Les systèmes d’Aide à la Décision (SIAD)

Télécharger le fichier pdf d’un mémoire de fin d’études

Les systèmes d’Aide à la Décision (SIAD)

Keen et Scott-Morton [Keen 78] présentent les Systèmes d’Aide à la Décision (SIAD) comme des systèmes conçus pour résoudre des problèmes de décision peu ou mal structurés. Ces problèmes possèdent les ou l’une des caractéristiques suivantes [Klein 97] :
Les préférences, jugements, intuitions et l’expérience du décideur sont essentiels ;
La recherche d’une solution implique un mélange de recherche d’information, de formalisation ou définition et structuration du problème, du calcul et de la manipulation de données ;
La séquence des opérations de recherche d’une solution n’est pas connue à l’avance parce qu’elle peut être fonction des données, êtremodifiée, peut ne donner que des résultats partiels, ou encore peut être fonction des préférences de l’utilisateur ;
Les critères pour la décision sont nombreux, en conflit et fortement dépendant de la perception de l’utilisateur ;
La solution doit être obtenue en un temps limité ;
Le problème évolue rapidement.
Contrairement aux problèmes structurés, l’un des aspects les plus importants dans l’aide interactive à la décision est que l’homme prend l’avantage sur la machine. Résoudre le problème nécessite de faire appel à l’intuition et aux savoir-faire du décideur qui devient l’élément prépondérant du couple homme-machine. Dans ce cas, tout ou partie du contrôle de la recherche de solutions (processus de décision) doit être laissée au décideur. Toutes les solutions ne sont pas atteintes, seul un sous-espace de l’espace de recherche (l’ensemble des solutions) est exploré. On parle alors de recherche heuristique qui fournit une solution au problème, une solution satisfaisante mais peut êtrepas la meilleure selon le principe de rationalité limitée de [Simon 77]. En effet, le décideur humain est certainement totalement incapable de générer des arbres de décision longsuocomplexes, entre autres, à cause de ses capacités très limitées de « calcul ». Par contre,il est en mesure de faire des choix relativement rationnels pour des problèmes à dimension « humaine ».

Systèmes d’aide à la décision intelligents

Un des buts fondamentaux que se sont assignés les chercheurs en IA est la reproduction par les machines des raisonnements humains [Benchimol 92]. Les systèmes d’aide à la décision utilisent une traduction de la problématique dans un langage interprétable par une machine. La première tâche consiste donc à savoir c omment l’homme raisonne. Selon les tâches qu’il doit accomplir, le raisonnement d’un h omme diffère. En fait, il existe de nombreuses façons de raisonner et d’envisager des s ituations complexes.
La recherche d’une solution peut consister à dérouler une suite d’étapes élémentaires fixées par un algorithme de résolution. Cette approche algorithmique rencontre plusieurs limites car :
Elle suppose que l’intégralité du savoir des experts peut entrer dans le cadre normatif d’un langage informatique, ce qui n’est pas le cas .En effet les experts font souvent appel à des processus heuristiques qui sont le fruit de l eur expérience ;
Elle conduit parfois à une « explosion combinatoire » qui impose des temps de calcul inenvisageables. Cette explosion ne peut être contenue qu’en faisant appel aux connaissances empiriques, « tacites » [Ermine 03], acquises par un expert.
Deux modes de base de raisonnement plus répandus sont :
la déduction qui permet de tirer des conclusions à partir de règles dont on vérifie les prémisses ; l’induction qui conduit aux règles à partir d’obser vations partielles conduites suivant des schémas prédéterminés.
Ces deux raisonnements peuvent être utilisés de façon analytique (on découpe le raisonnement en sous-modules plus faciles à appréhender), ou synthétique (on rassemble au contraire des éléments épars).
Il est maintenant classique de chercher parmi les outils de l’intelligence artificielle des idées pour améliorer les performances des SIAD [Lévine 89]. Beaucoup de systèmes experts furent explicitement placés par leurs concepteurs ous le signe de l’aide à la décision. En effet, MYCIN [Buchanan 84] fut dès l’origine présenté comme un SIAD alors que PROSPECTOR [Duda 84] est conçu comme le prolongemen t des techniques de la décision bayésienne.
Turban et Aronson [Turban 01] suggèrent deux modes fondamentaux d’intégration des systèmes experts dans les SIAD qui sont : Intégration des systèmes experts dans les composants du SIAD et Intégration d’un système expert comme un composant séparé.
1) Dans le premier mode, l’incorporation des systèmes experts vise à enrichir la fonction des composants particuliers du SIAD ; par exemple, l’intégration d’un système expert dans le système de gestion de base de données confère une apacité de raisonnement à la manipulation des données. Cette intégration particulière permet aux utilisateurs de réaliser des requêtes de haut niveau telles que des interrogations de type « Comment ? » et « Pourquoi ? ». Selon Turban [Turban 95], l’intégration des système experts dans le SIAD peut être réalisée indépendamment (figure 1.5).
2) Dans le second modèle, un système expert est ajouté au SIAD initial. Le système expert complète le SIAD dans une ou plusieurs étapes du processus de prise de décision. Le système expert fournit les connaissances du domaine et recommande des stratégies de résolution durant le processus. Une telle intégration peut être conceptualisée tel un expert humain chargé de la formulation de stratégies, de l’interprétatio et l’évaluation des alternatives (figure 1.6).

