B A

S E

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

Introduction aux mthodes multicritres daide la

dcision
Sami Ben Mena
Unit de Mathmatique. Facult universitaire des Sciences agronomiques de Gembloux. Passage des Dports, 2. B5030
Gembloux (Belgique). E-mail : benmena.s@fsagx.ac.be
Reu le 19 janvier 2000, accept le 23 fvrier 2000.
Lapproche classique des problmes de dcision, cest--dire loptimisation dune unique fonction conomique, montre
certaines faiblesses auxquelles les mthodes multicritres semblent pallier. Lobjectif de cet article est de montrer, au lecteur
non initi, lintrt de ces mthodes et den prsenter les fondements mthodologiques. La diversit de ces mthodes rside
dans la faon deffectuer la synthse de linformation contenue dans chaque critre. Une classification selon trois grandes
approches est alors propose (agrgations complte, partielle et locale). Au sein de chaque approche sont dtailles les bases
thoriques et des cas concrets dapplication sont cits. En conclusion, sont soulignes les potentialits des mthodes
multicritres et les prcautions prendre lors de leur utilisation.
Mots-cls. Prise de dcision, mthode multicritre, agrgation locale, agrgation partielle, agrgation totale, surclassement,
fonction dutilit, programmation mathmatique.
Introduction to multicriteria decision aid methods. Classical approach of decision problems, i.e. optimisation of a single
economic function, shows some weaknesses which multicriteria methods seem to palliate. The objective of this item is then
to show to non-initiated readers the interest of these methods and to introduce the methodological foundations of them. The
diversity of these methods lies in the way to synthesise information being kept in each criterion. A classification according
to three major approaches is suggested (complete, partial and local aggregations). For each approach, theoretical bases are
detailed and concrete cases of application are quoted. The conclusion emphasizes potentialities of multicriteria methods and
the precautions that have to be taken when they are used.
Keywords. Decision making, multicriteria methods, complete aggregation, local aggregation, partial aggregation, outranking,
utility function, mathematical programming.

1. INTRODUCTION
Jusquil y a peu, lorsquun gestionnaire devait prendre
une dcision, il pouvait consulter des experts, se baser
sur des cas similaires au sien ou encore faire appel aux
techniques de la recherche oprationnelle dite classique.
Or celle-ci se proccupe essentiellement doptimiser
une fonction dite conomique. Aussi, une poque o
la longueur et le nombre de calculs nest plus, grce
aux ordinateurs, un facteur limitant, et dans un monde
o la densit de population nautorise plus le moindre
gaspillage des ressources naturelles dans le sens le
plus large qui soit, un projet de gestion environnementale nincluant que des considrations relatives
un seul aspect du problme (la fonction conomique),
est de plus en plus dnu dintrt. Ainsi, les techniques
doptimisation ou de recherche oprationnelle, bien
que toujours utiles dans certains domaines, doivent

faire place dautres mthodes, intgrant ce qui na

pas de prix ni mme de cours financier.
Les mthodes danalyse multicritre ou, plus
exactement, les mthodes daide multicritre la
dcision sont des techniques assez rcentes et en plein
dveloppement. Par leur manire dintgrer tout type
de critres, ces procdures semblent mieux permettre
de se diriger vers un judicieux compromis plutt quun
optimum souvent dsuet.
Le texte qui suit a donc pour objectif de constituer
une entre en matire, succincte mais nanmoins
toffe dexemples dapplications, et destine au profane
dsireux de connatre des techniques nouvelles. En
outre, dans le contexte dune revue caractre agronomique, cet article, devrait constituer une introduction
dautres articles, toujours de type agronomique, mais
dont le ct mathmatique ncessiterait la connaissance
des bases prsentes ci-aprs.

84

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

2. LES RAISONS DTRE DES MTHODES

MULTICRITRES
Le domaine qui nous intresse, savoir la gestion
environnementale1, constitue un secteur porteur pour
les mthodes multicritres. En effet, une simple
analyse cots-bnfices montre trs vite ses limites
et son inadquation traiter les problmes complexes
auxquels se confronte le gestionnaire de lenvironnement : comment ramener une base commune, de
surcrot montaire, des impacts aussi htroclites que
le bruit, la pollution des eaux, et la dgradation du
paysage ? (Maystre et al., 1994 ; Maystre, 1997). Ceci
ne constitue quun exemple dans un domaine
particulier mais nous allons voir que lon peut
effectuer une certaine gnralisation.
Avant lapparition de lanalyse multicritre, les
problmes de dcision se ramenaient le plus souvent
loptimisation dune fonction conomique. Cette
approche avait le mrite de dboucher sur des
problmes mathmatiques bien poss mais qui
ntaient pas toujours reprsentatifs de la ralit car :
la comparaison de plusieurs actions possibles se fait
rarement suivant un seul critre ;
les prfrences sur un critre sont, dans bien des
cas, difficilement modlisables par une fonction ;
lorsquil y a plusieurs objectifs, il est impossible de
les atteindre tous la fois (Maystre et al., 1994).
Ainsi, on peut dire que le domaine de russite de la
recherche oprationnelle est constitu de tous les
problmes quil est possible disoler du processus de
gestion du systme (ex. : choix du mlange optimal
pour des rations alimentaires destines au btail). Par
complment, le domaine dchec de la recherche
oprationnelle comprend toutes les dcisions de
gestion quon ne peut isoler de leur contexte (ex. :
trac dune autoroute). Dans tous ces derniers cas, la
recherche oprationnelle a du car on lui avait fix un
objectif (trop) ambitieux : dsigner, en toutes
circonstances, la meilleure dcision, loptimum
mme quand cette notion pouvait tre vide de sens
(Schrlig, 1985). En effet, cette optimisation se base
sur des hypothses extrmement lourdes.
La premire, dite de globalit, suppose que, par la
recherche dune dcision optimale parmi toutes les
actions potentielles, on pourra dsigner une action
unique comme la meilleure. Cela prsume que toutes
les actions potentielles comprennent tous les aspects
de la question et sont mutuellement exclusives. Or
elles sont souvent complmentaires, partielles et
rarement globales.
1 Cette notion sera prcise au point 3.2. par des exemples concrets
dapplications.

