Aide à la décision multicritère : introduction aux méthodes

d’analyse multicritère de type ELECTRE

Amir NAFI
Maître de conférences, Unité Mixte de Recherche Cemagref-Engees en Gestion des Services
Publics, 1 quai koch 67070 Strasbourg, anafi@engees.u-strasbg.fr. 03.88.24.82.93.

Caty WEREY
Chercheur
Unité Mixte de Recherche Cemagref-Engees en Gestion des Services Publics, 1 quai koch
67070 Strasbourg, cwerey@engees.u-strasbg.fr, 03.88.24.82.53.

Mots clés : Aide à la décision, critères, pseudo-critère, poids, seuils, acteurs, sur-classement,
rangement, affectation, classement.

Sommaire

1 Introduction 1
2 L’aide à la décision et les méthodes multicritère 2
2.1 Définition du problème et objet de la décision, l’action 3
2.2 L’analyse des conséquences et détermination des critères 4
2.3 Choix d’une méthode d’aide à la décision multicritère 6
2.4 Performance des actions 7
3 L’agrégation des critères et l’analyse multicritère 7
4 Illustration des méthodes multicritères 8
4.1 La méthode Electre I 8
4.2 Electre-Tri 11
4.3 Electre-III 15

1 Introduction

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
incommensurables. L’intérêt des méthodes multicritères est de considérer un ensemble de
critères de différentes nature (exprimés en unité différentes), sans nécessairement les
transformer en critères économiques, ni en une fonction unique. Il ne s’agit pas de rechercher
un optimum, mais une solution compromis qui peut prendre diverses formes : choix,
affectation ou classement. Plusieurs méthodes existent dans la littérature, dans le cadre de ce
cours nous allons définir le cadre théorique et les aspects méthodologies des méthodes
multicritères, ensuite nous allons illustrer leurs approches en étudiant 3 types de méthodes
multicritère : Electre I, Electre-tri et Electre III.

ENGEES 2009-2010| Module « Ingénierie financière » 1

2 L’aide à la décision et les méthodes multicritère

D’après (ROY, 1985) « L’aide à la décision est l’activité 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 le
processus de décision, éléments concourant à éclairer la décision et normalement à prescrire,
ou simplement à favoriser un comportement de nature à accroître la cohérence entre
l’évolution du processus d’une part, les objectifs et le système de valeurs au service desquels
cet intervenant se trouve placé d’autre part. ». L’aide à la décision est donc un processus qui
utilise un ensemble d’informations disponibles 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’actions ou alternatives. Pour
(Roy, 1996) les problèmes réels peuvent être formulés à l’aide des méthodes d’analyse
multicritère, selon trois formulations de bases : problématique de choix, notée Pα , la
problématique de tri ou d’affectation notée Pβ et la problématique de rangement noté Pγ . Voir
Tableau 1.

Tableau 1. Identification des types de problématique

Problématique Objectif Résultat

Pα Eclairer la décision par le choix d’un sous- Un choix ou une procédure de

ensemble aussi restreint que possible en vue sélection.
d’un choix final d’une seule action.
(optimums et satisfecums)

Pβ Eclairer la décision par un tri résultant Un tri ou une procédure

d’une affectation de chaque action à une d’affectation
catégorie, les catégories étant définies a
priori en fonction des normes ayant trait à la
suite à donner aux actions qu’elles sont
destinées à recevoir

Pγ Eclairer la décision par un rangement Un rangement ou procédure de

obtenu en regroupant tout ou partie (les « classement
plus satisfaisantes ») des actions en classes
d’équivalence, ces classes étant ordonnées,
de façon complète ou partielle,
conformément aux préférences

Pδ Eclairer la décision par une description, Une description ou une procédure

dans un langage approprié, des actions et de cognitive
leurs conséquences

ENGEES 2009-2010| Module « Ingénierie financière » 2

Le processus de décision multicritère peut être décrit par la Figure 1. Il est caractérisé par 4
étapes essentielles :

Contexte Environnement Acteurs

Formulation du problème

Objet de la décision, Construction

l’action ou alternative des critères

Choix d’une méthode

multicritère

Détermination des Evaluation des

seuils & des poids performances

Implémentation
& Analyse

Recommandations
& Aide à la décision

Décision

Figure 1. Le processus de décision multicritère

2.1 Définition du problème et l’objet de la décision,

l’action

La définition du problème requiert une compréhension de la situation étudiée, du

contexte et des acteurs impliqués dans la prise de décision. L’interaction avec les différents
acteurs permet de comprendre le processus de décision, les enjeux, l’objet de la décision et la
nature de la décision à prendre. Il s’agit donc de définir la nature du problème posé en le
formulant soit en une problématique de choix, de tri ou de rangement. La détermination de
l’objet de la décision consiste à identifier l’ensemble des actions ou alternatives sur lesquelles
va porter la décision.

