Soutenance mémoire
Les Systèmes d’Aide à la décision Spatio-temporelles (STDSS)
Introduction
Dans ce chapitre nous introduisons les différents types des systèmes décisionnels existants et leurs particularités chacun par rapport aux besoins de leurs applications. Nous commençons par les systèmes d’aide à la décision en général en spécifiant leurs rôles et leurs modèles existants puis nous entamons les systèmes interactifs d’aide à la décision en citant leurs caractéristiques, leurs composants et leurs différentes applications. Par la suite, une attention est donnée aux systèmes d’aide à la décision spatiale (SDSS) car ce type de systèmes décisionnels nous intéresse dans le développement de notre application dans les prochains chapitres de cette thèse. Nous donnons pour cela une taxonomie de ce type de systèmes décisionnels. En fin, nous élargissons notre étude en introduisant l’aspect temporel aux systèmes d’aide à la décision spatiale conventionnels pour aboutir à des systèmes spatiotemporels plus complets. Nous citons également, un exemple de système spatiotemporel « EPISOLAP » que nous avons développé dans un travail antérieur. A la fin du chapitre, une étude d’état de l’art sur les technologies SOLAP et les systèmes qui ont en découlé est relatée en donnant quelques exemples de travaux connexes.
Les Systèmes d’aide à la décision (SAD)
Les systèmes d’aide à la décision (SAD) ou DSS (Decision Support System) sont devenus ces dernières années des systèmes très connus vu leur démocratisation sur les différents secteurs socioéconomiques pour fournir l’aide et répondre aux besoins des décideurs. Aujourd’hui, l’application des SAD dans des organismes privés ou publiques (de santé, de transport, d’aménagement de territoire et bien d’autre) est plus que nécessaire pour répondre aux normes d’une gestion efficace des biens et des services.
Définition
Un SAD est un outil permettant d’assister le décideur dans sa prise de décision. En effet, un processus de décision ne peut pas être entièrement automatisable (Duvallet, 2001).Un SAD est un Système de Traitement de l’Information (STI) (Lévine and al, 1989) qui permet d’extraire et de donner au décideur l’information nécessaire au processus de prise de décision. D’une manière plus précise, dans le monde anglo-saxon, un DSS, « décision support system » est définit comme « un système d’information informatique, interactif, flexible et adaptable, spécialement développé pour aider à trouver une solution à un problème de gestion non structuré, en vue d’une meilleure prise de décision. Il utilise des données, offre une interface conviviale et permet au décideur d’apporter ses propres idées
Rôle d’un SAD
Un SAD, en favorisant l’association d’un système informatique et d’un décideur, permet la formation d’un système de décision complet. Le décideur, de par sa connaissance pratique, possède un méta-modèle du processus de décision, et le SAD, par sa capacité de traitement de l’information, l’aide à structurer le modèle (Lévine and al, 1989).En d’autre termes, le décideur contrôle le processus de décision et le SAD l’assiste en effectuant les calculs standards et répétitifs sur les données (Duvallet, 2001). Dans une telle perspective, le processus de décision s’identifie à une recherche heuristique menée par le décideur ; le système jalonne le processus de recherche à l’aide d’indicateurs et d’informations. Le décideur, en fonction de ces informations produites à l’issue du traitement des données, continue l’exploration heuristique des actions possibles, ou arrête si tout lui indique que la solution construite rencontre ses buts de façon satisfaisante (Duvallet, 2001). De ce fait, la coopération entre le décideur et le système informatique ne peut être fructueuse que dans le cadre d’un système interactif (Duvallet, 2001).
Les modèles des systèmes d’aide à la décision
Les modèles pour l’aide à la décision reposent généralement sur des hypothèses de rationalité des décideurs et de solutions possibles (Attonaty et al, 1991). On distingue deux types de modèles :
a. Des modèles fondés sur la rationalité complète et la recherche de solutions optimales telle que la programmation linéaire. b. Des modèles non fondés sur cette rationalité complète (appelée rationalité limitée) et ayant des solutions considérées comme appropriées, tels que les systèmes interactifs d’aide à la décision (SIAD) et les systèmes multi agents (SMA). Dans cette seconde approche, le processus de conduite de raisonnement est au centre de l’aide à la décision, alors que dans les approches plus normatives, la solution optimale est au centre de l’aide à la décision (Bourgine et al, 1990).
