de signe (1 pour maximisation et -1 pour minimisation).
c : le vecteur de classement des attributs par la méthode SAW.
La fonction TOPSIS : cette fonction pour résoudre un problème de l’AMD avec la
méthode TOPSIS. Elle retourne un vecteur de classement des attribues par la méthode
TOPSIS. Pour utiliser cette fonction utiliser le code suivant :
c=TOPSIS(x,w,s)
x : la matrice de décision.
w : le vecteur de poids.
s : le vecteur de signe (1 pour maximisation et -1 pour minimisation).
c : le vecteur de classement des attributs par la méthode TOPSIS.
La fonction SMART : cette fonction pour résoudre un problème de l’AMD avec la
méthode SMART. Elle retourne un vecteur de classement des attribues par la méthode
SMART. Pour utiliser cette fonction, utiliser le code suivant :
c=TOPSIS(x,w,s)

101
Ferhati & Kaouane Résolution du problème

x : la matrice de décision.
w : le vecteur de poids.
s : le vecteur de signe (1 pour maximisation et -1 pour minimisation).
c : le vecteur de classement des attributs par la méthode SMART.
La fonction ELECTRE III : cette fonction reçoit une matrice de décision d’un
problème de l’AMD. Elle retourne un vecteur de classement des attributs par la méthode
ELECTRE III. Pour utiliser cette fonction, utiliser le code suivant :
c=ELECTRE3(M,w,s,q,p,v).
M : la matrice de décision.
w : le vecteur de poids.
s : le vecteur de signe (1 pour maximisation et -1 pour minimisation).
q : le vecteur des seuils d’indifférence.
p : le vecteur des seuils de préférence.
v : le vecteur des seuils veto.
c : le vecteur de classement des attributs par la méthode ELECTRE III.

5.7 Présentation de l’interface et des résultats

5.7.1 L’interface graphique

Une interface graphique est un dispositif de dialogue homme-machine, dans lequel

les objets à manipuler sont dessinés sous forme de pictogrammes à l’écran, de sorte que
l’usager puisse utiliser en imitant la manipulation physique de ces objets à l’aide d’un
dispositif de pointage, le plus souvent une souris. Les interfaces graphiques sont composées
de fenêtres, icônes, menu...etc. Notre interface a été créée en utilisant le guide Matlab
graphique, elle contient une interface principale qui permet d’aller aux 4 autres interfaces
comme nous le montre "la figure 5.2".

102
Ferhati & Kaouane Résolution du problème

Figure 5.2 – Fenêtre principale de programme

Dans cette 1ére interface, on peut se diriger vers les quatre autres qui représentent
la résolution avec la méthode ELECTRE III , la résolution avec la méthode SAW, la
résolution avec la méthode TOPSIS puis en dernier la méthode SMART des problèmes, le
menu permet aussi d’accéder aux trois interfaces, quitter permet de sortir de l’interface.

5.7.2 Résolution avec la méthode ELECTRE III

En appuyant sur le bouton "Résolution par la méthode ELECTRE III " sur la figure
5.2" une fenêtre s’affiche contenant des champs à remplir par des données comme nous le
montre "la figure 5.3"

Figure 5.3 – Fenêtre d’accueil de la fonction ELECTRE III

103
Ferhati & Kaouane Résolution du problème

Après l’introduction des données, il suffit d’appuyer sur le bouton "exécuter" pour
avoir la solution avec la méthode ELECTRE III, la solution est affichée dans un tableau,
ce tableau contient un vecteur qui contient le classement des projets.

5.7.3 Résolution avec la méthode SAW

Pour la nouvelle méthode la fenêtre s’affiche en appuyant sur le second bouton de

l’interface principale (figure 5.2) "Résolution par la méthode SAW" fenêtre qui apparaîtra
contient des champs à remplir par des données comme pour la fenêtre précédente "la figure
5.4" nous montre l’interface de méthode SAW.