ENGEES 2009-2010| Module « Ingénierie financière » 3

 « Une action a est la représentation d’une éventuelle contribution à la décision globale
susceptible, eu égard à l’état d’avancement du processus de décision, d’être envisagée de
façon autonome et de servir de point d’application à l’aide à la décision». C’est l’objet de la
décision.

Une action est dite globale, si, dans sa mise en exécution, elle est exclusive de toute action
introduite dans le modèle ; dans le cas contraire, elle est dite fragmentaire. Une action
potentielle est une action réelle ou fictive provisoirement jugée réaliste par un acteur au
moins. On note par A est l’ensemble des actions potentielles.

2.2 L’analyse des conséquences et détermination des

critères

Il s’agit en effet d’identifier et mesurer les conséquences des actions sur lesquelles va porter la
décision. Les critères découlent des conséquences des actions. Souvent, une action a plusieurs
conséquences, ainsi la conséquence d’une action selon un critère donné est évaluée par une
fonction g (à valeurs réelles) définies sur l’ensemble A des actions potentielles de telle sorte
qu’il soit possible de raisonner ou de décrire le résultat de la comparaison de deux actions a et
b relativement à partir des nombres g(a) et g(b). L’évaluation de l’action sera donc effectuer
sur un ensemble de critères. On distingue le vrai-critère et le pseudo-critère.

Pour le vrai critère, en considérant deux actions a et b à comparer, deux situations sont
possibles :

g(b) = g(a) ⇔ b Ig a (indifférence)

et
g(b) > g(a) ⇔ b Pg a (préférence stricte)

C’est une vision peu réaliste car une simple différence g(b) - g(a) n’est pas significative
d’une préférence stricte.

Pour le pseudo-critère on associe à la fonction critère g deux fonctions seuils qg(g(a))

exprimant un seuil d’indifférence et pg(g(a)) exprimant un seuil de préférence.

g(b) ≥ g(a) ⇒ b Sb a

Sb : « aussi bon que » ou, S est une relation de sur-classement, c’est à dire que b est au moins
aussi bon que a sur une majorité de critères sans être vraiment plus mauvais relativement sur
les autres critères. On dira dans se cas que b surclasse a, on notera b Sb a. On introduit des
seuils (constants ou fonction de g) tels que :

g(b) - g(a) ≤ qg(g(a)) ⇔ b Ig a

pg(g(a)) < g(b) - g(a) ⇔ b Pg a

Où qg est un seuil dit d’indifférence et pg un seuil dit de préférence.

ENGEES 2009-2010| Module « Ingénierie financière » 4

La situation non couverte par ces deux éventualités, à savoir :

qg(g(a)) < g(b) - g(a) ≤ qg(g(a))

correspond à une situation d’hésitation (indétermination) entre l’indifférence et la préférence

stricte appelée préférence faible et notée Qg.

Ce qui peut se traduire ainsi :

b Qg a
644474448
a Ig b b Pg a
644447444448 64447444

g(a)-qg g(a) g(a)+qg g(a)+pg g(b)

Indifférence Préférence faible Préférence stricte

Ces différentes situations sont reprises dans le Tableau 2.

Tableau 2. Situations possibles lors de la comparaison de deux actions

Situation Définition Relation binaire

(propriétés)

Indifférence Elle correspond à l’existence de raisons claires et positives qui I : relation symétrique
justifient une équivalence entre deux actions. réflexive

Préférence Elle correspond à l’existence de raisons claires et positives qui P : relation asymétrique
stricte justifient une préférence significative en faveur de l’une (irréflexive)
(identifiée) des deux actions.

Préférence faible Elle correspond à l’existence de raisons claires et positives qui Q : relation asymétrique
infirment une préférence stricte en faveur de l’une (identifiée) (irréflexive)
des deux actions. Mais ces raisons sont insuffisantes pour en
déduire soit une préférence stricte en faveur de l’autre, soit une
indifférence entre ces deux actions.

Incomparabilité Elle correspond à l’absence de raisons claires et positives R : relation symétrique

justifiant l’une des trois situations précédentes irréflexive

La construction des critères est une étape délicate qui nécessite une compréhension du
problème posé et une interaction avec les acteurs impliqués dans la prise de décision. Il s’agit
d’identifier les enjeux et la nature des conséquences possibles sur l’objet de la décision, c’est
à dire les actions considérées. La définition des critères nécessite par la suite une évaluation
de la contribution et l’influence de chaque critère dans la décision finale. Ceci ce traduit par
des pondérations qui sont définies par les acteurs impliqués ou bien obtenus par un processus
itératif suite à l’interaction avec les acteurs concernés.

ENGEES 2009-2010| Module « Ingénierie financière » 5

Les critères à retenir pour juger quelle est l’action préférée, doivent présenter les conditions
suivantes :

L’aide multicritère à la décision doit permettre de juger de l’intérêt économique des

différentes actions entre elles. Il s’agit donc de construire une famille de critères qui
puissent représenter, d’une façon aussi proche que possible, les coûts et les
avantages des actions, bénéfices.