S. Ben Mena

Une seconde hypothse, dite de stabilit, postule

que lensemble des actions potentielles nest jamais
remis en cause lors de ltude. Or cette dernire fait
souvent jaillir de nouvelles ides au cours de son
droulement.
La troisime et dernire hypothse est celle de
complte comparabilit transitive. Elle souffre trois
grandes critiques :
1. Elle ne tient pas compte de la situation dincomparabilit.
2. Elle ignore le fait que lindiffrence est parfois
intransitive.
3. Elle oublie que la prfrence elle-mme nest pas
ncessairement transitive.
La premire critique intervient par exemple
lorsquune personne se retrouve face des alternatives
sans quelle puisse dire laquelle elle prfre. Cest le
cas de celui qui cherche clairer une dcision mais
qui est gn par limperfection des informations dont
il dispose. Ce sont des situations embarrassantes
mathmatiquement mais tellement humaines.
Dailleurs, lintransitivit de lindiffrence repose
aussi sur des considrations humaines. tre indiffrent
entre a et b et entre b et c ne signifie pas forcment que
lon est indiffrent entre a et c. Pour sen convaincre,
reprenons un exemple. Soit un indice de diversit
dessences forestires, variant de 0 1 de faon
continue, 1 reprsentant une diversit maximale. Il est
videmment possible de concevoir des amnagements
forestiers donnant lieu toute une gamme de valeurs
de cet indice. De mme, un classement de ces amnagements selon cet indice est aisment ralisable. Si on
passe de lamnagement indice nul lamnagement
dont lindice est de 0,1, on peut estimer que cette diffrence de diversit est ngligeable. Idem entre 0,1 et
0,2, et ainsi de suite. Mais il est vident que la prfrence
remplacera lindiffrence lorsque lintervalle entre deux
indices sera de 0,5 par exemple. On voit donc que
lindiffrence nest pas lanalogue de lgalit mathmatique. Elle recouvre une situation de prfrence
faible, cest--dire dune prfrence qui nest pas
suffisante pour tre humainement ressentie et exprime.
Pour dmontrer lintransitivit de la prfrence,
utilisons encore un exemple (ou plutt un contreexemple), inspir de Schrlig (1985). Soit une entreprise
forestire dsirant effectuer des claircies par des
moyens motoriss. Supposons quelle puisse choisir
entre trois types de trononneuses-brancheusescalibreuses (engins utiliss en Scandinavie ou en
Amrique du Nord), considrs comme trois ensembles.
Il est aisment concevable dattribuer sparment,
selon leurs performances, une valuation chaque
trononneuse, brancheuse et calibreuse. Pour oprer
le meilleur achat au sein des trois ensembles, le

Introduction aux mthodes multicritres daide la dcision

gestionnaire de lentreprise dcide de suivre la rgle

suivante :
entre deux ensembles, comparer la valeur de chaque
machine dun ensemble aux trois valeurs de lautre
ensemble (donc, au total, neuf comparaisons pour
une paire densembles) ;
comptabiliser ensuite le nombre total de fois que les
machines dun des deux ensembles sont, de par leurs
valuations, suprieures aux machines de lautre
ensemble ;
un ensemble lemporte sur lautre sil est plus de 4
fois sur 9 suprieur.
Imaginons que les valeurs des neuf lments soient
celles de la figure 1.
Par la rgle explicite ci-avant, lensemble A
lemporte contre le B et le B contre le C ( chaque fois, 5
victoires contre 4). Une conclusion htive consisterait
dire que lensemble A lemporte contre le C. Or un
examen du tableau ci-dessus indique quil en est tout
autrement. Donc, A>B et B>C entrane ici A<C et non
A>C !
Outre le postulat de lexistence dun optimum, on
notera que la recherche oprationnelle repose encore
sur deux autres postulats, tout aussi contestables, qui
portent lun sur la dcision, lautre sur le modle. La
conception classique de loptimum sous-entend que
ltude conduit une dcision nette, indiscute, prise
une fois pour toutes, un moment prcis et par une
personne responsable. En fait, une dcision est souvent
un processus chaotique, fruit de nombreuses confrontations entre les systmes de prfrences de plusieurs
personnes, et fruit de toutes sortes dinteractions et de
synergies. Quant au modle, il est cens reprsenter le
problme sous une certaine forme mathmatique, pour
pouvoir ensuite lui appliquer des rgles et des
procds mathmatiques et en faire sortir ainsi la
solution optimale. Encore faut-il tre certain que le
modle retenu reprsente bien la ralit. Ce qui nest
pas souvent le cas
Numro de la
machine dans
lensemble

Figure 1. valuations attribues trois machines faisant

partie de trois ensembles distincts Evaluations of three
engines forming parts of three different sets.

85

Voil donc pourquoi, dans des problmes o les

hypothses nonces ci-avant ntaient pas vrifies,
la recherche oprationnelle a chou.
Aprs avoir expos la misre de loptimisation,
reste dmontrer que la solution rside dans le
bonheur du multicritre.
Choisir doptimiser, cest implicitement se situer
dans une approche critre unique. Cela se dmontre
aisment par labsurde : ds que lon prend plusieurs
points de vue pour juger des consquences de plusieurs
actions, on risque de dsigner comme optimale une
action diffrente pour chaque point de vue et quen fin
de compte, aucun optimum ne se dgage des calculs.
Or toute la ralit humaine est points de vue
multiples ou encore multicritre. Prenons un exemple
concret : si, pour acheter une voiture, un individu ne
considrait que laspect financier, tout le monde
roulerait en 2CV. Cest videmment loin dtre le cas.
Et cela ne concerne quun individu la fois. Mais dans
un service public ou dans la gestion dun tat, les
intervenants sont multiples. Multiplicit des critres,
multiplicit des intervenants : les deux phnomnes ne
se superposent pas uniquement, ils se multiplient. Cela
devrait dj suffire pour envisager de nouvelles
mthodes par rapport loptimisation.
On peut encore ajouter deux autres faits : le ct
non commensurable de certains critres et le fait quils
puissent tre contradictoires. Reprenons lexemple de
la 2CV. Un futur propritaire conducteur dsire que sa
voiture soit confortable, peut-tre aussi sportive,
sre, Ces diffrents aspects ne sont pas traduisibles
en cots car ils nont pas de cours ni dans lconomie
ni dans la tte de lindividu. Il faut donc utiliser des
mthodes qui sachent tenir compte de plusieurs critres
sans les rduire un seul (en gnral pcuniaire). Cela
reste videmment vrai pour lamnagement dun bassin
versant o laspect paysager peut difficilement tre
incorpor dans une fonction conomique au sens strict.
Si on rassemble tous les critres numrs dans le
choix dune voiture, savoir le cot lachat, le
confort, la sportivit, la scurit et quon y ajoute en
plus lconomie lusage, il nest pas difficile de
constater que toutes ces notions sont assez contradictoires. La transposition la collectivit publique, lors
du choix du meilleur emplacement pour la construction
dune station dpuration, est immdiate : la minimisation des nuisances olfactives par loignement
vis--vis des habitations est en contradiction avec le
cot de lacheminement de leau par exemple. Cela
montre la ncessit de rechercher des mthodes qui ne
soient pas gnes par les conflits qui apparatront entre
les diffrents critres pris en compte.
Une ultime constatation est que certains problmes
semblent pouvoir tre isols de leur contexte et donc tre
traits par loptimisation. Cette apparente appartenance
au domaine de russite de la recherche oprationnelle

