Arbitrage de portefeuille IA

Construire des critères et des ancres qui tiennent

Une grille devient défendable lorsque chaque valeur désigne un état observable, que les options sont comparables et que deux lecteurs peuvent retrouver le même raisonnement.

Dans cette page

Cadre

Commencer par une décision, pas par une liste de critères

La même option peut être pertinente pour apprendre et mauvaise pour industrialiser. Avant toute mesure, le mandat fixe la décision, l’objectif, l’horizon, les ressources rares, la population concernée et l’option de référence.

Question: Une décision formulée de manière à pouvoir être tranchée
Référence: Ce qui se passe si aucune nouvelle option n’est engagée
Options: Des candidats complets, comparables et distincts
Autorité: La personne ou l’instance habilitée à accepter les compromis

Critères

Ne retenir que ce qui change réellement le choix

Un critère n’entre dans le modèle que s’il décrit une différence utile entre les options. Nous recherchons les effets absents, les recouvrements et les dépendances causales avant d’écrire une échelle.

Pertinence — l’effet mesuré compte pour l’objectif ou une partie concernée
Discrimination — les options peuvent réellement différer sur ce critère
Mesurabilité — une donnée, une observation ou un jugement structuré est disponible
Non-redondance — le même effet n’est pas valorisé sous deux intitulés
Compensabilité — un meilleur résultat ailleurs peut légitimement compenser une perte ici

Échelles

Passer de la mesure brute à une valeur interprétable

Une fonction de valeur traduit une performance dans le langage de la décision. Elle peut être linéaire, présenter un palier ou refléter des rendements décroissants ; sa forme doit être justifiée, pas choisie pour embellir un rang.

Contrôle d’une fonction de valeur
Élément	Question de contrôle	Trace
Mesure brute	Que constate-t-on avant toute transformation ?	Unité, source, population et date
Ancre basse	Quel est l’état le moins souhaitable utile à ce choix ?	Valeur 0 et justification
Ancre haute	Quel est l’état le plus souhaitable utile à ce choix ?	Valeur 100 et justification
Forme	Une unité brute produit-elle partout le même gain de valeur ?	Fonction, points de rupture et hypothèses

Recevabilité

Vérifier qu’un total a un sens avant de l’afficher

Le modèle additif suppose que les préférences sur un critère restent interprétables quel que soit le niveau des autres. Si l’effet d’un critère dépend structurellement d’un autre, l’agrégation peut raconter une histoire fausse.

Même question: Objectif, horizon et référence identiques pour toutes les options
Échelles valides: Ancres et valeurs intermédiaires relues avant consolidation
Indépendance: Aucun critère ne réplique ou ne conditionne mécaniquement un autre
Compromis admis: Les compensations résiduelles sont acceptées par l’autorité

Calibration

Faire apparaître les divergences avant le portefeuille réel

Deux évaluateurs apprécient indépendamment des options étalons. La comparaison sert à corriger l’échelle, préciser les preuves et séparer un désaccord sur les faits d’un désaccord sur les préférences.

Noter séparément — conserver la valeur, la preuve et la justification initiales
Comparer — localiser l’ancre, la donnée ou le périmètre qui produit l’écart
Corriger — réécrire l’échelle lorsqu’elle autorise deux interprétations incompatibles
Arbitrer — conserver les valeurs initiales et la valeur retenue avec son autorité
Rejouer — vérifier l’échelle corrigée sur une seconde option étalon

Pondération

Comparer des changements d’état, jamais des mots

Le swing weighting compare la valeur du passage de l’ancre basse à l’ancre haute pour chaque critère, sur l’étendue réellement observée entre les options. Un intitulé important peut recevoir peu de poids si tous les candidats y sont équivalents.

Étape	Décision demandée	Contrôle
Référence	Quel swing apporte le plus de valeur ?	Lui attribuer 100 points de comparaison
Comparaison	Que vaut chaque autre swing face au premier ?	Documenter les jugements par paire
Normalisation	Quelle part représente chaque swing ?	Somme des poids égale à 1
Scénarios	Quels désaccords doivent rester visibles ?	Jeux de poids alternatifs testés séparément

Sortie

Livrer une grille qu’un tiers peut relire sans interprète

Le dossier de calibration rassemble le cadre, l’arbre des critères, les mesures brutes, les fonctions de valeur, les options étalons, les appréciations initiales, les décisions de calibration et les scénarios de poids. Chaque objet porte une version et un responsable.

Sources primaires

Sources sur lesquelles cette page s’appuie

Dernière revue documentaire : 7 septembre 2026.

UK Government — guide pratique de l’analyse multicritère
Fonctions de valeur, swing weighting, conférence de décision, sensibilité et robustesse du classement.
UK Government — Green Book 2026
Swing weighting, analyse de sensibilité, valeurs de bascule et mise en garde contre la simple addition de notes pondérées.
NIST AI RMF 1.0
Gouverner, contextualiser, mesurer et gérer les risques d’un système d’IA.
ISO/IEC 42005:2025
Évaluation des impacts d’un système d’IA sur les personnes, les groupes et la société.

Avant de nous écrire

Questions fréquentes

Pourquoi une échelle de 0 à 100 ne suffit-elle pas ?

Parce que les nombres restent arbitraires tant que 0, 100 et les états intermédiaires ne sont pas reliés à des performances observables et à une fonction de valeur justifiée.

Comment éviter de compter deux fois le même bénéfice ?

Nous relions chaque critère à un effet distinct, examinons les dépendances causales et supprimons ou restructurons les critères qui décrivent le même changement.

Que mesure réellement un poids ?

La valeur relative du passage entre les ancres basse et haute sur l’étendue considérée. Il ne mesure pas l’importance abstraite du nom du critère.

Critères et ancres

Vos critères décrivent-ils des faits ou des impressions ?

Présentez la décision, les options et la grille actuelle. Nous identifions les recouvrements, les ancres ambiguës et les preuves manquantes.

Examiner la grille