1.8 Outils d'Aide à la Décision
Dans le domaine de la modélisation, les Outils d'Aide
à la Décision (OAD) sont des systèmes informatiques
(modèles) conçus pour assister l'utilisateur dans la
résolution de problèmes complexes et aider dans la prise de
décisions particulières (Newman et al. 1999). Ils
offrent les possibilités d'explorer le futur et pourvoient une base de
référence.
La thématique de la modélisation fait appel
à des terminologies qu'il convi ent d'expliquer.
1.8.1 Terminologie
1.8.1.1 Approche système
Un système est un ensemble d'éléments
inter -agissants en harmonie de telle sorte qu'une affectation d'un
élément entraîne un changement conséquent du
comportement de l'ensemble. (Jones et Luyten, 1998 ; Struif-Bontkes, 1999)
Le système est circonscrit dans le temps et dans
l'espace et ses limites sont voulues par le concepteur suivant l'objectif
visé en vue d'étudier une partie du monde réel (Penning de
Vries et Robbing, 1995 ; Jones et Luyten, 1998).
L'approche système est une méthode de recherche
souvent interdisciplinaire, qui demande la perception d'un sujet (un
problème) de manière globale comme un système afin de
mieux l'étudier (Struif-Bontkes, 2001).
Pour étudier une problématique, par exemple la
fertilité d'un sol pour une culture donnée, on peut
définir le système sol-plante et circonscrire les limites de ce
système. On étudiera alors toutes les actions au sein du
système défini et les facteurs qui agissent sur ce
système.
1.8.1.2 Modélisation et simulation
La modélisation est l'activité qui consiste
à convertir un système défini en un modèle (Dzotsi,
2002). Le modèle est une représentation mathématique d'un
système (Jones et Luyten, 1998).
La simulation est l'imitation du comportement réel d'un
système (Jones et Luyten, 1998 ; Struif-Bontkes, 2001). Elle consiste
à faire voir les états successifs d'un système
défini, grâce à la conversion en un ensemble de relations
mathématiques des données définissant l'état
initial (Delforg e, 1984; Struif-Bontkes, 1999).
1.8.2 Elaboration d'un modèle
Il n'existe pas une seule méthode spécifique
pour développer un modèle. La méthode à utiliser
dépend des objectifs et des circonstances (Struif-Bontkes, 2001). Nous
proposons ici l'approche décrite par Jones et Luyten (1998).
a- Définition des objectifs de
départ
Il est essentiel de débuter par les raisons motivant le
choix des modèles pour résoudre le problème posé
car tout le reste du travail se base sur cette étape initiale. Il est
aussi important à cette phase de décrire explicitement les
problèmes à résoudre et leur gestion ainsi que les
résultats auxquels on s'attend de la part du modèle (Jones et
Luyten, 1998).
b- Définition du système à
étudier
On définit à cette étape les composantes
du système et ses limites. Il faut décrire aussi les
échanges (flux entrants et sortants) que le système effectue avec
son environnement. Il est important de savoir que toute information
additionnelle nécessite une redéfinition du système
à étudier (Jones et Luyten, 1998).
c- Revue de la littérature
En prélude au développement du modèle,
il est nécessaire de procéder à une recherche documentaire
en vue d'acquérir des informations sur les études
antérieures. A cette étape, on établit des
caractéristiques du système. La revue de littérature
permet de définir les paramètres inconnus ou de juger de la
pertinence de certains paramètres du modèle (Jones et Luyten,
1998).
d- Développement du
modèle
Dans cette étape, il est conseillé d'utiliser
des diagr ammes représentants les éléments du
système et de définir les relations entre ces
éléments. La représentation mathématique du
système sera développée incluant les fonctions et les
relations spécifiques à utiliser dans le modèle. Les
essais en milieux réels sont nécessaires pour avoir les
données permettant d'estimer les paramètres et de
développer les fonctions du modèle. Ces paramètres et
fonctions seront traduits en langage informatique pour simuler le comportement
du système réel étudié (Jones et Luyten, 1998).
e- Evaluation de la précision du
modèle
L'évaluation d'un modèle se définit en terme
de vérification, de calibrage et de validation du modèle
(Sogbédji et al., 200 1ab).
La vérification d'un modèle se réfère
à la reproductivité par le modèle à 95 %
près des données ayant servi à son
développement.
Le calibrage consiste à ajuster les paramètres
du modèle afin qu'il y ait peu de différence entre les
prédictions du modèle et les mesures réelles prises au
sein du système (Jones et Luyten, 1998; Frei, 2003). Il est
également l'ensemble des processus permettant de rendre un modèle
capable de mieux imiter la réalité. (Sinclair et Seligman,
2000).
Un modèle publiable est dit « validé »
en ce sens qu'il est bien monté ou justifié suivant les
théories scientifiques (Merriam-Webster, 1998). On procède
à la validation d'un modèle par la comparaison des valeurs
prédites du modèle avec des données expérimentales
issues du système prédéfini, et qui n'ont aucunement servi
ni au calibrage ni au développement du modèle (Jones et Luyten,
1998). L'objectif de la validation est non seulement de déterminer la
précision de la capacité prédictive du modèle mais
aussi de tester le comportement du modèle vis-à-vis de la
réalité (Monteith, 1996; Sinclair et Seligman, 2000). La
validation est admise comme l'ultime et le légitime test d'un
modèle dans des conditions spécifiques, en vue de son usage
général (Oreskes et al., 1994; Dzotsi,
2002). La validation d'un modèle est un test de la
performance de celui -ci par rapport aux objectifs de son
développement.
Des tests statistiques sont utilisés pour
vérifier si le comportement du modèle est différent du
comportement du système réel. Aucun test ou combinaison de tests
statistiques n'est défini comme étant valable pour
l'évaluation d 'un modèle. Le niveau de confiance acceptable est
établi normalement par une série de jugements et de modifications
subséquentes jusqu'au moment où le modèle répond
usuellement au support décisionnel pour lequel il est
développé (Jury et al., 1986; Saleh et al.,
1990).
La tendance actuelle développée par de grands
auteurs de modèles sur la précision de ceux-ci préconise
l'usage du terme « validation » uniquement pour les modèles
qui sont universellement admis et éprouvé. Le terme usuté
en remplacement est « test de la performance ». C'est ce dernier
terme qui sera utilisé dans notre étude.
f- Analyse de la sensibilité
Cette phase détermine combien les variations des
paramètres du modèle influenceraient les résultats du
modèle (Jones et Luyten, 1998). L'analyse de la sensibilité du
modèle permet de jauger le comportement du modèle suite aux
variations par rapport à l'évolution des conditions
réelles.
g- Application du modèle
Il est souhaitable que cette phase soit confiée
à des personnes n'ayant pas p articipé au développement du
modèle. Il est important d'établir un guide d'utilisation qui
précise l'objectif original et le système de
référence pour qu'on puisse comprendre aisément le
système étudié (Jones et Luyten, 1998). Il est important
de procéder à une application du modèle afin de
vérifier s'il répond au mieux aux besoins pour lesquels il est
développé.
| 