86

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

est parfois la cause de cuisants checs. Cest l un

argument de plus pour les mthodes multicritres.
En conclusion, on peut affirmer, comme Mareschal
lors dune confrence donne Gembloux (11/3/98),
que lanalyse multicritre est une sorte de prolongement
de la recherche oprationnelle, mais certainement pas
une rivale qui cherche lliminer.
3. LES DIFFRENTES MTHODES
DANALYSE MULTICRITRE
Le prsent chapitre na pas la prtention de montrer
dans le dtail le fonctionnement de toutes les mthodes.
Simplement, aprs en avoir expos les bases thoriques,
on se contentera de citer les quelques mthodes les
plus rpandues en introduisant leurs particularits.
3.1. Les bases mthodologiques 2
En toute gnralit, lorsquon pose un problme
multicritre, il sagit den trouver la solution la plus
adquate, compte tenu dun certain ensemble de
critres, cette solution pouvant prendre diverses formes
(choix, affectation, classement). On peut alors oprer
en 4 grandes tapes 3 :
1. Dresser la liste des actions potentielles
2. Dresser la liste des critres prendre en considration
3. tablir le tableau des performances
4. Agrger les performances.
Dresser la liste des actions potentielles. Daprs Roy
(1985), une action a est la reprsentation dune
ventuelle contribution la dcision globale, susceptible,
eu gard ltat davancement du processus de dcision,
dtre envisage de faon autonome et de servir de
point dapplication laide la dcision (ce point
pouvant suffire caractriser a).
Le terme autonome signifie que laction peut
tre considre isolment de toute autre sans pour
autant perdre sa porte dcisionnelle ou sa valeur de
point dapplication daide la dcision.
Ladjectif potentielle a son importance. Une
action potentielle est une action relle ou fictive
provisoirement juge raliste par un acteur au moins
ou prsume comme telle par lhomme dtude en vue
de laide la dcision ; lensemble des actions
potentielles sur lequel laide la dcision prend appui
au cours dune phase dtude est not A (Roy, 1985).
2 Le

dtail de la mthodologie expose sous ce titre est repris dans le

livre de Roy (1985), comportant plus de 400 pages !
3 Ces tapes sont numrotes de 1 4 mais cette numrotation se veut
uniquement suggestive car il est entendu que dventuels retours en
arrire sont possibles.

S. Ben Mena

A devra tre aussi complet que possible, ce qui

nest pas toujours vident.
Dresser la liste des critres prendre en considration.
Ces critres dcoulent des consquences des actions,
cest--dire de tout effet ou attribut de laction susceptible dinterfrer avec les objectifs ou avec le systme
de valeurs dun acteur du processus de dcision, en
tant qulment primaire partir duquel il labore,
justifie ou transforme ses prfrences (Roy 1985).
Il est rare quune action nait quune consquence.
Aussi, on parlera de lensemble des consquences ou,
mieux, du nuage de consquences (a). Au sein de
(a), on va tenter disoler et typer des consquences
lmentaires c, suffisamment bien perues pour
permettre une description prcise de ce par quoi elles
se manifestent concrtement aprs la mise excution
de laction potentielle a. On admet que cette description
peut se faire en termes dtat(s) associ(s) la consquence c.
De la consquence c, on aboutit la notion
dindicateur dtat c qui est une procdure, rgle ou
technique qui sert attribuer une valeur l'tat qui,
selon toute vraisemblance, se ralisera si laction est mise
excution. ces indicateurs dtat sont ventuellement associs des indicateurs de dispersion (a),
servant moduler la vraisemblance des diffrents tats
(ex : distribution de probabilit).
On en arrive ainsi lvaluation globale de laction
selon n critres :
(a) = { i(a), i(a) | i = 1,...,n }.
Cette valuation permet, laide dun ventuel
codage, de dfinir des fonctions-critres ou critres g,
dont les sont les paramtres. Pour une fonction g, deux
actions a' et a seront compares de la faon suivante :
g(a') g(a) a' S a
o S dsigne une relation de surclassement (la notion
de surclassement sera prcise la page 88, Consid rations gnrales).
Il existe alors diffrents types de critres dont la
dfinition fait appel aux notions nonces dans le
tableau 1.
En outre, on retrouvera dans les dfinitions de
types de critres les expressions qg[g(a)] et pg[g(a)].
Elles dsignent respectivement les seuil dindiffrence
et seuil de prfrence. Voici les principaux critres
utiliss :
Pseudo-critre : fonction-critre g laquelle se
trouvent associes deux fonctions seuils qg[g(a)] et
pg[g(a)] telles que

Introduction aux mthodes multicritres daide la dcision

87

Tableau 1. Dfinitions de lindiffrence, de la prfrence faible, de la prfrence stricte et de lincomparabilit Definitions

of indifference, of weak preference, of strong preference and of incomparability.
Situation

Dfinition

Relation binaire
(proprits)

Indiffrence

Elle correspond lexistence de raisons claires et positives qui

justifient une quivalence entre les deux actions.

I : relation symtrique
et rflexive.

Prfrence stricte

Elle correspond lexistence de raisons claires et positives qui

justifient une prfrence significative en faveur de lune (identifie)
des deux actions.

