CHAPITRE I : THEORIE DE LA DECISION

L’incertitude est une des caractéristiques permanentes de la gestion des entreprises et de

façon plus générale de toutes les décisions économiques. Poser un acteen termes de décision
implique toujours un risque, un pari sur les résultats que l’on peut maitriser avec certitude de
façon exhaustive.
Les décisions sont prises avec une information limitée, elles vont s’intégrer dans un
environnement incertain en perpétuelle évolution, elles peuvent se heurter aux décisions
d’autres agents économiques.
Il existe, certes des techniques qui permettent de réduire ce risque par l’amélioration de
l’information du décideur, ou par réduction de ses conséquences défavorables. Mais de telles
techniques ne sont toujours pas utilisables et, quand elles le sont, elles n’éliminent pas
forcément la totalité du risque. De toute façon, elles entraînent généralement un coût, et se
pose alors le problème de leur rentabilité.
Lorsque l’entreprise a à sa disposition des probabilités concernant les environnements
éventuels, elle peut appliquer certains critères de décision développés dans le cadre de
l’analyse bayésienne. Ces critères lui permettent de sélectionner la meilleure décision compte
tenu des résultats éventuels. Cette analyse se présente traditionnellement en trois
étapes : l’analyse a priori qui permet de déterminer la stratégie optimale sans information
supplémentaire ;l’analyse aposteriori utilise l’information additionnelle dans le choix de la
meilleure stratégie ; l’analyse pré-postérieure qui évalue l’information.
I- La structure des matrices de gains
Dans le cadre de la théorie de la décision, une décision dans l’incertitude peut être
représentéepar un ensemble de facteurs pouvant être résumés dans un tableau de gain appelé
matrice de gains. De tels tableaux peuvent présenter les gains ou des pertes conditionnelles
associées à chaque couple décision-évènement et de probabilités des évènements possibles.
La structure de ces tableaux de gains est la suivantes :
Evènements Probabilités Action
A1 A2 A3 An
E1 P1 X11 X11 X11 ……….. Xn1
E2 P2 X21 X22 X23 ……….. X2n
E3 P3 X31 X32 X33 ……….. X3n
. . . .
. . . .
. . . .
Em Pm1 Xm1 Xm2 Xm3 ……….. Xmn

Remarque : la somme des probabilités doit être égale à l’unité.

Les actions sont de différentes manières de réagir face à un évènement considéré. L’analyse
de ces actions donne lieu à une prise de meilleure décision.

1
Les évènements sont des faits aléatoires qui échappent à la maîtrise du décideur et qui
conditionnent le niveau de succès ou de gain obtenu pour une action choisie .Ils sont appelés
état de la nature et sont mutuellement exclusifs c’est-à-dire deux à deux incompatibles. Ils
doivent être exhaustifs c’est-à-dire entièrement dénombrables.
Exemple : Un distributeur de climatisation doit prendre une décision sur le nombre d’unité à
vendre durant la prochaine saison sèche sur la base de la demande de la saison précédente. Il
estime à 0,10 ; 0,30 ; 0,40 et 0,20 les probabilités de ne vendre que 5 ; 10 ; 15 et 20 unités
respectivement. Les unités sont commandées par groupe de 5 aux prix de 1000 unités
monétaires chacune et le prix de vente est de 1300 unités monétaires par pièces. Toute unité
non vendue est retournée au fournisseur qui accorde un crédit de 800 unités monétaires,
déduction faite des frais d’expédition. Donnons le tableau des gains
Il faut d’emblée remarquer que les gains conditionnels sont calculés à partir d’une majoration
de 300UM (1300-1000) par pièce vendue et une diminution de 200 UM (800-1000) par pièce
non vendue.
Les probabilités des évènements données sont appelées probabilités à priori.
Les gains associés sont donnés par le tableau suivant :
Quantités Probabilités Quantités commandées
demandées A1= 5 A2= 10 A3 = 15 A4 = 20
E1= 5 0,10 1500 500 -500 -1500
E2=10 0,30 1500 3000 2000 1000
E3= 15 0,40 1500 3000 4500 3500
E4= 20 0,20 1500 3000 4500 6000

Si 5 unités sont commandées et 5 sont vendues alors le gain est de 5*300= 1500 ;
Si 10 unités sont commandées et 5 vendues alors le gain est de 5*300-5*200=500 ;
Si 20 unités sont commandées et 5vendues alors le gain est de 5*300-15*200=1500.
Les décisions peuvent aussi être prises sur la base des probabilités des évènements.
II- La détermination de la stratégie optimale à priori
A partir des probabilités de chacun des facteurs d’environnement dont l’importance a été
jugée significative et une fois déterminés les résultats de chaque action pour des
environnements éventuels, l’application du critère de l’espérance mathématique détermine la
meilleure stratégie.
De façon générale, si au résultat Rij entraîné par la décision Aiet l’état de l’environnement Ej,
est associé une probabilité P(Ej), (J= 1,2,…….n) l’espérance mathématique des Rij sera
donnée par l’expression : E(Ai) = ∑𝑛𝑗=1 𝑅𝑖𝑗𝑃(𝐸𝑖)

L’application du critère de l’espérance mathématique conduit à sélectionner la décision Ai

telle que E(Ai) soit maximum c’est-à-dire qui correspond à Max∑𝑛𝑗=1 𝑅𝑖𝑗𝑃(𝐸𝑗).

