CONTOURA : Analyse décisionnelle territoriale contextuelle tenant compte de l'utilité, de la résilience et de l'acceptabilité
Description
Les processus décisionnels (DM) dans les contextes territoriaux impliquent généralement plusieurs parties prenantes aux préférences hétérogènes, opérant dans des environnements incertains et confrontées à des critères multiples, souvent contradictoires. Dans de telles situations, les approches d'aide à la décision doivent être transparentes, compréhensibles pour tous les participants et capables de représenter à la fois les dimensions sociales et comportementales de la prise de décision. CONTOURA vise à concevoir une méthodologie d'aide à la décision multicritères et multi-acteurs qui favorise l'émergence de solutions perçues comme résilientes, équitables et acceptables dans des environnements complexes et incertains, appliquée aux questions territoriales.
Le projet poursuit quatre objectifs scientifiques : i) Formaliser la perception subjective et individuelle des performances de chaque alternative, en s'appuyant sur les fonctions d'utilité et les préférences dérivées de la théorie de la décision [9 ; 10] ; ii) Analyser la résilience des décisions dans différents scénarios futurs [11] ; iii) Intégrer la dimension comportementale individuelle de la prise de décision, en particulier la perception du risque et les attitudes individuelles face à l'incertitude [12 ; 13] ; iv) Modéliser les processus collectifs de prise de décision afin d'explorer l'acceptabilité sociale, l'équité et la justice dans la négociation et le compromis [14 ; 15 ; 16].
La contribution innovante du projet réside dans : i) la contextualisation du comportement individuel en matière de prise de décision, allant au-delà des modèles purement rationnels ; ii) la prise en compte explicite des interactions sociales entre les parties prenantes, y compris l'influence, la perception mutuelle et la négociation ; iii) l'intégration simultanée de critères multidimensionnels spécifiques à chaque partie prenante sur le territoire et des incertitudes inhérentes au processus de prise de décision ; iv) l'engagement à développer un outil transparent, évitant l'effet « boîte noire » souvent associé aux méthodes quantitatives avancées.
Les méthodes classiques d'analyse décisionnelle multicritères [17 ; 18 ; 19] (par exemple AHP, ELECTRE) tiennent rarement compte de la perception subjective de la performance. Elles ne représentent que partiellement les attitudes à l'égard du risque et de l'incertitude. Elles restent limitées dans leur capacité à saisir les dynamiques sociales et les interactions entre les parties prenantes. De plus, la complexité croissante des situations rend le processus de résolution impossible.
C'est pourquoi CONTOURA combine l'aide à la décision, la compréhension des comportements et la modélisation des dynamiques sociales afin de faciliter un processus de prise de décision plus réaliste, plus transparent et collectivement acceptable.
Après une étude bibliographique approfondie visant à identifier les différents obstacles scientifiques, la méthodologie à développer sera basée sur la description de la conscience situationnelle, la modélisation des perceptions et des préférences individuelles, la modélisation des interactions sociales, l'évaluation multicritères et la résilience des alternatives, ainsi que l'identification d'un compromis collectif et de son acceptabilité. Une étude de cas territoriale servira de démonstration pour l'ensemble de l'approche.
Bibliographie
Bibliographie
[1] Fertier, A., Martin, G., Barthe-Delanoë, A.-M., Lesbegueries, J., Montarnal, A., Truptil, S., Bénaben, F., Salatgé, N., 2021. Managing events to improve situation awareness and resilience in a supply chain. Computers in Industry 132, 103488. https://doi.org/10.1016/j.compind.2021.103488
[2] Le Duff, C., Lesbegueries, J., Falco, R., Adrot, A., Montreuil, B., Benaben, F., 2025. Toward a generic information system for projects portfolio management using Physics of Decision (POD). Expert Systems with Applications 271, 126607. https://doi.org/10.1016/j.eswa.2025.126607
[3] Perera, C., Zaslavsky, A., Christen, P., Georgakopoulos, D., 2014. Context Aware Computing for The Internet of Things: A Survey. IEEE Communications Surveys & Tutorials 16, 414–454. https://doi.org/10.1109/SURV.2013.042313.00197
[4] Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence and amending Regulations (EC) No 300/2008, (EU) No 167/2013, (EU) No 168/2013, (EU) 2018/858, (EU) 2018/1139 and (EU) 2019/2144 and Directives 2014/90/EU, (EU) 2016/797 and (EU) 2020/1828 (Artificial Intelligence Act) (Text with EEA relevance), 2024.