Les critères doivent être d’une part, suffisamment nombreux et précis pour bien
discriminer entre elles les différentes actions ; d’autre part, ne pas être redondant
pour éviter de majorer l’importance attribuée à une dimension d’analyse.

Les critères peuvent être de nature différente. On définit des familles de critères :
économiques, sociaux, environnementaux, techniques. Chaque famille de critères
peut contenir un ou plusieurs critères.

Les critères doivent également vérifier des axiomes :

Axiome d’exhaustivité : si deux actions ont les mêmes vecteurs performances

(mêmes conséquences pour tous les critères) alors il faut être sûr que les acteurs sont
bien indifférents entre les deux actions.

Axiome de cohésion : En partant de deux actions qui sont jugées équivalentes, si

l'on accroît la performance de la première sur un critère quelconque, alors elle
apparaît « comme au moins aussi bonne » que la seconde action inchangée.

Axiome de non-redondance : un critère est redondant si son retrait de la famille

laisse une nouvelle famille vérifiant les deux axiomes précédents.

2.3 Choix d’une méthode d’aide à la décision

multicritère

Cette étape dépend de la nature du problème posé. Plusieurs méthodes ont été développées, le
Tableau 3 identifie certaines méthodes en fonction de la nature du problème étudié.

Tableau 3.Choix de la méthode multicritère (Roger et al., 2000)

Nature du problème
Critères α β γ
(sélection) (affectation) (classement)
Vrai I - II
critère
Pseudo- IS Tri III, IV
critère

ENGEES 2009-2010| Module « Ingénierie financière » 6

2.4 Performance des actions

Lorsque l’analyse des actions a conduit à la construction d’un seul critère, on peut
réaliser une optimisation sur ce critère, ce qui peut être simple lorsque le nombre d’action est
faible, sinon il faut avoir recours à des outils plus ou moins compliqués.
Dans le cas fréquent, où l’analyse des conséquences des actions potentielles a conduit à
construire plusieurs critères, c’est l’analyse multicritère qui permet de donner des réponses au
problème posé. Pour chaque action considérée, et pour chaque critère un seuil de préférence p,
d’indifférence q et un seuil de veto v sont estimés. Chaque critère se voit attribué un poids k
traduisant sa contribution dans la décision finale. Le résultat de l’analyse des conséquences
est présenté dans un tableau de performances. Voir Tableau 4.

Tableau 4. Tableau de performances

Critères g1 g2 … gj … gn
Poids k1 k2 kj kn

p1 p2 … pj … pn
Seuils q1 q2 … qj … qn
v1 v2 … v3 … vn
Actions
a1 g1(a1) g2(ai) … gj(a1) … gn(ai)
a2 . . . .
. . . . .
. . . . .
. . . . .
ai g1(ai) g2(ai) … gj(ai) … gn(ai)
.
.
.
am g1(am) g2(am) … gj(am) … gn(am)

3 L’agrégation des critères et l’analyse multicritère

Dans le cadre de ce cours, on distingue entre l’approche d’agrégation classique et les

approches dites de sur-classement proposées par les méthodes ELECTRE. L’approche
classique se base sur l’agrégation des critères de décision en un critère unique. Elle consiste à
bâtir un critère unique de synthèse en utilisant une fonction d’agrégation V en posant :
g(a)=V(g1(a), g2(a), g3(a), …, gn(a)). Deux actions quelconques deviennent ainsi comparables
grâce à l’utilisation des différents critères présentés plus haut. Une fois obtenu le critère de
synthèse, on peut simplement élaborer une prescription dans une des trois problématiques : α,
β, γ. La fonction d’agrégation V prend généralement une des deux formes :
n
1. agrégation par somme pondérée : g (a) = ∑ k j ⋅ g j (a)
j =1

[ ]
n
2. agrégation additive : g (a) = ∑ k j ⋅ v j g j (a)
j =1

ENGEES 2009-2010| Module « Ingénierie financière » 7

Les poids k j sont des coefficients strictement positifs et les v j des fonctions monotones
n
strictement croissantes. Il n’est pas restrictif d’imposer ∑k j = 1 et 0 ≤ v j ≤ 1 .
j =1

Par opposition à l’approche classique, l’approche dite de sur-classement vise à construire sur
l’ensemble A une relation de sur-classement globale S enrichissant la relation de dominance.

Elle vise à modéliser la part des préférences globales que l’on est en mesure d’asseoir de
façon suffisamment probante.

La relation S est généralement construite à l’aide d’un test de sur-classement appliqué à toutes
les paires d’actions de A. Les méthodes ELECTRE utilisent une relation de sur-classement
pour l’agrégation des critères de décision.

4 Illustration des méthodes multicritère

Nous présentons dans ce qui suit trois méthodes multicritères, en fonction de la problématique
considérée. La première méthode Electre I , est préconisée pour répondre à une problématique
de choix. La méthode Electre-Tri est préconisée pour les problématiques de tri ou
d’affectation. La méthode Electre III est utilisée pour répondre à des problématiques de
rangement ou de classement.

