UNIVERSIT MONTESQUIEU BORDEAUX IV

UNIVERSIT MONTESQUIEU BORDEAUX IV

Institut dAdministration des Entreprises

Centre de Recherches en Contrle et Comptabilit Internationale

Thse pour le Doctorat s Sciences de Gestion

Prsente et soutenue publiquement le 27 mars 2007

Par

Zakwan KREIT

MEMBRES DU JURY

M. Pascal BARNETO Professeur lUniversit de Bretagne Sud, rapporteur

M. Jean-Guy DEGOSProfesseur lUniversit Montesquieu-Bordeaux IV, directeur de thse

M. Serge EVRAERT

Professeur lUniversit Montesquieu-Bordeaux IV

M. Didier LECLERE

Professeur au Conservatoire National des Arts et Mtiers, rapporteur

prvision de l'indice du march Egyptien

1480

1500

1520

1540

1560

1580

1600

1620

1640

1660

1680

1700

1234567891011

temps

indice

Real

NN

ARIMA

Mon sjour en France ma enrichi considrablement sur le plan culturel et scientifique. La conclusion en est une contribution au domaine scientifique et technique certes modeste, mais, jespre, qui prsente un certain intrt.

Je tiens exprimer mes plus sincres remerciements :

Mon directeur de thse, le professeur Jean-Guy DEGOS pour laide comptente quil ma apporte, pour sa patience et ses encouragements tout au long dun travail de plusieurs annes. Ses critiques pertinentes mont toujours t prcieuses pour structurer mon travail et en amliorer la qualit.

Monsieur Serge EVRAERT, Professeur lUniversit Bordeaux IV, pour avoir bien voulu me faire lhonneur de prsider le jury.

Monsieur Pascal BARNETO, Professeur lUniversit de Bretagne Sud, pour lhonneur quil me fait daccepter de participer au jury de soutenance de cette thse.

Monsieur Didier LECLERE, Professeur au Conservatoire National des Arts et Mtiers, qui mhonore en tant membre de ce jury et rapporteur de cette thse.

La SYRIE mon pays, et la FRANCE qui ma permis de raliser cette recherche.

Le CROUS de Bordeaux reprsent par Madame C. LAOU (Service des tudiants trangers) pour son soutien et sa comprhension.

Madame J.OUSTALET et Monsieur R.CUILLIERIER qui mont aimablement accueilli et conseill pendant les annes de prparation de ma thse.

Jadresse aussi mes plus vifs remerciements toutes les personnes qui mont aide dune manire ou dune autre effectuer mes recherches- je ne citerai pas de noms de peur den oublier certains.

Enfin, je ddie ce travail ma femme aime et ma fille Aya qui occupent une si grande place dans mon cur, ma famille et tous mes amis franais et syriens.

SOMMAIRE

REMERCIEMENTS1

SOMMAIRE3

INTRODUCTION6

1- Revue et examen de la littrature12

2- Mthodologie de la recherche22

Premire Partie

Analyse et mthodes daide la dcision .29

ANALYSE DE LA DECISIONChapitre 1- 32

1- Dfinitions32

2- Les bases de la prise de dcision35

3- Typologie de dcision44

4- Les cntextes du choix51

5- Le degr de formalisation du comportement du dcideur52

6- Les classifications synttiques 52

Chapitre 2- THORIE DU PROCESSUS DE DCISION57

1- Les thories de la dcision58

2- Les processus dcisionnels62

3- Les modles de prise de dcision67

4- Application de la dcision71

5- Les limites et la fin du processus de dcision72

6- Le systme de dcision74

7- Le management dcisionnel76

Chapitre 3- MTHODES D'AIDE LA DCISION81

1- L'aide la dcision en univers certain81

2- L'aide la dcision en univers alatoire85

3- L'aide la dcision en univers conflictuel (hostile)93

4- L'aide la dcision en univers incertain99

Chapitre 4 - SYSTMES D'AIDE LA DCISION104

1- Systmes interactifs d'aide la dcision (SIAD)105

2- Les tableaux de bord lectroniques TBE/EIS110

3- Les systmes d'entrepts de donnes (Data Warehouse)114

4- Les systmes experts SE119

Conclusion de premire partie 125

Deuxime partie

Application des mthodes daide la dcision .129

Chapitre 5- MTHODES DANALYSE DES VALEURS DU MARCH 132

1- Dfinitions et principes 131

2- Analyse chartiste (analyse tehnique traditionnelle)134

3- Analyse fondamentale141

4- Lefficience de march156

Chapitre 6 - MTHODES DE PRVISION 160

1- La mthode ARIMA (moyenne mobile intgre auto- rgressive)161

2- Mthode des rseaux de neurones artificiels ANN173

Chapitre 7- IDIOSYNCRASIE DU MARCH BOURSIER GYPTIEN186

1- Introdiction historique 187

2- Lindice du march Egyptien CASE 192

3- Analyse de lindice CASE 30199

4- Le cadre de normalisation 207

5- La Bourse des valeurs de lEgypte210

6- Efficience du march Egyptien213

Chapitre 8 - PERTINENC DES APPLICATIONS PRATIQUES216

1- Prsentation des donnes de lchantillon216

2- Le test de lefficience du march boursier Egyptien217

3- Application de la mthode ARIMA219

4- Application de la mthode de rseaux neurones artificiels ANN233

5 - Les critres de comparaison232

CONCLUSION GENERALE 237

- Recommandations 242

-Limites de la recherche 244

-Perspectives de la recherche 245

BIBLIOGRAPHIE 246

LISTE DES FIGURES ET TABLEAUX 266

ANNEXES 268

INDEX 331

TABLE DES MATIERES 340

RSUMS EN LANGUES ANGLAISE ET ARABE 347

Au cours des dernires dcennies, on a assist au dveloppement spectaculaire des mthodes quantitatives (MQ) appliques la gestion en gnral et la finance en particulier. On peut dfinir ces mthodes comme un ensemble de techniques formalises (mathmatiques, statistiques, et informatiques) visant fournir une aide la dcision par le traitement logique d'un ensemble d'informations de nature quantitative. D'innombrables articles et ouvrages sont chaque anne consacrs aux techniques statistiques, aux mthodes d'optimisation, de simulation, de gestion de projets, etc., sujets qui sont aussi dsormais partie intgrante de la plupart des programmes universitaires en sciences de l'administration.

Ce dveloppement s'est longtemps appuy sur la conviction que le fait d'utiliser des mthodes formalises, et partant, rationnelles en croire certains, entranait ncessairement une amlioration de la qualit des dcisions au sein des entreprises et aussi au niveau des individus.

Des voix se sont cependant leves pour dnoncer cet engouement. Ainsi PETERS et WATERMAN (1982), dans leur ouvrage ln Search of Excellence, attribuent-ils principalement les checs du management amricain la trop grande importance accorde aux mthodes quantitatives par les coles de gestion. une priode d'optimisme gnral a succd une re de doute et de remise en question, comme en tmoigne le clbre article d' ACKOFF (1979). Ce dsenchantement tient peut-tre en partie au fait que les spcialistes des mthodes quantitatives ont dvelopp des techniques de calcul dont la sophistication est souvent loin d'tre en rapport avec la signification des donnes manipules et le caractre probant des hypothses effectues.

Pour se faire une ide de la nature des problmes abords par les mthodes quantitatives dans le domaine de la gestion, de la nature des outils utiliss et du type d'organisations qui recourent ces outils, nous avons dcid d'examiner quelques publications rcentes prsentant des applications de ce type d'outils. Dans cette perspective, la brochure intitule Russites en recherche oprationnelle, publie en 1983 par la Socit Canadienne de Recherche Oprationnelle (SCRO) l'occasion du 25 e anniversaire de sa fondation, apparat comme particulirement rvlatrice.

D'ailleurs, traditionnellement, les MQ appliques la gestion ont t conues pour fournir une aide la dcision sous la forme d'une solution optimale, cette solution optimale tant obtenue par la maximisation (minimisation) d'une fonction sense incorporer les objectifs de l'entreprise ou des individus dans les contraintes que son environnement lui impose. Ce type de modle recourt gnralement une formalisation dbouchant sur la quantification, le calcul et l'utilisation de l'instrumentation mathmatique (MOSCOROLA, 1978).

Ainsi se sont dveloppes des mthodes algorithmiques et des codes de plus en plus puissants : les programmations linaires, quadratiques, en nombres entiers, dynamiques, accompagnes de leurs applications spcifiques certains problmes gnraux de production, d'ordonnancement, de file d'attente, de transport, etc. Avec le dveloppement de la recherche thorique et des capacits de l'informatique, ces techniques se sont enrichies de la programmation non linaire, de certains algorithmes de dcomposition permettant le traitement de programmes linaires gants, de la programmation stochastique, et avec la progression informatique nous avons assist la grande rvolution de la naissance de la notion d'intelligence artificielle, dfinie comme la discipline visant comprendre la nature de l'intelligence humaine et sur cette base construire des programmes d'ordinateur imitant cette intelligence. Toutes ces mthodes se sont aussi diversifies pour aborder de nouveaux problmes.

- La complexit des liaisons et interactions agissant sur le domaine contr1er: en particulier, lorsque se dveloppent les effets de boucles avec rtroactions, on a utilis des techniques de simulation de la dynamique industrielle ainsi que l'analyse structurale ;

- La diversit dinformations disparates sur des activits de gestion difficiles classer a entran le dveloppement de diverses techniques d'analyse statistique ;

- La diversit des objectifs ou critres prsidant au choix d'une solution a t l'origine de la programmation objectifs multiples, de la thorie de l'utilit multi- attribut et de diverses techniques multicritres.

Comme nous allons le prsenter dans cette recherche, la diversit des applications (relles ou potentielles) des MQ couvre la quasi totalit des problmes de gestion (gestion de la production, gestion financire, gestion commerciale, gestion du personnel) dans la plupart des secteurs. Elles offrent une aide la dcision, au plan oprationnel et tactique et aussi au niveau stratgique dans le dveloppement dune socit ou dans la recherche attache une entreprise, ou encore dans une dcision boursire. Selon CHEN (1981), l'utilit de ces diverses techniques pour les praticiens calcule selon les frquences d'utilisation obtenues la suite de plusieurs sondages est, dans l'ordre :

1- l'analyse statistique ; 2- la simulation ; 3- la programmation linaire ; 4- le PERT/CPM ; 5- les techniques d'inventaire ; 6- l'analyse de la dcision ; 7- les processus markoviens ; 8- les files d'attente ; 9- la programmation dynamique ; 10- la programmation en nombres entiers ; 11- la programmation non linaire ; 12- la thorie des jeux.