La rationalité complète
Les choix sont explicités comme étant le résultat de l’activité d’un décideur qui cherche à maximiser/minimiser un certain objectif. La décision est bien orientée vers un but. Une décision effectuée selon un tel modèle consiste à choisir la solution dont les conséquences possibles permettent d’atteindre le mieux les objectifs établis au départ. La théorie de la décision définit les hypothèses de la rationalité complète (Russel, 1999) comme suit : Les objectifs du décideur sont clairement exprimés dès le départ et peuvent être rangés selon un ordre de préférence. L’ensemble des solutions possibles dans une décision est connu et peut être évoqué. Les conséquences rattachées à chacune des solutions sont précisées. Le choix de la solution s’effectue en retenant la solution optimale. Ces hypothèses sont réalisables dans le cas d’un problème bien structuré. Dans ce courant, la solution existe en dehors des acteurs. Que l’on soit en statique, en incertain, on se ramène à un critère unique de synthèse que l’on optimise.
La rationalité limitée
Porte sur l’étude du comportement d’un individu (ici appeler acteur) face à un choix (l’achat d’un produit,…). Il suppose que l’acteur économique a un comportement rationnel, mais que sa rationalité est limitée en termes de capacité cognitive et d’information disponible. Dès lors, l’acteur va généralement s’arrêter au premier choix qu’il jugera satisfaisant. Ce principe a été proposé par Herbert Simon afin de montrer que l’être humain est capable de justifier son comportement (ou sa décision) mais à certaines limites, car ses capacités mentales sont limitées. En d’autres termes, l’acteur est rationnel (s’il préfère A à B et B à C, on peut en déduire qu’il préfère A à C). Cependant, lors d’un choix complexe, il cherche moins à étudier l’ensemble des possibilités qu’à trouver une solution raisonnable dans une situation d’incertitude. Il va s’arrêter généralement à la première option qui satisfera à la situation concrète, tout en évitant de consommer trop de temps à effectuer son choix. La rationalité limitée est définie comme étant « la capacité de générer un comportement maximal en fonction des informations disponibles et des ressources de calcul » (Russel, 1999). Le terme d’optimisation limitée a été défini par Horvitz (Horvitz, 1989) comme étant « l’optimisation d’une utilité calculable donnée par un ensemble d’hypothèses sur des problèmes et des contraintes de ressources ». Les hypothèses de la rationalité limitée sont les suivantes (Horvitz, 1989): – Le décideur perçoit un problème auquel il réagit, ce problème représente une version simplifiée de la réalité. – Le décideur doit d’abord identifier des actions possibles (sans toutefois toutes les découvrir). – Il doit recueillir l’information nécessaire pour déterminer et évaluer les conséquences des actions. – Les objectifs poursuivis par le décideur sont précisés tout au long du processus sous la forme de « niveaux d’aspiration ». – Le décideur arrête son choix sur la première option analysée qui satisfait chacun des buts fixés. D’après ces auteurs, les profondes modifications imposées au modèle de la rationalité complète permettent de considérer que les décisions sont prises sur la base d’une information incomplète, souvent imprécise, que l’élaboration de toutes les possibilités est un processus beaucoup trop exigeant et aussi que les objectifs tracés sont souvent conflictuels. Le modèle de la rationalité limitée correspond ainsi un peu plus aux conditions réelles de la prise de décision par rapport à la rationalité complète.
La rationalité procédurale
A la suite de la rationalité limitée, (Simon, 1982) introduit le concept de la rationalité procédurale qui met en avant le processus qui conduit l’acteur à prendre ses décisions.
La rationalité adaptative
Développée par Cyert et March (Cyert et March, 1963), elle possède les caractéristiques suivantes : L’adaptation de l’organisation à son environnement provient d’enseignements découlant d’expériences antérieures (learning by doing). L’apprentissage débouche sur : La création d’indicateurs qui conditionnent la perception des situations rencontrées, l’élaboration des règles d’actions pour poursuivre des buts dédiés à des problèmes identifiés à travers des situations mémorisées et le développement de compétences particulières. Cette dernière hypothèse pose un problème dans un environnement changeant, il peut y avoir un décalage entre les règles apprises dans un environnement donné par rapport à un environnement courant pouvant conduire à des comportements erronés (Hall, 1984) et (Argyris et al, 1978)
Les systèmes interactifs d’aide à la décision (SIAD)
Suite à l’apparition des SAD, les systèmes d’Aide interactifs d’Aide à la décision (SIAD) ont vu le jour pour combler l’aspect interactif en introduisant l’interface qui gère l’interaction entre le SAD et le décideur.