Figure 5.4 – Fenêtre d’accueil de la fonction SAW

Pour obtenir les résultats, il suffit d’un clique sur le bouton "exucuter" pour avoir la
solution avec la méthode SAW

5.7.4 Résolution avec la méthode SMART

Pour la nouvelle méthode la fenêtre s’affiche encore une fois en appuyant sur le second
bouton de l’interface principale (figure 5.2) "Résolution par la méthode SMART".
La fenêtre qui apparaîtra contient, un "menu" à remplir par les entrées de la méthode
comme pour la fenêtre précédente " la figure 5.5" nous montre l’interface de méthode
SMART.

104
Ferhati & Kaouane Résolution du problème

Figure 5.5 – Fenêtre d’accueil de la fonction SMART

5.7.5 Résolution avec la méthode TOPSIS

Pour la résolution avec la méthode TOPSIS, on suit les mêmes étapes précédentes.

Figure 5.6 – Fenêtre d’accueil de la fonction TOPSIS

5.7.6 La résolution des quatre méthodes

Pour avoir directement les quatre résultats en même temps il suffit de cliquer sur le
bouton "Résolution de problème de l’entreprise"

105
Ferhati & Kaouane Résolution du problème

Figure 5.7 – Fenêtre de résolution des problèmes de l’entreprise

5.7.7 Discussion des résultats

Pour proposer aux décideurs le plus de choix possible, et pour une meilleure certitude
de nos résultats, nous avons opté pour la résolution du problème avec quatre différentes
méthodes, bien connues pour leurs efficacités et ayant une large utilisation par les théo-
riciens et les praticiens. Dans la Table 5.3 nous avons résumé tous les résultats obtenus
par ces quatre méthodes.

106
Ferhati & Kaouane Résolution du problème

RANG ELECTRE III SAW SMART TOPSIS SONATRACH

1 p25 p25 p25 p25 p19
2 p19 p8 p19 p19 p25
3 p26 p19 p8 p27 p27
4 p27 p27 p27 p26 p26
5 p8 p26 p26 p8 p8
6 p1 p2 p2 p3 p3
7 p2 p1 p1 p1 p28
8 p3 p3 p3 p2 p1
9 p28 p12 p31 p28 p29
10 p29 p6 p12 p29 p2
11 p31 p31 p28 p12 p32
12 p12 p28 p6 p32 p12
13 p23 p5 p5 p6 p23
14 p32 p17 p29 p5 p6
15 p10 p29 p17 p23 p5
16 p14 p32 p23 p31 p11
17 p30 p23 p32 p17 p31
18 p15 p10 p10 p14 p9
19 p6 p14 p14 p9 p17
20 p9 p9 p15 p15 p14
21 p16 p15 p9 p11 p7
22 p5 p7 p30 p10 p15
23 p7 p30 p16 p7 p30
24 p17 p16 p7 p30 p10
25 p34 p34 p34 p16 p16
26 p18 p11 p18 p34 p34
27 p11 p18 p11 p18 p33
28 p20 p35 p20 p21 p21
29 p35 p20 p21 p35 p35
30 p21 p21 p35 p20 p18
31 p33 p33 p33 p33 p20
32 p24 p24 p24 p24 p24
33 p22 p22 p22 p22 p22
34 p13 p13 p13 p13 p13
35 p4 p4 p4 p4 p4

Table 5.3 – Tableau récapitulatif des résultats obtenus avec les quatre méthodes appli-
quées au problème de l’entreprise Sonatrach

107
Ferhati & Kaouane Résolution du problème

La compagnie Sonatrach classe ses projets d’exploration sur la base d’un seul critère,
elle s’agit d’une étude monocritère. Le critère pris en considération est la Valeur Actuelle
Nette (VAN).

Le tableau suivant reprend le temps pris par les quatre méthodes pour résoudre notre
problème. Par rapport au nombre des actions et le nombre de critère.

Le nombre Le nombre Temps d’exécution Temps d’exécution Temps d’exécution Temps d’exécution
d’actions de critère ELECTRE III TOPSIS SAW SMART
35 7 0.0160907 s 0.00360927 s 0.000265343 s 0.00398314 s

Table 5.4 – Tableau comparatif du temps d’exécution

Dans le but de mettre en valeur notre méthodologie, nous allons comparer les résultats
obtenus du classement total par la méthode ELECTRE III, TOPSIS, SMART et SAW
avec celui de la SONATRACH pour cela nous disposons des données suivantes :

– p11 , p9 sont en attente pour des raisons techniques.

