V.1.5 - Dernière mise à jour : 26/09/2022
Objectifs : utiliser les SIG pour faciliter la prise de décisions
Avec l'augmentation rapide de la population et de son niveau de vie, les pressions sur l'utilisation de ressources naturelles sont devenues intenses. Pour les gestionnaires, l'attribution efficace de ces ressources est ainsi devenue particulièrement difficile. Les choix sont peu aisés et l'utilisation croissante des terres marginales accroît les incertitudes. Ajouter à cela un environnement très réactif, sensible aux actions humaines. Pour le décideur, on a là un processus décisionnel qui est dominé par l'incertitude et le risque.
Ces dernières années, le rôle des SIG comme systèmes interactifs d'aide à la décision s'est développé. Pour certains, ce rôle se limite à renseigner simplement le processus décisionnel. Cependant, il est probable qu'une plus grande contribution puisse être apportée par les SIG à l'attribution de ressources.
Ces dernières années, le Clark Labs a développé des modules SIG comme un prolongement direct du processus décisionnel humain - surtout dans le contexte des décisions d'attribution de ressources. Cependant, leurs recherches initiales sur ce secteur ont indiqué que les outils disponibles pour ce type d'analyse étaient remarquablement pauvres. En dépit des forts développements dans le domaine des Sciences de la décision (Decision Science), cela avait peu d'impact sur le développement des outils logiciels, alors que dans un même temps, il y avait une demande croissante des chercheurs pour incorporer certains de ces développements dans les SIG . Par conséquent, au début des années 90, associé au United Nations Institute for Training and Research (UNITAR), le Clark Labs a développé une suite d'outils logiciels pour l'attribution de ressources1. Lesquels ont été proposés pour la première fois avec la version MS-DOS d'IDRISI 4.1. Ils se concentraient sur les procédures de prise de décision Multi-Critères et Multi-Objectifs - un domaine qui peut être regroupé sous l'appelation "Analyse de la stratégie décisionnelle" (Decision Strategy Analysis). Depuis lors, ces développements ont continué, plus particulièrement dans le secteur de la gestion de l'incertitude (Uncertainty Management).
1. Un des résultats de cette recherche est un cahier de travail sur SIG et prise de décision qui contient un ensemble étendu d'exercices d'instruction sur l'aide à la décision Multi-Critères/Multi-Objectifs : Eastman, J.R., Kyem, P.A.K., Toledano, J., et Jin, W., 1993. SIG and decision making, UNITAR Explorations dans SIG Technology, Vol.4, UNITAR, Genève, aussi disponible au Clark Labs.
L'incertitude n'est pas simplement un problème de données. C'est plutôt une caractéristique inhérente au processus décisionnel lui-même. Étant donné les pressions croissantes qui s'exercent sur les procédures d'attribution des ressources, nous devons identifier ce qui relève de l'incertitude et le traiter comme faisant partie du processus décisionnel et doit être compris et adapté. La gestion de l'incertitude (Incertitude Management) se trouve ainsi placé au coeur même de la prise de décision et constitue un domaine très particulier dans les SIG. La discussion suivante est ainsi présentée en deux parties. Le premier chapitre explore l'Analyse de la stratégie décisionnelle (Decision Strategy Analysis) et le chapitre suivant développe la gestion de l'incertitude (Uncertainty Management).
La théorie de la décision (Decision Theory) s'intéresse à la logique par laquelle on arrive à un choix parmi des alternatives. Ces alternatives peuvent être des actions, des hypothèses à propos d'un phénomène, des objets à inclure dans un ensemble, et ainsi de suite.
Dans le contexte des SIG, il est utile de distinguer les décisions à caractère politique et les décisions d'attribution de ressources. Pour ces dernières, les décisions affectent directement l'utilisation des ressources (par exemple, l'utilisation du sol) tandis que pour les premières c'est le comportement des décideurs qui sera influencé et qui, ensuite, leur fera prendre des engagements quant à l'attribution des ressources. Les SIG ont un potentiel considérable dans ces deux approches.