Mme si les cas d'application des MQ dont nous avons parl plus haut n'en faisaient pas mention, l'outil statistique est pratiquement toujours employ, du moins au niveau des mthodes descriptives.

Bien que ces mthodes soient presque toujours appliques avec succs, il reste nanmoins vrai, comme le note THEYS (1975), que les chercheurs oprationnels ne sont pas parvenus convaincre dfinitivement les dirigeants d'entreprises ou d'autres organisations de l'efficacit de ces techniques. Les difficults de mise en oeuvre dcoulent en partie des rapports gnralement distants qu'entretiennent les chercheurs en MQ et les praticiens, au point que les deux groupes s'expriment le plus souvent dans des revues diffrentes- par exemple, quy a-t-il de commun entre OPERATIONS RESEARCH et INTERFACE ?

Les problmes d' implmentation ont engendr une littrature considrable (DOKTOR et al. 1979). Face ces difficults, des spcialistes parlent mme de crise entre la recherche oprationnelle et l'approche rationnelle (HEURGON 1979) ; ce constat a t exprim avec loquence par ACKOFF en 1979 dans un article intitul The Future of Operational Research is Past. Sans vraiment nous engager dans ce dbat, nous tenterons ici de souligner certains lments qui peuvent contribuer dire si les mthodes quantitatives daide la dcision sont vraiment capables de remplacer l'intelligence humaine - ce qui est lambition des rseaux de neurones artificiels dans le cas particulier de la prvision des cours des valeurs de la Bourse.

En tout tat de cause, dans la majorit des tudes dont lobjectif est laide la dcision par des mthodes quantitatives, on part de lhypothse que le dcideur est un homme rationnel cherchant maximiser ses objectifs personnels. De plus, comme l'indique (HAMMOND 1977), on suppose que ses objectifs se confondent avec ceux de son organisation, et donc que le dcideur recherche l'action optimale qui lui permettra de maximiser simultanment ses objectifs et ceux de l'organisation. Comme le dmontre ROY (1981), cette qute de l'optimum a certainement une part de responsabilit dans les difficults d'application pratique des mthodes quantitatives.

Les contraintes inhrentes la recherche d'un optimum sont

la globalit. Cette premire contrainte impose que chaque action potentielle doive englober la totalit des aspects de la ralit en cause. Cela revient dire que, dans le modle, deux actions potentielles quelconques sont, par construction, mutuellement exclusives;

la stabilit. La contrainte de stabilit porte sur la famille des actions potentielles prises en compte dans l'tude. Il doit s'agir d'un ensemble trivial ayant un caractre exhaustif. On entend par ensemble trivial un ensemble dans lequel chaque action imaginable peut tre dclare possible ou impossible; cela impose que soit dfinie une frontire prcise sparant les actions possibles des actions impossibles. Dire que la famille des actions potentielles a un caractre exhaustif, cela signifie que cette frontire ne doit pas laisser chapper d'actions susceptibles d'tre reconnues possibles ultrieurement. Ainsi, la mthodologie d'aide la dcision doit considrer une famille d'actions impose a priori et durable;

la complte comparabilit transitive. Cette troisime contrainte porte sur la modlisation des prfrences. Face un couple d'actions, elle restreint la possibilit du choix: prfrence stricte ou indiffrence. Ces relations complmentaires doivent de plus tre transitives.

Prenant appui sur ces contraintes, ROY identifie quelques difficults lies cette problmatique de l'optimisation :

Dans la ralit, les prfrences sont souvent floues, incompltement formules, non transitives, diffrentes d'un acteur l'autre et susceptibles d'voluer tout au long du processus. Il est donc difficile d'imposer la complte comparabilit transitive;

Le critre d'optimisation favorise un biais instrumental au niveau de la modlisation. En pratique, la comparaison de deux actions potentielles prend appui sur ce que l'on peut appeler les consquences. Or, celles-ci sont gnralement multiples, htrognes, enchevtres. Pour parvenir asseoir cette complte comparabilit transitive, on sera invitablement amen chiffrer ces consquences et agrger tous ces chiffres de faon construire une fonction d'valuation grce laquelle la comparaison de deux actions deviendra simple. Cette faon de faire pousse modliser les consquences pour lesquelles de bons instruments permettent de voir clair, et dlaisser la modlisation l o la mdiocrit des instruments empche de faire toute la lumire, c'est--dire l o les chiffres seraient en partie subjectifs, mme s'ils concernent des facteurs qui peuvent paratre dterminants ;

Une conception trop formelle, trop fige, du travail excuter conduit frquemment l'isolement pour trouver la solution du problme. On raisonne comme si on vacuait le dcideur ou comme s'il s'agissait d'un dcideur abstrait. Lorsque les dcideurs font appel un chercheur oprationnel pour rsoudre un problme, ce spcialiste, aprs avoir recueilli toute l'information pertinente, prend en quelque sorte possession du problme et, par l'intermdiaire d'un certain modle, propose une solution dite optimale. Ce type d'intervention a pour objectif final la prsentation dun rapport aux dirigeants, et non seulement le chercheur oprationnel n'est pas vraiment tent d'insrer le dcideur dans le processus de dcision, mais en gnral il redoute mme de le faire. Pourtant l'insertion du dcideur dans le processus de dcision est primordiale car, compte tenu de la contingence par rapport au contexte organisationnel, la dcision ne peut tre rduite la rsolution d'un problme abstrait seulement soumis l'environnement ;

Le but de l'tude tant la dcouverte de l'action optimale, les techniques de calcul lemportent souvent sur la formulation du problme, la collecte des donnes, etc. la puissance thorique des techniques d'optimisation correspond souvent leur opacit pour l'utilisateur non spcialiste. Lorsqu'un manager veut utiliser des modles de ce genre pour rsoudre un problme de dcision, il doit avoir recours un spcialiste ; des difficults de communication peuvent alors surgir. Une erreur frquente consiste vouloir absolument appliquer des techniques mathmatiques qui imposent des hypothses inacceptables pour tenter de rsoudre des problmes plutt mal poss ; le problem solving l'emporte alors sur le problem finding.

Cette partie a pour objectif de prsenter une revue de littrature relative aux objectifs de la recherche. On se propose dtudier dans le cadre de la littrature les mthodes quantitatives concernant d'aide la dcision en gnral, le processus et les modles de prise de dcision et de prsenter les principaux types des systmes d'aide la dcision et surtout dappliquer de nouvelles mthodes de prvision (mthodes modernes relativement).

Lidentification des problmes et la prise de dcision sont le souci quotidien du gestionnaire (dcideur). La logique suppose quon identifie le problme et quon prenne en compte les options et que, finalement, on passe laction.

Le dcideur consacre une bonne partie de son temps prendre des dcisions. SIMON va mme jusqu dire que grer, cest dcider. MINTZBERG souligne que la rsolution de problmes et la prise de dcision sont probablement les activits les plus cruciales du travail du gestionnaire : de la qualit de ses dcisions dpendra la survie moyen et long terme de son entreprise.

1. Fondements pistmologiques

Cest partir des annes cinquante quon a commenc parler de la thorie moderne de la dcision dans les salles des facults de mathmatiques. Cette thorie concernait la statistique et la thorie des jeux.

Mais cest dans les annes soixante que les sciences de dcisions allaient voir le jour avec les mathmatiques de la dcision. H.A SIMON emploie pour la premire fois, en 1959, lexpressionscience (ausingulier) de la dcision.

Pour LEMOIGNE, cest dans lpistmologie no-positiviste quil faut rechercher les fondements pistmologiques de la science de la dcision, et cest dans ce sens quil a propos cette dfinition conceptuelle : la science de la dcision (organisationnelle) tudie non seulement les modalits de dtermination rationnelle de choix de solutions multiples susceptibles daffecter une situation dcrite, bien que tenue pour variable, en rfrence quelques groupes de normes explicites, mais aussi les processus dlaboration de ces modalits et de ces normes et les transformations possibles de ces processus.

Aussi LEMOIGNE, ajoute-t-il dans le contexte retenu par SIMON la science de la dcision fait son objet du traitement de linformation dans et par un systme multiple afin daboutir une rsolution complte.

LEMOIGNE a soulign galement la contribution dcisive qui a permis lextension du concept de dcision celui de systme de dcision, extension que toute entreprise contemporaine sur la science de la dcision se doit dsormais de considrer.

2. Modles du processus de prise de dcision

De nombreux de modles et de thories daide la prise de dcision ont t labors. Et dans un cas pratique concern dans sa gestion quotidienne et sa planification stratgique par la prise de dcision, divers modles sont proposs pour ltude du processus dcisionnel.

2.1. Le modle bureaucratique

Le modle bureaucratique, propos par WERBER et FAYOL, part de lhypothse suivante :

Les dcisions sont prises par des personnes comptentes dtenant le pouvoir ncessaire et oeuvrant dans le cadre dun plan global bien arrt. Dans un contexte relativement stable et prvisible, et avec des ressources suffisantes, le critre dcisionnel devient alors lutilisation optimale des ressources, dans le respect des rgles administratives et du plan global.

2.2. Le modle de la thorie statistique de la dcision (T.S.D.)

A la diffrence des modles classiques qui cherchent formaliser les relations existantes entre des grandeurs objectives, le modle de la T.S.D. se base sur les probabilits et essaie de formaliser le comportement du dcideur devant une situation incertaine. Cette formalisation fonctionne partir daxiomes qui constituent le corpus de la thorie, et le systme de reprsentation du dcideur doit satisfaire ces exigences.

Malgr la modlisation du problme, le dcideur ne sait pas avec certitude quel tat de la nature interviendra, mais il connat les probabilits des divers tats de la nature possible. Cette situation exige le passage la phase du choix. Ce dernier est fond sur la rgle de maximisation de lesprance mathmatique de lutilit de gain.

La TSD, pour rsoudre des problmes de management complexes, propose lapproche de la dcomposition hirarchique du problme en problmes plus simples. Cette approche a t examine de faon critique par divers auteurs qui ont tent den cerner lutilit et les limites.

2.3. La Thorie de H. A. SIMON

ANDRE THEORET considre que cest grce aux travaux raliss par SIMON et ses collaborateurs vers la fin des annes 50 et le dbut des annes 60 quest ne la thorie du comportement dcisionnel. Cette thorie vise tudier le dcideur dans son milieu naturel.