4.1 La méthode Electre I

Cette méthode proposée par (Roy,1968) permet de résoudre les problèmes multicritère de
choix. Cette méthode permet d’identifier le sous-ensemble d’actions offrant le meilleur
compromis possible. Souvent utilisée dans le choix de projets concurrents, afin d’identifier le
sous-ensemble de projets le plus performant sur la base des critères considérés. Dans le cas de
la méthode Electre I, on définit de vrai-critères, on retrouve également une notion de concours
dans cette méthode; retenir les meilleurs.

On considère un ensemble A de m actions, qui représentent l’objet de la décision, dont le but

est d’identifier un sous-ensemble d’actions offrant un meilleur compromis parmi l’ensemble
de départ. On définit pour chaque critère une fonction d’évaluation g j (où j=1 à n, n est le
nombre de critères), pour chaque critère, on évalue un poids kj qui augmente avec
l’importance du critère. L’indice de concordance pour deux actions a et b est noté par
C(a,b), compris entre 1 et 0, il mesure la pertinence de l’assertion « a surclasse b », comme
suit :

∑k j
∀j : g j ( a ) ≥ g j ( b )
n
C ( a, b) = avec K = ∑ k
K j =1
j

ENGEES 2009-2010| Module « Ingénierie financière » 8

L’indice de discordance D(a,b) est défini par :

D (a, b) = 0 si ∀j , g j (a ) ≥ g j (b)

Sinon
D ( a, b) =
1
δ
[ ]
max j g j (b) - g j (a ) avec δ est la différence maximale entre le même critère pour
deux actions donnée.

La relation de sur-classement pour Electre I est construite par la comparaison des indices de
^ ^
concordance et de discordance à des seuils limites de concordance c et de discordance d .
Ainsi, a surclasse b, si :
^ ^
a S b ⇔ C (a, b) ≥ c et D(a, b) ≤ d .

Exemple 1 adapté de (Roger et al, 1999)

L’exemple traite du choix d’un projet, parmi 6 projets concurrents pour la réalisation d’une
raffinerie. Chaque projet est évalué sur la base de 5 critères environnementaux

Cr1 : Nuisance sonore

Cr2 : Séparation du territoire

Cr3 : Pollution de l’air

Cr4 : Impact sur l‘aménagement du territoire

Cr5 : Impact sur les activités récréatives

L’importance de chaque critère dans la prise de décision est traduite par un poids kj tel que

Tableau 5. Poids des critères

Critères Cr1 Cr2 Cr3 Cr4 Cr5
Poids (kj) 3 2 3 1 1

Chaque projet est évalué en fonction des critères retenus à l’aide d’une échelle qualitative et
des scores. Plus le score est élève, plus les impacts du projet sur l’environnement sont
moindres. Le tableau de performance est donné dans le tableau suivant :

Tableau 6. Tableau de performances

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 de projets avec le moins

d’impacts sur l’environnement. On propose d’utiliser ELECTRE I. Nous présentons un
exemple de calcul de l’indice de concordance :

ENGEES 2009-2010| Module « Ingénierie financière » 9

 3 + 2 + 3 + 0 +1 3 + 2 + 3 + 0 +1
C ( P1 , P2 ) = = 0 .9 , C ( P1 , P3 ) = = 0 .9
10 10
0 + 0 + 3 + 0 +1 0 + 0 + 0 +1+ 0
C ( P2 , P1 ) = = 0 .4 , C ( P3 , P1 ) = = 0 .1
10 10
La matrice des indices de concordance est donnée par :

Tableau 7. Matrice de concordance

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 -

L’indice de discordance est calculé pour une valeur de δ = 20 − 0 = 20

6 6
D( P1 , P2 ) = = 0.30 , D( P1 , P3 ) = = 0.30
20 20
15 10
D( P2 , P1 ) = = 0.75 , D( P3 , P1 ) = = 0.50
20 20

La matrice de discordance est obtenue comme suit :

Tableau 8. Matrice de discordance

Projets 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 0.50
P5 0.50 0.30 0.30 0.0 - 0.25
P6 0.50 0.15 0.15 0.0 0.0 -

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 c = 1 et
^
d = 0 , P1, P2,P3 et P6 sont incomparables, par contre P6 S P4, P6 S P5 et P5 S P4. On obtient le
graphe de sur-classement suivant.

P1 P2 P3 P6

P5 P4

ENGEES 2009-2010| Module « Ingénierie financière » 10

 ^ ^
Le résultat obtenu est sensible aux valeurs des seuils c et d . A titre d’exemple, en posant
^ ^
c = 0.9 et d = 0.15 , on obtient les résultat suivant : P6 S P2, P6 S P3, P6 S P4 et P6 S P5. Dans
ce cas les projets à retenir seraient les projets P1 et P6.

