université montesquieu ? bordeaux iv - TEL (Thèses-en-ligne)

1- Revue et examen de la littérature 12 ... 4- L'aide à la décision en univers incertain 99 ... Au cours des dernières décennies, on a assisté au développement ..... Une simulation de stratégie d'investissement dérivée des résultats du modèle ..... le succès des décisions passées ne garantit pas leur succès à l'avenir, pas plus, ...


un extrait du document



UNIVERSITÉ MONTESQUIEU – BORDEAUX IV
Institut d’Administration des Entreprises
Centre de Recherches en Contrôle et Comptabilité Internationale










Thèse pour le Doctorat ès Sciences de Gestion
Présentée et soutenue publiquement le 27 mars 2007

Par

Zakwan KREIT




MEMBRES DU JURY


M. Pascal BARNETO Professeur à l’Université de Bretagne Sud, rapporteur
M. Jean-Guy DEGOS Professeur à l’Université Montesquieu-Bordeaux IV, directeur de thèse

M. Serge EVRAERT
Professeur à l’Université Montesquieu-Bordeaux IV
M. Didier LECLERE
Professeur au Conservatoire National des Arts et Métiers, rapporteur




Mon séjour en France m’a enrichi considérablement sur le plan culturel et scientifique. La conclusion en est une contribution au domaine scientifique et technique certes modeste, mais,  j’espère, qui présente un certain intérêt.
Je tiens à exprimer mes plus sincères remerciements à :

Mon directeur de thèse, le professeur Jean-Guy DEGOS  pour l’aide compétente qu’il m’a apportée, pour sa patience et ses encouragements tout au long d’un travail de plusieurs années. Ses critiques pertinentes m’ont toujours été précieuses pour structurer mon travail et en améliorer la qualité.

Monsieur Serge EVRAERT,  Professeur à l’Université Bordeaux IV, pour avoir bien voulu me faire l’honneur de  présider le jury.

Monsieur Pascal BARNETO,  Professeur à l’Université de Bretagne Sud, pour l’honneur qu’il me fait d’accepter de participer au jury de soutenance de cette thèse. 

Monsieur Didier LECLERE, Professeur  au Conservatoire National des Arts et Métiers, qui m’honore en étant  membre de ce jury et rapporteur de cette thèse.

La SYRIE mon pays, et la FRANCE qui m’a permis de réaliser cette recherche.

Le CROUS de Bordeaux représenté par Madame C. LAOUÉ (Service des étudiants étrangers) pour son soutien et sa compréhension.

Madame J.OUSTALET et Monsieur R.CUILLIERIER qui m’ont aimablement accueilli et conseillé  pendant les années de préparation de ma thèse.
J’adresse aussi mes plus vifs remerciements à toutes les personnes qui m’ont aide d’une manière ou d’une autre à effectuer mes recherches- je ne citerai pas de noms  de peur d’en oublier certains.

Enfin, je dédie ce travail à ma femme aimée et ma fille Aya qui occupent une si grande place dans mon cœur, à ma famille et à tous mes amis français et syriens.

SOMMAIRE


 HYPERLINK \l "_Toc151459145" REMERCIEMENTS 1

 HYPERLINK \l "_Toc151459145" SOMMAIRE 3

 HYPERLINK \l "_Toc151459145" INTRODUCTION 6
 HYPERLINK \l "_Toc151459145" 1- Revue et examen de la littérature 12
 HYPERLINK \l "_Toc151459145" 2- Méthodologie de la recherche 22


Première Partie
Analyse et méthodes d’aide à la décision ………………………………….29

 HYPERLINK \l "_Toc151459134" Chapitre 1-  HYPERLINK \l "_Toc151459145" ANALYSE DE LA DECISION 32

 HYPERLINK \l "_Toc151459136" 1- Définitions 32
 HYPERLINK \l "_Toc151459142" 2- Les bases de la prise de décision 35
 HYPERLINK \l "_Toc151459145" 3- Typologie de décision 44
 HYPERLINK \l "_Toc151459150" 4- Les cntextes du choix 51
 HYPERLINK \l "_Toc151459153" 5- Le degré de formalisation du comportement du décideur 52
 HYPERLINK \l "_Toc151459154" 6- Les classifications syntétiques 52

Chapitre 2-  HYPERLINK \l "_Toc151459145" THÉORIE DU PROCESSUS DE DÉCISION 57 TOC \o "1-5" \h \z \u 