Dans une situation o le dcideur se trouve devant une information partielle et imparfaite les ressources limites (y compris le temps), les objectifs satisfaire sont souvent multiples et diffus et la capacit cognitive est limite. Dans ce cas, il faut discerner les trois grandes phases du processus : identification du problme, laboration doptions et choix dune solution. Le processus sarrte lorsquest trouve une solution relativement satisfaisante, puisquil ne saurait tre question de rechercher une solution optimale dans de telles conditions.

H. A. SIMON, dans son ouvrage le nouveau management, la dcision par les ordinateurs, a montr avec clart les diffrents stades par lesquels passe le dirigeant dans sa prise de dcision. Il sagit, en fait, de quatre phases principales :

- Trouver loccasion de prendre une dcision ;

- Envisager les modes dactions possibles;

- Choisir un mode;

- Juger les choix effectus auparavant.

Il est signaler que chacune de ces quatre phases de la prise de dcision est un processus dcisionnel compliqu, par exemple, la phase de conception peut exiger dautres activits de renseignement, nimporte quel niveau, les problmes engendrent des sous-problmes qui, leur tour, supposent des phases de renseignement, de conception, de slection, etc. Ce sont des engrenages dengrenages.

Pour les trois premires phases de la prise de dcision, Simon les considre troitement lies aux tapes de la rsolution des problmes, dcrites pour la premire fois par JOHN DEWEY :

Quel est le problme ?

Quelles sont les solutions possibles ?

Laquelle est la meilleure ?

En ce qui concerne la quatrime phase de la prise de dcision, celle relative lexcution de la dcision; SIMON a observ que la distinction est impossible entre lexcution de lopration et sa dfinition dans le dtail.

Et pour montrer comment les dirigeants prennent aujourdhui des dcisions, SIMON a tabli la distinction entre deux principaux types de dcisions : les dcisions programmes et les dcisions non programmes. Les dcisions sont programmes lorsquelles sont rptitives et routinires et ne demandent pas dtre reconsidres chaque fois quelles se prsentent. Les dcisions sont non programmes -comme des dcisions boursires- lorsquelles sont nouvelles et non structures et que le problme se pose pour la premire fois.

2.4. Modles qualitatifs de prise de dcision organisationnelle

Le recours ces modles simpose au moment o la ralit de la prise de dcision est complexe et surtout lorsque le processus de choix ne se prte pas la formulation mathmatique.

Les modles qualitatifs sont structurs autour de deux lments savoir :

- La clart des buts de lentreprise

- Le degr de structuration des processus de dcision.

MC MILAN propose une typologie de ces modles qualitatifs de prise de dcision constitue de quatre catgories distinctes :

1) buts bien compris/processus de dcision structur ;

2) buts mal compris/processus de dcision structur ;

3) buts bien compris/processus de dcision non structur ;

4) buts mal compris/processus de dcision non structur.

2.5. Autres thories et modles de prise de dcision

La recherche de la dcision rationnelle a ouvert le champ la thorie moderne qui a cart les hypothses de la thorie marginaliste en favorisant les hypothses du concept d univers dans lesquels naissent les dcisions.

3. Les rseaux neuronaux et la prvision financire

Les conclusions des chercheurs sur le travail effectu par EDWARD GATELY dans son ouvrage conduisent lutilit des rseaux neuronaux pour les prvisions financires. Dans son livre, GATELY (1996) dcrit la mthodologie gnrale suivre pour tablir, former, et examiner un rseau neuronal sous forme dun logiciel disponible dans le commerce.

Dans lexpos, il a t utilis un modle de rseau neuronal (appliqu l'indice, objet de notre tude): S&P500 GATELY.

Le modle de GATELY ayant t lgrement amlior rcemment, les deux modles ont t compars un modle de rgression multiple. En combinant des probabilits historiques de mouvement du march avec la probabilit modle d'exactitude, la probabilit conditionnelle ainsi fournie a pu s'avrer tre un outil essentiel pour la prise de dcision boursire. Jusqu une date rcente, la recherche de rseaux neuronaux, comme sous-ensemble de l'intelligence artificielle, tait limite au monde des universits, des organismes de recherches, et des grandes socits de placement en valeurs mobilires.

L'entre du rseau neuronal comme outil de l'investisseur individuel fut une des nombreuses consquences de la croissance explosive des ordinateurs personnels. Les logiciels de rseau de neurones sont facilement disponibles et leurs publicits largement rpandues en magasins, en particulier ceux de l'analyse technique des titres et des produits. Par contre on ne parle pas du degr de comptence et de la quantit deffort exigs pour raliser un modle efficace. GATELY (1996) dcrit le dveloppement d'un rseau neuronal qui a prvu une croissance du march avec une probabilit de 93,3%, et une baisse du march avec une probabilit de 88,07%, dans le S&p500. La thorie du rseau neuronal de fond s'est dveloppe dans la recherche de la conception de machines avec des capacits cognitives.

1. Un rseau neuronal est un programme machine ou une machine cble qui est conue pour apprendre, semblable en quelque sorte au cerveau humain. HAYKIN (1994) dcrit les rseaux neuronaux comme une machine adaptative ;

2. Un rseau neuronal est un processeur qui a la proprit normale de stocker des connaissances empiriques et de les rendre disponibles.

Il ressemble au cerveau sur deux points : la connaissance est acquise par un apprentissage, et des forces de raccordement entre les neurones connues sous le nom de poids synaptiques sont employes pour stocker la connaissance.

La cellule fonctionnelle de base d'un cerveau et du rseau neuronal est le neurone (adaptation du neurone humain par BEALE et JACKSON (1990)).

Depuis le dbut de la dcennie 1990, les applications financires mettant en oeuvre des rseaux de neurones artificiels se sont multiplies. D'une faon gnrale, elles tombent dans l'une des trois catgories suivantes : la prvision des sries temporelles, les substituts aux systmes experts, et les applications de classification. Pour notre recherche nous intressons la prvision des sries temporelles.

La prvision des sries temporelles semble constituer aujourd'hui un champ d'investigation privilgi, tel point que AZOFF (1994) lui consacre un ouvrage entier. Typiquement, dans les prvisions une seule variable, il s'agit d'utiliser le pass de la variable afin d'en extraire des relations permettant de prdire sa valeur future. Mais, supposer que ces relations existent rellement, le problme le plus dlicat rsoudre est d'en dterminer leur forme qui, le plus souvent n'est pas linaire. Cela a d'ailleurs conduit dvelopper ces dernires annes, des modles de prvision statistiques non linaires. Mais, les chercheurs qui se tournent vers les rseaux de neurones artificiels comptent sur leur capacit dcouvrir des formes rcurrentes dans les sries, dont la complexit pourrait chapper aux modles statistiques.

L'arrive de ce nouvel instrument d'analyse permet en particulier de relancer la question de l'efficience des marchs. On s'interroge, en effet, sur la question de savoir si la puissance des rseaux de neurones ne serait pas de nature mettre en lumire certaines formes d'inefficience qui auraient, jusqu' maintenant, chappes aux outils d'analyse classiques.

En utilisant simplement le signe des taux de rendement passs de six titres amricains, TSIBOURIS et ZEIDENBERG (1995) reconnaissent un certain pouvoir prdictif au rseau test. Cependant, si les rsultats sont satisfaisants sur l'chantillon d'apprentissage, ils sont moins convaincants sur l'chantillon test, comme l'avait dj remarqu WHITE (1988) partir du titre IBM. Plus pertinents sont les rsultats obtenus par AVOUYI-DOVI et CAULET (1995) qui obtiennent des performances remarquables en termes de prvision d'indices boursiers (DAX, CAC40) et de taux de change (Mark/Dollar), face des modles statistiques traditionnels de type ARMA.

Plus rcemment, les rseaux de neurones ont t utiliss pour prvoir la volatilit des indices boursiers des grandes places financires (DONALDSON et KAMSTRA, 1996).

Mais, c'est naturellement en multipliant les variables d'entre que les rseaux fournissent les meilleurs rsultats. Ainsi, KIMOTO et YODA (1993) rapportent qu' partir d'un rseau comprenant 5 variables en entre, ils arrivent prdire de faon relativement satisfaisante l'volution du TOPIX (Tokyo Stock Index) sur la priode 1989-1992. Une simulation de stratgie d'investissement drive des rsultats du modle aurait rapport une rentabilit moyenne annuelle de 1,60% alors que dans le mme temps l'indice chutait de 20,63%.

Des tests furent aussi entrepris avec quelques succs partir des contrats terme sur l'or et sur l'indice S&P (GRUDNITSKI et OSBURN, 1993 ; GRUDNITSKI et QUANG DO, 1995) en utilisant un rseau comportant des variables contextuelles.

Enfin, pour rester dans le domaine des marchs financiers, signalons encore que des travaux ont port sur les options. En particulier, HUTCHINSON et al. (1994) montrent qu'un rseau entran sur un chantillon de donnes journalires observes sur deux annes, retrouve la formule de BLACK and SCHOLES (1973).

La question de la prvision des taux de change, a aussi t explore plusieurs reprises (RAWANI et al, 1993 ; REFENES et al, 1993 ; AZOFF, 1994 ; MEHTA, 1995 ; A VOUYI-DOVI et CAULET, 1995).

En particulier, un travail original de REFENES et ZAIDI (1995) montre comment les prvisions de taux de change peuvent tre amliores en combinant les recommandations issues de mthodes classiquement utilises par les professionnels, dans un rseau. Ainsi, sur le taux de change USDIDEM, l'application des recommandations du rseau donne une rentabilit de 18% sur une base annuelle, lorsque les stratgies de moyenne mobile et valeur moyenne donnent des rentabilits de 12,3% et de 13,1%.

La recherche qui soccupe de lapplication des rseaux neuronaux la finance, s'est surtout concentre sur la comparaison entre les mthodes du non -linaire et la mthode analyse discriminante (MDA). Par exemple, en utilisant un chantillon de 58 entreprises, TURBAN (1996) a compar les prdictions de MDA et les prdictions d'ANN, et il a constat qu'ANN est meilleur que MDA. L'tude a donc conclu que la mthode d'approche dANN peut amliorer la qualit de la prise de dcision d'un investisseur. Cependant, ces rsultats ne permettent pas de dire si ANN a la capacit de faire obtenir des gains exceptionnels.

