See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/355773925

Chapitre 2: L'aide à la décision multicritère par la méthode Electre I

Presentation · October 2021

DOI: 10.13140/RG.2.2.33556.01922

CITATIONS READS

0 2

1 author:

Sami Mestiri
Faculté des Sciences Économiques et de Gestion de Mahdia
36 PUBLICATIONS 14 CITATIONS

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Using R for statistical analysis View project

Credit Risk Prediction based on Bayesian estimation of logistic regression model with random effects View project

All content following this page was uploaded by Sami Mestiri on 30 October 2021.

The user has requested enhancement of the downloaded file.

 Cours Techniques d’aide à la décision
3eme LBC-EB

Chapitre 2: L’aide à la décision multicritère par la méthode

Electre I

Sami Mestiri

Faculté des sciences économiques et de gestion de Mahdia,

Université de Monastir, Tunisie.
mestirisami2007 ∂ gmail.com

2021-2022

1
 1-Définition
J L’aide à la décision est l’ensemble des techniques
permettant d’effectuer individuellement la meilleure prise de
décision possible.
J En général, pour trouver une solution adéquate, cela ne
dépend pas d’un seul mais d’un ensemble de critères. Pour
trouver la meilleure solution possible, via l’analyse multicritère,
il faut opérer en 4 étapes :
1. Dresser la liste des actions potentielles,
2. Dresser la liste des critères à prendre en compte,
3. Établir un tableau des performances,
4. Agréger les performances.
C’est lors étape 4 que l’on peut généralement observer des
2
 2-Analyse des conséquences

J L’évaluation de l’action sera donc effectuée sur un ensemble

de critères. On distingue le vrai-critère et le pseudo-critère.
Pour le vrai critère, en considérant deux actions a et b à
comparer, deux situations sont possibles :
g (b) = g (a) ⇔ bIg a (indifférence)
g (b) > g (a) ⇔ bPg a (préférence stricte)
C’est une vision peu réaliste car une simple différence
g (b) − g (a) n’est pas significative d’une préférence stricte.

3
 2-Analyse des conséquences
J Pour le pseudo-critère on associe à la fonction critère g
deux fonctions seuils qg (g (a)) exprimant un seuil
d’indifférence et pg (g (a)) exprimant un seuil de préférence :
g (b) ≥ g (a) ⇔ bSb a
Sb : "aussi bon que", où S est une relation de sur-classement,
c’est à dire que b est au moins aussi bon que a sur une
majorité de critères sans être vraiment plus mauvais
relativement sur les autres critères. On dira dans ce cas que b
surclasse a, on notera bSb a. On introduit des seuils (constants
ou fonctions de g) tels que :
g (b) − g (a) ≤ qg (g (a)) ⇔ bIg a
pg (g (a)) < g (b) − g (a) ⇔ bPg a
4
 3- Performance des actions
J Lorsque l’analyse des actions a conduit à la construction
d’un seul critère, on peut réaliser une optimisation sur ce
critère, ce qui peut être simple lorsque le nombre d’actions est
faible, sinon il faut avoir recours à des outils plus ou moins
compliqués.
J Dans le cas fréquent, où l’analyse des conséquences des
actions potentielles a conduit à construire plusieurs critères,
c’est l’analyse multicritère qui permet de donner des réponses
au problème posé. Pour chaque action considérée et pour
chaque critère, un seuil de préférence p, d’indifférence q et un
seuil de veto v sont estimés. Chaque critère se voit attribué un
poids k traduisant sa contribution dans la décision finale. Le
5
 3- Performance des actions

Critères C1 C1 ... Cj ... Cn

Actions
a1 g1 (a1 ) g2 (a1 ) ... gj (a1 ) ... gn (a1 )
a2 g1 (a2 ) g2 (a2 ) ... gj (a2 ) ... gn (a2 )
• • • • • • •
ai g1 (ai ) g2 (ai ) ... gj (ai ) ... gn (ai )
• • • • • • •
am g1 (am ) g2 (am ) ... gj (am ) • gn (am )
Poids k1 k2 ... kj .. kn
• p1 p2 ... pj ... pn
Seuils q1 q2 ... qj ... qn
• v1 v2 ... vj ... vn