– La Sonatrach n’a retenu que dix-huit Projets (les dix-huit premiers de classement)
On effectue le bilan de décision de la manière suivante :
– Si un projet se révèle être un succées on ajoute sa VAN.
– Si un projet se révèle être un échec ou en attente, on soustrait son coût.
Nous allons prendre les coûts des projets en attente :

Projet p11 p9
Coût (MM$) 560 276

Table 5.5 – Coûts d’exploration des projets

– Bénéfice(Sonatrach)=Van(p19 )+Van(p25 )+Van(p27 )+Van(p26 )+Van(p8 )

+Van(p3 )+Van(p28 )+Van(p1 )+Van(p29 )+ Van(p2 )+Van(p32 )
+Van(p12 )+Van(p23 )+Van(p6 )-coût(p9 )+Van(p31 )-coût(p11 )+Van(p5 )=12901 MM$.
Par contre si les décideurs avaient à leur disposition notre classement, le bilan en
résultant aurait été le suivant :
– Bénéfice(ELECTRE III)=Van(p25 )+Van(p19 )+Van(p26 )+Van(p27 )+Van(p8 )
+Van(p19 )+Van(p2 )+Van(p3 )+Van(p28 )+ Van(p29 )+Van(p31 )
+Van(p12 )+Van(p23 )+Van(p32 )+Van(p10 )+Van(p14 )+Van(p30 )+Van(p15 )= 14101 MM$.

– Bénéfice(SAW)=Van(p25 )+Van(p8 )+Van(p19 )+Van(p27 )+Van(p26 )

+Van(p2 )+Van(p1 )+Van(p3 )+Van(p12 )+ Van(p6 )+Van(p31 )
+Van(p28 )+Van(p5 )+Van(p17 )+Van(p29 )+Van(p32 )+Van(p23 )+Van(p10 )= 14461 MM$.

108
Ferhati & Kaouane Résolution du problème

– Bénéfice(SMART)=Van(p25 )+Van(p19 )+Van(p8 )+Van(p26 )+Van(p2 )

+Van(p1 )+Van(p3 )+Van(p31 )+Van(p12 )+ Van(p28 )+Van(p6 )
+Van(p5 )+Van(p29 )+Van(p17 )+Van(p23 )+Van(p32 )+Van(p10 )+Van(p27 )= 14461 MM$.

– Bénéfice(TOPSIS)=Van(p25 )+Van(p19 )+Van(p26 )+Van(p27 )+Van(p8 )

+Van(p3 )+Van(p2 )+Van(p1 )+Van(p28 )+ Van(p29 )+Van(p12 )
+Van(p32 )+Van(p6 )+Van(p5 )+Van(p23 )+Van(p31 )+Van(p17 )+Van(p14 )= 14541 MM$.

À travers les résultats obtenus, nous remarquons que les méthodes d’aide multicritères
à la décision utilisées apportent une réelle transparence et représentent des outils efficaces,
sophistiqués, mais également objectifs qui permettent d’établir une bonne hiérarchisation
des projets.
Ce qui montre que notre démarche est bien établie, car elle aboutit à de meilleurs
résultats.
Cependant, ces méthodes ne trouvent leurs intérêts qu’avec l’utilisation des données
exactes et d’informations sûres. En effet, plus on fournit de précision et d’information dans
le processus d’aide à la décision, plus on fournit une bonne classification (notamment aux
performances des projets, les poids des critères).

