Arbitrage de portefeuille IA
Un classement n’est solide que si l’on sait quelles variations peuvent l’inverser, quels désaccords restent ouverts et qui accepte le choix final.
Le scénario pivot résume un ensemble de mesures et de préférences. Il ne démontre pas que l’option classée première le restera lorsque les preuves, les poids ou les contraintes changent. La sensibilité recherche précisément ces bascules.
Une plage de mesure n’a pas la même signification qu’un désaccord de préférence. Les deux sont testées, mais elles conservent des responsables et des traitements distincts.
| Source | Ce qui varie | Traitement |
|---|---|---|
| Mesure | Donnée, population, erreur ou extrapolation | Borne basse, centrale et haute justifiées |
| Appréciation | Lecture divergente d’une même preuve | Scénarios séparés et motif du désaccord |
| Préférence | Valeur relative des swings | Jeux de poids défendus par les autorités |
| Contexte | Budget, horizon, option de référence ou réglementation | Scénario nommé et nouvelle version si nécessaire |
Chaque test modifie une hypothèse identifiée et conserve le reste du modèle. Les variations plausibles sont documentées avant de commenter leur effet.
Une valeur de bascule indique l’effort de preuve ou le changement de préférence nécessaire pour inverser le rang. Si cette valeur est impossible, l’hypothèse testée n’est pas décisive ; si elle est proche, elle devient la prochaine question à instruire.
Le verdict décrit ce qui a été testé et ce qui ne l’a pas été. Il ne prétend jamais couvrir des scénarios absents du dossier.
Le comité reçoit le rang, ses conditions et ses limites. L’autorité peut retenir une autre option, mais elle doit expliciter la raison, les conséquences et le contrôle de suivi.
Le dossier conserve les données d’entrée, les fonctions de valeur, les poids, les scripts ou feuilles de calcul, les résultats par scénario, les divergences, la décision signée et les versions. Une décimale sans cette piste n’est pas une preuve.
Sources primaires
Dernière revue documentaire : 7 septembre 2026.
Fonctions de valeur, swing weighting, conférence de décision, sensibilité et robustesse du classement.
Swing weighting, analyse de sensibilité, valeurs de bascule et mise en garde contre la simple addition de notes pondérées.
Gouverner, contextualiser, mesurer et gérer les risques d’un système d’IA.
Évaluation des impacts d’un système d’IA sur les personnes, les groupes et la société.
Avant de nous écrire
C’est la plus petite variation d’une donnée, d’une fonction de valeur ou d’un poids qui inverse un classement ou modifie la décision.
Lorsqu’il reste inchangé dans les variations plausibles effectivement testées, que les portes sont passées et que ses limites sont documentées.
Oui. Il doit alors consigner l’option retenue, le compromis accepté, les hypothèses déterminantes, les conditions et l’autorité qui assume la décision.
Robustesse
Présentez le classement, les hypothèses et les désaccords. Nous identifions les bascules à tester avant l’engagement.
Éprouver le classement