Des rseaux neuronaux artificiels ont t tests comme moyens de prvisions boursires et ils ont sembl gagner l'attention grandissante du public. Plusieurs socits commerciales dinformatique essaient maintenant de vendre des programmes de rseaux neuronaux artificiels qui excutent l'analyse financire. Ils promettent daider et dapporter leur soutien aux investisseurs; ils utilisent les donnes historiques pour dvelopper des rgles du commerce.

La capacit de ces programmes de favoriser lobtention de recettes exceptionnelles fonde sur les modles rencontrs dans les recettes historiques nest pas lie l'hypothse de l'efficacit du march.

En ce qui concerne laspect mthodologique du dveloppement de ce travail de recherche, les principes de lcole de Chicago ont t scrupuleusement observs, et en particulier les normes imposes aux travaux de recherche scientifique et acadmique selon les conseils des professeurs WAYNE C. BOOTH, GREGORY G. COLOMB et JOSEPH M. WILLIAMS (cf. The Craft of Research, The University of Chicago Press, 1995).

Selon ces principes, toute recherche commence par un tonnement devant une situation ou un questionnement sur un phnomne, et ceci aboutit la dfinition de lobjet de la recherche en vue dexplorer des solutions nouvelles. Cela dit, la recherche consiste galement apporter une perspective nouvelle sur des mthodes ou concepts dj connus. La revue critique de la littrature permet alors au chercheur deffectuer une mise au point sur le sujet et de clarifier galement chaque problme spcifique et ses dveloppements actuels. Cette revue permet en outre au chercheur de concentrer son champ dexploration sur des thmes prcis, focaliss et solidement tablis par les hypothses de base qui conditionnent ces explorations. Ainsi, il est ncessaire au chercheur de respecter une mthodologie solide afin dviter des rsultats biaiss par divers facteurs.

Voici le bref expos de ces quelques points essentiels.

2.1. OBJECTIFS ET QUESTIONS DE RECHERCHE

2. 1.1. Objectifs

Comme les informations conomiques, politiques, culturelles constituent autour de l'agent financier humain (investisseur) un apport aussi indispensable que peuvent ltre les matires premires, et que leur importance pour mener toute action de dcideur nest plus dmontrer, elles constituent donc un support indispensable la dcision. Dans ce sens, et en relation avec lnonc du problme, notre recherche sest articule autour des objectifs suivants :

1. Identifier et tudier les modles de prise de dcision;

2. Identifier et tudier les mthodes et les systmes d'aide la dcision;

3. Etudier et analyser les diffrentes Univers de rfrence des mthodes daide la dcision;

4. Identifier les mthodes de prvision du march d'actions;

5. Comparer entre elles les deux mthodes les plus connues (Mthodes statistiques traditionnelles ARIMA Autorgressifs Intgrs Mobile, versus Mthodes d'intelligence artificielle, Rseaux de neurones artificiels ANN);

6. Aider le dcideur (investisseur) prendre des dcisions les plus performantes possibles et bien grer son portefeuille;

7. Ouvrir une nouvelle perspective sur des mthodes rcentes d'aide la dcision par l'utilisation de l'intelligence artificielle.

Les objectifs de cette recherche sont d'aider le dcideur (investisseur) bien comprendre le contexte de prvision du march financier (l'indice du march d'actions). Cela doit le conduire prendre une dcision rationnelle en vue d'acheter et de vendre des actions au moment propice et dviter au maximum de prendre un risque de perte.

De plus, cette tude a pour but d'valuer les mthodes et les techniques utilises dans la dtection du mouvement de l'indice du march et den apprcier l'efficacit. En particulier elle nous aidera estimer la mthode la plus performante dans la prdiction de l'indice dans un march inefficient dont les informations financires sont incompltes.

Dans cette recherche nous examinerons et nous analyserons l'utilisation des rseaux neuronaux comme outil de prvision de l'indice du march des actions (march inefficient ou faiblement efficient). Nous allons appliquer deux mthodes quantitatives diffrentes : rseaux neuronaux et statistique traditionnelle (ARIMA), et constaterons celle qui donne le meilleur rsultat.

En conclusion, cette recherche dterminera lintrt pratique employer les rseaux neuronaux comme outil de prvisions pour aider l'investisseur individuel prendre une bonne dcision.

Cette tude est parmi les premires tudes portant sur les bourses arabes en gnral et gyptienne en particulier.

2.2.2. La problmatique de la recherche

Cette recherche a pour but principal d'analyser la faon dont les nouvelles approches mathmatiques et informatiques comme les rseaux de neurones (ANN, artificial neural networks) peuvent contribuer une meilleure prvision des valeurs des actions du march boursier en comparaison avec les mthodes habituellement utilises dans ce domaine. Ce problme est d'autant plus intressant que les mthodes classiques apparaissent souvent dfaillantes dans le contexte de la prvision ou de la classification.

Partant dun nouveau modle neuronal appliqu lanalyse de sries chronologiques sur les valeurs de la Bourse, on arrive des rsultats significatifs tant sur la performance prvisionnelle du modle que sur ses capacits de dtection. Cela montre l'intrt de cette nouvelle approche pour une meilleure prvision, obtenue grce la grande souplesse de ces mthodes.

Nous pouvons rsumer ainsi les questions principales de notre recherche :

1. Pourquoi nous avons choisi le march financier d'Egypte ? la Bourse Egyptienne ?

2. Y a-t-il une spcificit ou une spcialit concernant cette bourse ?

3. Pouvons-nous appliquer les deux types de mthodes diffrentes (modle ARIMA et Rseaux de Neurones Artificiels) pour prvoir l'indice de march, en sachant que les deux modles ont t dj utiliss dans plusieurs marchs dEurope et des Etats Unis? En d'autres mots nous allons essayer d'appliquer les deux types de mthodes diffrentes au niveau des marchs financiers inefficients ou faiblement efficients.

4. Les rseaux neurones peuvent-ils exactement prvoir un indice du march boursier ?

5. Les rseaux neurones peuvent-ils tre employs comme outil pratique de prvisions par diffrents investisseurs ?

6. Les rseaux neurones peuvent-ils tre plus performants que d'autres mthodes classiques ?

2. 2. Les hypothses de la recherche

H1- la dcision boursire est une dcision

non structure;

faiblement programme;

dans un contexte incertain.

H2- les mthodes quantitatives classiques d'aide la dcision boursire sont non efficaces pour prvoir l'indice du march face dautres mthodes comme les rseaux neurones.

H3- le march financier gyptien est inefficient.

H4- la mthode de rseaux neurones artificiels donne des rsultats plus exacts que la mthode ARIMA.

Nous considrons que la notion gnrale de dcision que nous allons dfinir en premire partie reste valable pour la dcision boursire par un agent financier humain (l'investisseur individuel).

Nous avons choisi la bourse d'Egypte (CASE) parce que cest un bon exemple pris parmi les autres bourses du monde arabe, et plus prcisment parce que la SYRIE est sur le point de crer une Bourse. Il y a une trs grande similitude entre les deux pays si on observe les circonstances dans lesquelles ils sont placs, les infrastructures industrielles et commerciales, les politiques montaires, etc

Donc, il nous a paru pertinent de prendre et danalyser la Bourse Egyptienne pour prvoir, par analogie, le fonctionnement de la future Bourse Syrienne.

Une rflexion sur le thme de notre recherche nous a conduit travailler autour de quatre axes principaux :

1- Les Mthodes Quantitatives (aide la dcision);

2- Prise de dcision;

3- Indice du march (Bourse);

4- Prvision.

Donc, nous avons commenc dans cette recherche par tablir les bases essentielles de l'analyse et des mthodes daide la dcision, puis nous sommes passs la phase d'applications au march des actions. Les axes sont reprsents sur la figure suivante:

Figure 1: Les axes de la thse

Source : auteur

Nous avons considr les rsultats de plusieurs tudes qui ont t menes sur des marchs efficients comme point de dpart de notre recherche, mais ces travaux ne traitaient pas du cas o le march des actions est inefficient, qui est justement celui de notre tude.

2. 3. Termes techniques et style de rdaction

Dans le domaine des rseaux de neurones, comme dans beaucoup dautres domaines scientifiques rcents, la plupart des publications acadmiques seffectuent en langue anglaise. Se posent donc les problmes de la traduction des termes techniques et parfois ceux du style du langage scientifique. Aussi, le lecteur de ce document est pri de bien vouloir excuser certaines imperfections de rdaction ainsi que certaines tournures et expressions pouvant relever de l'anglais. Pour cette raison nous allons rdiger un index, mais nous prsentons ici les mots cls :

Prise de la dcision- aide la dcision- mthodes quantitatives- prvision- sries chronologiques- Rseaux neurones artificiels l'indice du march des actions la Bourse.

2. 4. Plan de la thse

Lobjectif de ce travail nest pas de proposer une dmarche nouvelle qui puisse tre applique dans nimporte quelle situation concernant la Bourse, car dans des environnements diffrents le contexte propre une Bourse peut tre dterminant. Notre ambition est daider les investisseurs en leur proposant une dmarche gnrale qui runisse les aspects empirique et pratique du problme rsoudre. Bien entendu, cette dmarche gnrale peut tre lobjet de modifications dans certains cas dapplication. Cependant, lapproche adopte permet de fournir un modle valable pour les marchs financiers arabes et en particulier le march gyptien.

Cette thse est constitue de 2 grandes parties. La premire partie est consacre lanalyse et aux mthodes daide la dcision, la deuxime partie la prvision de lindice du march et aux mthodes daide la dcision boursire (comparaison et application)

La premire partie est forme de 4 chapitres;

Le premier chapitre prsente le concept de dcision. Dans ce chapitre nous donnons la dfinition de la dcision, les diffrents types de dcision, ainsi que les bases et la typologie de la prise de dcision.

Cet expos nous permet dans le deuxime chapitre de bien identifier les diffrentes thories et modles du processus de dcision.

Puis le troisime chapitre donne rapidement les mthodes traditionnelles dcrites dans la littrature concernant les dcisions; de plus ce chapitre nous permettra de cerner les caractres spcifiques des mthodes traditionnelles d'aide la dcision.

Dans le chapitre quatre, nous dcrivons des mthodes modernes d'aide la dcision: ce sont des systmes informatiques plus dtaills et capables de donner des rsultats plus prcis que les mthodes statistiques traditionnelles.