Définition
Un SIAD est un système d’information interactif, flexible, adaptable et spécifiquement développé pour aider à la résolution d’un problème de décision en améliorant la prise de décision. Il utilise des données, fournit une interface utilisateur simple et autorise l’utilisateur à développer ses propres idées ou points de vue. Ces systèmes n’ont pas pour objectif d’identifier une décision optimale qu’il « suffirait » ensuite de mettre en application. Leur finalité consiste à « amplifier le raisonnement du décideur sur la base de ses propres représentations » (Courbon, 1993). Ces systèmes ont une place privilégiée lorsque les problèmes sont peu, voire non structurés (Lévine et al, 1989).
Caractéristiques des SIAD
Keen et Scott-Morton (Keen et Scott-Morton, 1978) présentent les Systèmes Interactifs 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 (Klen, 1997) :
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, être modifiée, 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.
Composants d’un SIAD
Un SIAD se compose d’au moins trois composants (Sprague, 87): Le module de dialogue représente le module charnière du système permettant d’établir une collaboration entre le décideur et la machine. Pour (Courbon et al, 1986), le module de dialogue est au centre du SIAD et sa réalisation est primordiale. La base d’informations assure la fonction de mémoire, elle stocke non seulement les données, de façon permanente ou passagère, mais elle gère aussi l’enregistrement de données volatiles ainsi que l’effacement de ces mêmes données selon le souhait de l’utilisateur. Ces données volatiles correspondent aux résultats obtenus lors de traitements de données. Les données que nous avons qualifiées de permanentes sont les informations statistiques ou autres données qui décrivent les situations courantes et passées. La base de modèle se compose d’un ensemble de modèles et d’un système de gestion de ceux-ci. Les modèles peuvent être : des outils de recherche opérationnelle, des modèles statistiques ou autres. Pour avoir davantage de flexibilité, un SIAD doit posséder plusieurs modèles (Chakhar, 1997). Dans cette optique, le SIAD organise les liens et le passage de paramètres entre les différents modèles, de même qu’il gère le module de dialogue (Lévine et al, 90).
|
Table des matières
Introduction générale
1 Contexte de l’étude
1 Problématique
2 Objectifs de l’étude et méthodologie adoptée
3 Notre contribution
5 Acheminement de la thèse
6 Organisation de la thèse
PREMIERE PARTIE : Synthèse de l’état dl’art
Chapitre I : Les Systèmes d’Aide à la décision Spatio-temporelles (STDSS)
1 Introduction
2 Les systèmes d’Aide à la Décision .
2.1 Définition
2.2 Rôle d’un SAD
2.2 Les modèles des SAD
3 Les systèmes Interactifs d’Aide à la Décision (SIAD)
3.1 Définition
3.2 Caractéristiques des SIAD
3.3 Composants d’un SIAD
3.4 Applications d’aide à la décision
3.5 Les problématiques décisionnelles
4 Les systèmes d’Aide à la Décision spatiale (SDSS)
5 Les systèmes d’Aide à la Décision Spatiotemporelle (STDSS)
5.1 Définition et exemples d’application
5.2 Les objets mobiles
5.3 Les séquences
5.4 Méthodes d’exploration des séries temporelles
6 Le système EPISOLAP
7 Travaux connexes
8 Conclusion
Chapitre II : L’aide à la décision multicritère
1 Introduction
2 Aide à la décision
3 Les acteurs d’aide à la décision
4 Décision et processus de décision
Table de matières
5 Concepts de base de l’aide à la décision multicritères
5.1 Le Processus de la décision
5.2 Les Eléments du processus décisionnel
5.3 Le Du monocritère au multicritères
5.4 Typologie des problématiques décisionnelle
5.5 Les problématiques de l’aide à la décision multicritères
6 Procédure d’agrégation
7 Les méthodes d’analyse multicritères
8 Travaux connexes 1
11Exemple d’application
12Conclusion