P1 P6

P2 P5 P4 P3

4.2 Electre-Tri

Electre-tri est une méthode qui permet de résoudre des problèmes d’affectation, le principe de
la méthode est d’assigner un ensemble de m d’alternatives ou d’actions noté
A={a1, a2,a3,…,am} sur lesquelles se base la décision à des catégories ou classes bien définies.
On note l’ensemble F={1,2,…,n} l’ensemble des indices des critères. Chaque action de
l’ensemble A sera évaluée par une fonction réelle, exprimant l’évaluation de l’action pour un
critère donné, on note G={g1,g2,…,gn} l’évaluation de l’action pour les critères considérés.

L’importance des critères dans la prise de décision est évaluée par un ensemble de poids
K={k1,k2,…,kn}. Par opposition aux autres approches, les alternatives qui constituent l’objet de
la décision ne sont pas comparées entre elles, mais à des seuils traduisant la frontière entre les
h classes prédéfinies, noté C={C1,C2,…,Ch}. Chaque alternative sera comparée aux frontières
de chaque catégorie, formant un profil B={b1,b2,b3,…,bh}. La Figure 2 illustre la
problématique de tri ou d’affectation.

Critère 1, g1
Critère 2,g2

C1 C2 C3 … Ch
Critère n, gn

b0 b1 b2 bh-1 bh

Figure 2. Illustration de la problématique de tri

L’affectation des actions dans les catégories se base sur le concept de sur-classement.
Une action a de l’ensemble A surclasse bh, noté a S bh, si a est aussi bonne que bh sur tous les
critères et a n’est pas mauvaise que bh sur la majorité des critères (ah peut être mauvaise que
bh sur certains critères).

ENGEES 2009-2010| Module « Ingénierie financière » 11

L’approche ELECTRE-TRI s’appuie sur les étapes suivantes :

1. Evaluation des indices de concordance

0 si g j (bh ) - g j (a ) ≥ p j (bh )
c j (a, bh ) = 1 si g j (bh ) - g j (a ) ≤ q j (bh )
p j (bh ) + g j (a ) - g j (bh )
p j (bh ) - q j (bh )

cj(a,bh)

gj(bh)-pj(bh) gj(bh)-qj(bh) gj(a)

Figure 3. Détermination de l’indice de concordance

2. Calcul de l’indice de concordance global :

∑ k c ( a, b )
j∈F
j j h

C (a , b ) =
h h
∑k j∈F
j

3. Calcul de l’indice de discordance :

0 si g j (ah ) ≤ g j (bh ) + p j (bh )

d j (a, bh ) = 1 si g j (ah ) > g j (bh ) + v j (bh )
∈ [0,1] sin on

ENGEES 2009-2010| Module « Ingénierie financière » 12

 dj(a,bh)

gj(bh)-vj(bh) gj(bh)-pj(bh)

Figure 4. Détermination de l’indice de discordance

4. Calcul de l’indice de crédibilité et définition de la relation de sur-classement floue :

σ (a, bh ) = C (a, bh )∏
1 - d j (a, bh )
_
1 - C (a, bh )
j∈ F

F = {j ∈ F : d j (a, bh ) > C (a, bh )}

−

Avec

On définit l’indice de coupe λ comme le paramètre qui détermine la situation de préférence

entre a et bh .

La relation de sur-classement définie se base sur l’indice de crédibilité σ(a,bh) et l’indice de

coupe λ tel que :

σ(a,bh)≥λ et σ(bh,a) ≥λ ⇒ a S bh et bh S a ⇒ a I bh, a est indifférent à bh.

σ(a,bh)≥λ et σ(bh,a)< λ ⇒ a S bh et bh ne surclasse pas a ⇒ a surclasse bh

σ(a,bh) < λ et σ(bh,a)≥ λ ⇒ a ne surclasse pas bh et bh S a ⇒ bh surclasse a.

σ(a,bh) < λ et σ(bh,a)< λ ⇒ a ne surclasse pas bh et bh ne surclasse pas a, dans ce
cas a et b sont incomparables.

Deux procédures d’affectation sont possibles :

1. Procédure pessimiste

a) Comparer successivement a à bi , tel que i=p,p-1,…,0

b) Si a S bh, a est assigné à la catégorie Ch+1.

2. Procédure optimiste

a) Comparer successivement a à bi , tel que i=1,2,…,p

b) Si bh S a, a est assigné à la catégorie Ch.