La deuxime partie est constitue des chapitres cinq huit.

Dans le chapitre cinq nous parlons de l'analyse technique du march financier et de ses rpercussions sur la dcision boursire.

Le chapitre six propose, laide de deux mthodes diffrentes, une dmarche globale daide la dcision boursire ayant pour but de prvoir correctement l'indice de la Bourse et ses mouvements en hausse ou en baisse, de faon bien matriser son portefeuille.

Puis le chapitre sept prsente et explique le statut du march des actions en Egypte, avec ses causes et ses consquences.

Enfin, le chapitre huit est consacr la mise en application sur le march gyptien de deux mthodes, dont on compare les rsultats pour en dduire la plus efficace.

La conclusion reprend les grandes lignes de cette thse. Elle propose galement diverses perspectives de recherche partir de ce travail, en particulier sur lavenir boursier et financier de la SYRIE.

Chapitre 1

ANALYSE DE LA DCISION

L'activit du dirigeant est souvent perue au travers de la fonction juge la plus caractristique: la prise de dcision. Grer, c'est dcider.

Afin d'expliquer le fonctionnement et l'apport des mthodes daide la dcision en gnral et, en particulier la dcision boursire, prcisons la dfinition de la dcision et les diffrents types de dcisions ainsi que les bases sur lesquelles est fonde la prise de dcision et sa typologie.

1- Dfinitions

Lanalyse de la gestion montre limportance de la dcision qui est parfois dfinie comme La science des choix.. Dcider en Latin signifie trancher.

Exemple: nos concurrents grignotent des parts de march, quelle dcision prendrepour regagner nos positions face leurs actions?

Une dcision est un choix effectu un moment donn, dans un contexte donn parmi plusieurs possibilits, pour impulser des actions dampleur et de dure variables.

Une dcision est un choix, entre plusieurs solutions possibles, dune action portant sur la mise en uvre de ressources ou la dtermination des objectifs, compte tenu dun ou plusieurs critres dvaluation des solutions.

Selon LEMOIGNE, "la prise et l'excution des dcisions sont les buts fondamentaux de toute organisation, de tout management. Toute organisation dpend, structurellement, de la nature des dcisions qui sont prises en son sein par des dcideurs, qu'ils soient individuels ou collectifs, etc.".

MEBESE donne la dfinition suivante: la dcision est le comportement de lhomme qui opre des choix dans une situation dinformation partielle..

NIZARD quant lui propose une autre dfinition: La dcision est une ligne daction consciemment choisie parmi un certain nombre de possibilits, dans le but de rduire une insatisfaction perue face un problme, ce choix suppose un traitement dinformations selon des critres de choix et une volont de ralisation..

Selon lopinion de MITZBERG une dcision, qu'elle soit individuelle ou fonde sur un travail de groupe, peut tre dfinie comme l'engagement dans une action, c'est--dire une intention explicite d'agir. Daprs LVINE le but d'une dcision est de rsoudre un problme qui se pose l'organisation ou l'individu.

Mais la dcision peut correspondre une modification de l'environnement (comportement ractif) ou au dsir de saisir une opportunit et ainsi de changer l'environnement (comportement d'anticipation).

Ces diverses dfinitions nous permettent de distinguer les diffrents types de dcisions : la dcision individuelle et la dcision collective/distribue. Cette distinction se fera en fonction du contexte de la dcision c'est--dire du domaine, de l'objet, de la nature, de la porte, et de l'auteur ou des auteurs de la dcision.

Ainsi l'analyse de la dcision montre quil sagit dun processus qui consiste tre, en permanence, plac devant des choix. Quelle que soit la dfinition retenue (celles nonces ci-dessus ou dautres), il est possible de reprer trois points essentiels pour caractriser une dcision:

la perception dun problme et la ncessit de le rsoudre;

lutilisation dinformations pertinentes pour mieux comprendre ce problme, ses dimensions, les alternatives possibles;

des critres de slection pour aboutir un choix.

Une dcision est un choix entre une ou plusieurs possibilits et si on applique cette dfinition simple et raliste au dcideur dans lentreprise on comprend que son comportement consiste choisir: il dcide de son action. La dcision est la fois llment moteur et le point culminant de gestion.

Une dcision signifie exactement une coupure, une rupture. Cest un nouvel tat de choses, introduit dans la succession historique des faits. On doit cependant observer que la dcision sinscrit dans un processus temporel qui comporte des moments extrmement importants tels que la localisation dun problme ou lanalyse des diffrentes possibilits de choix.

La dcision, au terme du processus dcisionnel, peut tre dfinie comme tant une ligne daction consciemment choisie parmi un certain nombre de possibilits dans le but de parvenir un rsultat dsir. Ds lors on peut retenir trois ides importantes dans cette formulation:

La dcision implique le choix.

La dcision implique un processus mental.

La dcision a un but.

Considrer la dcision comme tant la conclusion dune rflexion nexclut pas la possibilit que cette rflexion serve de point de dpart de nouvelles investigations.

Les auteurs MILLER et STAR ont exprim cette ventualit en ces termes: dcider de dcider. Pour eux le problme de la dcision se rsume dterminer la faon de procder pour prendre des dcisions satisfaisantes et rationnelles.

Pour Chester I. BARNARD qui a montr comment et pourquoi le dcideur essaye dviter la dcision (en particulier cause de la capacit dcisionnelle des hommes) lacte de dcision comporte deux variables: la fin et les moyens.

Cet crivain dynamique va jusqu dire que lart dcisionnel le plus raffin pour les cadres dirigeants consiste ne pas dcider sur des questions qui ne sont pas pertinentes au moment de la pr-action, cest - -dire ne pas dcider prmaturment, ne pas dcider quand dautres auraient pu le faire.

La plupart des ouvrages de gestion ne donnent pas de dfinitions spcifiques de la dcision. Les approches qui ont t tentes se limitent trop souvent la description dtaille des procds opratoires employs dans la dcision tels que: lanalyse dcisionnelle et statistique.

Ainsi FISHBURN dit que rsoudre le modle dcisionnel consiste trouver une stratgie pour laction dont la valeur relative espre est au moins aussi grande que la valeur relative espre dans nimporte quelle autre stratgie: dans un ensemble spcifi de critres celui qui prend la dcision choisira la stratgie correspondant loptimisation de la valeur relative espre totale.

La dfinition que CHURCHMAN donne du dcideur corrobore notre conception: le dcideur est lhomme qui choisit parmi plusieurs possibilits et il doit dcider du choix qui le conduira un objectif dsir on un ensemble dobjectifs dsirs.

On peut conclure que la dcision est un processus de rsolution de problmes qui met en oeuvre des connaissances de natures trs varies. La dcision simple correspond la classe dun problme relativement bien dfini que lon trouve dans la littrature de la science cognitive.

Ces diffrentes dfinitions mettent en lumire les possibilits qui se prsentent au dcideur. Celui-ci ne choisira parmi ces possibilits quaprs en avoir valu leurs consquences.

2-Les bases de la prise de dcision

2.1. Prsentation historique

Que les problmes soient simples ou complexes, le dcideur est conduit prendre de multiples dcisions. Comment les prend-il, sur quelles dmarches repose sa prise de dcision ?

SIMON (1957), dans son tude des processus de dcisions, et NEWELL et SIMON (1972) dans leurs recherches sur la rsolution de problmes dans les organisations, ont tabli que les dcideurs sont limits dans leurs connaissances et dans leurs aptitudes rsoudre les problmes. Ainsi dans leurs tches de rsolutions de problmes complexes, les individus conoivent-ils, en cohrence avec leurs capacits cognitives limites, des mthodes simples qui permettent de rduire les procdures de traitement de l'information.

SIMON tablit (1957) que Le choix est toujours exerc au regard d'un schma simplifi, limit et approximatif de la situation relle. Ce principe de la "rationalit limite" implique que le dcideur n'utilise pas systmatiquement toutes les informations dont il dispose ou dont il pourrait disposer afin de prendre une dcision ou d'adopter une solution qu'il juge satisfaisante.

LINDBLOM (1965) arrive aux mmes conclusions dans son tude sur les dcisions complexes prises dans le cadre de l'administration publique. Il tablit que l'analyse des problmes et de leurs solutions est limite par limpossibilit de prendre en compte et d'valuer toutes les solutions possibles: le dcideur choisit gnralement dans un cadre de comparaisons limites et successives de solutions alternatives.

Dans ses travaux plus rcents, SIMON (1978,1980) affirme nettement que "La science cognitive a toutes les chances de demeurer une science des systmes qui satisfont qui trouvent des solutions acceptables leurs problmes plutt quune science des systmes qui optimisent et s'adaptent de manire parfaite leur environnement".

2.2. Les ressources de la prise de dcision

La ressource rare rside dans les capacits dvaluation de l'esprit humain; ces capacits dvaluation ne sont pas considrer comme une faiblesse regrettable mais sont dans la nature des choses et par consquent, pour surmonter les difficults lies au calcul et la ncessit d'valuer il ne suffit pas de construire de plus gros ordinateurs ou de rechercher des individus plus intelligents.

Les managers utilisent plusieurs sources d'information et de mthodes de traitement de l'information pour aboutir la prise de dcision. Un grand nombre de dcisions sont prises en partie sur la base de l'exprience cumule et en partie sur la base de "modles" qui sont intuitifs, emmagasins dans le cerveau du dcideur et ne sont pas clairement formuls sous forme analytique. Toutefois, dautres dcisions sont prises en se servant de systmes d'aide la dcision plus formalise.

2.2.1. Les expriences

L'exprience joue un rle capital dans la qualit de la prise de dcision. Un grand nombre de dcisions deviennent en fait simples et routinires parce que le dcideur a dj rencontr le mme type de problme et possde une bonne valuation de ce qu'il est souhaitable de mettre en uvre.

Mais l'exprience n'a de vraie valeur que dans les cas o le problme pos est vraiment semblable un autre prcdemment rencontr.

Dans le cas de problmes complexes, l'exprience aide cependant le dcideur identifier les critres de dcisions et valuer leur importance. D'autre part, quand une dcision est prendre, il est normal de rechercher une aide dans les vnements passs: si on sest trouv dans une situation semblable celle qui appelle la dcision ou si on en a t le tmoin, on a alors une meilleure comprhension du problme pour en tirer les actions possibles. Chaque individu examine et apprhende les vnements laide des concepts auxquels il est habitu: il hsite entreprendre des dmarches trangres sa propre exprience, et parfois mme s'y oppose.