Dans le contexte des décisions politiques, les SIG permettent d'informer les décideurs. De plus, ils sont un outil de modélisation des processus qui permettent de simuler les effets spatiaux des décisions. Les modèles de simulation, en particulier ceux impliquant l'aspect spatial des composantes socio-économiques et leur relation à l'environnement, en sont à leurs prémisses. Cependant, il est sûr que les SIG joueront, à l'avenir, un rôle de plus en plus important dans ce secteur.
Les décisions concernant l'exploitation des ressources sont également un domaine privilégié des SIG. En effet, l'évaluation et la gestion de l'utilisation du sol font partie des activités fondamentales du développement des ressources (FAO, 1976). Avec l'arrivée de SIG, nous avons maintenant l'occasion d'évaluer l'utilisation du sol de manière plus explicite. Cela nécessite cependant des procédures et des outils d'élaboration des règles de décision et des modèles prédictifs de résultats. Les SIG ont été lents pour satisfaire les besoins des décideurs et pour faire face aux problèmes d'incertitude liés aux choix décisionnels. Afin d'essayer d'aborder ces questions, le Clark Labs a travaillé en collaboration étroite avec le United Nations Institute for Training and Research (UNITAR) pour développer un ensemble d'outils d'aide à la décision, intégré dans IDRISI.
Bien qu'il y ait maintenant une littérature abondante relative à la prise de décisions dans les domaines des Sciences de gestion, de la recherche opérationnelle et les Sciences géographiques. (parfois regroupées en Science de la décision), il y a malheureusement une forte divergence de terminologie (cf. Rosenthal 1985). En conséquence, il est nécessaire de proposer des définitions opérationnelles en accord avec les Sciences de la décision et qui soient exploitables dans un contexte SIG relatif à la prise de décision.
Décision = choix parmi plusieurs alternatives.
L'alternative peut représenter une suite d'actions, des hypothèses, un ensemble d'objet...
Critère (criterion) = élément de base d'une décision. Peut être évalué ou mesuré. Il en existe 2 sortes, les facteurs et les contraintes.
Facteurs (factors) = aussi appelés variables décisionnelles ou variables structurelles. Un facteur renforce ou réduit la pertinence d'une alternative. Il est exprimé par une échelle de mesures continues. Ex. plus la pente est faible, mieux c'est !
Contraintes (constraints) = aussi appelées buts ou cibles. Une contrainte permet, elle aussi, de limiter les alternatives considérées. Elles sont souvent exprimées sous forme booléenne (couches binaires en 0 et 1) par une échelle de mesures discrètes. Ex. si la pente est inférieure à 30°, elle satisfait la contrainte (on lui affecte la valeur 1).
Le facteur agit de façon progressive, la contrainte est un facteur limitant.
Règle de décision (decision rule) = est une procédure qui combine des critères pour arriver à une évaluation. Une règle de décision peut être un simple seuil appliqué à un seul critère (aptitudes des régions à pente inférieure à 30° pour un aménagement forestier, par ex.), ou être multi-critères.
La combinaison de critères (analyse multi-critères) aboutit à un indice (index) qui permet de comparer différentes alternatives entre elles.
On peut, par exemple, constituer une carte d'aptitude agricole basée sur une combinaison pondérée linéaire (WLC, weighted linear combination) de facteurs de sol , de pente et de distance aux marchés. La règle ultérieure sera de sélectionner les 5 000 ha les plus pertinents soit par choix fonctionnel (choice function) encore appelé fonction objective ou indice de performance (objective function ou performance index) en maximisant la somme des aptitudes ou par choix heuristique (choice heuristic) en ordonnant par scores décroissants l'ensemble des cellules pour totaliser les 5 000 ha.
- les choix fonctionnels sont des techniques mathématiques qui comparent théoriquement toutes les alternatives possibles par optimisation (maximisation ou minimisation des caractéristiques mesurables) ;
- les choix heuristiques sont plutôt des démarches à suivre que des fonctions à estimer. Le résultat peut être identique au choix fonctionnel ou produire une approximation.