ENGEES 2009-2010| Module « Ingénierie financière » 13

Exemple 2

L’exemple traite de la mise en place d’une démarche de gestion patrimoniale des réseaux
d’assainissement. A partir d’inspections caméra des tronçons d’assainissement, on définit un
ensemble de critères pour décrire l’état des tronçons, 5 critères1 sont considérés comme suit :

Cr1 : Bouchage du tronçon

Cr2 : Effondrement de la paroi du tronçon

Cr3 : Ensablement du tronçon

Cr4 : Détérioration de la capacité hydraulique

Cr5 : Présence d’infiltrations

L’analyse multicritère vise à définir des classes homogènes de tronçons en fonction de leur
état. En concertation avec le gestionnaire du réseau, trois classes sont définies état : « Bon »,
« Moyen » et « Mauvais ». La problématique posée étant une problématique d’affectation, on
utilise Electre-tri pour affecter les tronçons aux catégories définies. On considère un ensemble
de tronçon à classer, les performances de chaque tronçon sont contenues dans le Tableau 9.

Tableau 9. Evaluation des critères, tableau de performances

Critères
Tronçons Cr1 Cr2 Cr3 Cr4 Cr5
T1 2.63 5.26 52.63 84.21 26.32
T2 0 0 492.31 492.31 0
T3 0 10.13 20.25 20.25 405.06
T4 0 0 0 0 0
T5 0 210.53 280.7 280.7 1171.93

Comme l’affectation se fait d ans 3 catégories distinctes, deux profils b1 et b2 sont définis, où
b1 représente la frontière entre la classe état « Bon » et état « Moyen », et b2 la frontière entre
la catégorie état « Moyen » et état « Mauvais ». La valeur des seuils et poids des critères sont
définis dans le Tableau 10.

Tableau 10. Définition des seuils et poids des critères

Cr1 Cr2 Cr3 Cr4 Cr5
g(b1) 0.5 2.23 37.53 37.96 40.67
qj(b1) 0.5 0.5 0.5 0.5 0.5
pj(b1) 1 1 1 1 1
g(b2) 7 29 126.7 128 300
qj(b2) 0.5 0.5 0.5 0.5 0.5
pj(b2) 1 1 1 1 1
kj 0.1 0.35 0.1 0.1 0.35

L’implémentation du cas d’étude sur le Logiciel ELECTRE-TRI® permet d’obtenir une

affectation des tronçons selon deux procédures : pessimiste et optimiste, le résultat de
l’affectation est présenté dans le Tableau 11.

Tableau 11. Résultat de l’affectation, indice de coupe λ=0.76.

1
. Les critères représentent des dysfonctionnements définis dans le cadre d’une méthodologie pour la
réhabilitation des réseaux d’assainissement urbain, RERAU.
ENGEES 2009-2010| Module « Ingénierie financière » 14
 Procédure d’affectation
Tronçons Procédure pessimiste Procédure optimiste
T1 Moyen Bon
T2 Bon Bon
T3 Mauvais Moyen
T4 Bon Bon
T5 Mauvais Mauvais

4.3 Electre-III

La méthode Electre-III est une méthode d’analyse multicritère qui permet de résoudre des
problèmes de classement, la méthode s’appuie sur la définition d’une relation de
sur-classement S permettant de comparer deux actions a et b distinctes.

En considérant un ensemble d’actions A= {a1, a2, a3,…,am}, 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,…,gn} 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={k1,k2,…,kn}. Pour cette méthode, les seuils d’indifférence, de préférence et de veto sont
fonction de l’évaluation de l’action pour chaque critère. 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)). La méthode Electre III s’appuie sur les étapes
suivantes :

1. Evaluation des indices de concordance :

Dans ce cas on considère le sens de préférence des critères considérés, on distingue un sens de
préférence croissant et décroissant.

A titre d’exemple l’indice de concordance dans le cas de préférence croissante est obtenu
comme suit :

0 si g j (b) - g j (a ) ≥ p j ( g j (a ))
C j (a, bh ) = 1 si g j (b ) - g j (a ) ≤ q j ( g j (a ))
p j ( g j (a )) + g j (b) - g j (a )
p j ( g j (a )) - q j ( g j (a ))

ENGEES 2009-2010| Module « Ingénierie financière » 15

 Sens de préférence
cj(a,b) croissant

0 gj(a)+qj(gj(a)) gj(a)+pj(gj(a)) gj(b)

Sens de préférence
décroissant
cj(a,b)

0 gj(a)-pj(gj(a)) gj(a)-qj(gj(a)) gj(b)

Figure 5. Détermination de l’indice de concordance

2. Calcul de l’indice de concordance global :

∑ k c ( a, b )
j∈F
j j

C ( a, b) =
∑k j∈F
j

3. Evaluation des indices de discordance :

Dans ce cas on considère le sens de préférence des critères considérés, on distingue un sens de
préférence croissant et décroissant.