 HYPERLINK \l "_Toc151459136" 1- Les théories de la décision 58
 HYPERLINK \l "_Toc151459142" 2- Les processus décisionnels 62
 HYPERLINK \l "_Toc151459145" 3- Les modèles de prise de décision 67
 HYPERLINK \l "_Toc151459150" 4- Application de la décision 71
 HYPERLINK \l "_Toc151459153" 5- Les limites et la fin du processus de décision 72
 HYPERLINK \l "_Toc151459154" 6- Le système de décision 74
 HYPERLINK \l "_Toc151459158" 7- Le management décisionnel 76

 HYPERLINK \l "_Toc151459134" Chapitre 3- MÉTHODES D'AIDE À LA DÉCISION 81

 HYPERLINK \l "_Toc151459136" 1- L'aide à la décision en univers certain 81
 HYPERLINK \l "_Toc151459142" 2- L'aide à la décision en univers aléatoire 85
 HYPERLINK \l "_Toc151459145" 3- L'aide à la décision en univers conflictuel (hostile) 93
 HYPERLINK \l "_Toc151459142" 4- L'aide à la décision en univers incertain 99

 HYPERLINK \l "_Toc151459134" Chapitre 4 - SYSTÈMES D'AIDE À LA DÉCISION 104

 HYPERLINK \l "_Toc151459136" 1- Systèmes interactifs d'aide à la décision (SIAD) 105
 HYPERLINK \l "_Toc151459142" 2- Les tableaux de bord électroniques TBE/EIS 110
 HYPERLINK \l "_Toc151459145" 3- Les systèmes d'entrepôts de données (Data Warehouse) 114
 HYPERLINK \l "_Toc151459142" 4- Les systèmes experts SE 119

 HYPERLINK \l "_Toc151459136" Conclusion de première partie 125


Deuxième partie
Application des méthodes d’aide à la décision ………………………….129

 HYPERLINK \l "_Toc151459134" Chapitre 5- MÉTHODES D’ANALYSE DES VALEURS DU MARCHÉ 132

 HYPERLINK \l "_Toc151459136" 1- Définitions et principes 131
 HYPERLINK \l "_Toc151459142" 2- Analyse chartiste (analyse tehnique traditionnelle) 134
 HYPERLINK \l "_Toc151459145" 3- Analyse fondamentale 141
 HYPERLINK \l "_Toc151459142" 4- L’efficience de marché 156

 HYPERLINK \l "_Toc151459134" Chapitre 6 - MÉTHODES DE PRÉVISION 160

 HYPERLINK \l "_Toc151459136" 1- La méthode ARIMA (moyenne mobile intégrée auto- régressive) 161
 HYPERLINK \l "_Toc151459142" 2- Méthode des réseaux de neurones artificiels ANN 173

 HYPERLINK \l "_Toc151459134" Chapitre 7- IDIOSYNCRASIE DU MARCHÉ BOURSIER ÉGYPTIEN 186

 HYPERLINK \l "_Toc151459136" 1- Introdiction historique 187
 HYPERLINK \l "_Toc151459142" 2- L’indice du marché Egyptien CASE 192
 HYPERLINK \l "_Toc151459145" 3- Analyse de l’indice CASE 30 199
 HYPERLINK \l "_Toc151459142" 4- Le cadre de normalisation 207
 HYPERLINK \l "_Toc151459145" 5- La Bourse des valeurs de l’Egypte 210
 HYPERLINK \l "_Toc151459145" 6- Efficience du marché Egyptien 213

 HYPERLINK \l "_Toc151459134" Chapitre 8 - PERTINENC DES APPLICATIONS PRATIQUES 216

 HYPERLINK \l "_Toc151459136" 1- Présentation des données de l’échantillon 216
 HYPERLINK \l "_Toc151459142" 2- Le test de l’efficience du marché boursier Egyptien 217
 HYPERLINK \l "_Toc151459145" 3- Application de la méthode ARIMA 219
 HYPERLINK \l "_Toc151459150" 4- Application de la méthode de réseaux neurones artificiels ANN 233
 HYPERLINK \l "_Toc151459153" 5 - Les critères de comparaison 232

 HYPERLINK \l "_Toc151459134" CONCLUSION GENERALE 237
-  HYPERLINK \l "_Toc151459134" Recommandations 242
 HYPERLINK \l "_Toc151459134" -Limites de la recherche 244
 HYPERLINK \l "_Toc151459134" -Perspectives de la recherche 245