P : relation asymtrique
(irrflexive).

Prfrence faible

Elle correspond lexistence de raisons claires et positives qui

infirment une prfrence stricte en faveur de lune (identifie) des
deux actions mais ces raisons sont insuffisantes pour en dduire soit
une prfrence stricte en faveur de lautre soit une indiffrence entre
ces deux actions (ces raisons ne permettent donc pas disoler lune
des deux situations prcdentes comme tant la seule approprie).

Q (comme quasi) :
relation asymtrique
(irrflexive).

Incomparabilit

Elle correspond labsence de raisons claires et positives justifiant

lune des trois situations prcdentes.

R (comme refus de se
prononcer) : relation
symtrique irrflexive.

aIga si g(a) - g(a) qg[g(a)]

g(a) g(a) aQga si qg[g(a)] < g(a) - g(a) pg[g(a)]
aPga si pg[g(a)] < g(a) - g(a)
Vrai critre : pseudo-critre o qg[g(a)] = pg[g(a)] = 0
Quasi-critre : pseudo-critre o qg[g(a)] = p g[g(a)],
a A
Pr-critre : pseudo-critre o qg[g(a)] = 0
Lensemble de tous les critres labors est nomm
famille F. Celle-ci devra tre cohrente, cest--dire
quelle respectera des exigences dexhaustivit, de
cohsion et de non-redondance (Roy, 1985). En outre, on
sefforcera de ne retenir que des critres indpendants.
Enfin, de nombreuses mthodes danalyse
demanderont daffecter des poids ou coefficients
dimportance ou encore des taux de substitution aux
diffrents critres.
tablir le tableau des performances. Ce tableau est
constitu, en lignes, des actions de A, et en colonnes,
des critres de F. Les valeurs qui remplissent ce tableau
ne sont rien dautre que les gj(ai). Ces nombres peuvent
tre des rangs, donc dpourvus de toute signification
cardinale, do lappellation de performance.
Pour bien faire, chaque colonne contiendra aussi,
comme information complmentaire, les fonctionsseuils qg[g(a)] et p g[g(a)] et les ventuels poids.
On remarquera encore que cette reprsentation de
A permet de comprendre chaque action comme un
vecteur n dimensions dans lespace des critres.
Agrger les performances. Il sagit ici dtablir un
modle des prfrences globales, cest--dire une

reprsentation formalise de telles prfrences relativement un ensemble A dactions potentielles, que

lhomme dtude juge approprie au problme daide
la dcision.
3.2. Les mthodes dagrgation
Les trois premires tapes dcrites au paragraphe
prcdent sont communes toutes les mthodes et ne
prsentent que de faibles variations. La quatrime
prsente, elle, une diversit nettement suprieure.
Si les mthodes dagrgation sont si nombreuses,
cest parce quil est dans la nature des choses quaucune
mthode ne respecte la totalit des exigences quun
utilisateur pourrait trouver normales dans lide du
multicritre (Schrlig, 1985). Il faut donc dcider sur
quelle exigence on va cder. Face ce choix, on peut
distinguer trois attitudes ou approches oprationnelles
(Roy, 1985).
Mthodes dagrgation complte. La premire
attitude serait dinclure toutes les performances dans
ce quon appellerait en mathmatique une fonction
dutilit ou dagrgation (Roy, 1985), en leur attribuant
dventuels poids. Cela suppose que tous les jugements
sont commensurables alors quune des justifications
de lapproche multicritre est la non commensurabilit
de ces jugements. Comme on la dit ci-avant, on cde
sur une exigence : la commensurabilit. Il est noter
que cette technique suppose en outre que les jugements
soient transitifs, do lappellation agrgation complte
transitive. En outre on notera que Roy (1985) et
Maystre et al. (1994) lappellent encore approche du

88

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

critre unique de synthse vacuant toute incomparabilit et que Vincke (1989) nomme cette approche
thorie de lutilit multiattribut. Ce critre unique
risque videmment de passer toutes les nuances la
moulinette. Toutefois, les mthodes dagrgation
complte peuvent savrer intressantes ou tout
simplement les seules utilisables (Schrlig, 1985).
La somme ou moyenne pondre de notes est
lexemple le plus connu de ces techniques. Elle prsente
comme dfauts, graves ou non selon la situation, une
compensation possible entre critres (notes) et une
forte sensibilit aux changements dchelle. La multiplication de ratios, avec les poids en exposants, est une
mthode qui pallie ces dfauts mais ncessite que
chaque chelle de critre aille dans le mme sens.
Citons encore : le goal-programming (Ignizio, 1978 ;
Spronk, 1981), les dclassements compars (Le
Boulanger, Roy, 1970), les mthodes politiques
(dictature, hirarchie, dmocratie parfaite), MAUT
(Multiple Attribute Utility Theory) (Fishburn 1970,
1982 ; Keeney, Raiffa, 1976), UTA (Utilits Additives)
(Jacquet-Lagreze, Siskos, 1982). Ces deux dernires
mthodes considrent chaque critre comme une fonction
dutilit intgrer dans une super-fonction dutilit.
Voici quelques cas concrets dapplication de ces
mthodes au domaine de lenvironnement. Ces exemples
rvlent que ce sont surtout les mthodes les plus
labores qui sont les plus utilises.
Une extension de MAUT fut utilise pour aider les
ngociations entre tats des tats-Unis pour choisir
la politique adopter pour le problme des pluies
acides (Anandalingam, 1987).
De mme, la thorie de lutilit multiattribut fut
envisage dans le cadre de la construction de
standards pour la qualit de lair ambiant (Keeney,
Ozernoy 1982).
Lathrop et Watson (1982) utilisrent encore MAUT
pour la gestion de dchets nuclaires.
Lagrgation partielle. Une seconde attitude est de
respecter lincomparabilit et lintransitivit au prix
de la clart des rsultats ! En effet, cette technique ne
permet pas dobtenir un rsultat indiscutable comme
on sy attend en gnral, pour tout ce qui est base de
mathmatique (Schrlig, 1985). Ici, on cde donc sur
la clart. Comme on se contente dans ce cas dapprhender partiellement les consquences des divers
jugements, cette attitude est dite dagrgation partielle.
Dautres (Roy, 1985 ; Maystre et al., 1994) lappellent
encore approche du surclassement de synthse acceptant
lincomparabilit ou mthodes de surclassement
(Vincke, 1989).
Dans cette approche, la technique consiste comparer
les actions deux deux et vrifier si, selon certaines
conditions prtablies, lune des deux actions surclasse