L'exprience est un guide pour la prise de dcision. Elle permet de savoir ce qu'il faut faire dans des situations particulires. Le principal mrite de l'exprience, pour la prise de dcision, rside peut-tre dans la possibilit doprer des discriminations et de gnraliser des situations passes.

Ainsi, on retrouve des situations semblables accompagnes des dcisions qui ont t prises, et des situations diffrentes accompagnes galement des dcisions qu'elles ont appeles.

Il se peut que l'exprience tende introduire un conservatisme excessif dans la prise de dcision, mais cela n'a rien dinvitable. "Rien ne russit comme le succs", mais dans une conomie qui change rapidement, le succs des dcisions passes ne garantit pas leur succs l'avenir, pas plus, en vertu du mme raisonnement, qu'un chec pass ne signifie chec assur lavenir. Une dcision assise sur l'exprience utilise un savoir pratique, associ la meilleure rflexion de la personne qui dcide, elle implique donc des ingrdients vritables et prouvs, et se veut accepte par les autres.

Par ailleurs, il se peut que les dcisions assises sur l'exprience soient dictes par des vnements dpasss. Le facteur temps est important: les enseignements de l'exprience de l'anne prcdente ne conviennent plus ncessairement aujourd'hui.

De plus, il se peut que l'exprience de la personne qui dcide soit relativement limite, et que la dcision se fonde sur un bagage trop restreint. On peut aussi exagrer l'importance de la tradition, et maintenir le statu quo de faon trop rigide, si bien que les progrs et les amliorations sont indment retards. Un dcideur doit se servir de son exprience, mais ne doit pas la suivre aveuglment.

2.2.2. Les standards

Les entreprises btissent des politiques standard- mais flexibles- ou des rgles de dcisions standard en partant de leurs expriences passes. Les rsultats de pr-tests de crations publicitaires ou de tests de produits, la rmunration du personnel, la gestion de la trsorerie, peuvent tre interprts ou fixs en fonction de rsultats ou de pratiques standard calibres partir des expriences passes.

Ceci aide la prise de dcision (en fournissant un cadre de rfrence) mais peut galement nuire la crativit ou la recherche de solutions originales.

Par ailleurs les standards de l'entreprise peuvent prendre une tendance plus pratique s'ils s'adaptent aux environnements (conomique, politique, etc.)

2.2.3. Les donnes et les faits

La complexit mme des phnomnes en science de gestion conduit les managers collecter un grand nombre de donnes sur le march, les produits, les concurrents, les fournisseurs, les clients, ou plus gnralement sur lenvironnement.

Les recommandations d'actions ou les plans d'actions sont toujours justifies par des faits.

Cependant, l'interprtation des faits repose en ralit sur l'exprience ou sur une srie d'hypothses qui sont le plus souvent peu clairement formules.

On considre trs gnralement que les faits forment une base excellente partir de laquelle on peut prendre des dcisions. On accepte l'adage " La dcision doit reposer sur les faits". La dcision est alors vraiment enracine dans les donnes factuelles ; cela implique que les prmisses qui fondent cette dcision sont saines, solides et parfaitement applicables la situation considre.

La mise en place gnralise dordinateurs permet de plus en plus dutiliser les faits dans la prise de dcision.

L'information, en tant qu'instrument de gestion, a acquis une grande importance; dans ce domaine, les activits sont bien dtermines et font appel des techniques et des quipements sophistiqus. Mais les faits ne sont pas toujours faciles tablir: les connatre peut tre trop long dans le temps, trop difficile, et par consquent trop coteux. Une information complte sur les faits est un idal rechercher, mais cet idal est rarement atteint, et il arrive frquemment qu'un dcideur doive prendre une dcision sans disposer d'autant de faits qu'il le souhaiterait. Il faut considrer les faits, mme s'ils conduisent une conclusion dsagrable, il faut les diagnostiquer, classer et interprter soigneusement pour parvenir la dcision.

Au cours du processus par lequel on place les faits dans une perspective correcte, en faisant ressortir les informations essentielles, les qualits propres de la personne qui prend les dcisions interviennent: elle doit faire preuve d'habilet, d'exprience et de comptence, et non se contenter de runir tous les faits disponibles.

En ralit, les faits seuls suffisent rarement dans la prise de dcision. L'imagination, l'exprience, les convictions mmes sont ncessaires pour interprter les faits dans la perspective qui convient et pour les utiliser de faon profitable. En sappuyant sur les faits, la personne qui prend une dcision y trouve la confiance et le courage daller de l'avant, lorsque son imagination et son exprience lui suggrent que cette dcision est correcte. Mais il reste toujours une part dinconnu quelle que soit la technique utilise. Et c'est bien ainsi, parce que c'est ce qui rend le travail d'un dcideur excitant.

2.2.4. L'intuition ou logique

Une dcision fonde sur l'intuition se caractrise par l'utilisation de pressentiments des sentiments intimes de la personne qui prend la dcision. Les suggestions qui lui sont faites, les influences qui s'exercent sur lui, ses prfrences et son profil psychologique y tiennent une grande place. L'lment subjectif est essentiel; beaucoup pensent que celui qui a de l'intuition, une capacit de "prescience" est mieux mme d'anticiper l'avenir lorsque les circonstances ou les donnes font dfaut.

Il est plus probable que celui qui prend des dcisions en se fiant l'intuition est influenc inconsciemment par les connaissances et la formation qu'il a acquises autrefois et par ses antcdents. Mais gnralement ces influences napparaissent pas de faon explicite; il dit le plus souvent:"c'est comme cela que je le sentais." Une personne qui se fonde sur son intuition ne prend pas ses dcisions selon un systme fixe et rgulier.

Chaque problme est apparemment trait sparment; mais on peut frquemment observer une certaine cohrence dans le type des dcisions adoptes. Celui qui fonde ses dcisions sur l'intuition est gnralement une personne trs active, agissant vite, posant des questions incisives sur les situations pour trouver des solutions inhabituelles des problmes difficiles. Une telle personne se fie beaucoup son instinct, son sentiment personnel de la situation, mais tempre ses ractions par du ralisme. Souvent, une telle personne possde une grande capacit pressentir les vnements et anticiper les dcisions essentielles. Elle nest jamais pleinement consciente de la cause exacte de son action ou de la raison prcise qui l'a pousse l'entreprendre. Elle pratique habituellement un processus mental excessif, ce qui la pousse parfois prendre des dcisions irrationnelles.

Les managers qui souhaitent dvelopper leur intuition peuvent s'efforcer:

De s'impliquer davantage en confrontant leurs ides aux faits et aux expriences qui interviennent dans des domaines o ils devront plus tard prendre des dcisions;

De prendre dans la pratique des dcisions en suivant leur intuition et de conserver un tat des rsultats obtenus par ces dcisions;

De prendre davantage conscience du fait que des pressentiments peuvent aider prendre des dcisions.

Enfin, dcider c'est imposer une volont et l'on risque d'assister des heurts entre les diffrents acteurs, si la volont de l'un s'oppose celle des autres. Pour rduire ce risque, on s'efforce de faire converger toutes les ides: pour cela il est souhaitable de faire de l'entreprise un foyer o se concentrent les valeurs et les buts partags par les diffrentes parties prenantes : le "top management", le "middle management", les hommes des centres oprationnels.

On assiste ainsi la naissance, sous des formes diverses, de ces tentatives rptes de dcentralisation, de participation la prise de dcision, afin que chaque personne dans l'entreprise quel que soit son rang puisse tre motive et prenne part de faon active aux choix. Tel est l'objet de ces fameux cercles de qualit, que l'on a pu considrer comme typique d'un management la japonaise.

2.2.5. Les opinions mrement rflchies

Beaucoup de managers se fondent sur des opinions mrement rflchies pour prendre leurs dcisions. Ils font alors appel une logique sous-jacente, logique qui est tire d'une analyse soigneuse de la situation.

En outre, la dcision envisage est quantifie: pour cela des statistiques sont rassembles et analyses.

Le plus souvent le contenu statistique est techniquement valide et acceptable, mais il arrive que soient utilises des techniques statistiques inappropries dans la collecte des donnes, ou que serve seulement une fraction trs faible et parfois non reprsentative des donnes collectes.

Les managers ont attach plus de prix aux opinions mrement rflchies mesure qu'ils ont prt plus d'attention au collectif de lentreprise et au fait que ce dernier accepte les dcisions.

Ils souhaitent alors qu'une procdure rationnelle, mme si elle reste modeste, prside leur prise de dcision.

2.2.6. Les modles et les mthodes

L'utilisation de modles d'aide la dcision devient de plus en plus frquente dans le domaine de la gestion. Les modles d'valuation des produits et de choix des marques, les modles de pr-tests des produits nouveaux, les modles de prvisions, les modles de gestion de production, les modles d'valuation des socits, les modles d'valuation des hommes, sont les plus utiliss. L'utilisation ou llaboration de modles implique de la part des managers une dfinition prcise du problme rsoudre.

De nombreuses dcisions de gestion sont dtermines l'aide de modles et de mthodes (quantitatives) qui entrent pour une part importante dans les tudes modernes de gestion.

Actuellement la plupart des mthodes impliquent des mesures. Si on a toujours utilis des mesures dans la gestion, le dveloppement et la mise en uvre de techniques quantitatives ont fait leur vritable apparition au milieu des annes quarante. Cette brusque apparition tenait surtout des amliorations dans les techniques de mesure, lexistence d'ordinateurs, un intrt accru pour les mathmatiques appliques, enfin au dsir d'appliquer des dmarches plus logiques aux problmes de gestion du moment.

Le plus souvent, lutilisation des mthodes (modles) quantitatives pour prendre des dcisions se fait lorsquon insiste sur la meilleure faon d'atteindre les objectifs fixs. Le rsultat ou lobjectif final est habituellement donn: par exemple, minimiser le cot total de l'ensemble des activits ou maximiser le rendement total de l'entreprise.

Cest par une dcision personnelle que la reprsentation mathmatique ou statistique utilise sera choisie ou invente. Mais le traitement des donnes est impersonnel, encore qu'il ne puisse tre mcanique. Les mthodes quantitatives sont ncessairement associes la conception du problme, des hypothses, lexprimentation et larbitrage entre les diffrentes possibilits. Les hypothses qui sont formules ont une importance considrable et sont gnralement dfinies avec soin.