6
 4-La méthode Electre I
J Les méthodes ELECTRE, dont l’acronyme désigne
Elicitation Et Choix Traduisant la REalité, regroupent
une famille de méthodes d’aide à la décision dont la
particularité est l’agrégation partielle via la construction de
relations de comparaisons des performances de chaque couple
de solutions.
J Cette méthode proposée par (Roy,1968) permet de résoudre
les problèmes multicritère de choix. Cette méthode permet
d’identifier le sous-ensemble d’actions offrant le meilleur
compromis possible. Souvent utilisée dans le choix de projets
concurrents, afin d’identifier le sous-ensemble de projets le plus
performant sur la base des critères considérés.
7
 4-La méthode Electre I

J On considère un ensemble A de m actions, qui représentent

l’objet de la décision, dont le but est d’identifier un
sous-ensemble d’actions offrant un meilleur compromis parmi
l’ensemble de départ. On définit pour chaque critère une
fonction d’évaluation gj (où j=1 à n, n est le nombre de
critères), pour chaque critère, on évalue un poids kj qui
augmente avec l’importance du critère.

8
 4-La méthode Electre I
L’indice de concordance pour deux actions a et b est noté
par C(a,b), compris entre 1 et 0, il mesure la pertinence de
l’assertion « P a surclasse b », comme suit :
kj
gj (a)>gj (b)
avec K = nj=1 kj
P
C (a, b) =
K
L’indice de discordance D(a,b) est défini par :
1
D(a, b) = maxj [gj (a) − gj (b)] avec δ est la différence
δ
maximale entre le même critère pour deux actions donnée.
La relation de sur-classement pour Electre I est
construite par la comparaison des indices de concordance et de
discordance à des seuils limites de concordance ĉ et de
discordance dˆ
9
 4-La méthode Electre I

Ainsi, a surclasse b, si :

aSb ⇔ C (a, b) > ĉetD(a, b) > dˆ

En plaçant chaque action à la fois en ligne et en colonne, on établit

les matrices de concordance et de discordance, dont la diagonale ne
présente aucune valeur.
Il faut alors définir un seuil de concordance et un seuil de
discordance. Ces seuils permettront de réaliser les tests de
concordance et de discordance (Figure 1). Le premier indique une
valeur minimale à dépasser (souvent supérieure à 0,5), le second
une valeur maximale à ne pas outrepasser (souvent inférieure à 0,5).
10
4-La méthode Electre I

11
 4-La méthode Electre I :Exemple

La problématique à résoudre est de choisir la ville pour déménager .

On propose d’utiliser ELECTRE I.
Le tableau de performance est donné dans le tableau suivant :
Critères Temps Prix de log Qualité de vie Proximité Amis
Poids kj 4 3 5 2 5
Tunis 4 1 2 1 4
Sfax 4 2 4 2 3
Mahdia 5 3 5 3 3

12
 4-La méthode Electre I :Exemple

Le calcul de l’indice de concordance :

4+0+0+0+5
C (Tunis, Sfax) = =
19
0+0+0+0+5
0.4737, C (Tunis, Mahdia) = = 0.2632
19
4+3+5+2+0
C (Sfax, Tunis) = = 0.7368, C (Sfax, Mahdia) =
19
0+0+0+0+5
= 0.2632
19
La matrice des indices de concordance est donnée par :
Tunis Sfax Mahdia
Tunis 1.0000 0.4737 0.2632
Sfax 0.7368 1.0000 0.2632
Mahdia 0.7368 1.0000 1.0000

13
 4-La méthode Electre I :Exemple

L’indice de discordance est calculé pour une valeur de

δ =5−2=3
1 3
D(Tunis, Sfax) = = 0.3, D(Tunis, Mahdia) = = 1
3 3
2 0
D(Sfax, Tunis) = = 0.6667, D(Sfax, Mahdia) = = 0
3 3
La matrice de discordance est obtenue comme suit :
Tunis Sfax Mahdia
Tunis 0.000 0.3333 0.3333
Sfax 0.6667 1.0000 0.0000
Mahdia 1.000 0.3333 0.0000

14
 4-La méthode Electre I :Exemple
L’intérêt de la méthode Electre I est d’isoler un sous ensemble de
solutions, dans notre cas identifier les villes. En considérant ĉ = 0.7
et dˆ = 0.35 , Ainsi, a surclasse b, si :

aSb ⇔ C (a, b) > 0.7 et D(a, b) > 0.35

on obtient les résultat suivant : (Mahdia S sfax) ,

Mahdia S tunis et Sfax Stunis.