Deux familles de règles de décisions se détachent : celles qui procèdent par classification et celles qui relèvent des sélections.
- classification : implique l'évaluation d'hypothèses alternatives à propos des objets de façon individuelle (une zone est-elle sujette à des glissements de terrain ?) ;
- sélection : évalue l'appartenance des objets à un ensemble (sélection des objets les plus aptes à l'agriculture) ;
Objectif (objective) = à la base de l'organisation des règles de décision. Est fonction de l'état d'esprit du décideur. Dans le cadre de l'exploitation d'une parcelle forestière on peut soit minimiser l'impact de la coupe sur l'horizon pédologique soit maximiser le profit. Le choix des critères à prendre en compte et de leur pondération sera différent selon le décideur. Les objectifs sont fortement conditionnés par les motivations et considérations sociales.
L'évaluation consiste à appliquer une règle de décision.
Évaluation multi-critères (Multi-criteria evaluation, MCE) : pour satisfaire un objectif particulier, on a souvent recours à l'analyse de plusieurs critères.
Deux procédures sont souvent combinées dans une évaluation multi-critères.
- La première implique une superposition booléenne (Boolean overlay) avec des opérateurs d'intersection (ET, AND) ou d'union (OU, OR) qui jouent le rôle de contraintes.
- La deuxième, la combinaison linéaire pondérée (WLC, weighted linear combination), qui joue le rôle de facteur, comporte des coefficients de pondération compris entre 0 et 255 (habituellement).
Le résultat est une carte d'aptitudes avec des zones masquées par des contraintes booléennes et finalement seuillées pour permettre la décision finale.
Remarque : Ces deux approches sont très différentes, voire antagonistes.
L'évaluation booléenne offre une forme extrême de prise de décisions. Si les critères sont combinés avec un AND logique (l'opérateur d'intersection), il faut qu'un lieu réponde positivement à chaque critère pour qu'il soit retenu comme apte. Si un seul critère n'arrive pas à être atteint, le lieu sera exclu. Un tel procédé rejette la prise de risque, il choisit des zones basées sur la stratégie la plus prudente possible. D'autre part, si un OU logique (union) est employé, c'est l'inverse qui se produit - pour qu'un pixel soit inclus dans la zone d'aptitude, il suffit qu'un seul critère satisfasse à la requête. C'est donc une stratégie très proche du jeu avec une prise de risque importante.
Comparez maintenant cette stratégie à celle représentée par la combinaison linéaire pondérée (WLC). Avec WLC, les critères sont fonction de leurs qualités. Une faible qualité pour un critère peut être compensée par d'autres plus élevées ailleurs. Cet opérateur n'est ni un AND ni un OU - il se trouve quelque part entre ces deux extrémités. Ce n'est ni une stratégie de risque-tout ni de pusilanime.
Pour les raisons qui sont liées à leur mise en application, la stratégie booléenne domine les approches vecteurs en MCE, alors que WLC domine les solutions en mode raster. Cependant, ni l'une ni l'autre ne s'impose - elles représentent simplement deux visions très différentes du processus de décision - qu'on peut appeler stratégie de décision. IDRISI inclut également une troisième option pour l'évaluation multi-critères, connue sous le nom de "moyenne par pondération contrôlée" (ordered weighted average OWA, cf. Eastman et Jiang, 1996). Cette méthode offre un éventail complet de stratégies de décision basées sur la recherche de compromis entre différents degrés de risque.
Évaluation multi-objectifs (Multi-objective evaluation) : pour satisfaire un objectif particulier, on a souvent recours à l'analyse de plusieurs critères.
Bien que la plupart des décisions que nous prenons visent un objectif unique, il arrive parfois que nous devions prendre les décisions qui satisfont plusieurs objectifs. Ces objectifs peuvent être complémentaires ou conflictuels (Carver, 1991 : 322).