A titre d’exemple l’indice de discordance dans le cas de préférence croissante est obtenu
comme suit :

0 si g j (b) − g j (a ) ≤ p j ( g j (a ))
D j (a, bh ) = 1 si g j (b) − g j (a ) ≤ v j ( g j (a ))
∈ [0,1] sin on

ENGEES 2009-2010| Module « Ingénierie financière » 16

 Sens de préférence
croissant
Dj(a,b)

0 gj(a)+pj(gj(a)) gj(a)+vj(gj(a)) gj(b)

Sens de préférence
Dj(a,b) décroissant

0 gj(a)-vj(gj(a)) gj(a)-pj(gj(a)) gj(b)

Figure 6. Détermination de l’indice de discordance

5. Calcul de l’indice de crédibilité et définition de la relation de sur-classement floue :

d (a, b) = C (a, b)∏

1 - D j ( a, b )
1 - C ( a, b )
_
j∈ F

F = {j ∈ F : d j (a, b ) > C (a, b )}

−

Avec

Cette relation de sur-classement est utilisée pour classer les actions à l’aide de pré-ordre. La
première relation est obtenue de manière descendante, en sélectionnant la meilleure action et
en classant les autres actions de la meilleure à la moins bonne, on parle alors de distillation
descendante. La seconde se fait de manière ascendante, en choisissant d’abord la mauvaise
action, et en classant de la plus mauvais à la meilleure action, on parle alors de distillation
ascendante. La construction des deux pré-ordres se base dans un premier temps sur la
définition d’un niveau de coupe λ1 ∈ [0,1[ , on préconise λ1 = max{d (a, b)}. On sélection les
a , b∈ A

actions vérifiant la condition d(a,b) > λ1. On obtient ainsi une relation de sur-classement nette
notée S Aλ1 définie par : a S Aλ1 b ssi d(a,b)> λ1 et d(a,b) > d(b,a)+s(d(a,b))
Avec s(d(a,b))= -0.5. d(a,b)+0.30, valeurs préconisées.

ENGEES 2009-2010| Module « Ingénierie financière » 17

Remarque

On utilise le logiciel ELECTRE III® développé par le LAMSADE2 pour l’implémentation de

la méthode, le logiciel requiert une définition des seuils d’indifférence, de performance et de
veto sous forme d’une fonction affine de type :
qj(gj(a))=αj.gj(a)+βj
pj(gj(a))=αj.gj(a)+βj
vj(gj(a))=αj.gj(a)+βj
avec α > -1 si la préférence est croissante et α < 1 si la préférence est décroissante.

Exemple 3

Afin de réaliser une extension d’une zone d’activité commerciale (ZAC), 4 scénarios ont été
proposés. Chaque scénario est évalué à l’aide de 5 critères mesurant l’impact du projet sur
l’activité économique et l’environnent par une mesure des émissions de CO2 liées à
l’augmentation de la fréquentation. Les critères pris en compte sont les suivants :

• Cr1 : Le coût du projet d’extension en milliers €

• Cr2 : La durée de réalisation du projet en semaines
• Cr3 : Surface de la ZAC commerciale (en milliers m2)
• Cr4 : Nombre de Places de parking
• Cr5 : Emissions en CO2, en kg par jours

L’évaluation de chaque critère est contenue dans le Tableau 12.

Tableau 12. Tableau de performance

Cr1 Cr2 Cr3 Cr4 Cr5
Scénario 1 103 7.65 17.13 352 880
Scénario 2 101.3 7.9 20.53 203 783
Scénario 3 156.4 7.9 22.17 391 815
Scénario 4 267.4 10.5 23.07 419 647
Sens de
préférence
indifférence 6% 1 2% 50 0
Préférence 10% 2 5% 100 50
Veto 15% 4 150
Poids 0.3 0.25 0.15 0.1 0.2

On utilise pour la résolution du problème posé, le logiciel ELECTRE III. A cet effet on définit
les valeurs des coefficients α et β pour chaque critère, ainsi qu’un jeu de poids. Ces
paramètres sont présentés dans le Tableau 13.

2
LAMSADE : Laboratoire d’Analyse et Modélisation de Systèmes pour l’Aide à la Décision.
ENGEES 2009-2010| Module « Ingénierie financière » 18
 Tableau 13. Paramètre α/β pour les seuils d’indifférence, de préférence et de veto
Indifférence 0.08/-2 0/1 0.02/0 0/50 0/0
Préférence 0.13/-3 0/2 0.05/0 0/100 0/50
Veto 0.9/50 0/4 0/150

La Figure 7 illustre la détermination de l’indice de concordance pour le premier critère et entre

les deux scénarios Sc1 et Sc2 , avec : q1(Sc1)= 6.18, p1(Sc1)= 10.3, v1(Sc1)= 15.45 et
cj(Sc1,Sc2)=1.

c1(1,b)

92.70 96.82 gj(b)

Figure 7. Détermination d’un indice de concordance

L’utilisation du logiciel ELECTRE III permet d’obtenir les deux préordres suivants:

Sc2 Sc2
Sc4
Sc4
Sc3
Sc1
Sc3 Sc1

Distillation descendante Distillation ascendante

Figure 8. Classement des scénarios

A partir du classement obtenu et le tableau de performance (Tableau 12), le scénario 2 (Sc2)

semble être la meilleure solution pour l’extension de la ZAC, suivie du scénario Sc4, puis Sc3
et enfin Sc1.