Datamart

Un Datamart est un magasin de données. Il s’agit d’une solution départementale d’entrepôt de données (Datawarehouse) supportant une partie des données et fonctions del’entreprise. C’est un sous-ensemble d’un Datawarehouse qui ne contient que les données d’un métier de l’entreprise alors qu’un Datawarehouse contient toutes les données décisionnelles de l’entreprise pour tous les métiers. L’avantage de la mise en œuvre d’un tel outil est plus aisé vu sa portée et son étendue réduites dans l’organisation. La difficulté reste le coût de développement de son développement ad hoc pour chaque domaine défini.

OLAP (On Line Analytical Processing)

Traitement analytique en ligne, c’est la technologie qui permet de produire des synthèses descriptives en ligne (ou vues) des données contenues dans les grosses bases et les Datawarehouses. OLAP repose sur une structure de données spécialement daptée aux extractions et aux croisements : hypercube (ou cube).
Un hypercube est une construction intellectuelle qui rassemble les données en plusieurs axes appelés « dimensions ». Après avoir été extraidepuis un Datawarehouse, un hypercube permet de croiser et d’extraire des données de manière interactive suivant des critères qui n’avaient pas été imaginés. Ainsi, la technologie ypercubeh permet à l’utilisateur, par la production de tableaux multidimensionnels intermédiaires, de construire par sélection, les séries chronologiques ou les tableaux croisés dontil a besoin. Le contenu de ces hypercubes doit être défini a priori, à partir de l’analyse des besoins, de sorte qu’ils satisfassent au mieux les besoins des utilisateurs.

Dataweb

Actuellement, on assiste au développement d’un nouveau concept qui permet de fusionner le Datawarehouse et le Web : il s’agit du Dataweb. Le Dataweb désigne le support d’applications décisionnelles sur le web. De manière plus générale, c’est l’idée sous-jacente d’un accès à une base de données universelle, quelle que soit la plate-forme d’hébergement, sa localisation (interne/externe, Internet) ou le format des données (numérique, alphanumérique, HTML, images, …). Il n’est pas réce nt d’affirmer qu’il est essentiel d’avoir accès aux données internes à l’entreprise, mais aussi aux données externes qui peuvent provenir par exemple de l’internet. Un des avantages du Dataweb est de faciliter l’obtention des informations externes de l’entreprise.