Le nombre Le nombre Temps d’exécution Temps d’exécution Temps d’exécution Temps d’exécution
d’actions de critère ELECTRE III TOPSIS SAW SMART
35 7 0.0160907 s 0.00360927 s 0.000265343 s 0.00398314 s

Table 5.6 – Tableau comparatif du temps d’exécution

5.8 Commentaire et suggestion de l’entreprise

Afin que notre travail soit plus attractif et facile à interpréter, il nous ont suggéré au
niveau de l’entreprise de le compléter par une représentation graphique permettant de
distinguer les trois catégories de projets.
La représentation graphique des projets fait ressortir une distribution de projets sur
trois groupes :
? Groupe 01 :
Regroupe les projets prioritaires. Ce sont des projets à faible risque avec des volumes
de ressources importants.
? Groupe 02 :
Ce sont des projets à priorité réduite.
? Groupe 03 :
Ces projets sont caractérisés par des VAN très faibles ou même négatives. Ils sont
risqués.

109
Ferhati & Kaouane Résolution du problème

Figure 5.8 – Distribution des projets en groupe

110
 Conclusion générale

Le présent travail consiste à modéliser, à concevoir et à mettre en œuvre un système

interactif d’aide multicritère à la décision pour traiter un problème d’évaluation et de
sélection des projets d’investissement au niveau de la Sonatrach. En effet, le problème de
cette entreprise est de déterminer les projets prioritaires en vue de les réaliser. Une tâche
très importante sortante dans le contexte actuel de diminution du prix des hydrocarbures.

Dans notre étude, la méthodologie adaptée consiste à déterminer les actions, les cri-
tères et leurs poids pour pouvoir trouver une famille de critères cohérente. Au stade de
résolution, notre choix s’est porté sur quatre méthodes multicritères (TOPSIS, SMART,
SAW et ELECTRE III), ces méthodes nous ont permet de classer les projets du meilleur
au moins bon et de dégager trois groupes de projets.

Afin de rendre exploitable cette modélisation, un programme informatique a été déve-

loppé en utilisant le langage MATLAB. Ainsi, on peut dire que cette étude a atteint, en
grande partie l’objectif fixé au départ. Il s’agit de mettre en œuvre une application basée
sur le caractère décisionnel. Notre but n’était pas de leur imposer une solution, mais de
leur proposer une solution de compromis afin de répondre à la problématique posée. Par
ailleurs, cette application n’est pas figée, elle peut être utilisée d’autre problème multicri-
tères.

Les résultats obtenus lors de notre étude ont montré que l’aide multicritère à la décision
représente certainement l’outil le plus adéquat pour permettre à une compagnie telle que
la Sonatrach d’évoluer dans un environnement où plusieurs exigences entrent en conflit.
Nous avons également montré, dans notre travail, que l’application d’une méthodologie
rigoureuse d’aide à la décision permet d’obtenir des éléments de réponses satisfaisants

111
Ferhati & Kaouane Résolution du problème

pour le décideur et répondant au mieux à ses exigences.

Enfin, nous lançons un appel solennel aux dirigeants des entreprises algériennes d’es-
sayer d’entrevoir l’adoption et l’utilisation de ces techniques dans leur gestion, et nous
sommes convaincus qu’ils ne seront que ravis.

112
 Bibliographie

[1] http : [Link].

[2] Farouk Aissanou. Décisions multicriteres dans les réseaux de télécommunications

autonomes. PhD thesis, Institut National des Télécommunications, 2012.

[3] Jahan Baba Hamed. Algèbre I rappels de cours et exercices avec solutions. 1948.

[4] Denis Babusiaux. Recherche et production du pétrole et du gaz : réserves, coûts,

contrats. Editions TECHNIP, 2002.

[5] Kartobi Bendali. L’affectation optimale des ressources gaziére de la sonatrach sur le
moyen et le long terme. Master’s thesis, Faculté des sciences et de technologie Houari
Boumidienne.

[6] Yves Bernard and J-C Colli. Dictionnaire économique et financier. 1989.

[7] Genich Bouneirat. conception d’un outil d’aide à la décision pour les problémes de
forages. Master’s thesis, Université des sciences et de la technologie Houari Boume-
dienne.

[8] Denis Bouyssou, Didier Dubois, Marc Pirlot, and Henri Prade. Concepts et méthodes
pour l’aide à la décision, volume 3, analyse multicritère. Hermès, 2006.