S. Ben Mena

lautre ou pas et ce, de faon claire et nette. partir de

toutes ces comparaisons, on tente ensuite de raliser
une synthse. Les mthodes dagrgation partielle
vont donc se diffrencier par leur faon de raliser ces
deux tapes.
Le lecteur dsirant connatre toutes les mthodes de
cette approche se rfrera la synthse de Siskos et al.
(1983) (167 rfrences).
Considrations gnrales. Face deux actions a et b,
les mthodes qui suivent se basent sur lhypothse que
a surclasse b, cest--dire que a est au moins aussi
bonne que b sur une majorit de critres sans tre trop
nettement plus mauvaise relativement aux autres
critres.
Selon les mthodes, des indices de concordance, de
discordance (avec lhypothse de surclassement) ou de
crdibilit (du surclassement) sont utiliss.
Dans le cas le plus complexe qui soit Electre III
(Roy, 1977) deux variables, dj (indice local de
discordance) et wj (indice local de concordance, cest-dire pour un couple dactions et un critre donn),
sont calcules laide du graphique repris la
figure 2.
Dans cette figure, q et p sont les seuils
dindiffrence et de prfrence stricte ; v est le seuil de
veto, valeur partir de laquelle la diffrence des
performances de a et de b est considre comme trop
criarde pour accepter un surclassement de b par a.
Lindice global de concordance pour le couple
(a,b) se calcule alors par une moyenne des wj,
pondre par les poids des critres et lindice de
crdibilit du surclassement de b par a, par une
diminution de lindice global de concordance dautant
plus importante que les indices de discordance sont
levs (Roy, Bouyssou, 1993).

dj

wj
1

0
-v
dj
wj

0
-p

-q

Performance
de a moins
performance
de b

Figure 2. Schma dun pseudo-critre (dj : indice local de

discordance, w j : indice local de concordance Scheme of
a pseudo-criterion.

Introduction aux mthodes multicritres daide la dcision

89

Cette technique nest videmment pas la seule

faon de faire. Parmi les nombreuses variantes, on
notera lutilisation de vrais critres avec mesure de la
diffrence discordante entre deux actions [Electre I
(Roy, 1968)], lutilisation de vrais critres avec veto
franc et non un veto progressif comme la figure 2
[Electre Iv, Electre II (Roy, Bertier, 1971)],
lutilisation dun pseudo-critre avec veto franc
[Electre Is (Roy, Skalka, 1985)], une transformation de
lhypothse de surclassement en une hypothse de
stricte prfrence entre les deux actions considres
[Tactic (Vansnick, 1984)] ou en une hypothse de
simple prfrence4, avec uniquement un indice de
concordance [Promthe (Brans, Vincke, 1985)] ou
avec un indice de crdibilit dfini sans laide de poids
[Electre IV].
On remarquera encore que ce qui est expos dans
ce paragraphe concerne des critres maximiser. En
cas de minimisation, il suffit de transformer la figure 2
par une symtrie dont laxe est celui des wj.
Les indices calculs pour chaque couple dactions
vont, dans la plupart des mthodes, tre compars
des valeurs seuils, tablies selon diverses techniques
(dtermination relevant de larbitraire, observation
des valeurs des indices,). Daprs le rsultat de ces
comparaisons et selon un processus plus ou moins
complexe (minemment variable !), les mthodes vont
extraire la ou les meilleures actions [ex : Electre I et
variantes], affecter toutes les actions des catgories
prtablies [ex : Electre TRI (Yu, 1992 a et b), trichotomie
de Moscarola et Roy (1977)] ou encore classer les
actions en classes dquivalence [ex : Electre II, III et
IV (Roy et Hugonard, 1982), Promthe].
On peut noter quen ce qui concerne la problmatique
du rangement des actions en classes dquivalence,
outre la complexit des mthodes, apparat un foisonnement de procds. Certains peuvent utiliser des indices
mais sans les comparer des seuils (Promthe) ou
encore ne pas utiliser dindices tels que ceux qui ont
t prsents ci-avant [Qualiflex (Paelinck, 1978),
Oreste (Roubens, 1981),].

12 critres grce Electre IV. Cela lui permit de

dfinir des priorits politiques de protection de lenvironnement dans le Bade-Wurtemberg (Allemagne).
Une tudiante ralisant un projet de semestre
lEPFL5 (Marchand, 1988) utilisa en 2 temps Electre
II, avec 5 puis 3 critres, pour dterminer, parmi 43
dcharges des Franches-Montagnes (Suisse), celles
qui devaient tre fermes. Electre III fut utilise par
Diop (1988) afin de classer 8 politiques de gestion des
dchets urbains de Dakar (Sngal). Toujours dans le
cadre de la gestion des dchets, cette fois mnagers,
Simos (1990), dpartagea 14 politiques values grce
11 critres en utilisant Electre III. Serrano (1991)
aida les communes de la rgion Provence, Alpes, Cte
dAzur dceler les postes, dans leur budget de
fonctionnement, dont la dpense dnergie tait manifestement trop forte. Il utilisa pour cela une mthode
de tri trichotomique, base sur les surclassements et
mise au point par Roy (1981). dAvignon et Sauvageau
(1994) ont intgr des critres environnementaux aux
traditionnels critres techniques et conomiques afin
de choisir parmi six scnarios dquipement en lignes
lectriques au Qubec, quels seraient les meilleurs. Ils
utilisrent pour cela Electre III.
Enfin, on trouvera, en matire de gestion intgre
des ressources naturelles (forts, rivires, lacs,...), une
foule de rfrences dans Vincke (1989), Roy, Bouyssou
(1993), Maystre et al. (1994) et Schrlig (1996).