Datamining

Le terme de Dataminig signifie littéralement forage de données. Comme dans tout forage, son but est de pouvoir extraire un élément : la conaissance. Ses concepts s’appuient sur le constat qu’il existe au sein de chaque entreprise des informations cachées dans le gisement de données. Ils permettent, grâce à un certain nombre de techniques spécifiques de faire apparaître des connaissances.
L’exploration se fait sur l’initiative du système, par un utilisateur métier, et son but est de remplir différentes tâches :
. La classification se fait naturellement depuis déjà bien longtemps pour comprendre et communiquer notre vision du monde. Elle consiste à examiner des caractéristiques d’un élément nouvellement présenté afin de l’affecteruneà classe d’un ensemble prédéfini.
. L’estimation , contrairement à la classification, son résultat permet d’obtenir une variable continue. Celle-ci est obtenue par une ou plusieurs fonctions combinant les données en entrée. Le résultat d’une estimation permet de procéder auxclassifications grâce à un barème. Un des intérêts de l’estimation est de pouvoir ordonner les résultats pour ne retenir si on le désire que les n meilleures valeurs.
. La prédiction ressemble à la classification et à l’estimation ma is dans une échelle temporelle différente. Tout comme les tâches précédentes, elle s’appuie sur le passé et le présent mais son résultat se situe dans un futur généralement précisé. La seule méthode pour mesurer la qualité de la prédiction est l’attente.
. Le regroupement par similitudes consiste à regrouper les éléments qui vont naturellement ensemble.
. L’analyse des clusters consiste à segmenter une population hétérogène ensous-populations homogènes. Contrairement à la classification, les sous-populations ne sont pas préétablies.
. La description, c’est souvent l’une des premières tâches demandées à un outil de datamining. On lui demande de décrire les données ’uned base complexe. Cela engendre souvent une exploitation supplémentaire en vue de fournir des explications.

Classification des Systèmes d’aide à la décision

La classification des systèmes d’aide à la décision est perçue selon différents niveaux :

Classification au niveau utilisateur

Hattenschwiller [Hattenschwiller 98] distingue les SIAD coopératifs, actifs et passifs :
(1) un SIAD passif est un système qui aide le processus décisionnel mais qui ne peut apporter des solutions ou des suggestions de décisions explicites ;
(2) un SIAD actif peut apporter des solutions ou suggestions de décisions explicites ;
(3) un SIAD coopératif permet au décideur (ou son conseiller) de modifier, de compléter ou d’affiner les suggestions de décisionsfournies par le système
avant de les renvoyer au système pour validation. Le système améliore aussi, complète et affine les suggestions du décideur et esl lui renvoie pour validation. Le processus entier recommence alors à nouveau jusqu’à ce qu’une solution consolidée soit générée.

Classification au niveau conceptuel

Power [Power 02] propose un cadre étendu en distinguant quatre types génériques de systèmes d’aide à la décision :
(1) un SIAD centré données met en relief l’accès à et al manipulation d’une série temporelle de données internes à l’organisation et quelquefois de données externes ;
(2) un SIAD orienté modèle met en relief l’accès à et al manipulation d’un modèle de simulation, d’optimisation, financier et statistique. Un SIAD orienté Modèle utilise des données et des paramètres fournis par les utilisateurs pour aider les décideurs à analyser une situation, mais n’est pas nécessairement centré sur les données ;
(3) un SIAD orienté documents fournit une expertise de résolution de problèmes spécialisés, stockés comme des faits, des règles,esd procédures ou dans des structures similaires ;
(4) un SIAD orienté communication supporte plus qu’une personne travaillant sur une tâche partagée.
Dans cette dernière catégorie, on retrouve les systèmes d’aide à la décision de groupe (appelés GDSS : Group Decision Support Systems) qui prennent une position prépondérante dans l’organisation. En effet, de nos jours, la décision est plus considérée comme une activité de groupe, ce qui a amené les organisations à constituer des équipes virtuelles de décideurs géographiquement éloignés pour collaborer à une variété de tâches.