Le traitement lui-mme qui conduit la rponse est rationnel: il suppose des modes de comportement ordonns, partir d'explications et de prvisions logiques. Les mthodes quantitatives ont pour but d'aider les comptences de gestion, en rendant cette gestion la plus rationnelle possible. Nous allons prsenter dans la suiteles mthodes (outils) d'aide la dcision selon plusieurs univers (Chapitre 3).

2.2.7. Les systmes d'aide la dcision

Les dcisions stratgiques, les dcisions non programmables ncessitent la compilation de multiples informations; elles ncessitent galement une vision prospective de l'avenir: les scnarios prvus devant se drouler effectivement.

On parle alors de planification stratgique ou management stratgique. Pour les mettre en place, le recours l'informatique est indispensable; on voque alors la notion de systme d'aide la dcision.

Il y a plusieurs systmes d'aide la dcision comme des systmes interactifs d'aide la dcision (SIAD).

Ce sont des outils informatiques dont le rle consiste rsumer et modliser des chiffres et des donnes significatives qui nourriront la rflexion et orienteront le choix des dcideurs.

En particulier, ils permettent de simuler diffrentes situations au moyen de tableaux. Ils peuvent intgrer les bases de donnes et traiter de multiples variables, ainsi tester les diffrents choix possibles. Leur langage de communication est convivial et leur utilisation est aise.

Il existe les systmes experts qui peuvent reconstituer, aprs avoir acquis les donnes ncessaires, le raisonnement qu'aurait suivi un cerveau humain pour traiter un problme dtermin et aboutir une solution cohrente.

Parmi les systmes il y en a de mieux adapts au style de gestion (direction) de chaque entreprise; nous aborderons les systmes d'aide la dcision dans le (Chapitre 4).

3- Typologie de dcision

Les multiples dcisions prises au sein dune entreprise n'ont pas la mme importance, ni la mme porte. Les dcisions exceptionnelles ne sont pas traites de la mme faon que les dcisions rptitives. C'est pourquoi les chercheurs en sciences de gestion ont tabli des typologies permettant d'identifier et de traiter au mieux chaque dcision que le dcideur est amen prendre.

Chercher une bonne typologie: c'est sans doute une des plus anciennes ambitions de gestion que de pouvoir disposer d'une bonne classification des dcisions. Si une telle typologie existait, bien des difficults que rencontrent les entreprises pour bien dfinir puis agencer les uns par rapport aux autres les centres de dcision seraient durablement aplanies.

Il y a plusieurs critres, isols ou associs qui permettent dterminer l'incidence de la dcision.

3.1. L'objet de la dcision (le modle pyramidal traditionnel)

En apparence, cette premire classification est vieille comme le monde. La figure (2) en rappelle l'image familire: le modle pyramidal, dont les organisations militaires revendiquent souvent la paternit ce que nul semble-t-il ne leur conteste , est d'une admirable simplicit apparente. Dans des organisations ellesmmes simples, se dotant d'objectifs peu nombreux survivre par exemple- places dans un environnement relativement stable, cette classification s'est avre efficace dans ses applications ; ce modle, propos par I .ANSOFF, conduit distinguer trois niveaux inscrits dans une entreprise hirarchique traditionnelle.

3.1.1. La dcision stratgique

Chaque dcision prise par le ou les dcideurs placs au sommet de la hirarchie dans lentreprise est appele grande, ou stratgique. (PARKINSON rappelle, leur propos, la parabole de la dcision d'investissement du garage bicyclettes). On dfinit la dcision stratgique comme tant celle qui concerne les relations entre l'entreprise et lenvironnement, et porte essentiellement sur les choix de march et de produits afin de sadapter au mieux son milieu.

3.1.2. La dcision administrative

Cette sorte de dcision porte sur la structure et la gestion des ressources : acquisition, organisation et dveloppement des ressources; rapports hirarchiques, organisation du travail; rseaux de communications et informations: par exemple, mettre en place une dmarche qualit dans un atelier.

3.1.3. La dcision oprationnelle

Son but est d'obtenir de l'exploitation courante le maximum de profit ; par exemple: fixation des tarifs, promotion des ventes, programme de production, niveau des stocks. C'est partir de ce type de classification que s'est dvelopp tout le courant classique de la stratgie, en ce qui concerne les "grandes manuvres" que l'entreprise effectue par rapport ses marchs et ses concurrents.

Figure.2. Le modle pyramidal (historique)

D'autres auteurs ont critiqu cette classification, en considrant notamment que les relations de l'entreprise avec son environnement se nouent chaque niveau de dcision.

C'est ainsi que G. MUSSCHE propose la classification suivante :

Dcisions stratgiques : elles caractrisent le choix que fait l'entreprise d'un comportement global et long terme par rapport son environnement;

Dcisions tactiques : elles appliquent court et moyen termes les dcisions stratgiques en organisant les moyens ncessaires;

Dcisions mcaniques : elles assurent le fonctionnement quotidien de l'entreprise.

Outre le fait qu'elle introduit le niveau intermdiaire des dcisions tactiques, cette classification a le mrite de ne pas "spcialiser" chaque catgorie de dcisions selon le champ interne ou externe de l'entreprise.

Dans le mme cadre, MARTINET en distingue deux sortes :

Les dcisions stratgiques qui dterminent de faon durable la nature de l'entreprise et de ses relations avec l'extrieur: par exemple, le choix entre une seule ou plusieurs activits;

Les dcisions tactiques, courantes, qui ont pour objet de rsoudre les problmes qui surgissent au jour le jour sans modifier les orientations gnrales.

On pourrait citer les nombreux auteurs qui ont crit sur ce thme, et prsenter d'autres classifications .Ce serait surtout accrotre la confusion; dans ce domaine, l'exprience est utile et sans entrer dans ces dbats, les hommes d'entreprise s'en tiennent volontiers aux deux catgories susmentionnes.

3.2. L'chance de la dcision

Bien sr la classification prcdente se montre insuffisante dans certaines situations; aussi, pour ne pas devenir sa propre caricature, cette classification traditionnelle "l'chance de la dcision avait t complte par la mise en vidence de l'existence de trois niveaux diffrencis dobjectifs dans toute l'entreprise.

Dans ce cadre, on peut dfinir trois catgories de dcisions:

Les dcisions court terme : n'ont d'effet que sur une courte priode et sont pour la plupart rversibles. En cas d'erreur, l'entreprise peut entreprendre des actions correctives dont les effets se feront sentir rapidement ; par exemple : choix en matire d'approvisionnement, tablissement d'un planning de production;

Les dcisions moyen terme: engagent l'entreprise sur plusieurs exercices ; par exemple : lancement d'un nouveau produit, dcision de crer une nouvelle unit de production. Ces dcisions restent dans la plupart des cas rversibles mais les actions correctives sont coteuses et lentes;

Les dcisions long terme : sont exceptionnelles. Elles concernent l'existence mme de l'entreprise (processus de cration de l'entreprise), ses principes fondamentaux (culture, identit) ou sa politique gnrale (principales orientations, objectifs long terme, finalit). De telles orientations correspondent en fait une constellation de dcisions chelonnes dans le temps mais troitement imbriques. Ces orientations ne sont que trs difficilement rversibles.

La classification par chance voisine de la classification par objectif recherch, mais plus proche des principes de la thorie gnrale des systmes, repose sur un double critre:

Le champ couvert : la dcision peut concerner quelques personnes, un (ou plusieurs) sous-systme(s) de l'entreprise, ou au contraire avoir un champ d'action trs large et affecter la totalit de l'entreprise;

L'chance envisage : la dcision peut engager l'entreprise pour quelques heures seulement (dcisions trs court terme), plusieurs mois ou plusieurs annes.

Ce double critre permet de distinguer :

Les dcisions de planification : Il s'agit de dcisions de nature gnrale concernant l'intgralit du systme entreprise et engageant celui-ci sur une longue priode; par exemple : localisation des locaux, fusion, absorption;

Les dcisions de pilotage : ces dcisions ont une porte plus limite (moins dun an). Elles s'inscrivent dans le champ d'action d'une fonction ou d'un sous- systme de l'entreprise. Le domaine privilgi des dcisions de pilotage est celui de l'adaptation de l'entreprise aux fluctuations de l'environnement, sa surveillance et son contrle, par exemple: la dcision de sous-traiter, le lancement d'une compagne promotionnelle;

Les dcisions de rgulation : il s'agit de dcisions simples, souvent rptitives et court terme qui assurent le bon fonctionnement au jour le jour du systme entreprise; par exemple : renouvellement des stocks, facturation, gestion de la trsorerie.

La figure (3) claire les remarques prcdentes et met en vidence le bien-fond de cette distinction base sur le domaine couvert par la dcision (le champ couvert & l'chance envisage),

Figure .3. Les systmes de dcision dans les organisations

3.3. Le degr de structure de la dcision

Le nombre et la complexit des paramtres intervenant dans un processus de dcision peuvent tre trs varis. Lorsque ces paramtres sont peu nombreux, aisment identifiables et en mme temps quantifiables, il est possible de formaliser la dcision, cest--dire recourir une procdure standard de rsolution ou laborer un modle de prise de dcision. Tout problme est alors soumis une succession d'oprations excutes dans un ordre prcis et sous certaines contraintes, pour passer des informations de base aux choix dfinitifs.

On parle alors de dcisions programmables lorsque peut tre formul a priori "l'ensemble des prescriptions ou stratgies qui dfiniront la squence des rponses du systme considr un environnement plus ou moins complexe".

Ce sera donc pour les dcisions rptitives, de routine quon disposera d'une procdure dfinie; H. SIMON (1960) ayant observ des faits nouveaux apparus depuis quarante ans dans l'environnement de la dcision, propose une subdivision complmentaire en regroupant les techniques classiques ou traditionnelles d'une part, et les techniques dites modernes d'autre part. Ce qui le conduit tablir un tableau apparemment fort simple figure (4).

Ce tableau s'avre a priori commode pour identifier les rles et les limites des systmes d'information des dcideurs.

La premire case tant remplie par le systme comptable traditionnel et par quelques procdures routinires;

La seconde parce qu'il est parfois convenu dappeler M.I.S;

La troisime par le jeu du hasard ou le mystrieux flair en opposition tout systme formalis d'informations;

La quatrime par les dveloppements les plus surprenants utilisant la technologie avance des systmes d'aide la dcision.

Types de dcisions

Techniques de dcisions

Classiques ou traditionnelles

Modernes

Programmes:

Dcisions de routines rptitives pour lesquelles on dispose de procdure spcifiques.

