Guide méthode · Analyse multicritère

Construire une matrice de décision multicritère sans fausse précision

Structurez options, critères, échelles, pondérations et sensibilités pour comparer des choix stratégiques sans transformer le score en décision automatique.

À retenir

Les points clés

  • Définir les options, les critères et les échelles avant de noter.
  • Séparer la performance observée de la préférence des décideurs.
  • Éviter les critères redondants et les compensations interdites.
  • Tester la sensibilité avant de formuler une recommandation.
01

Quand une matrice multicritère est-elle pertinente ?

La méthode convient lorsqu’il faut comparer plusieurs options selon des objectifs différents, parfois qualitatifs et parfois quantitatifs, sans qu’un critère unique suffise. Choisir un marché, une initiative ou un scénario d’engagement peut relever de ce cadre si les options partagent le même périmètre et le même horizon.

Une matrice est inutile lorsqu’une option domine les autres sur toutes les dimensions pertinentes, coûts analysés séparément et contraintes compris, lorsqu’un seul seuil réglementaire suffit ou lorsque les options ne sont pas réellement comparables. Dans ces cas, le tableau ajoute du calcul sans améliorer la décision.

SituationUsage pertinentAutre méthode à envisager
Plusieurs objectifs en tensionComparer les compromisAnalyse multicritère
Un critère éliminatoireÉcarter avant notationFiltre ou règle de veto
Coûts et bénéfices monétisablesLes analyser séparémentAnalyse coût-bénéfice
Une option domine sur toutes les dimensionsVérifier aussi coûts et contraintesDécision directe documentée
02

Définir les critères sans compter deux fois la même valeur

Chaque critère correspond à un objectif distinct, possède une définition, une polarité, une échelle et une source. Deux critères qui mesurent presque le même bénéfice renforcent artificiellement cette dimension. Une contrainte non négociable ne devient pas un critère faiblement pondéré : elle élimine une option qui ne la respecte pas.

La performance d’une option provient autant que possible d’une donnée observable. Lorsqu’un jugement d’expert est nécessaire, son auteur, sa justification et son niveau de confiance restent visibles dans le dossier.

  • Définition et objectif du critère
  • Unité ou échelle décrite
  • Sens favorable explicite
  • Source ou jugement attribué
  • Règle pour les valeurs manquantes
  • Test de redondance
03

Séparer performances, valeurs, échelles et pondérations

La performance brute provient de la preuve, dans son unité propre. Une fonction de valeur la transforme ensuite en valeur partielle de préférence, par exemple entre 0 pour la performance admissible la moins préférée et 100 pour la plus préférée sur le périmètre étudié. La pondération exprime alors l’importance du passage complet entre ces deux ancrages.

Pour un modèle additif simple, le score global est la somme des valeurs partielles multipliées par des poids dont le total vaut 1. Ce calcul suppose des échelles cohérentes, une compensation assumée et une indépendance préférentielle mutuelle : le compromis entre deux critères ne doit pas dépendre du niveau atteint sur un troisième. Si ce compromis dépend d’un autre critère, il faut restructurer le modèle ou choisir une méthode non additive. Le score ne prouve ni une valeur économique ni une probabilité de succès.

Champ du registreQuestionContrôle
Performance bruteQue montre la preuve ?Même unité par critère pour toutes les options
Valeur partielleQuelle préférence représente cette performance ?Fonction et ancrages 0 et 100 explicites
PoidsQuelle amplitude compte le plus ?Poids normalisés, choix attribué
ContrainteQuelle limite est non compensable ?Veto vérifié avant agrégation
04

Exemple : comparer trois options avec une somme pondérée

Exemple illustratif : une direction compare trois options A, B et C. Pour chaque critère, les performances ont déjà été transformées en valeurs partielles sur une échelle de préférence où 0 représente la performance admissible la moins préférée et 100 la plus préférée dans le périmètre étudié. Les poids 35 %, 25 %, 25 % et 15 % sont un choix de gouvernance illustratif attribué aux décideurs et portent sur le passage complet entre ces ancrages.

OptionAlignement 35 %Preuve 25 %Réversibilité 25 %Faisabilité 15 %Score
A8070607571,75
B6590958581,75
C9050405562,25
05

Tester la sensibilité et les conditions d’inversion

Le classement initial place B en tête, mais il dépend des préférences déclarées. Le jeu 70 % pour l’alignement stratégique et 10 % pour chacun des trois autres critères est un stress test illustratif, pas une préférence réputée plausible. Il donne C à 77,5, A à 76,5 et B à 72,5.

En faisant varier seulement le poids d’alignement et en redistribuant proportionnellement les autres, A rejoint B à 61 %, C rejoint B vers 63,48 % et C rejoint A à 66,67 %, puis devient premier au-delà. Ces seuils montrent quelle préférence pilote le choix. Le dossier distingue donc stress tests et poids plausibles obtenus auprès des décideurs, puis conserve les changements de rang et les informations qui réduiraient l’incertitude.

  • Scénario de pondération central
  • Variantes plausibles documentées
  • Rangs et écarts entre options
  • Critère qui déclenche l’inversion
  • Information ou test à obtenir
  • Date et responsable de révision
06

Du score au dossier de décision

La matrice ne se conclut pas par « le score le plus élevé gagne ». La recommandation présente l’option proposée, ses avantages, ses faiblesses, les contraintes vérifiées, les désaccords de pondération et les conditions qui rouvriraient l’arbitrage.

Le rattachement éditorial proposé dans Innovatio associe Atlas au contexte et à la trace du dossier, et Grid aux options, critères et scores. Il ne constitue ni une affirmation de capacité publiquement disponible, ni la preuve d’une chaîne Atlas vers Grid déployée. La responsabilité de l’arbitrage reste humaine.

FAQ

Questions fréquentes

Le score le plus élevé désigne-t-il automatiquement la meilleure option ?

Non. Il reflète les données, les échelles, les règles de compensation et les préférences déclarées. Contraintes, coûts, risques et sensibilité doivent être lus avec le classement.

Faut-il toujours pondérer les critères ?

Non. Une table de compromis sans agrégation peut être plus fidèle lorsque les critères ne sont pas compensables ou lorsque les préférences ne peuvent pas être défendues.

Comment traiter un critère qualitatif ?

Définissez des niveaux observables avec des exemples d’ancrage, puis conservez la source ou le jugement qui justifie chaque évaluation.

Cette méthode correspond-elle à AHP, TOPSIS ou ELECTRE ?

Pas nécessairement. Le guide décrit une structure multicritère et un exemple additif simple. Le choix d’une méthode spécialisée exige des hypothèses et une expertise propres.

SRC

Sources intégrales

  1. Guide introductif à l’analyse décisionnelle multicritèreGuide institutionnel complet · Consulter la source complète
  2. Utiliser la MCDA pour évaluer des optionsPDF intégral, 14 pages · Consulter la source complète
  3. Manuel d’analyse multicritèreManuel intégral, 168 pages · Consulter la source complète
  4. Évaluation multicritère de projets d’innovation sous incertitudeArticle scientifique complet en accès libre · Consulter la source complète
Passer à l’action

Appliquez la méthode à
votre prochain arbitrage.