Abstract (FR)

Nous présentons une nouvelle méthode de tri multicritère visant à affecter des actions évaluées sur différents critères à p classes pré-définies et ordonnées. L’information préférentielle fournie par le décideur (DM) est un ensemble d’exemples d’affectation correspondant à un sous-ensemble d’actions (appelées actions de référence) relativement bien connues du DM. Chaque exemple d’affectation spécifie l’affectation souhaitée (une classe ou un intervalle de classes) pour l’action de référence. Les exemples d’affectations sont utilisés pour bâtir un modèle de préférence du DM. Dans notre cas, le modèle de préférence sous-jacent est l’ensemble de fonctions de valeur additives compatible avec les exemples d’affectation. pour chaque fonction de valeur compatible, il est possible d’associer p − 1 seuils séparant les classes consécutives sur l’échelle de cette fonction de valeur. Pour chaque action a, la méthode calcule une affectation possible et une affectation nécessaire. L’affectation nécessaire spécifie l’intervalle de classes auxquelles l’action peut être affectée pour toute fonction de valeur compatible tandis que l’affectation possible spécifie l’intervalle de classes auxquelles l’action peut être affectée pour au moins une fonction de valeur compatible. Le calcul de ces affections est effectué par résolution de programmes linéaires. Cette méthode est conçue pour être utilisée interactivement, c’est-à-dire que le décideur peut fournir progressivement des exemples d’affectation. La méthode permet également d’aider le DM lorsqu’il fournit un ensemble d’exemples d’affectation qu’il n’est pas possible de représenter par une fonction de valeur additive. De plus, le DM peut spécifier des niveaux de confiance qualitatifs (“certain”, “sûr”, “assez sûr”) pour les exemples d’affectation. Dans ce cas, les affectations possibles et nécessaires s’expriment comme des intervalles de classes correspondant aux niveaux de confiance.