Un algorithme robuste de prise de décision pour gérer l'incertitude dans la planification de carrière via une méthode circulaire floue intuitionniste SWARA WASPAS

Pourquoi il est si difficile de choisir des parcours de formation

Be nombreux étudiants terminent des formations professionnelles pour découvrir que décrocher un bon emploi reste difficile. Ils doivent choisir entre cours, services de conseil et ateliers de recherche d'emploi alors que les besoins des employeurs évoluent constamment. Cet article examine comment concevoir et comparer ces programmes d'une manière qui respecte la réalité désordonnée du jugement humain, où les experts se sentent incertains, changent d'avis et ne sont pas toujours d'accord.

Décisions dans un monde de doute

Les décisions relatives à la formation professionnelle impliquent de nombreux éléments : faire correspondre les compétences aux emplois réels, aider les jeunes à clarifier leurs objectifs, enseigner les bonnes pratiques de recherche d'emploi et maintenir l'emploi sur le long terme. Ces facteurs peuvent aller dans des directions opposées, et les experts — formateurs, conseillers et partenaires industriels — disposent souvent d'informations partielles ou incertaines. Plutôt que de les forcer à donner une note unique et nette, l'étude permet à leurs avis de refléter hésitation et doute, en capturant à la fois la force de leur préférence pour une option et leur degré d'incertitude à ce sujet.

Des cercles qui captent l'incertitude

Pour cela, l'auteur utilise une idée récente en mathématiques qui décrit les opinions sous forme de cercles plutôt que de points uniques. Chaque cercle montre dans quelle mesure un expert penche pour ou contre une option, plus une zone d'incertitude autour de cette position. Cette représentation plus riche reconnaît qu'un expert peut dire « cela semble bien, mais je n'en suis pas pleinement sûr ». À partir de là, l'étude adapte deux outils de classement populaires : l'un sert à décider de l'importance de chaque critère, l'autre à noter et ordonner les programmes de formation en concurrence. Les deux outils sont réécrits pour fonctionner directement avec ces cercles d'opinion plutôt qu'avec des nombres rigides.

Peser ce qui compte et noter les options

La première partie de la méthode consiste à pondérer les facteurs importants, tels que l'adéquation des compétences aux emplois, la clarté des objectifs des étudiants, leur préparation à postuler, le taux de placement et la durée de maintien dans l'emploi. Les experts expriment leurs avis avec des termes courants comme « moyen » ou « très élevé », qui sont ensuite traduits dans la forme d'opinion circulaire. La méthode compare progressivement les critères entre eux, ajuste leurs poids tout en conservant visible l'hésitation des experts. La seconde partie prend plusieurs modèles de formation en compétition, combine tous les avis d'experts pour chaque critère et produit des scores en utilisant deux façons différentes d'agréger les preuves. Les scores sont ensuite fusionnés pour fournir un classement final des programmes.

Test dans un scénario de formation réaliste

Pour montrer la mise en pratique, l'auteur construit une étude de cas d'un institut professionnel souhaitant améliorer les résultats en matière d'emploi. Cinq types de programmes sont comparés, allant d'une simple formation aux compétences à un modèle pleinement intégré ajoutant planification structurée, accompagnement personnalisé et liens avec les employeurs. Des experts issus de l'enseignement, du conseil et de l'industrie évaluent chaque option, encore une fois en utilisant un langage courant mappé dans le système d'opinion circulaire. Lorsque la méthode traite ces informations, une option se distingue : la combinaison de formation professionnelle et de conseil de carrière de base se classe systématiquement première, devant des formations plus dépouillées et même devant des schémas intégrés plus complexes.

Résultats stables sous examen approfondi

L'étude vérifie ensuite la robustesse de ces classements. Elle fait varier l'importance attribuée aux différents critères et modifie l'équilibre entre les deux formules de notation. Elle mesure aussi la similarité des classements entre méthodes au moyen d'un test statistique standard. À travers toutes ces vérifications, la même combinaison de programme reste en tête, et l'ordre des autres options change très peu. Cela suggère que la méthode n'est pas excessivement sensible à de petits ajustements ou à des désaccords entre experts, une exigence clé pour une utilisation dans des contextes éducatifs et politiques réels.

Ce que l'étude signifie pour les étudiants et les planificateurs

En termes simples, l'article montre une manière de prendre des décisions complexes sur la formation et l'orientation de carrière qui soit plus honnête vis-à-vis de l'incertitude sans sombrer dans le chaos. En laissant les avis d'experts être flous et hésitants, tout en les combinant de façon structurée, la méthode identifie des options à la fois efficaces et stables à travers de nombreux tests. Pour un lecteur non spécialiste, la conclusion est que l'ajout même modeste d'un accompagnement en orientation aux formations professionnelles peut faire une différence nette et fiable sur les résultats d'emploi, et que des outils de décision prudents et conscients de l'incertitude peuvent aider écoles et organismes à choisir de telles améliorations avec davantage de confiance.

Citation: Chen, J. A robust decision making algorithm for handling uncertainty in career planning via a circular intuitionistic fuzzy SWARA WASPAS method. Sci Rep 16, 15953 (2026). https://doi.org/10.1038/s41598-026-45506-0

Mots-clés: planification de carrière, formation professionnelle, prise de décision, logique floue, orientation professionnelle