 HYPERLINK \l "_Toc151459134" BIBLIOGRAPHIE 246

 HYPERLINK \l "_Toc151459134" LISTE DES FIGURES ET TABLEAUX 266

 HYPERLINK \l "_Toc151459134" ANNEXES 268

 HYPERLINK \l "_Toc151459134" INDEX 331

 HYPERLINK \l "_Toc151459134" TABLE DES MATIERES 340

 HYPERLINK "file:///C:\\Documents%20and%20Settings\\zakwan.PC153271695213\\Bureau\\these%20liverer\\table.doc" \l "_Toc151459134#_Toc151459134" RÉSUMÉS EN LANGUES ANGLAISE ET ARABE 347

























Au cours des dernières décennies, on a assisté au développement spectaculaire des méthodes quantitatives (MQ) appliquées à la gestion en général et à la finance en particulier. On peut définir ces méthodes comme un ensemble de techniques formalisées (mathématiques, statistiques, et informatiques) visant à fournir une aide à la décision par le traitement logique d'un ensemble d'informations de nature quantitative. D'innombrables articles et ouvrages sont chaque année consacrés aux techniques statistiques, aux méthodes d'optimisation, de simulation, de gestion de projets, etc., sujets qui sont aussi désormais partie intégrante de la plupart des programmes universitaires en sciences de l'administration.

Ce développement s'est longtemps appuyé sur la conviction que le fait d'utiliser des méthodes formalisées, et partant, rationnelles à en croire certains, entraînait nécessairement une amélioration de la qualité des décisions au sein des entreprises et aussi au niveau des individus.

Des voix se sont cependant élevées pour dénoncer cet engouement. Ainsi PETERS et WATERMAN (1982), dans leur ouvrage «ln Search of Excellence», attribuent-ils principalement les échecs du management américain à la trop grande importance accordée aux méthodes quantitatives par les écoles de gestion. À une période d'optimisme général a succédé une ère de doute et de remise en question, comme en témoigne le célèbre article d' ACKOFF (1979). Ce désenchantement tient peut-être en partie au fait que les spécialistes des méthodes quantitatives ont développé des techniques de calcul dont la sophistication est souvent loin d'être en rapport avec la signification des données manipulées et le caractère probant des hypothèses effectuées.

Pour se faire une idée de la nature des problèmes abordés par les méthodes quantitatives dans le domaine de la gestion, de la nature des outils utilisés et du type d'organisations qui recourent à ces outils, nous avons décidé d'examiner quelques publications récentes présentant des applications de ce type d'outils. Dans cette perspective, la brochure intitulée «Réussites en recherche opérationnelle», publiée en 1983 par la Société Canadienne de Recherche Opérationnelle (SCRO) à l'occasion du 25 e anniversaire de sa fondation, apparaît comme particulièrement révélatrice.

D'ailleurs, traditionnellement, les MQ appliquées à la gestion ont été conçues pour fournir une aide à la décision sous la forme d'une solution «optimale», cette solution optimale étant obtenue par la maximisation (minimisation) d'une fonction sensée incorporer les objectifs de l'entreprise ou des individus dans les contraintes que son environnement lui impose. Ce type de modèle recourt généralement à une formalisation débouchant sur la quantification, le calcul et l'utilisation de l'instrumentation mathématique (MOSCOROLA, 1978).

Ainsi se sont développées des méthodes algorithmiques et des codes de plus en plus puissants : les programmations linéaires, quadratiques, en nombres entiers, dynamiques, accompagnées de leurs applications spécifiques à certains problèmes généraux de production, d'ordonnancement, de file d'attente, de transport, etc. Avec le développement de la recherche théorique et des capacités de l'informatique, ces techniques se sont enrichies de la programmation non linéaire, de certains algorithmes de décomposition permettant le traitement de programmes linéaires géants, de la programmation stochastique, et avec la progression informatique nous avons assisté à la grande révolution de la naissance de la notion d'intelligence artificielle, définie comme la discipline visant à comprendre la nature de l'intelligence humaine et sur cette base construire des programmes d'ordinateur imitant cette intelligence. Toutes ces méthodes se sont aussi diversifiées pour aborder de nouveaux problèmes.

