Une méthode de prise de décision multicritère avec termes linguistiques probabilistes basée sur TOPSIS en nuage

Pourquoi choisir sous incertitude importe

Lorsque des collectivités doivent prendre des décisions à forts enjeux — par exemple comment évacuer des personnes lors d’un accident nucléaire — les responsables doivent arbitrer entre de nombreux critères concurrents : sécurité, coût, stress, et autres. Les experts décrivent souvent ces facteurs à l’aide de mots comme « risque faible » ou « perte très importante » plutôt qu’avec des nombres précis. Ces expressions sont utiles pour les humains mais maladroites pour les ordinateurs. Cet article présente une nouvelle façon de transformer ce langage flou et probabiliste en classements clairs et justifiables d’options, visant à soutenir de meilleures décisions quand le risque et l’incertitude sont élevés.

Transformer des mots en nuages mesurables

Les auteurs s’appuient sur une famille d’outils connue sous le nom de prise de décision multicritère, qui compare des options selon plusieurs critères simultanément. Plutôt que de demander aux experts des chiffres précis, ils les laissent répondre en termes usuels — tels que « très faible », « moyen » ou « très élevé » — et associent à chaque terme une probabilité pour indiquer leur degré de confiance. Ces « termes linguistiques probabilistes » sont ensuite convertis en ce que les auteurs appellent des nuages : des objets numériques simples qui capturent trois éléments à la fois — la valeur typique, la flou du terme et l’incertitude de ce flou. En utilisant un motif mathématique lié au nombre d’or, la méthode positionne ces nuages le long d’une échelle d’une manière qui s’aligne bien avec la perception humaine des gradations comme très faible à très élevé.

Fusionner plusieurs avis en une seule représentation

Les décisions réelles reposent rarement sur un seul expert. Le nouveau cadre introduit un moyen de fusionner plusieurs nuages d’experts en un nuage combiné pour chaque option et chaque critère. Les experts dont les avis sont plus clairs et plus confiants influent davantage sur le résultat, tout en préservant l’incertitude globale. Les auteurs conçoivent aussi une nouvelle mesure de distance entre deux nuages quelconques. Cette distance reflète non seulement la différence des valeurs typiques, mais aussi les différences de flou et d’aléa. De manière cruciale, la méthode compare équitablement des opinions même lorsque les experts ont utilisé des mélanges différents de termes linguistiques, évitant la perte d’information qui peut survenir avec des techniques plus anciennes.

Des comparaisons de nuages aux choix classés

Pour transformer ces nuages en un classement d’options, l’étude adapte une méthode bien connue appelée TOPSIS, qui compare chaque alternative à un idéal meilleur et à un idéal pire. Ici, ces idéaux sont eux-mêmes des nuages, représentant les évaluations imaginables les plus favorables et les moins favorables sur l’ensemble des critères. Pour chaque plan d’évacuation, la méthode calcule à quel point ses nuages sont proches de l’idéal meilleur et éloignés de l’idéal pire, en tenant compte de l’importance relative de chaque critère. Le résultat est un score unique pour chaque plan qui respecte le flou et l’aléa présents dans le langage initial des experts, tout en produisant un ordre net des options préférables et moins préférables.

Tester la méthode avec des plans d’évacuation nucléaire

Pour illustrer la méthode en pratique, les auteurs simulent une urgence nucléaire dans laquelle trois experts évaluent quatre stratégies d’évacuation. Ils jugent chaque plan selon quatre critères de type coût : dose globale de radiation à la population, dose maximale à un individu, détresse psychologique et pertes économiques. Les experts expriment leurs évaluations en termes verbaux et probabilités ; la méthode convertit ces évaluations en nuages, les agrège et classe les stratégies. L’analyse identifie une stratégie comme nettement supérieure, et une étude de sensibilité détaillée montre que ce classement reste stable même lorsque l’importance supposée de chaque critère ou certains paramètres d’incertitude varient sur de larges plages. Les auteurs comparent aussi leurs résultats avec plusieurs autres méthodes décisionnelles avancées ; malgré des mathématiques très différentes, les approches concurrentes les plus solides s’accordent sur les meilleurs choix, ce qui renforce la confiance dans le nouveau cadre.

Ce que cela signifie pour les décisions réelles

En termes simples, l’étude propose un moyen de laisser les experts « s’exprimer en mots » tout en produisant « des chiffres exploitables ». En représentant les jugements verbaux comme des nuages qui encodent à la fois le flou et l’aléa, la méthode peut traiter des informations désordonnées et incertaines sans imposer une précision artificielle. Elle simplifie les techniques antérieures basées sur les nuages, réduit l’effort de calcul et fournit néanmoins des classements qui s’alignent bien avec d’autres approches de pointe. Bien que le travail soit démontré sur la planification d’évacuation nucléaire, la même idée pourrait soutenir des décisions en santé, protection de l’environnement, planification des infrastructures et tout autre domaine où des choix doivent être faits dans une grande incertitude et où les opinions d’experts sont exprimées en langage plutôt qu’en données dures.

Citation: Almandeel, A., Rao, C., Zhang, X. et al. A method for multi-criteria decision making with probabilistic linguistic term based on cloud TOPSIS. Sci Rep 16, 14122 (2026). https://doi.org/10.1038/s41598-026-44609-y

Mots-clés: prise de décision multicritère, modélisation de l'incertitude, évaluation linguistique, planification des urgences nucléaires, méthodes d'aide à la décision