- Objectifs Complémentaires (Complementary Objectives) : objectifs non divergents. Les pixels peuvent satisfaire à plusieurs objectifs. Par exemple, nous pourrions souhaiter assigner une certaine quantité d'espace pour des usages combinés de conservation de la faune et de loisirs. Les secteurs optimaux seraient ainsi ceux qui satisfont les deux objectifs.
- Objectifs Contradictoires (Conflicting Objectives) : chaque pixel ne peut remplir qu'un des objectifs. La coexistence est impossible. L'affectation dépendra de la règle de décision utilisée.
Dans les cas des objectifs complémentaires, les décisions multi-objectifs peuvent souvent être résolues par une extension à caractère hiérarchique du processus d'évaluation multi-critères. Par exemple, nous pourrions assigner un poids à chacun des objectifs et utiliser cette pondération, pour constituer des cartes d'aptitude propres à chacun d'eux, puis les combiner en une seule carte et indiquer le degré d'adéquation de chaque zone à l'ensemble des objectifs. (cf. Voogd, 1983). Cependant, avec des objectifs contradictoires le procédé n'est plus adéquate.
Avec des objectifs contradictoires, il est parfois possible de les ordonner statistiquement pour atteindre une solution devenue prioritaire (Rosenthal, 1985). Dans ce contexte, les objectifs à pondération élevée sont satisfaits avant ceux à pondération faible. Cependant, ce n'est souvent pas possible, et la solution retenue pour des objectifs contradictoires est le développement d'une solution de compromis (par programmation mathématique ou programmation par objectifs). Dans les deux cas, il faut rechercher une affectation des terres qui maximise ou minimise une fonction objective comportant une série de contraintes.
L'information est un élément clef du processus de décision, mais cette information est rarement parfaite. Il existe deux sources d'incertitude : l'incertitude liée à la base de données et celle relative à la règle de décision.
C'est en général une erreur de mesure. Par exemple, une pente mesurée à 34% a une probabilité, peut-être faible mais non nulle, de faire 36%. Si le seuil d'aptitude est à 35% ! Comment Choisir ?
L'erreur sur les mesures est la source principale de cette incertitude. Cette incertitude est contrôlée par la théorie des probabilités.
L'incertitude liée à la règle de décision est fonction de la manière dont les critères sont combinés et évalués pour obtenir une décision.
- Decision Rule Uncertainty and Direct Evidence: Fuzzy versus Crisp Sets
- Connaît-on les critères de manière stricte ou floue ?
Exemple de la pente douce.
Qu'est-ce qu'une pente douce ? Si la limite des pentes douces est 5%. Est-ce que 5,0001 % est une pente raide ?
Si on admet qu'une pente est douce jusqu'à 10% et forte après 20%, quelle est la valeur limite entre les deux ?
Les incertitudes de ce type sont prises en compte par la théorie des ensembles flous (Fuzzy sets theory) pour laquelle la possibilité (notion différente de la probabilité) qu'une pente soit forte varie de manière continue entre 0 pour 10% et 1 pour 20%.
Les facteurs de l'approche multi-critères sont souvent des fonctions à caractères flous alors que les contraintes sont des fonctions rigides.
- Decision Rule Uncertainty and Indirect Evidence: Bayes versus Dempster Shafer
Quand la relation entre le critère et la décision n'est pas directe, on met en place une "belief function" qui en décrit le degré. Deux outils sont particulièrement mis à contribution, la théorie des probabilités bayésiennes (Bayesian Probability Theory) la théorie de Dempster-Shafer (Dempster-Shafer Theory of Evidence).
Le risque exprime la possibilité que la décision prise soit fausse. Il convient d'estimer toutes les incertitudes (erreurs) accumulées en amont (bases de données, procédures et règles de décision). La théorie des probabilités bayésiennes permet cette estimation.