Chapitre III : La fouille de données spatiales
1 Introduction
2 Méthodologie de fouille de données spatiales
3 Particularité des données à référence spatiale
4 Méthodes utilisées dans la fouille de données spatiales
4.1 Phase descriptive
4.2 Phase exploratoire
4.3 Phase explicative (décisionnelle)
5 Classification des méthodes de fouille de données spatiales
5.1 Méthodes monothématiques
5.2 Méthodes multithématiques
6 Travaux connexes
6.1 Approches basées sur le prétraitement de données
6.2 Approches bas »e sur le traitement dynamique de l’information spatiale
7 Conclusion
DEUXIEME PARTIE : Contributions
Chapitre VI : Le système SOLAP-MINING
1 Motivation
2 Introduction
3 Objectif visé
4 Approche décisionnelle proposée
5 Description du module SOLAM
6 Description du processus de la généralisation spatiale
6.1 La méthode d’Induction Orientée Attribut (AOI)
7 Expérimentation du système EPISOLAM
7.1 Délimitation de la zone d’étude
7.2 Formulation du problème abordé
7.3 Expérimentation
7.4 Arbre de généralisation
Table de matières
7.5 Discussion
8 Travaux connexes
9 Conclusion
Chapitre V : Le système SDSS-MCA-DM
1 Introduction
2 Motivation
3 Objectif visé
4 Outils d’investigation
5 Description du modèle décisionnel proposé
5.1 Le sous-système d’analyse multicritères
5.2 Le sous-système fouille de données
5.3 Le sous-système de visualisation
6 Processus décisionnel adopté par SDSS-MCA-DM
6.1 Phase de structuration
6.2 Phase d’exploitation
6.3 Phase d’exécution
7 Modélisation UML du système décisionnel proposé
8 Expérimentation du système SDSS_MCA_DM
8.2 Processus d’exploration de données
9 Travaux connexes
9.1 Travaux connexes sur la surveillance épidémiologique
9.2 Travaux connexes sur les méthodes d’analyse multicritères
9.3 Travaux connexes sur SOLAP
9.4 Travaux connexes sur le datamining
9.5 Synthèse
10 Conclusion
Chapitre VI : Proposition de l’indice de LISTA
1 Introduction
2 Motivation
3 Objectif visé
4 Mesure d’autocorrélation spatiotemporelle
4.1 Indice d’autocorrélation temporelle (ITA
4.2 Indice d’autocorrélation spatiale (LISA)
4.3 Indice croisé de corrélation temporelle (CITC)
4.4 Indice d’autocorrélation spatiotemporelle (LISTA)
5 Matrice des indices d’autocorrélation spatiotemporell
6 Expérimentation de l’indice de LISTA
6.1 Analyse de l’autocorrélation spatiale par indice de LISA
6.2 Analyse de l’autocorrélation spatiotemporelle par indice de LISTA
6.3 Calcul de la matrice des indices croisés de corrélation temporelle
6.4 Calcul de la matrice des indices d’autocorrélation spatiotemporelle
Table de matières
6.5 Discussion
7 Travaux connexes
7.1 Analyse d’autocorrélation spatiale
7.2 Analyse temporelle et spatiotemporelle
8 Conclusion
Conclusion générale
1 Bilans et contributions
2 Perspective
TROISIEME PARTIE : Annexes
Annexe A : Epidémiologie
1 Introduction
2 Définition de l’épidémiologie
3 Etapes d’une étude épidémiologique
4 Pratique de l’épidémiologie
4.1 Epidémiologie descriptive
4.2 Epidémiologie analytique
5 Niveau de preuve
6 Lien de causalité
7 Indicateurs
8 Conclusion
Annexe B : Analyse multicritères dans EPISOLAP
1 Introduction
2 Conception multicritères
3 La méthode multicritères PROMETHEE
4 Expérimentation
4.1 Identification de la zone d’étude
4.2 Identification des actions
4.3 Identification des critères
4.4 Génération du tableau de performances
4.5 Poids des critères
4.5 Résultat du rangement
4.6 Discussion
5 Conclusion
Annexe C : Autocorrélation spatiale
1 Introduction
2 Mesures des statistiques descriptives
2.1 Mesures de centralité
2.2 Mesures de dispersion
3 Mesures de l’autocorrélation spatiale
3.1 Mesures de l’autocorrélation spatiale globale
3.2 Mesures de l’autocorrélation spatiale locale
3 Mesures de l’autocorrélation spatiotemporelle locale
4 Mesures de classification automatique
Télécharger le rapport complet