Quelques exemples pratiques. La gestion de

lenvironnement comprend de nombreux aspects non
quantitatifs et non commensurables. Cest pourquoi
les mthodes par agrgation partielle semblent se tailler
la part du lion dans ce domaine. Voici titre dexemple,
quelques cas concrets.
La mthode Electre II a t utilise par Maystre et
De Heer (1985) pour tablir un ordre de prfrence
parmi 14 stratgies face 5 critres, en vue de lutter
contre leutrophisation du Lac de Joux (Suisse). Macris
(1987) classa 23 units politico-administratives face
4 Il est noter que cette transformation a pour effet de dplacer vers la
droite le trait continu de la figure 2.

Quelques mthodes dagrgation locale. Les deux

types de mthodes dagrgation qui prcdent
supposent que A soit de dimensions raisonnables. Or A
peut tre trs grand, voire infini lorsque les actions
varient en continu. La technique est alors de partir
dune solution de dpart (aussi bonne que possible) et
de voir autour de cette solution sil ny en a pas de
meilleure. On pratique donc une exploration locale et
rptitive de A. Do son nom de technique dagrgation locale itrative (Schrlig, 1985). Ces mthodes
sont en outre souvent interactives entre lhomme
dtude et le demandeur. Cest pourquoi on les nomme
aussi approche du jugement local interactif avec
itrations essais-erreur (Roy, 1985 ; Maystre et al.,
1994) ou encore mthodes interactives (Vincke,
1989). On notera quici, on a renonc toute vision
globale.
Chaque itration peut tre dcompose en trois
phases (Roy, 1975a in Schrlig, 1985) :
une phase de recherche : lhomme dtude exploite
les informations recueillies au cours de litration
prcdente afin de se faire une meilleure ide des
prfrences implicites du dcideur ;
5 cole

Polytechnique Fdrale de Lausanne.

90

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

une phase de rinitialisation : lhomme dtude repart

zro sur base de toutes les informations en sa
possession et met au point une nouvelle proposition
pour la soumettre au dcideur ;
une phase de raction : le dcideur met un avis sur
la dernire proposition et lhomme dtude injecte
cette nouvelle information dans une nouvelle itration.
Le processus sarrte videmment lorsque le dcideur
se montre satisfait.
Il sagit, comme nous allons le voir, de mthodes
fort complexes et souvent irralistes vis--vis de limprcision des donnes. Le lecteur dsireux dapprofondir
ses connaissances sur cette approche trouvera une
mine dinformations dans Steuer (1986).
La programmation linaire multicritre (PLM). Avant
de dcrire ce quest la PLM proprement dite, il faut
dabord dfinir ce quest un ensemble A continu. En
fait, il sagit dun ensemble dont toutes les actions sont
dfinies par un mme nombre de variables qui
prennent chacune des valeurs sur une chelle qui lui
est propre, et cela en continu entre deux bornes sur
cette chelle. Ainsi, si lon a n variables de description,
on peut dire que A est un espace n dimensions.
En programmation linaire classique, les contraintes
du problme dlimiteront un domaine de cet espace et
la fonction conomique, maximiser (ou minimiser),
dsignera, pour autant que le problme le permette, un
point de lespace comme loptimum atteindre. Cette
fonction que lon a rendue maximale, cest en fait un
critre au sens du paragraphe traitant de ltablissement
de la liste des critres prendre en considration (p. 86).
Pour passer la PLM, il suffit donc de prendre
plusieurs fonctions dites fonctions-critres plutt que
fonctions conomiques. Cette multiplicit induit une
impossibilit : dsigner laction idale. En effet,
chaque fonction va dsigner son optimum qui ne sera
en gnral pas celui des autres fonctions. Il faut ds

x1

S. Ben Mena

lors trouver un compromis... Pour ce faire, on dfinit

un espace m dimensions, m tant le nombre de
fonctions-critres prises en considration. Chaque
point de A correspond donc un point de cet espace,
dfinissant un nouvel ensemble V. Il est remarquer
que V remplace, dans le domaine de la continuit, le
tableau des performances dans le domaine des valeurs
discrtes. Cest par un examen de cet espace critre
et de V que lon va dduire quel est le meilleur
compromis. Pour la simplicit de lexpos et sans
nuire la gnralit, prenons des espaces deux
dimensions, comme la figure 3.
Laction a1 correspond au point v1 puisque cest
cette action qui donne c1 la plus grande valeur.
Mme raisonnement pour a 2 et v2. Les valeurs v 1 et v2
sont alors les coordonnes de ce que lon appelle le
point de mire, idal inatteignable puisque hors de V.
Les diverses mthodes dagrgation locale tenteront
par consquent de trouver laction qui se rapproche le
plus de ce point de mire, et ce dans un espace m
dimensions.
Les mthodes. Vu le nombre lev de mthodes et de
variantes, et vu leur complexit, ne seront repris ci-aprs
que leur nom ainsi quun minimum dexplications.
La mthode STEM (Benayoun et al., 1971) tente
de minimiser, par rapport au point de mire, une
distance pondre augmente de Tchebycheff. Une
variante plus souple de cette mthode est propose par
Vincke (1976 in Vincke, 1989). Roy (1975b) suggre
de ne se servir du point de mire que comme simple
rfrence pouvant voluer au cours de la discussion.
Geoffrion et al. (1972) ont mis au point une mthode
explorant chaque itration un cne damlioration,
cest dire un ensemble de vecteurs qui, partant dun
point de V ne comporte que des points prfrs ce
point.
Si on privilgie le caractre interactif de lapproche
plutt que son ct explorateur dun espace m

c1
v1

a1
aM
A

a2

x2

Figure 3. Espaces des actions et des critres Spaces of actions and of criteria.

v2

c2

Introduction aux mthodes multicritres daide la dcision

dimensions, on peut y classer la somme pondre interactive de Zionts (1979), ou les variantes interactives
dUTAou du goal-programming (Masud, Hwang, 1981).
Au summum de la complexit de cette approche,
on retrouve des mthodes mlant PLM et fonction
dutilit. Telles sont les mthodes de Zionts-Wallenius
(1976) et de Jacquet-Lagrze, Meziani et Slowinski
(1987 in Vincke, 1989).
videmment, il existe encore dautres mthodes
dagrgation locale mais il serait sans intrt de les
citer sans en donner la base du fonctionnement, ce qui
ncessiterait un dveloppement qui na pas sa place
dans ce texte.
Voici quelques applications environnementales de
ces mthodes.
Un modle fond sur la PLM fut utilis par Cohon
et al. (1980) en vue de trouver la meilleure
localisation dune centrale lectrique.
Ellis (1988) se servit aussi de la PLM pour rsoudre
un problme relatif au contrle des pluies acides.
Une variante de la mthode STEM permit Glover
et Martinson (1987) de rsoudre un problme li
lamnagement du territoire.
Enfin, la PLM intervint encore dans la gestion de
rserves danimaux sauvages en Afrique, lors dune
tude de Jordi et Peddie (1988).