- La complexité des liaisons et interactions agissant sur le domaine à contrô1er: en particulier, lorsque se développent les effets de boucles avec rétroactions, on a utilisé des techniques de simulation de la dynamique industrielle ainsi que l'analyse structurale ;

- La diversité d’informations disparates sur des activités de gestion difficiles à classer a entraîné le développement de diverses techniques d'analyse statistique ;

- La diversité des objectifs ou critères présidant au choix d'une solution a été à l'origine de la programmation à objectifs multiples, de la théorie de l'utilité multi- attribut et de diverses techniques multicritères.

Comme nous allons le présenter dans cette recherche, la diversité des applications (réelles ou potentielles) des MQ couvre la quasi totalité des problèmes de gestion (gestion de la production, gestion financière, gestion commerciale, gestion du personnel) dans la plupart des secteurs. Elles offrent une aide à la décision, au plan opérationnel et tactique et aussi au niveau stratégique dans le développement d’une société ou dans la recherche attachée à une entreprise, ou encore dans une décision boursière. Selon CHEN (1981), l'utilité de ces diverses techniques pour les praticiens calculée selon les fréquences d'utilisation obtenues à la suite de plusieurs sondages est, dans l'ordre :
1- l'analyse statistique ; 2- la simulation ; 3- la programmation linéaire ; 4- le PERT/CPM ; 5- les techniques d'inventaire ; 6- l'analyse de la décision ; 7- les processus markoviens ; 8- les files d'attente ; 9- la programmation dynamique ; 10- la programmation en nombres entiers ; 11- la programmation non linéaire ; 12- la théorie des jeux.

Même si les cas d'application des MQ dont nous avons parlé plus haut n'en faisaient pas mention, l'outil statistique est pratiquement toujours employé, du moins au niveau des méthodes descriptives.

Bien que ces méthodes soient presque toujours appliquées avec succès, il reste néanmoins vrai, comme le note THEYS (1975), que les chercheurs opérationnels ne sont pas parvenus à convaincre définitivement les dirigeants d'entreprises ou d'autres organisations de l'efficacité de ces techniques. Les difficultés de mise en oeuvre découlent en partie des rapports généralement distants qu'entretiennent les chercheurs en MQ et les praticiens, au point que les deux groupes s'expriment le plus souvent dans des revues différentes- par exemple, qu’y a-t-il de commun entre OPERATIONS RESEARCH et INTERFACE ?
Les problèmes d' «implémentation» ont engendré une littérature considérable (DOKTOR et al. 1979). Face à ces difficultés, des spécialistes parlent même de crise entre la recherche opérationnelle et l'approche rationnelle (HEURGON 1979) ; ce constat a été exprimé avec éloquence par ACKOFF en 1979 dans un article intitulé «The Future of Operational Research is Past». Sans vraiment nous engager dans ce débat, nous tenterons ici de souligner certains éléments qui peuvent contribuer à dire si les méthodes quantitatives d’aide à la décision sont vraiment capables de remplacer l'intelligence humaine - ce qui est l’ambition des réseaux de neurones artificiels – dans le cas particulier de la prévision des cours des valeurs de la Bourse.

En tout état de cause, dans la majorité des études dont l’objectif est l’aide à la décision par des méthodes quantitatives, on part de l’hypothèse que le décideur est un homme rationnel cherchant à maximiser ses objectifs personnels. De plus, comme l'indique (HAMMOND 1977), on suppose que ses objectifs se confondent avec ceux de son organisation, et donc que le décideur recherche l'action optimale qui lui permettra de maximiser simultanément ses objectifs et ceux de l'organisation. Comme le démontre ROY (1981), cette quête de l'optimum a certainement une part de responsabilité dans les difficultés d'application pratique des méthodes quantitatives.

Les contraintes inhérentes à la recherche d'un optimum sont

la globalité. Cette première contrainte impose que chaque action potentielle doive englober la totalité des aspects de la réalité en cause. Cela revient à dire que, dans le modèle, deux actions potentielles quelconques sont, par construction, mutuellement exclusives ;
la stabilité. La contrainte de stabilité porte sur la famille des actions potentielles prises en compte dans l'étude. Il doit s'agir d'un ensemble trivial ayant un caractère exhaustif. On entend par ensemble trivial un ensemble dans lequel chaque action imaginable peut être déclarée possible ou impossible; cela impose que soit définie une frontière précise séparant les actions possibles des actions impossibles. Dire que la famille des actions potentielles a un caractère exhaustif, cela signifie que cette frontière ne doit pas laisser échapper d'actions susceptibles d'être reconnues possibles ultérieurement. Ainsi, la méthodologie d'aide à la décision doit considérer une famille d'actions imposée a priori et durable ;
la complète comparabilité transitive. Cette troisième contrainte porte sur la modélisation des préférences. Face à un couple d'actions, elle restreint la possibilité du choix : préférence stricte ou indifférence. Ces relations complémentaires doivent de plus être transitives.