[9] Jean-Pierre Brans and Vincke. Notea preference ranking organisation method : (the
promethee method for multiple criteria decision-making). Management science, 1985.

[10] Branset and Marshal. L’aide multicritére à la décison. le cerveau du décideur. Uni-
versitéblibre de bruxelles, 2001.

[11] John Buchanan, Phil Sheppard, and D. Vanderpoorten. Ranking projects using the
electre method. In Operational Research Society of New Zealand, Proceedings of the
33rd Annual Conference, 1998.

113
BIBLIOGRAPHIE BIBLIOGRAPHIE

[12] Mikael Collan and Pasi Luukka. Evaluating r&d projects as investments by using an
overall ranking from four new fuzzy similarity measure-based topsis variants. IEEE
Transactions on Fuzzy Systems, 2014.

[13] Saber Houssem Eddine Criguene. L’organisation structurelle de la division explora-

tion. Technical report, 2016.

[14] W. Edwards and D. Von Winterfeldt. Decision analysis and behavioral research,
1986.

[15] Ward Edwards. Social utilities. Engineering Economist, 1971.

[16] Peter Fishburn. Intransitive indifference with unequal indifference intervals. Journal
of Mathematical Psychology, 1970.

[17] Carlos Fonseca, Peter Fleming, Eckart Zitzler, K. Deb, and L. Thiele. Evolutio-
nary multi-criterion optimization. In Second International Conference, EMO 2003.
Springer, 2003.

[18] Romualdas Ginevičius, Valentinas Podvezko, and Saulius Raslanas. Evaluating the
alternative solutions of wall insulation by multicriteria methods. Journal of Civil
Engineering and Management, 2008.

[19] MATLAB Users Guide. The mathworks. Inc, Natick, MA, 1998.

[20] Abdelkader Hammami. Modélisation technico-économique d’une chaîne logistique

dans une entreprise réseau. PhD thesis, Ecole Nationale Supérieure des Mines de
Saint-Etienne ; Université Laval, 2003.

[21] CL. Hwang and K. Yoon. Multiple criteria decision making. Lecture Notes in Eco-
nomics and Mathematical Systems, 1981.

[22] Benlamara Lechekhab. Mise en place d’un outil d’aide à la décision etablissement
d’un programme d’amélioration de la qualité des sites GSM. PhD thesis, Université
des sciences et de la technologie Houari Boumedienne.

[23] Hicham Lmoussaoui, Hafida et Jamouli. Evaluation des risques-projet par une ap-
proche ahp/wpm : Application à un projet réel btp. 2015.

[24] Duncan Luce. Semiorders and a theory of utility discrimination. Econometrica,

Journal of the Econometric Society, 1956.

[25] Zeleny M. Multiple criteria decision making. McGraw-Hill, New-York, 1982.

[26] Kaisa Miettinen. Nonlinear multiobjective optimization, volume 12 of international

series in operations research and management science, 1999.

[27] Mohamed Moulai. Optimisation multicritère fractionaire linéaire en nombre entiers.

Thèse de doctorat : Recherche opérationnelle.

114
BIBLIOGRAPHIE BIBLIOGRAPHIE

[28] Valentinas Podvezko. The comparative analysis of mcda methods saw and copras.
Engineering Economics, 2011.

[29] Vincke Philippe Préfacier, Roy Bernard. L’aide multicritère à la décision. Editions
Ellipses, 1989.

[30] MG. Rogers and MP. Bruen. Using electre to rank options within an environmental
appraisal-two case studies. Civil Engineering Systems, 1996.

[31] Bernard Roy. Préférence, indifférence, incomparabilité. Documents du LAMSADE,

1980.

[32] Bernard Roy. Méthodologie multicritère d’aide à la décision. Economica, 1985.

[33] Bernard. Roy. L’aide à la décision aujourd’hui : Que devrait-on en attendre ? Docu-
ment du LAMSADE no 104, Université de Paris Dauphine, novembre 1997.

[34] Bernard Roy and Denis Bouyssou. Méthodes et cas. Economica, Paris, 1993.