Classification au niveau système

Power [Power 97] distingue des SIAD d’entreprise et ceux de bureau :
(1) un SIAD d’entreprise est relié à de larges entrepôt s de données et sert à plusieurs gestionnaires dans l’entreprise ;
(2) un SIAD simple utilisateur ou de bureau est un petit système qui réside dans un PC d’un gestionnaire individuel.
Lévine et Pomerol [Lévine 89] distinguent quatre types de systèmes décisionnels en fonction de la tâche à réaliser:
(1) DSS (Decision Support System) ou SIAD : ce sont des systèmes interactifs et flexibles, spécifiquement développés pour aider lesdécideurs à exploiter les données et les modèles, pour rechercher des solutions aux problèmes non structurés et analyser les effets d’éventuels changements de l’environnement sur l’organisation ;
(2) EIS (Executive Information System) : ce sont des outils de navigation et de visualisation des données de type tableaux de bord,permettant aux différents niveaux de management d’accéder aux informations essentielles de leur organisation et de les présenter de façon élaborée. Ces outils sont dotésd’une interface graphique très conviviale et très esthétique ;
(3) ESS (Executive Support System): l’ESS va au-delà de l’EIS en incluant des outils de communication, d’analyse et d’intelligence. Afin de mieux distinguer les deux systèmes, nous dirons que l’EIS est un outil permettant au décideur de se focaliser sur des données critiques pour obtenir une appréciationde l’organisation tandis que l’ESS doit permettre l’analyse de ces données grâce aux modèles d’analyse ;
(4) PSS (Planning Support System) : Ils permettent une analyse de faisabilité des procédures ou des décisions retenues (c’est à dire fournir aux décideurs une assistance intelligente).
Si nous revenons au modèle de Simon, la phase d’Intelligence correspond à l’EIS et l’ESS : le premier permet au décideur de se focaliser sur des données critiques (par exemple la chute des actions en bourse durant une certaine période) et le second de faire une analyse pour une appréciation future de l’organisation. Les autres étapes du modèle peuvent être assurées selon Turban [Turban 98] par le DSS qui peut faire de la planification stratégique et offre la possibilité d’analyser les effets d’éventuels changements sur l’organisation (en effectuant des simulations).

Classification au niveau connaissance

Dans le domaine des systèmes d’aide à la décision, quatre classes peuvent être distinguées selon la nature des connaissances utilisées pour les construire [Lévine 89]:
(1) les systèmes à base de savoir théorique relatif au problème, qui calcule les décisions optimales ou satisfaisantes ou simulent les résultats de décision envisagées ;
(2) les systèmes à base de savoir expert qui sont construits à partir des connaissances qu’utilisent les experts du domaine pour résoudre chacun des problèmes de ce domaine ;
(3) les systèmes à base de savoir factuel, en particulier les systèmes utilisant des réseaux de neurones, généralement construits par apprentissage par le système d’un grand nombre de problèmes du domaine qui ont déjà été rencontrés et, plus ou moins bien, résolus ;
(4) les systèmes informatiques classiques combinant une base de données fournissant les informations utiles à la prise de d écision, un tableur calculant quelques éléments de décision, et éventuellement ungrapheur permettant de les présenter sous un format ergonomique.

Le groupe de décision

Le terme groupe est utilisé dans le langage courant au sens générald’ensemble de personnes. Anzieu et Martin [Anzieu 03] pensent qu’il serait souhaitable de réserver l’usage scientifique du vocable groupe à un ensemble de personnes réunies ou qui veulent se réunir pour une de décision collaborative. Nous pourrionsconserver cette définition dans cette étude, car nous voulons restreindre la notion de groupe dans une direction similaire. Toutefois, il faut noter que nous sous-entendons dans ce cas une autre définition du verbe se réunir. En effet, si le verbe réunirn’implique pas toujours la présence physique en un même lieu (il peut être utilisé dans le sens de faire communiquer),se réunir a toujours évoqué la nécessité de rassemblement en même lieu à un même instant. Or dans la présente étude, il s’agit de permettre à un groupe de communiquer sans contraint e de temps ou de lieu. Nous utilisons réunirdans le sens de mettre en relation, faire communiquer les membres du groupe. Le terme groupe est aussi utilisé ici pour signifier au moins deuxpersonnes qui se sont réunies avec un but commun, sinon une perspective commune et collaborent pour prendre conjointement une décision.