Prenant appui sur ces contraintes, ROY identifie quelques difficultés liées à cette problématique de l'optimisation :

Dans la réalité, les préférences sont souvent floues, incomplètement formulées, non transitives, différentes d'un acteur à l'autre et susceptibles d'évoluer tout au long du processus. Il est donc difficile d'imposer la complète comparabilité transitive;

Le critère d'optimisation favorise un biais instrumental au niveau de la modélisation. En pratique, la comparaison de deux actions potentielles prend appui sur ce que l'on peut appeler les conséquences. Or, celles-ci sont généralement multiples, hétérogènes, enchevêtrées. Pour parvenir à asseoir cette complète comparabilité transitive, on sera inévitablement amené à chiffrer ces conséquences et à agréger tous ces chiffres de façon à construire une fonction d'évaluation grâce à laquelle la comparaison de deux actions deviendra simple. Cette façon de faire pousse à modéliser les conséquences pour lesquelles de bons instruments permettent de «voir clair», et à délaisser la modélisation là où la médiocrité des instruments empêche de faire toute la lumière, c'est-à-dire là où les chiffres seraient en partie subjectifs, même s'ils concernent des facteurs qui peuvent paraître déterminants ;

Une conception trop formelle, trop figée, du travail à exécuter conduit fréquemment à l'isolement pour trouver la solution du problème. On raisonne comme si on « évacuait » le décideur ou comme s'il s'agissait d'un décideur abstrait. Lorsque les décideurs font appel à un chercheur opérationnel pour résoudre un problème, ce spécialiste, après avoir recueilli toute l'information pertinente, prend en quelque sorte possession du problème et, par l'intermédiaire d'un certain modèle, propose une solution dite «optimale». Ce type d'intervention a pour objectif final la présentation d’un rapport aux dirigeants, et non seulement le chercheur opérationnel n'est pas vraiment tenté d'insérer le décideur dans le processus de décision, mais en général il redoute même de le faire. Pourtant l'insertion du décideur dans le processus de décision est primordiale car, compte tenu de la contingence par rapport au contexte organisationnel, la décision ne peut être réduite à la résolution d'un problème abstrait seulement soumis à l'environnement ;

Le but de l'étude étant la découverte de l'action optimale, les techniques de calcul l’emportent souvent sur la formulation du problème, la collecte des données, etc. À la puissance théorique des techniques d'optimisation correspond souvent leur opacité pour l'utilisateur non spécialiste. Lorsqu'un manager veut utiliser des modèles de ce genre pour résoudre un problème de décision, il doit avoir recours à un spécialiste ; des difficultés de communication peuvent alors surgir. Une erreur fréquente consiste à vouloir absolument appliquer des techniques mathématiques qui imposent des hypothèses inacceptables pour tenter de résoudre des problèmes plutôt mal posés ; le «problem solving» l'emporte alors sur le «problem finding».







Cette partie a pour objectif de présenter une revue de littérature relative aux objectifs de la recherche. On se propose d’étudier dans le cadre de la littérature les méthodes quantitatives concernant d'aide à la décision en général, le processus et les modèles de prise de décision et de présenter les principaux types des systèmes d'aide à la décision et surtout d’appliquer de nouvelles méthodes de prévision (méthodes modernes relativement).

L’identification des problèmes et la prise de décision sont le souci quotidien du gestionnaire (décideur). La logique suppose qu’on identifie le problème et qu’on prenne en compte les options et que, finalement, on passe à l’action.
Le décideur consacre une bonne partie de son temps à prendre des décisions. SIMON va même jusqu’à dire que gérer, c’est décider. MINTZBERG souligne « que la résolution de problèmes et la prise de décision sont probablement les activités les plus cruciales du travail du gestionnaire : de la qualité de ses décisions dépendra la survie à moyen et à long terme de son entreprise ».
 
1. Fondements épistémologiques
 
C’est à partir des années cinquante qu’on a commencé à parler de la théorie moderne de la décision dans les salles des facultés de mathématiques. Cette théorie concernait la statistique et la théorie des jeux.
 