1

-L'habitude.

- Les procdures standard et rglementaires.

-Les systmes trs prcis de sous- objectifs intermdiaires.

-Les canaux d'information bien dfinis et formaliss

2

- Toutes les techniques de modlisation permises par la statistique et la mathmatique (la recherche oprationnelle et le calcul conomique.)

- Complt par les ressources spcifiques que leur apportent les ordinateurs

Non programmes :

Dcisions imprvisibles faiblement structures, pour lesquelles on ne dispose que de procdures trs gnrales de rsolution

3

-L'intuition, l'imagination, le " jugement".

-Le flair. Et les batteries d'ordre de grandeur.

-Le choix des "bons" dcideurs.

4

-Les techniques heuristiques De rsolution mises en uvre par :

* l'entranement des dcideurs.

* l'utilisation de programmes heuristiques sur ordinateurs.

Figure .4. Le modle programm -non programm

En revanche, lorsque les paramtres de la dcision sont nombreux ou qualitatifs, il est pratiquement impossible de les soumettre un algorithme de traitement prdtermin. Ces dcisions, souvent imprvisibles, mais nanmoins frquentes sont dites non programmables. On peut tablir le lien entre le degr de certitude de la dcision et celui de la programmation en figurant un simple schma figure (5):

Source : auteur

De ce point de vue, nous dduisons que parmi les dcisions non programmables, deux cas doivent tre distingus.

3.3.1. Les dcisions structures

Il s'agit de dcisions pour lesquelles les principaux paramtres sont peu prs identifiables. S'il est difficile de recourir une procdure standard de rsolution, le dcideur peut nanmoins faire appel des techniques (outils) d'aide la dcision qui claireront son jugement: par exemple, les rgles de rmunration des salaris.

3.3.2. Les dcisions faiblement structures (ou non structures)

Pour ce type de dcision, les paramtres prendre en compte sont multiples et complexes. Aucun processus de rsolution prtabli ne peut tre mis en uvre. Le dcideur doit se fier sa capacit de jugement, son exprience et parfois son intuition. On parle alors de dmarche heuristique; par exemple: attaque de marchs trangers, lancement d'une campagne promotionnelle.

prvision de l'indice du march Egyptien

1480

1500

1520

1540

1560

1580

1600

1620

1640

1660

1680

1700

1234567891011

temps

indice

Real

NN

ARIMA

Programmables Structures Hybrides

Figure. 6. Classification des dcisions.

4- Les contextes du choix

M. PORTER distingue les dcisions dlibres et les dcisions mergentes, cest--dire qu'il oppose :

les dcisions choisies par l'entreprise en fonction de ses objectifs, de ses activits;

aux dcisions imposes par des contraintes extrieures, des concurrents, qui influent sur les actions de l'entreprise.

Le critre retenu est donc le degr de libert de choix du dcideur. En fait, au sein de toute entreprise de nombreuses dcisions diffrentes sont prises en permanence. Ces dcisions conditionnent les activits de l'entreprise, sont interdpendantes, pouvant rpondre des objectifs pour certains services et constituer des contraintes pour d'autres.

Par exemple: si un service financier choisit comme objectif un certain taux de profitabilit, cela va reprsenter une contrainte pour le service mercatique dans ses choix de lancement de produits.

Dans une entreprise les dcisions prises doivent tenir compte de cette interaction entre les services (en interne), comme des choix des partenaires et concurrents et aussi des institutions de l'environnement (en externe).

Il faut donc rechercher une certaine cohrence interne et externe dans le choix des dcisions.

5- Le degr de formalisation du comportement du dcideur

L. SFEZ propose une classification de l'volution de la formalisation du dcideur en trois tapes :

L'homme certain :

Est un acteur de l'entreprise classique qui prend des dcisions de manire rationnelle, selon un processus linaire dans un univers certain; il peut optimiser tous les facteurs. Ses objectifs individuels et ceux de l'entreprise convergente vers le mme but;

L'homme probable :

Est un acteur rationalit limite qui cherche une solution seulement satisfaisante dans un univers incertain mais probabilisable, lorsque lentreprise est le lieu de multiples conflits.

L'homme alatoire :

Est un acteur dans les entreprises actuelles o l'indtermination, l'incertitude et la complexit sont encore plus grandes; les dcisions sont alors des compromis.

La dcision n'est mise en uvre que si les acteurs la comprennent, l'acceptent et sont prts lappliquer; une telle dcision comporte en outre une dimension psychologique.

6- Les classifications synthtiques

Ces classifications combinent plusieurs critres et conduisent envisager de nouvelles typologies de dcisions.

Ainsi J.L. LEMOIGNE propose-t-il de reprsenter les critres d'chance / champ couvert en fonction du degr de structure de la dcision.

Ltude de La figure (7) montre que les dcisions de rgulation sont plus structures que les dcisions de planification par nature plus rare et plus complexe.

58

2

7

4

Figure. 7. Classification synthtique

De plus, cette figure s'agit d'une frquence quantitative : le nombre de dcisions dans chaque cellule; sans hypothse qualitative sur leur importance.

Bien sr, cette estimation a priori devra tre prcise au coup par coup dans chaque entreprise : selon les surfaces respectives des cellules 1,4 et 7, les priorits des efforts de dveloppement des procdures internes de dcision pourront tre plus aisment dfinies. Et des analyses de poste, qui font transpirer nombre d'organisateurs, par cette approche sont clarifies de faon efficace sinon lgante.

L'objectif de la dcision peut galement tre associ d'autres impratifs tels que l'chance dans le temps, les moyens dactions correctives, la rptitivit des choix.

Il est possible de synthtiser dans le tableau suivant figure (8) les diffrents critres de classification des dcisions, mais sy rfrer entrane une perte de prcision dans l'information.

Nature des dcisions

Oprationnelles

Tactiques

stratgiques

Domaine des dcisions

Exploitation

Gestion

Stratgie

Horizon de temps

Trs court terme

Court terme

Moyen et long terme

Effets des dcisions:

Dure des effets

Rversibilit des effets

Trs brve forte

Brve faible

Durable nulle

Modalit

Adaptation aux alas correction des dviations par rapport la trajectoire

Fixation d'objectifs l'exploitation

Contrle de ralisation

Adaptation des objectifs

Fixation d'objectifs long terme relatifs l'volution et aux mutations de l'entreprise

Actions correctives

Faciles

Difficiles

Impossibles

Rptitivit des choix

Forte rptitivit frquence leve

Faible rptitivit frquence basse

Unicit des choix (absence de rptitivit)

Procdure de dcision

Programmable

Semi-programmable

Non programmable

Variable de la dcision :

- Domaine tudi

- Porte de la dcision

- Nombre

- Quantification

Processus de transformation des ressources

Porte restreinte (service)

Peu nombreuses

Quantitatives

Gestion des ressources, acquisition, affectation,

amlioration

porte intermdiaire (plusieurs services)

Nombreuses

Quantitatives en majorit

Relations de l'entreprise

Avec l'environnement (march, produits)

Porte gnrale (toute l'entreprise)

Trs nombreuses

Quantitatives en majorit

Exemples

Gestion des stocks

Ordonnancement de la production

Affectation du personnel; organisation des tournes

de livraison

Prvisions de vente

Programmes de production

Embauche de personnel

Plan de marchage

Gestion budgtaire

Contrle de gestion

Choix d'organisation et de restructuration d'investissement et de financement plan

Politique de production

Politique de distribution

Programme de recherche

Regroupement avec d'autres firmes

Ce tableau met en vidence le mcanisme qui permet de choisir parmi les neuf types de dcisions celle quon est conduit prendre.

En conclusion, on peut considrer que la prise de dcision est une tche essentielle parmi les cinq tches fondamentales de lentreprise et que cest un processus invitable chaque instant. Llaboration dune dcision est la rsultante de plusieurs facteurs tels que donnes, outils, experts, le plus important tant le dcideur ou dans notre recherche linvestisseur.

La figure (9) claire cette conclusion: elle reprsente toutes les conditions qui entourent la prise de dcision. Nous pouvons figurer ces conditions comme la poudre dun sablier qui scoule pour finalement aboutir une situation ngative ou une situation positive :

Les conditions et les environnemts (conomique , concurrent, politique)

Aprs avoir expos cette premire approche concernant la dcision, la conclusion qui s'impose est que :

la dcision est un choix irrversible et risqu entre plusieurs solutions possibles, que l'on appelle les alternatives;

La dcision du pass appartient au pass;

Une bonne dcision:

intgre dans sa logique toutes les informations disponibles;

fait courir au dcideur un risque qu'il peut se permettre de prendre et qu'il accepte de courir;

est conforme la prfrence du dcideur quant au droulement dans le temps.

Cest alors que nous pourrions donner une dfinition de la dcision boursire : cest un choix entre plusieurs opportunits disponibles concernant l'investissement dans la Bourse ("achat vente"), mais la spcificit de cette dcision est la prpondrance du facteur temps comme dans d'autres types de dcisions mais dans ce cas le choix est dfinitif comme dans un pari (gain ou perte). Nous allons prsenter les mthodes et les modles danalyse et de prise de ce type de dcision dans la deuxime partie.

Chapitre 2

THORIE DU PROCESSUS DE DCISION

La dcision ne peut tre dfinie indpendamment de la notion de processus dcisionnel. Prendre une dcision, selon MITZBERG, cest mettre en uvre un processus, qui aboutira, in fine, un choix.

Dans ce chapitre nous tudierons la thorie du processus de dcision- mais d'abord nous clarifierons la thorie de la dcision et donnerons ses limites- puis nous dcrirons les phases du processus de dcision en donnant leurs limites. Enfin, nous relierons le systme de dcision au management dcisionnel.

L'importance considrable accorde la dcision par les deux coles (praticiens et thoriciens) s'explique non seulement par les consquences ventuelles des dcisions, mais aussi parce que la dcision s'est longtemps identifie avec le pouvoir et semblait tre la caractristique de l'entreprise.

L'volution des organisations des entreprises et du monde des affaires en gnral a eu pour consquence une plus grande complexit dans les processus de la prise de dcision.

1- Les thories de la dcision

Les premires thories de la dcision se sont efforces de trouver le moyen dobtenir le choix le plus rationnel possible.

Elles ont t labores partir de lobservation du comportement individuel face au choix dans un environnement incertain. Cependant, e