ENGEES 2009-2010| Module « Ingénierie financière » 19

 Travaux Dirigés

Exercice

Afin de réaliser une extension d’une zone d’activité commerciale (ZAC), 4 scénarios ont été
proposés. Chaque scénario est évalué à l’aide de 5 critères mesurant l’impact du projet sur
l’activité économique et l’environnent par une mesure des émissions de CO2 liées à
l’augmentation de la fréquentation. Les critères pris en compte sont les suivants :

• Cr1 : Le coût du projet d’extension en milliers €

• Cr2 : La durée de réalisation du projet en semaines
• Cr3 : Surface de la ZAC commerciale (en milliers m2)
• Cr4 : Nombre de Places de parking
• Cr5 : Emissions en CO2, en kg par jours

L’évaluation de chaque critère est contenue dans le Tableau 15.

Tableau 14. Tableau de performance

Cr1 Cr2 Cr3 Cr4 Cr5
Scénario 1 103 7.65 17.13 352 880
Scénario 2 101.3 7.9 20.53 203 783
Scénario 3 156.4 7.9 22.17 391 815
Scénario 4 267.4 10.5 23.07 419 647
Sens de
préférence
indifférence 6% 1 2% 50 0
Préférence 10% 2 5% 100 50
Veto 15% 4 150
Poids 0.3 0.25 0.15 0.1 0.2

Travail à faire

1. Déterminez la nature du problème posé et la méthode d’analyse multicritère à mobiliser

pour résoudre le cas d’étude.
2. Déterminer manuellement les indices de concordance c1(Sc1,Sc2), c2(Sc1,Sc2), c3(Sc1,Sc2),
c4(Sc1,Sc2), c5(Sc1,Sc2) puis en déduire l’indice de concordance global C(Sc1,Sc2)
3. Implémenter le cas d’étude en utilisant le logiciel requis et déterminer la matrice de
concordance
4. Classez les scénarios proposés et identifier le ou les scénarios les plus appropriés.
5. Etudiez la sensibilité du classement obtenu en modifiant : le poids des critères, les seuils
de préférence, d’indifférence et de veto.

ENGEES 2009-2010| Module « Ingénierie financière » 20

 Bibliographie

Ben Mena,S. 2000. Introduction aux méthodes multicritères d’aide à la décision.

Biotechnol.Agron.Soc.Environ.2000. 4 (2), 83-93.

Bouyssou D., Roy B. 1992. Aide à la décision, Encyclopédie du management, Vuibert, pp. 447-457.

Dias, L.C and Mousseau, V.2003. IRIS: A DSS for Multiple Criteria Sorting Problems. Journal of
Multi-Criteria Decision Analysis, (12):285-298.

Lambert G., Mousseau V., 1994, Aide multicritère à la décision, cours de DEA « Sciences de
gestion », ULP Strasbourg.

Le Coz C., 1991. Aide à la décision en incertitude complexe – utilisation du modèle « E.S.I.C. » pour
l’évaluation économique d’un projet de sécurité sur un réseau de distribution d’eau potable,
mémoire de DEA « Sciences de la décision et micro-économie », ENS Cachan, 87 p.

Maystre L.Y., Pictet J., Simos J., 1996. Méthodes multicritères ELECTRE, Presses Polytechniques et
Universitaires Romandes, Lausanne.

Maystre,L.,Y and Bollinger,D. 1999. Aide à la négociation multicritère, pratiques et conseils. Presses
Polytechniques et Universitaires Romandes, Lausanne, ISBN 2-88074, 188p.

Mousseau, V. and Slowinski, R. 1998. Inferring an ELECTRE TRI model from assignment examples.
Journal of Global Optimization, 12(2):157-174, 1998.

Rogers,M., Bruen,M. and Maystre,L-Y. 2000. ELECTRE and decision support, method and
applications in engineering and infrastructure investment. Kluwer Academeic Publisher, ISBN 0-
7923-8647-7, USA.

Roy, B., 1996.Multicriteria Methodology for Decision Aiding Dordrecht : Kluwer Academic
Publishers.

Roy B., 1985, Méthodologie multicritère d’aide à la décision, Economica, Paris,.

Roy B., Bouyssou D., 1993. Aide multicritère à la décision : méthodes et cas, Economica, 695 p.

Vallée, D. and Zielniewicz,P. 1994. ELECTRE III-IV, version 3.x, guide d’utilisation, tome1,
document du LAMSADE n°85, Université de Paris Dauphine, 146p.

Vallée, D. and Zielniewicz,P. 1994. ELECTRE III-IV, version 3.x, guide d’utilisation, tome2,
document du LAMSADE n°85 bis, Université de Paris Dauphine, 52p.

Vincke Ph. , 1989. L’aide multicritère à la décision, Editions de l'Université de Bruxelles - Editions
Ellispses, Bruxelles.

ENGEES 2009-2010| Module « Ingénierie financière » 21