Typologies des groupes

Il y a trois manières selon lesquelles le travail de groupe peut être organisé [Gallupe 92] :
. Groupe interactif : les membres d’un groupe interactif communiquent entre eux et s’efforcent de poursuivre leur tâche. Dans une réunion face-à-face, seule une personne du groupe peut proposer son idée à un instant donné, car les membres du groupe ne peuvent prêter attention qu’à une seule personne à la fois. Le groupe interactif peut tirer avantage des synergies sociales, toutefois, des tractations entre les membres peuvent causer une déperdition du processus.
. Groupe nominal : dans un groupe nominal, les membres du groupe travaillent séparément sur la même tâche et un des résultats est choisi comme le produit du groupe. Evidemment, les membres d’un groupe nominal ne bénéficient pas dessynergies sociales de groupes larges, mais d’un autre coté, ils ne sont pas impactés pardes effets indésirables du travail interactif tels l’arrêt de production ou l’appréhension d’évaluation. Un groupe nominal peut aussi être utilisé pour fournir un processus d’anonymat pour les membres du groupe.
. Equipe : un travail d’équipe combine des aspects à la fois du travail de groupe interactif et nominal. Le groupe de travail est divisé en équipes(typiquement 2-5 personnes), qui travaillent séparément. Les équipes sont de tailleassez réduite pour ne pas subir les déperditions de processus des groupes larges, mais assez large pour tirer profit des synergies sociales. Cependant, les équipes peuvent subir les tractations entre membres comme dans les groupes de travail interactifs.

Taille de groupe

Des recherches sur les groupes de décision (sans support technologique) ont montré que le nombre d’idées générées par personne baisse quande lgroupe devient plus large, et il est généralement établi que les groupes larges ne sontpas productifs [Gallupe 92].
Davantage de recherches suggèrent que 3-5 personnes est une taille de groupe optimale pour les groupes de brainstorming [Valacich 92]. Cependant cette taille de groupe supporte mieux des discussions informelles et ne peut être généralisée aux tâches qui requièrent une grande quantité d’expertise et une approche systématique.
Par ailleurs, les recherches en systèmes d’aide à l a décision de groupe (GDSS) suggèrent que la performance des groupes supportés par des GDSS augmente avec la taille de groupe [Gallupe 92] [Valacich 92] [Fjermestad 01]. Ce résultat, toutefois, ne peut être généralisé car la technologie GDSS utilisée dans ces études favorise des groupes larges. Par conséquent, vraisemblablement la taille de groupe n’interagit pas seulement avec les caractéristiques de la tâche mais aussi avec la technologie GDSS.
Une caractéristique additionnelle qui est souvent associée à la réunion de groupe est l’anonymat [Jessup 87] [Connolly 90].

Anonymat

Essentiellement, les communications anonymes dans le contexte du brainstorming électronique signifient que les participants à la réunion peuvent proposer leurs idées sans être identifiés. De même, ils peuvent voir les commentaires produits par d’autres sans connaître leurs identités. Quand l’anonymat est permis, mêmele médiateur ne peut connaître l’auteur d’un commentaire particulier. L’anonymat n’est pas une caractéristique obligatoire, ni nécessairement désirable non plus [Lyytinen 93]. Quand l’interaction du groupe est anonyme, les membres du groupe sont soumis à beaucoup moins d’influence de leurs pairs ou leurs responsables. L’anonymat est l’une des questions les plus largement discutées des GDSS, en mettant l’accent, spécifiquement, sur son effet quant au résultat de décision de groupe. C’est un des éléments desGDSS paramétrable. Toutefois, si l’anonymat permet aux participants d’exprimer leurs opinions ou idées librement, quelques commentaires non inhibés ou l’utilisation d’expressions fortes peuvent mener à des conflits. L’anonymat favorise aussi le désengagement des participants quant à leurs contributions. Cela peut détruire l’atmosphère de iscussiond.

