Ce qu'est l'analyse des arbres de décision (et quel arbre de décision nous entendons)
Recherchez 'arbre de décision' aujourd'hui et la plupart de ce que vous trouverez est un algorithme d'apprentissage automatique — un classificateur qui divise les données en fonction des caractéristiques. Cette page concerne l'outil humain plus ancien : l'arbre d'analyse de décision, la technique canonisée dans l'Analyse de Décision de Howard Raiffa (1968) et la tradition d'analyse de décision de Harvard/Stanford, pour raisonner à travers les choix en cas d'incertitude.
La grammaire est petite. Les nœuds de décision (représentés par des carrés) sont des points où vous choisissez. Les nœuds de chance (cercles) sont des points où le monde choisit — une approbation arrive ou non, la demande est élevée ou faible — chaque branche portant votre probabilité estimée. Les nœuds terminaux (feuilles) portent le gain d'arriver là. Le temps s'écoule de gauche à droite : d'abord l'engagement, ensuite les conséquences en aval.
L'analyse est le rollback : en partant des feuilles et en remontant, chaque nœud de chance se réduit à sa moyenne pondérée par la probabilité, chaque nœud de décision à sa meilleure branche disponible — car lorsque vous y arrivez, vous choisirez la meilleure branche. Ce qui arrive à la racine est la valeur attendue de chaque option initiale, et souvent quelque chose de plus utile : la découverte qu'une stratégie par étapes ('pilote d'abord, puis décider') domine à la fois un engagement audacieux et l'inaction. Où cela se situe dans la boîte à outils : modèles de prise de décision ; pour la version statique de la question financière, voir analyse coût-bénéfice.
Quand l'utiliser — et quand ne pas l'utiliser
Les arbres de décision sont rentables lorsque :
- ✓La décision est séquentielle. Les choix ouverts ou fermés maintenant influencent les choix futurs — pilotes, investissements échelonnés, structures d'option d'expansion. C'est le domaine de prédilection de l'arbre, et c'est ce que les comparaisons simples ne peuvent pas voir.
- ✓L'incertitude est discrète et estimable. Approbation réglementaire, conclusion d'accord, jalon technique — des événements sur lesquels vous pouvez honnêtement établir une plage de probabilité.
- ✓Vous soupçonnez que l'information a de la valeur. Les arbres évaluent la branche 'faire d'abord l'étude' — la valeur attendue d'acheter des connaissances avant de s'engager, l'une des contributions véritablement profondes de l'analyse décisionnelle.
Et où ils induisent en erreur :
- ✗Enjeux de mise en jeu de l'entreprise. La valeur attendue est le bon critère pour des décisions répétables ; pour des enjeux de survie uniques, une chance de 10 % de ruine n'est pas compensée par une moyenne alléchante. L'attitude face au risque doit être prise en compte dans l'analyse, et la valeur attendue naïve l'ignore.
- ✗Des probabilités que personne ne peut défendre. La sortie de l'arbre hérite de la qualité de ses estimations ; 0,6 tapé dans une branche est une affirmation, et si personne ne peut dire pourquoi, l'arithmétique est du théâtre. (Ceci est la connexion arbre-argument ci-dessous.)
- ✗Explosion combinatoire. Modéliser chaque incertitude et l'arbre devient illisible. L'art consiste à choisir les deux ou trois incertitudes qui influencent réellement la décision.
- ✗Ambiguïté profonde. Quand vous ne pouvez même pas énumérer les résultats, les probabilités sont prématurées — c'est le domaine de la planification par scénarios.
Étape par étape, avec un exemple travaillé
Scénario illustratif : une startup de biotechnologie fictive décidant de lancer son produit maintenant ou de réaliser d'abord une étude de certification. La procédure :
- 1Encadrez la décision principale. Trois branches partent du premier carré : lancer maintenant ; réaliser d'abord l'étude de certification (un an, à un coût) ; mettre le produit de côté.