Mais c’est dans les années soixante que « les sciences de décisions » allaient voir le jour avec les mathématiques de la décision. H.A SIMON emploie pour la première fois, en 1959, l’expression «science (au singulier) de la décision».
 
Pour LEMOIGNE, c’est dans l’épistémologie néo-positiviste qu’il faut rechercher les fondements épistémologiques de la science de la décision, et c’est dans ce sens qu’il a proposé cette définition conceptuelle : « la science de la décision (organisationnelle) étudie non seulement les modalités de détermination rationnelle de choix de solutions multiples susceptibles d’affecter une situation décrite, bien que tenue pour variable, en référence à quelques groupes de normes explicites, mais aussi les processus d’élaboration de ces modalités et de ces normes et les transformations possibles de ces processus ». 
Aussi LEMOIGNE, ajoute-t-il dans le contexte retenu par SIMON « la science de la décision fait son objet du traitement de l’information dans et par un système multiple afin d’aboutir à une résolution complète ».
 
LEMOIGNE a souligné également « la contribution décisive qui a permis l’extension du concept de décision à celui de système de décision, extension que toute entreprise contemporaine sur la science de la décision se doit désormais de considérer. » 
 
2. Modèles du processus de prise de décision
 
De nombreux de modèles et de théories d’aide à la prise de décision ont été élaborés. Et dans un cas pratique concerné dans sa gestion quotidienne et sa planification stratégique par la prise de décision, divers modèles sont proposés pour l’étude du processus décisionnel.
 
2.1. Le modèle bureaucratique
 
Le modèle bureaucratique, proposé par WERBER et FAYOL, part de l’hypothèse suivante :
 
«Les décisions sont prises par des personnes compétentes détenant le pouvoir nécessaire et oeuvrant dans le cadre d’un plan global bien arrêté. Dans un contexte relativement stable et prévisible, et avec des ressources suffisantes, le critère décisionnel devient alors l’utilisation optimale des ressources, dans le respect des règles administratives et du plan global ». 
 
2.2. Le modèle de la théorie statistique de la décision (T.S.D.)
 
A la différence des modèles classiques qui cherchent à formaliser les relations existantes entre des grandeurs objectives, le modèle de la T.S.D. se base sur les probabilités et essaie de formaliser le comportement du décideur devant une situation incertaine. « Cette formalisation fonctionne à partir d’axiomes qui constituent le corpus de la théorie, et le système de représentation du décideur doit satisfaire ces exigences. »  

Malgré la modélisation du problème, le décideur ne sait pas avec certitude quel « état de la nature » interviendra, mais il connaît les probabilités des divers états de la nature possible. Cette situation exige le passage à la phase du choix. Ce dernier est fondé sur la règle de maximisation de l’espérance mathématique de l’utilité de gain.
 
La TSD, pour résoudre des problèmes de management complexes, propose l’approche de la décomposition hiérarchique du problème en problèmes plus simples. « Cette approche a été examinée de façon critique par divers auteurs qui ont tenté d’en cerner l’utilité et les limites ».

2.3. La Théorie de H. A. SIMON
 
ANDRE THEORET considère que c’est grâce aux travaux réalisés par SIMON et ses collaborateurs vers la fin des années 50 et le début des années 60 qu’est née « la théorie du comportement décisionnel ». Cette théorie vise à étudier le décideur dans son milieu naturel.

Dans une situation où le décideur se trouve devant une information partielle et imparfaite les ressources limitées (y compris le temps), les objectifs à satisfaire sont souvent multiples et diffus et la capacité cognitive est limitée. Dans ce cas, il faut « discerner les trois grandes phases du processus : identification du problème, élaboration d’options et choix d’une solution. Le processus s’arrête lorsqu’est trouvée une solution relativement satisfaisante, puisqu’il ne saurait être question de rechercher une solution optimale dans de telles conditions».
 
H. A. SIMON, dans son ouvrage « le nouveau management, la décision par les ordinateurs », a montré avec clarté les différents stades par lesquels passe le dirigeant dans sa prise de décision. Il s’agit, en fait, de quatre phases principales : 
 
- Trouver l’occasion de prendre une décision ;
- Envisager les modes d’actions possibles ;
- Choisir un mode ;
- Juger les choix effectués auparavant.

Il est à signaler que chacune de ces quatre phases de