[35] Bernard Roy and J-Chr. Hugonnard. Ranking of suburban line extension projects
on the paris metro system by a multicriteria method. Transportation Research Part
A : General, 1982.

[36] Berthier Roy and Patrice Bertier. La méthode ELECTRE II : une méthode de clas-
sement en prédence de critères multiples. 1971.

[37] Paul Samuelson. A note on the pure theory of consumer’s behaviour : an addendum.
Economica, 1938.

[38] Mahmoud Saremi, Farid Mousavi, and Amir Sanayei. Tqm consultant selection in
smes with topsis under fuzzy environment. Expert Systems with Applications, 2009.

[39] Alain Schärlig. Décider sur plusieurs critères : panorama de l’aide à la décision
multicritère. PPUR presses polytechniques, 1985.

[40] Edward Szpilrajn. Sur l’extension de l’ordre partiel. Fundamenta mathematicae,

1930.

[41] Philippe Vincke. L’aide à la décision multicritère, 1998.

[42] Philippe Vincke et al. La modélisation des préférences. 1985.

[43] Xiaoting Wang and Evangelos Triantaphyllou. Ranking irregularities when evaluating
alternatives by using some electre methods. Omega, 2008.

[44] Yoram Wind and Thomas Saaty. Marketing applications of the analytic hierarchy
process. Management science, 1980.

115
BIBLIOGRAPHIE BIBLIOGRAPHIE

Résumé : Sonatrach est parmi les plus grandes compagnies pétrolières africaines, elle
est le poumon de l’économie algérienne. Parmi les problématiques les plus importantes
pour toute compagnie pétrolière, on trouve la tâche des choix d’investissement des projets
d’exploration du pétrole qui est le problème proposé par la compagnie Sonatrach que nous
traitons ici. Cette tâche est très ardue compte tenu des coût faramineux et des délais de
maturation des projets, des risques élevés et de l’instabilité du marché pétrolier. Ainsi,
les techniciens et les économistes travaillent ensemble pour évaluer les projets à priorisé.
Souvent, les experts pétroliers utilisent la Valeur Actuelle Nette (VAN) pour le classement
et le rangement de ces projets, alors que l’environnement réel fait appel à beaucoup plus
de critères que cela. Dans notre étude, nous proposons une approche multicritère pour le
rangement des projets d’investissement selon leurs priorités avec une prise en charge de
sept critères quantitatifs et qualitatifs en intégrant dans le classement. Le modèle utilisé
dans ce travail reflète plus fidèlement le problème de la Sonatrach. Étant donné que ce
problème nécessite une politique de rangement, nous avons opté pour la problématique
Gama et l’utilisation des méthodes multicritères Electre III, SAW, SMART et TOPSIS,
Ces méthodes sont des moyens de décision largement utilisés dans les processus de plani-
fication réels, une comparaison des méthodes basées sur des résultats expérimentaux en
utilisant des données réelles sont présentés.

Mots clés : la valeur actuelle nette (VAN), Sonatrach, Aide multicritère à la décision,
Ranking des projets.

Absract : Sonatrach is among the biggest oil companies in Africa, it is the lung of
the Algerian economy. Among the most important issues for any oil company is the task
of choosing investment projects for oil exploration projects wich is proposed problem for
Sonatrach company that is consered in this study. This issue is a tough task, given the
enormous cost and maturity delay of projects, the high risks and the instability of the
oil market. Consequently, technicians and economists work together to evaluate which
projects to prioritize. Regularly oil experts use Net Present Value (NPV) for classifying
and storing these projects while the real environment involves many more criteria than
that. In our study, we propose a multicriteria approach for the classification of invest-
ment projects according to their priorities with a management of seven quantitative and
qualitative criteria. The model used in this work more accurately reflects the Sonatrach’s
problem. Since this problem requires a ranking policy, we opt for the Gamma problematic
and the use of the multicriteria method Electre III, SAW, SMART and TOPSIS, These
methods are widely used in real planning processes, a comparison of methods based on
experimental results using real data is presented.

Keywords : Net Present Value (NPV), Sonatrach, Ranking of projects, Multi-criteria

decision.

116