91

couvrir aussi bien des problmes de choix, de tri ou de

classement dactions, elles ne permettent que
partiellement de traiter les cas o le nombre dactions
est infini. Ainsi, un amnagement du territoire
implique un dcoupage non seulement de lespace
mais aussi du temps. Or il existe rellement une
infinit de faons de procder ce dcoupage. Aussi
faut-il sarrter un nombre fini de variantes
suffisamment distinctes afin de pouvoir appliquer la
ou les mthodes qui permettront deffectuer un
classement de ces amnagements. Dans un tel
problme, le facteur temps constitue en outre une
difficult lors de lestimation des performances des
actions.
Lutilisation de diverses mthodes peut aussi
donner lieu une comparaison de leur robustesse. On
soulve alors une question dlicate, thme de
recherche elle seule. En effet, bien que souvent
ncessaire, lanalyse de robustesse peut savrer
difficile mener car elle implique de faire varier de
nombreux paramtres dont les valeurs initiales sont
dj fortement empreintes de subjectivit humaine ou
tout simplement dun manque de connaissances. En
outre, linterprtation de cette analyse et llaboration
de recommandations synthtiques peuvent savrer
fastidieuses. Un travail dinformatisation, visant
allger ces oprations, est dailleurs actuellement en
cours.

4. CONCLUSION
Au terme de cet article, qui ne suggre que les bases
du multicritre, le lecteur ne peut ignorer la richesse et
les potentialits, notamment en gestion environnementale,
de laide multicritre la dcision. En effet, celle-ci
foisonne de nuances qui, contrairement au monopole
du simplexe en programmation linaire, permettent
llaboration de nombreuses mthodes, voire de variantes
de mthodes. Mais face cette abondance, comment
choisir ?
Tout dpend des moyens techniques dont on
dispose, du type et de la quantit dinformations qui
sont fournies ou recueillies, du type de rsultat
souhait, des ventuelles connaissances du dcideur
en matire daide multicritre la dcision... En outre,
lexprience de lhomme dtude pourra tre
dterminante.
Enfin, une fois la mthode choisie, rien ninterdit
dappliquer et/ou dadapter dautres mthodes afin de
comparer leurs rsultats. Il faut toutefois attirer
lattention du lecteur sur le fait que toutes les
mthodes ne sont pas aisment adaptables tous les
problmes. Par exemple, les mthodes dagrgation
locale sont plutt destines des problmes de choix,
moins des problmes de classement dactions. Par
contre, si les mthodes de surclassement peuvent

Bibliographie
Anandalingam G. (1987). A multiple criteria decision
analytic approach for evaluating acid rain policy
choices. Eur. J. Oper. Res. 29, p. 336352
Benayoun R., Laritchev O., de Mongolfier J., Tegny J.
(1971). Linear programming with multiple objective
functions: STEP method (STEM), Math. Program. 1, 3,
p. 366375.
BransJP., Vincke P. (1985). Apreference ranking organization
method. Manage. Sci. 31, 6, p. 647656.
Cohon JL., Revelle CS., Current J., Eagles T., Eberhard R.,
Church R. (1980). Application of a multiobjective
facility location model to power plan siting in a six-state
region of the US. Comput. Oper. Res. 7, p. 107123.
dAvignon G., Sauvageau M. (1994). Laide multicritre
la dcision : un cas dintgration de critres techniques,
conomiques et environnementaux Hydro-Qubec,
Document de travail 94-39. CREADO, Facult des
Sciences de ladministration, Universit de Laval,
Qubec, Canada, 17 p.
Diop O. (1988). Contribution ltude de la gestion des
dchets solides de Dakar : Analyse systmatique et aide
la dcision. Thse de doctorat N757, DGR-EPFL,
Lausanne, Suisse, 292 p.

92

Biotechnol. Agron. Soc. Environ. 2000 4 (2), 8393

Ellis JH. (1988). Multiobjecive mathematical programming

models for acid rain control. Eur. J. Oper. Res. 35,
p. 365377.
Fishburn PC. (1970). Utility theory for decision-making.
New-York: Wiley.
Fishburn PC. (1982). The foundations of expected utility.
Dordrecht, The Netherlands: Reidel, XII + 176 p.
Geoffrion A., Dyer J., Feinberg A. (1972). An interactive
approach for multicriterion optimisation with an
application to the operation of an academic department.
Manage. Sci. 19 (4), p. 357368.
Glover F., Martinson F. (1987). Multiple-use land planning
and conflict by multiple objective linear programming.
Eur. J. Oper. Res. 28, p. 343350.
Ignizio JP. (1978). A review of goal programming: a tool for
multiobjective analysis. J. Oper. Res. Soc. 29 (11)
p. 11091119.
Jacquet-Lagreze E., Siskos J. (1982). Assessing a set of
additive utility functions for multicriteria decision
making, the UTA method. Eur. J. Oper. Res. 10 (2),
p. 151164.
Jacquet-Lagrze E., Meziani R., Slowinski R. (1987). MOLP
with an interactive assessment of a piecewise utility
function. Eur. J. Oper. Res. 31 (3), p. 350357.
Jordi KC., Peddie D. (1988). A wildlife management
problem: A case study in multiple-objective linear
programming. J. Oper. Res. Soc. 39, p. 10111020.
Keeney R., Ozernoy V. (1982). An illustrative analysis of
ambient carbon monoxide standards. J. Oper. Res. Soc.
33, p. 365375.
Keeney R., Raiffa H. (1976). Decisions with multiple
objectives: preferences and values tradeoffs. New York:
Wiley, 28 + 569 p.
Lathrop W., Watson S. (1982). Decision analysis for the
evaluation of risk in nuclear waste management. J.
Oper. Res. Soc. 33, p. 407418.
Le Boulanger H., Roy B. (1970). Lentreprise face la
slection et lorientation des projets de recherche : la
mthodologie en usage dans le groupe SEMA. In Agard
J. : Rationalisation des choix budgtaires. Paris : Dunod,
p. 175205.
Macris H. (1987). Application dElectre IV ltude de la
qualit de lenvironnement. Projet hors dpartement pour
mathmaticiens. Lausanne, Suisse : Institut de Gnie de
lEnvironnement, cole Polytechnique Fdrale de
Lausanne, 51 p.
Marchand ML. (1988). La gestion des dcharges communales,
le cas des Franches-Montagnes. Travail de semestre.
Lausanne, Suisse : Institut de Gnie de lEnvironnement,
cole Polytechnique Fdrale de Lausanne, 36p.
Masud AS., Hwang CL. (1981). Interactive sequential goal
programming. J. Oper. Res. Soc. 32 (5) p. 391400.
Maystre LY. (1997). Une dmarche pour ngocier les
dcisions relatives lamnagement des territoires et
la gestion de lenvironnement. Biotechnol. Agron. Soc.
Environ. 1, p. 248256.