- 2Cartographier les incertitudes par branche. Lancer maintenant → nœud de chance : le marché accepte le produit non certifié (estimation 40 %) ou le rejette (60 %). Étudier d'abord → nœud de chance : certification accordée (70 %) ou refusée (30 %) ; si accordée, un carré de décision supplémentaire : lancer certifié (acceptation plus élevée, estimation 80 %) ou céder la technologie sous licence.
- 3Attachez les gains aux feuilles. Chaque état final obtient une valeur : le succès du lancement certifié est le gros gain ; un lancement non certifié échoué est une perte plus des dommages à la réputation (coûtés explicitement) ; le classement est zéro moins le développement engagé.
- 4Revenir en arrière. Moyenne de chaque nœud de chance par ses probabilités ; à chaque case de décision, garder la meilleure branche. Supposons que les chiffres rendent l'étude préalable plus intéressante que le lancement immédiat malgré le retard d'un an — le coup de pouce de la certification à l'acceptation compense largement l'attente.
- 5Insistez sur les estimations. À quelle probabilité d'acceptation le lancement immédiat l'emporte-t-il ? Si la réponse est de 55 % et que votre plage honnête est de 30 à 50 %, la conclusion est robuste ; si le point de retournement se situe au milieu de la plage, la décision dépend d'une estimation — et cette estimation mérite l'examen de l'étape 6.
- 6Interrogez les chiffres porteurs. L'estimation de certification à 70 % vient de quelque part — des approbations comparables ? le jugement du conseil ? Rendez la base explicite et contestable avant que l'arithmétique ne soit crue.
Les arbres de décision et les arbres d'argumentation — des compléments, pas des rivaux
Les noms peuvent prêter à confusion, voici donc la distinction claire. Un arbre de décision calcule : étant donné ces probabilités et ces gains, quelle stratégie vaut le plus ? Un arbre d'argumentation raisonne : ces probabilités et ces gains sont-ils réellement crédibles ? En termes de qualité de décision, l'arbre de décision structure les alternatives (y compris celles que l'analyse plate néglige) et l'information (estimations rendues explicites) ; l'arbre d'argumentation fournit un raisonnement solide sur exactement ces entrées :
Chaque probabilité → une revendication
"La certification réussit avec une probabilité d'environ 70 %" devient un argument portant sa base — des approbations comparables, l'avis du conseiller — avec des défis et un soutien attachés, et une évaluation qui reflète l'examen du groupe.
Chaque paiement → un mini-cas
La valeur de feuille de grand succès est une prévision ; ses hypothèses (tarification, taux d'adoption) deviennent des sous-arguments que quelqu'un peut attaquer avant que le chiffre ne fasse son travail.
La stratégie recommandée → revendication principale
"Exécutez d'abord l'étude" se trouve à la racine avec le retour en arrière comme preuve principale — et les points de basculement de sensibilité comme questions ouvertes nommées.
Les estimations se déplacent → les mises à jour de l'arbre
Lorsque le conseiller révise les chances d'approbation, la réclamation se met à jour, le retour en arrière se recalculé, et le soutien visible de la recommandation évolue — pas de feuille de calcul obsolète.
L'arbre de décision effectue les calculs ; l'arbre d'argumentation gagne les entrées. Exécutez les chiffres là où ils peuvent être remis en question — voir la qualité de la décision pour comprendre pourquoi le lien de raisonnement est celui qu'aucun cadre ne fournit.
Arbres de décision vs les alternatives
| Si votre question est… | Atteindre pour | Pourquoi pas un arbre de décision |
|---|---|---|
| Comparaison en un coup, incertitude mineure | Analyse coût-bénéfice | La machinerie des arbres n'ajoute rien sans branches. |
| La flexibilité elle-même est la valeur — attendre, se préparer, abandonner | La pensée des options réelles | La logique des options étend l'arbre avec un encadrement à prix de marché. |
| Les résultats ne peuvent pas être énumérés, encore moins probabilisés. | Planification de scénarios | Les probabilités sur des futurs inconnaissables sont un faux réconfort. |
| Le discounting des paiements lointains est le cœur du problème. | VAN & TRI : les limites | Les arbres héritent de chaque appel de jugement de remise. |