15
 5-La méthode Electre I : Application
L’exemple traite du choix d’un projet, parmi 6 projets concurrents
pour la réalisation d’une raffinerie. Chaque projet est évalué sur la
base de 5 critères environnementaux
- C1 : Nuisance sonore
- C2 : Séparation du territoire
- C3 : Pollution de l’air
- C4 : Impact sur l‘aménagement du territoire
- C5 : Impact sur les activités récréatives
L’importance de chaque critère dans la prise de décision est traduite
par un poids kj tel que

Critères C1 C2 C3 C4 C5
Poids kj 3 2 3 1 1
16
 5-La méthode Electre I : Application
Chaque projet est évalué en fonction des critères retenus à l’aide
d’une échelle qualitative et des scores. Plus le score est élève, plus
les impacts du projet sur l’environnement sont moindres. Le tableau
de performance est donné dans le tableau suivant :

Projets C1 C2 C3 C4 C5
P1 10 20 5 10 16
P2 0 5 5 16 10
P3 0 10 0 16 7
P4 20 5 10 10 13
P5 20 10 15 10 13
P6 20 10 20 13 13
Table : Tableau de performances.
17
 5-La méthode Electre I : Application
Nous présentons un exemple de calcul de l’indice de concordance :
3+2+3+0+1
C (P1 , P2 ) = = 0.9, C (P1 , P3 ) =
10
3+2+3+0+1
= 0.9
10
0+0+3+0+1
C (P2 , P1 ) = = 0.4, C (P3 , P1 ) =
10
0+0+0+1+0
= 0.1
10
La matrice des indices de concordance est donnée par :

Projets P1 P2 P3 P4 P5 P6
P1 - 0.9 0.9 0.4 0.4 0.3
P2 0.4 - 0.8 0.4 0.1 0.1
P3 0.1 0.6 - 0.3 0.3 0.3
P4 0.7 0.9 0.7 - 0.5 0.4
18
 5-La méthode Electre I : Application
L’indice de discordance est calculé pour une valeur de
δ = 20 − 0 = 20
6 6
D(P1 , P2 ) = = 0.3, D(P1 , P3 ) = = 0.3
20 20
15 10
D(P2 , P1 ) = = 0.75, D(P3 , P1 ) = = 0.5
20 20
La matrice de discordance est obtenue comme suit :
Projets P1 P2 P3 P4 P5 P6
P1 - 0.3 0.3 0.5 0.5 0.75
P2 0.75 - 0.25 1 1 1
P3 0.5 0.25 - 1 1 1
P4 0.75 0.3 0.3 - 0.25 0.5
P5 0.5 0.3 0.3 0 - 0.25
P6 0.5 0.15 0.15 0 0 -
19
 5-La méthode Electre I : Application
Ł’intérêt de la méthode Electre I est d’isoler un sous ensemble de
solutions, dans notre cas identifier les projets avec le moins
d’impacts sur l’environnement. En considérant ĉ = 1 et dˆ = 0 , P1,
P2,P3 et P6 sont incomparables, par contre P6 SP4 , P6 SP5 et
P5 SP4 . On obtient le graphe de sur-classement suivant.

20
 5-La méthode Electre I : Application
Le résultat obtenu est sensible aux valeurs des seuils ĉ et dˆ . A titre
d’exemple, en posant ĉ = 0.9 et dˆ = 0.15 , on obtient les résultat
suivant : P6 SP2 ,P6 SP3 , P6 SP4 et P6 SP5
Dans ce cas les projets à retenir seraient les projets P1 et P6.

21
 6-La méthode Electre I : En utilisant R

library(OutrankingTools)
performanceMatrix = rbind(
c(10, 20, 5, 10, 16),
c(0, 5, 5, 16, 10),
c(0,10, 0, 16, 7),
c(20, 5, 10, 10, 13),
c(20 ,10, 15, 10, 13),
c(20,10,20, 13 ,13))
# Vecteur contenant des noms d’alternatives
alternatives =c("P1","P2","P3","P4","P5","P6")

22
 6-La méthode Electre I : En utilisant R
# Vecteur contenant des noms de critères
criteria =c("C1","C2","C3","C4","C5")
# vecteur indiquant le sens de l’évaluation des critères .
minmaxcriteria =c("max","max","max","max","max")
# Vecteur poids des critères‘
criteriaWeights = c(3, 2, 3, 1, 1)
ss=Electre_1 (performanceMatrix,alternatives,criteria,
criteriaWeights, minmaxcriteria,
concordance_ threshold=0.9,discordance_ threshold=0.15)
names(ss)
ss$Concordance
ss$Discordance
View publication stats
23