À partir des définitions vues précédemment, il est possible d'établir une typologie très générale des décisions.
mono-critère (single criteria) multi-critères (multi-criteria) mono-objectif (single objective) - - multi-objectifs (multi-objective) - -
Des décisions peuvent être mono ou multi-objectifs, basées sur un critère simple ou des critères multiples. Les problèmes traités dans les SIG sont avant tout multi-critères. Par exemple, nous pourrions souhaiter identifier les secteurs sensibles à l'érosion des sols en fonction de la pente, de l'utilisation du sol, de la pédologie, .... Dans cet exemple, il faut déterminer la façon de combiner ces critères pour arriver à une décision composite. Dans le cadre du SIG, cela illustre l'importance de l'évaluation multi-critères dans la théorie de la décision.
Généralement, les problèmes décisionnels traités ne comportent qu'une seule finalité. Cependant, dans certains cas, le problème est réellement multi-objectifs. Les problèmes multi-objectifs surgissent toutes les fois que la même ressource doit être allouée à plusieurs destinataires. Ainsi, par exemple, une compagnie produisant du papier pourrait vouloir exploiter certains secteurs forestiers, alors qu'un groupe de protecteurs de la nature peut également les inclure dans un secteur à protéger. En essayant, de concilier leurs attentes d'allocations respectives de ressources on a affaire à un problème de décision multi-objectifs.
En dépit de la prédominance des problèmes multi-objectifs, les logiciels courant de SIG font cruellement défaut pour traiter ce genre d'approche. Jusqu'ici, la plupart des exemples utilisant des procédures multi-objectifs ont traité le problème par l'optimisation de la programmation linéaire (cf. Janssen et Rietveld 1990 ; Carver, 1991 ; Campbell et al, 1992 ; Wright et al, 1983). Cependant, dans la plupart des cas, ceux-ci ont été traités en tant que cas d'école bien choisis avec un nombre limité de sites (par exemple, moins de 20) précédemment d'isolés dans un système vecteur. Le volume de données liées au mode raster (où chaque pixel est une alternative possible) est encore limité par les possibilités informatiques actuelles. En outre, la terminologie et les procédures de la programmation linéaire sont inconnues de la plupart des décideurs, elles sont complexes et non intuitives par nature. Par conséquent, le deuxième domaine majeur de la théorie de la décision (Decision Theory) pour les SIG est l'allocation spatiale multi-Objectifs. L'attention portera ici sur les décisions heuristiques relativement bien adaptées aux SIG rasters.
Carver, S.J., 1991. Integrating Multi-Criteria Evaluation with Geographical Information Systems, International Journal of Geographical Information Systems 5(3): 321-339.
Campbell, J.C., Radke, J., Gless, J.T. and Wirtshafter, R.M., 1992. An Application of Linear Programming and Geographic Information Systems: Cropland Allocation in Antigua, Environment and Planning A, 24: 535-549.
FAO, 1976. A Framework for Land Evaluation, Soils Bulletin 32. Food and Agricultural Organization of the United Nations, Rome.
Eastman, J.R., and Jiang, H., 1996. Fuzzy Measures in Multi-Criteria Evaluation, Proceedings, Second International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Studies, May 21-23, Fort Collins, Colorado, 527-534.
Janssen, R. and Rietveld, P., 1990. Multicriteria Analysis and Geographical Information Systems: An Application to Agricultural Land Use in the Netherlands. In: H.J. Scholten and J.C.H. Stillwell, (eds.), Geographical Information Systems for Urban and Regional Planning: 129-139. Kluwer Academic Publishers, Dordrecht, The Netherlands.
Rosenthal, R.E., 1985. Concepts, Theory and Techniques: Principals of Multiobjective Optimization. Decision Sciences,16(2): 133-152.
Voogd, H., 1983. Multicriteria Evaluation for Urban and Regional Planning. Pion, Ltd., London.
Wright, J., ReVelle, C. and Cohon, J., 1983. A Multiobjective Integer Programming Model for the Land Acquisition Problem. Regional Science and Urban Economics, 13: 31-53.
|
Communiquez-moi par courrier électronique les réponses aux questions suivantes Question n°0.1.1.
Question n°0.1.2.
Question n°0.1.3.
|
NB : les mots suivis de "*" font partie du vocabulaire géographique, donc leur définition doit être connue. Faites-vous un glossaire.