S. Ben Mena
Maystre LY., De Heer J. (1985). A multicriteria analysis of
various strategies to reduce the input of phosphorus
from a river basin into a lake. Proceedings of the
international congress of EWPCA, Rome.
Maystre LY., Pictet J., Simos J. (1994). Mthodes multi critres Electre. Description, conseils pratiques et cas
dapplication la gestion environnementale. Lausanne,
Suisse : Presses polytechniques et universitaires
romandes, 323 p.
Moscarola J., Roy B. (1976). Procdure automatique
dexamen de dossiers fonde sur un classement
trichotomique en prsence de critres multiples. Cahiers
du Lamsade (Janvier 1976), Universit Dauphine, Paris,
32 p. et RAIRO Recherche oprationnelle (1977), 11 (2)
p. 145173.
Paelinck J. (1978). Qualiflex, a flexible multiple criteria
method. Econ. Lett. 3, p. 193197.
Roubens M. (1981). Preference relations on actions and
criteria in multiple criteria decision making. Eur. J.
Oper. Res. 10, p. 5155.
Roy B. (1968). Classement et choix en prsence de points
de vue multiples (la mthode Electre). Rev. Fr. Inf. Rech.
Opr. 2 (8) p. 5775.
Roy B. (1975a). Vers une mthodologie gnrale daide la
dcision. Metra 14 (3) p. 459497.
Roy B. (1975b). Interactions et compromis : la procdure
du point de mire, Cah. Belg. Rech. Opr.
Roy B. (1977). Electre III, un algorithme de classement
fond sur une reprsentation floue des prfrences en
prsence de critres multiples, rapport de recherche 81.
Paris : Sema, 32 p. ; publi ensuite dans les Cah. Cent.
Etud. Rech. Opr. 20 (1) p. 324.
Roy B. (1981). A multicriteria analysis for trichotomic
segmentation problems. In P. Nijkamp, J. Spronk (eds).
Multiple criteria analysis. Aldershot, UK: Gower Press,
p. 245257.
Roy B. (1985). Mthodologie multicritre daide la
dcision. Paris : Economica, XXII + 423 p.
Roy B., Bertier P. (1971). La mthode Electre II, une mthode
de classement en prsence de critres multiples. Note de
travail 142. Paris : Direction scientifique, Sema, 25 p.
Roy B., Bouyssou D. (1993). Aide multicritre la
dcision : Mthodes et cas. Paris : Economica, 695 p.
Roy B., Hugonnard JC. (1982). Classement des
prolongements de lignes de mtro en banlieue
parisienne. Cah. Cent. Etud. Rech. Opr. 23, p. 153-171.
Roy B., Skalka JM. (1985). Electre Is, aspects
mthodologiques et guide dutilisation. Document 30,
Lamsade. Paris : Universit de Paris Dauphine, 119p.
Schrlig A. (1985). Dcider sur plusieurs critres, panorama
de laide la dcision multicritre. Lausanne, Suisse :
Presses polytechniques et universitaires romandes, 304 p.
Schrlig A. (1996). Pratiquer Electre et Promthe : un
complment dcider sur plusieurs critres. Lausanne,
Suisse : Presses polytechniques et universitaires romandes,
173 p.

Introduction aux mthodes multicritres daide la dcision

93

Serrano F. (1991). Aide multicritre la dcision en matire

dconomie dnergie. Thse de doctorat, Universit
dAix-Marseille II, France, 144 p.
Simos J. (1990). Lvaluation environnementale : un
processus cognitif ngoci. Thse de doctorat N 823,
DGR-Ecole Polytechnique Fdrale de Lausanne,
Lausanne, Suisse, 216 p.
Siskos J., Wscher G., Winkels H. (1983 in Schrlig 1985),
A bibliography of outranking approaches. Cahiers du
Lamsade, Universit de Paris Dauphine, Paris, 45, 15p.
Spronk J. (1981). Interactive multiple goal programming.
The Hague: Martinus Nijhoff, 269 p.
Steuer R. (1986). Multiple criteria optimisation: theory,
computation and application. New York: Wiley.
Vansnick JC. (1984). Inter-criteria information in multiple
criteria decision making. Runion EURO-MULTI,
Lige, Belgium, 19 p.
Vincke P. (1976). Une mthode interactive en programmation
linaire plusieurs fonctions conomiques. Rev. Fr. Inf.
Rech. Opr. 2, p. 520.

Vincke P. (1989). Laide multicritre la dcision.

Bruxelles : ditions de lUniversit de Bruxelles, 179 p
Yu Wei (1992a). Aide multicritre la dcision dans le
cadre de la problmatique de tri. Concepts, mthodes et
applications. Thse de doctorat, Universit de Paris
Dauphine, 201 p.
Yu Wei (1992b). Electre TRI, aspects mthodologiques et
guide dutilisation. Document 74, Lamsade. Paris :
Universit de Paris Dauphine, 80 p.
Zionts S. (1979). Methods for solving management
problems involving multiple objectives. Working papers
series n400. Buffalo: School of Business Administration,
State University of New York, 38 p.
Zionts S., Wallenius J. (1976). An interactive programming
method for solving the multiple criteria problem,
Manage. Sci. 22 (6) p. 652663.

(52 rf.)