Composition de groupe

Durant un processus d’aide à la décision, différents acteurs peuvent être amenés à participer à différents niveaux et/ou à titre varié. L’étude des différents acteurs (typologie des acteurs, leurs objectifs et systèmes de valeurs, leurs interactions, …) constitue un aspect important à étudier pour la modélisation et la conception d’un processus d’aide à la décision.
Le choix de la personne qu’il faut inviter est aussi important que celui des outils appropriés à la réunion. Un membre du groupe devrait être invité à la réunion, quand 1) il possède des informations nécessaires à la réunion ou, 2) il estimportant qu’il soit engagé dans la décision prise dans la réunion [Griffith 98].
Parmi les acteurs d’un processus d’aide à la décision, il convient d’identifier deux intervenants jouant un rôle important : le facilita teur et les participants. En effet, le processus de décision de groupe concerne surtout l’organisateur de la prise de décision (facilitateur, médiateur, ou initiateur) et les experts dans la prise de décision (les participants) [Chen 05].

Le facilitateur

Une composante clé dans le processus de prise de décision de groupe est le facilitateur (humain) de la réunion. Le facilitateur est un agent, accepté par les participants à la réunion. Il lance et prépare les phases du processus de prise de décision. Il définit la problématique de la décision et organise le groupe de décideurs humainspour le processus de prise de décision. Sa responsabilité est de diffuser les résultats aux participants à la fin de la session de prise de décision. Pendant le processus, le facilitateur a la responsabilité principale de faire converger le processus de prise de décision. Il est responsable du processus complet et de son achèvement, à savoir la décision.
Pour tirer le meilleur profit possible du travail en groupe, le facilitateur doit gérer la dynamique de façon à équilibrer les contributions i ndividuelles et le fonctionnement du groupe il doit se méfier des problèmes de fonctionnement du groupe lors des réunions collectives : pression des pairs vers la conformité, peur d’être évalué, émergence de leadership, phénomène de paresse sociale, conflit, etc. Pour cela il peut exploiter les techniques de discussion et de résolution dans lesgroupes, élaborées en psychologie sociale.
Le rôle du facilitateur est donc fondamental pour l e processus de décision de groupe et peut contribuer d’une façon décisive à son succès [Clawson 93] [Nunamaker 97]. Ainsi, il doit être explicitement considéré par le système de réunion. La manière dont ce rôle fournit ses supports d’aide au processus de décision collective peut être de trois types: Orienté-Utilisateur (OU), quand les fonctions d’aide dédiées à ce rôle sont à disposition de tous les participants au processus de décision et ainsi il n’y a aucune personne spécialement destinée à ce rôle; Orienté- Médiateur (OM), quand il y a une personnedésignée pour assurer ce rôle; et Orienté-Conducteur (OC), quand la personne désignée pour assurer le rôle d’aide prend en charge seulement la technologie, mais pas le processus [Dickson 93].

Participants

Les participants sont des experts qui interviennent dans la session de prise de décision, produisant et partageant différents types d’informations telles que les idées et les commentaires. Les activités de groupe sont, en effet, exécutées par des équipes en collaboration. Elles incluent la communication des idées, l’échange et le partage des informations, la coordination des activités, la discussion des résultats et la prise des décisions. Elles impliquent de nombreuses variables organisationnelles et sociales qui conditionnent le succès de n’importe quelle technologie d’aide. Dans le contexte du système d’aide à la décision de groupe, la structure de groupe, la taile du groupe, les rôles, les buts, les conflits individuels et les motivations sont des exemples de telles variables.