Dans le cas ci-dessus, nous pouvons calculer l’espérance mathématique :

2
Demandes Probabilités Espérance mathématique [𝐷 ∗ 𝑃(𝐷)]
(D)
E1= 5 0,10 0,5
E2 =10 0,30 3,0
E3 = 15 0,40 6,0
E4 = 20 0,20 4,0
Total 1 13,5

En nous basant sur le critère de probabilité la plus élevée P(D) = 0,40, nous allons commander
15 unités. De même en retenant le critère de l’espérance mathématique de la demande, nous
commanderons 15 unités. Dans ce cas on peut dire que nos critères sont compatibles.
Toutefois, il faut retenir que ce tableau nous permet de constater que l’espérance de pouvoir
commander par multiples de 5 est de l’ordre de 13,5.
III- Décision sur les conséquences économiques
Il peut arriver que l’entreprise ne dispose pas d’information sur la vraisemblance de
l’environnement. La situation de la matrice de gain nous sera présentée sans probabilité. Dans
ce cas on peut envisager quatre critères :
- Le critère de Laplace ;
- Le critère du Maximin ou critère de Wald ;
- Le critère du maxima ou critère de Hurwicz ;
- Le critère de minimax regret ou critère de Savage.

1- Le critère de Laplace :
Il cherche à maximiser l’espérance de gain. Pour calculer cette espérance, on attribue à
chaque état une probabilité de 1/n où n est le nombre des états. Chaque gain est multiplié par
cette probabilité et tous les résultats sont correspondant à une même décision sont additionnés
et on choisit la décision qui maximise ce résultat. Si les gains espérés sont par exemple de
3,2 ; 1,7et -0,8 dans un cas quelconque, nous aurons une espérance de E= (3,2+1,7-
0,8)/3=1,37
2- Le critère du Maximin :
Le décideur dans ce cas choisit la décision qui maximise le plus petit gain possible. Ainsi il
est pessimiste puisqu’il ne tient compte que de la pire conséquence possible. Il est question de
prendre un premier temps de valeur maximale de chaque colonne puis dans un deuxième
temps retenir la valeur maximale de ces minima.
Soit dans notre exemple Max (1500 ; 500 ;-500 ;-1500)= 1500. Il choisit de commander 5
unités.
3- Le critère du maximax :
Le décideur est ici optimiste et doit choisir la valeur pour laquelle le gain maximal est le plus
élevé. Il retient la valeur qui lui garantit donc le plus grand gain.
Dans notre exemple on a Max (1500 ; 3000 ; 4500 ; 6000). Soit une commande de 20 unités.

3
 Si le décideur ne tient compte que du maximum de gain (M) et du minimum de gain (m), ceci
suppose qu’il dispose d’un coefficient d’optimisme (α).
Dans ce cas on aura :
Di = αMi + (1+ α) mi.La décision retenue sera celle qui maximise Di
4- Le critère du minimax regret :
Le décideur choisit la décision qui correspond au maximum de regret maximal. Ce critère fait
appel au regret plutôt qu’au gain. Le regret est l’écart entre le gain effectivement réalisé et
celui qui aurait pu être obtenu si, on avait pris la bonne décision compte tenu de la situation
qui s’est réalisée. On relève par décision le regret maximal. Le décideur prend la décision qui
correspond à minimiser ce regret maximal.
En reprenant notre exemple nous pouvons dresser le tableau de manque à gagner suivant :
Quantités A1= 5 A2= 10 A3 = 15 A4 = 20
demandées
E1= 5 0 1000 2000 3000
E2 =10 1500 0 1000 2000
E3 = 15 3000 1500 0 1000
E4 = 20 4500 3000 1500 0
Regret 4500 3000 2000 3000
maximal

Si on commande 5 et que la demande est de 5 unités, le manque à gagner est 0 ;

Si on commande 5 et que la demande est de 20 unités, le manque à gagner est de (20-5)*300=
4500 (chaque unité des 15 restantes aurait dû produire 300) ;
Si on commande 15 et que la demande est de 5 unités, le manque à gagner est de (15-5)*200=
2000 (on retourne dans ce cas 10 unités au fournisseur).
Le minimum de regret maximal est de 2000 qui correspondent à une commande de 15 unités
et une demande de 5 unités.