[5] Endsley, M.R., 2016. Designing for Situation Awareness: An Approach to User-Centered Design, Second Edition, 2nd ed. CRC Press, Boca Raton. https://doi.org/10.1201/b11371
[6] Steen-Tveit, K., Erik Munkvold, B., 2021. From common operational picture to common situational understanding: An analysis based on practitioner perspectives. Safety Science 142, 105381. https://doi.org/10.1016/j.ssci.2021.105381
[7] Artime, O., Grassia, M., De Domenico, M., Gleeson, J.P., Makse, H.A., Mangioni, G., Perc, M., Radicchi, F., 2024. Robustness and resilience of complex networks. Nat Rev Phys 6, 114–131. https://doi.org/10.1038/s42254-023-00676-y
[8] Durieux,S. 2021, Prise de décisions multi-acteurs en présence de données imparfaites : application aux processus industriels , Habilitation à diriger les recherches, Université Clermont Auvergne.
[9] Olteanu, A.-L., Meyer, P., 2022. Inferring a hierarchical majority-rule sorting model. Computers & Operations Research 146, 105888. https://doi.org/10.1016/j.cor.2022.105888
[10] Rădulescu, R., Mannion, P., Roijers, D.M., Nowé, A., 2019. Multi-objective multi-agent decision making: a utility-based analysis and survey. Auton Agent Multi-Agent Syst 34, 10. https://doi.org/10.1007/s10458-019-09433-x
[11] Moghaddasi, P., Kerachian, R., Sharghi, S., 2022. A stakeholder-based framework for improving the resilience of groundwater resources in arid regions. Journal of Hydrology 609, 127737. https://doi.org/10.1016/j.jhydrol.2022.127737
[12] Khannoussi, A., Olteanu, A.-L., Meyer, P., Benabbou, N., 2024a. A regret-based query selection strategy for the incremental elicitation of the criteria weights in an SRMP model. Oper Res Int J 24, 12. https://doi.org/10.1007/s12351-024-00823-y
[13] Khannoussi, A., Olteanu, A.-L., Meyer, P., Pasdeloup, B., 2024b. A metaheuristic for inferring a ranking model based on multiple reference profiles. Ann Math Artif Intell 92, 1467–1488. https://doi.org/10.1007/s10472-024-09926-w
[14] Carré, M., Nantier, E., Durieux, S., Piétrac, L., 2021a. Equity within Air Transportation Managementan Analysis of Inequity Index for Multi-Stakeholders Optimisation, in: Fourteenth USA/Europe Air Traffic Management Research and Development Seminar. Virtual (on line), United States.
[15] Carré, M., Nantier, E., Durieux, S., Piétrac, L., 2021b. Identification of a Consensus in a Multicriteria Decision Process involving several Decision-Makers Trade-off between global benefits and local consensus for multi-hub airlines operations, in: SESAR Innovation Days 2021. SESAR, Virtuel - Online, Belgium.
[16] Heleno, M., Sigrin, B., Popovich, N., Heeter, J., Jain Figueroa, A., Reiner, M., Reames, T., 2022. Optimizing equity in energy policy interventions: A quantitative decision-support framework for energy justice. Applied Energy 325, 119771. https://doi.org/10.1016/j.apenergy.2022.119771
[17] Roy, B., 1996. Multicriteria Methodology for Decision Aiding, Nonconvex Optimization and Its Applications. Springer US, Boston, MA. https://doi.org/10.1007/978-1-4757-2500-1
[18] Morelli, M., Casagrande, M., Forte, G., 2022. Decision Making: a Theoretical Review. Integr. psych. behav. 56, 609–629. https://doi.org/10.1007/s12124-021-09669-x
[19] Bouyssou, D., Marchant, T., Perny, P., 2009. Social Choice Theory and Multicriteria Decision Aiding, in: Decision-Making Process. John Wiley & Sons, Ltd, pp. 779–810. https://doi.org/10.1002/9780470611876.ch19