Le processus de prise de décision de groupe

Le terme processus de prise de décision fait référence aux états successifs par lesquels passe le groupe pour arriver à la décision. Dans ce sens, le processus de décision est considéré comme une machine à états : le groupe part d’un éta initial, où plusieurs perspectives existent et, en intégrant des perspectives dans une nouvelle qui représente une compréhension partagée, atteint un état final.

Table des matières

Chapitre I : Aide à la décision 
1.1 Décision et aide à la décision
1.1.1 Décision
1.1.2 Approches de la décision
1.1.3 Processus de décision
1.1.4 Aide à la décision
1.1.5 Aide à la décision multicritère
1.2 Les systèmes Interactifs d’Aide à la Décision (SIAD)
1.2.1 Définitions
1.2.2 Structure d’un système d’aide à la décision
1.2.3 Systèmes d’aide à la décision intelligents
1.3 Informatique décisionnelle
1.3.1 Le Data Warehouse
1.3.2 Datamart
1.3.3 OLAP (On Line Analytical Processing)
1.3.4 Dataweb
1.3.5 Datamining
1.4 Classification des Systèmes d’aide à la décision
1.4.1 Classification au niveau utilisateur
1.4.2 Classification au niveau conceptuel
1.4.3 Classification au niveau système
1.4.4 Classification au niveau connaissance
1.5 Conclusion
Chapitre II : Aide à la décision de groupe 
2.1 Prise de décision collective (de groupe)
2.1.1 Définitions
2.1.2 Le groupe de décision
2.1.2.1 Typologies des groupes
2.1.2.2 Taille du groupe
2.1.2.3 Anonymat
2.1.2.4 Composition du groupe
2.2 Le processus de prise de décision de groupe
2.2.1 Définitions
2.2.2 Typologie des processus de décision de groupe
2.2.3 Modélisation du processus de décision de groupe
2.2.3.1 Modèles en conception collaborative
2.2.3.2 Un modèle générique du processus d’aide à la décision collective
2.3 Salles de décision face-à-face vs. Systèmes d’aide à la communication homme-homme médiatisée (CMC)
2.3.1 Les salles de décision
2.3.2 Les systèmes d’aide à la communication homme-homme médiatisée
2.3.2.1 Les messageries électroniques
2.3.2.2 Les Forums de discussions
2.3.2.3 Les systèmes de téléconférence et de vidéoconférence
2.3.2.4 Les mediaspace
2.4 Les systèmes d’aide à la décision de groupe (GDSS)
2.4.1 Définition d’un GDSS
2.4.2 Avantages et limites d’un GDSS
2.4.3 Typologies des GDSS
2.4.3.1 Proximité
2.4.3.2 Synchronisation
2.5 Les systèmes d’aide à la décision de groupe distribuée
2.5.1 Architectures des GDSS distribués
2.5.1.1 Architecture centralisée
2.5.1.2 Architecture décentralisée
2.5.1.3 Architecture hybride
2.5.2 Les GDSS basé sur le web
2.6 Techniques et outils d’aide à la décision de groupe
2.6.1Techniques pour la prise de décision de groupe
2.6.1.1 Le brainstorming
2.6.1.2 Technique de prise de décision consensuelle
2.6.1.3 Technique NGT (Nominal Group technique)
2.6.1.4 La méthode Delphi
2.6.1.5 La négociation
2.6.2 Outils d’aide à la prise de décision de groupe
2.7 Conclusion
Chapitre III : Aide à la facilitation de la prise de décision collective 
3.1 La facilitation
3.1.1 Définitions
3.1.2 Facilitation vs. Médiation
3.2 Formes de facilitation
3.2.1 Modes de facilitation
3.2.2 Facilitation technique vs. Facilitation du processus
3.2.3 Facilitation du processus vs. Facilitation du contenu
3.3 Le facilitateur
3.3.1 Rôle du facilitateur
3.3.2 Facilitateur interne ou externe
3.4 Facilitation des environnements virtuels de prise de décision
3.4.1 Les environnements virtuels de prise de décision collective distribuée
3.4.2 La facilitation distribuée
3.5 Automatisation de la facilitation
3.6 Le processus de facilitation
3.6.1 Phase de pré-décision
3.6.2 Phase de décision
3.6.3 Phase de post-décision
3.7 Outils d’aide à la facilitation
3.8 Conclusion
Chapitre IV : Proposition d’un modèle et d’un système d’aide à la facilitation de la prise de décision collective
4.1 Modélisation du processus de prise de décision collective
4.1.1 Le modèle
4.1.1.1 Phase de Pré-décision
4.1.1.2 Phase de Décision
4.1.1.2.1 Génération des options de solutions
4.1.1.2.2 Organisation des options de solutions ..
4.1.1.2.3 Evaluation des options de solutions
4.1.1.2.4 Décision/ Choix d’une solution
4.1.1.3 Phase de Post-Décision
4.1.2. Discussion
4.2 Un modèle d’architecture pour l’aide à la décision de groupe distribuée
4.2.1 Types .de coopération
4.2.1.1 Coopération Homme – Machine
4.2.1.2 Coopération Homme-Homme médiatisée
4.2.1.3 Modes d’utilisation des types de coopération
4.2.2 Architecture
4.2.3 Système coopératif spécifique d’aide à la décision (DM-DSS)
4.2.3.1 Les modèles conceptuels dans la coopération
4.2.3.1.1 Le Modèle Conceptuel de l’Application (MCA)
4.2.3.1.2 Le Modèle Conceptuel de Coopération (MCC)
4.2.3.1.3 Les Modèles Conceptuels de l’Utilisateur (MCU)
4.2.3.2 Le paradigme Tâches-Méthodes
4.2.3.2.1 Les tâches
4.2.3.2.2 Les méthodes
4.2.3.3 Architecture du DM-DSS
4.2.3.3.1 La base de Données
4.2.3.3.2 La base de modèles
4.2.3.3.3 La base de connaissances
4.2.3.3.4 Le gestionnaire de la coopération
4.2.3.3.5 Discussion
4.3 Aide à la facilitation de la prise de décision collective
4.3.1 Processus de facilitation
4.3.2 Organigramme générale de la procédure d’aide à la facilitation
4.4 Mise en oeuvre du processus de décision
4.4.1 Phase de Pré-Décision
4.4.2 Phase de Décision
4.4.2.1 Génération des options de solutions
4.4.2.2 Organisation des options de solutions
4.4.2.3 Evaluation des options de solutions
4.3.2.4 Décision/Choix d’une solution
4.4.3 Phase de Post-Décision
4.4.3.1 Présentation de la solution et discussion
4.4.3.2 Le rapport
4.5 Conclusion
Chapitre V : Exemple d’application 
5.1 Présentation de l’application
5.1.1 La description générale de la chaudière
5.1.2 Le fonctionnement de la chaudière
5.2 Scénario
5.3 Modélisation
5.3.1 Modèle conceptuel partiel du domaine
5.3.2 Modèle conceptuel partiel de raisonnement d’un opérateur
5.4 Environnement de développement
5.5 Exemple de session
5.5.1 Interface Facilitateur
5.5.1.1 Invitation des participants
5.5.1.2 Planification de l’agenda (ordre du jour)
5.5.1.3 Identification du problème : tâches à résoudre
5.5.2 Interface Participant
5.5.2.1 Génération des options de solutions (résolution au niveau Participant)
5.5.2.2 Organisation des options de solutions au niveau de facilitateur
5.5.2.3 Evaluation des options de solutions
5.5.2.4 Décision/Choix d’une solution..
5.4.3 Reporting (Post-décision)
5.5 Conclusion
Conclusion Générale et Perspectives
Bibliographie

Télécharger le rapport complet