Blog Article principal :
Comprendre les « optima » : pourquoi les organisations restent prisonnières d’« optima » locaux – et ne voient pas l’optimum global
Résumé : Pourquoi une bonne décision est loin d'être la meilleure
Que se passe-t-il lorsqu’une entreprise hiérarchise soigneusement ses projets d’investissement, répartit efficacement ses budgets, mais laisse néanmoins de côté des millions d’euros de valeur potentielle ?
Lors de presque toutes les réunions du directoire, les décisions d’investissement sont discutées à la lumière d’indicateurs économiques, de priorités stratégiques et des ressources disponibles.
Les projets sont évalués. Les analyses de rentabilité sont comparées. Les budgets d’investissement sont répartis. Des compromis sont trouvés.
Au final, on aboutit à un portefeuille qui semble plausible, économiquement pertinent et réalisable sur le plan organisationnel.
Mais une question cruciale reste souvent sans réponse :
la combinaison de projets que nous avons choisie est-elle réellement la meilleure solution sur le plan économique – ou simplement une bonne solution parmi les alternatives que nous avons envisagées ?
C’est précisément là que réside la différence entre les optimums locaux et globaux.
Un optimum local ne peut être amélioré au sein d’un ensemble défini. Un optimum global, en revanche, atteint la meilleure valeur de la fonction objectif au sein de l’ensemble de l’espace de décision admissible.
Dans la planification stratégique des investissements, cette différence peut avoir des répercussions économiques considérables.
En effet, les entreprises ne se contentent pas de prendre des décisions concernant des projets individuels. Elles décident de combinaisons de projets qui se font concurrence pour obtenir des capitaux, des ressources et des capacités.
StratePlan associe des méthodes d’optimisation mathématiques issues de la recherche opérationnelle à des approches basées sur l’IA afin d’étudier systématiquement ces espaces de décision complexes.
La question de gestion décisive n’est donc pas : « Avons-nous optimisé nos projets ? »
Mais : « Avons-nous sélectionné la meilleure combinaison économique de nos projets ? »
1. Que signifie « optimum » ? La définition mathématique
En mathématiques, le terme « optimum » désigne une solution qui, au sein d’un espace de décision défini, maximise ou minimise une valeur cible donnée.
Le pluriel est « optima ».
En théorie de l'optimisation, on distingue les optima locaux et les optima globaux.
Optimum local
Un optimum local est une solution qui, au sein d’un voisinage défini, ne peut être améliorée par aucune modification admissible.
La solution peut être optimale au sein de cette zone limitée, même si de meilleurs résultats sont possibles ailleurs dans l'espace de décision.
Optimum global
Un optimum global est une solution qui atteint la meilleure valeur de la fonction objectif définie dans l'ensemble de l'espace de décision admissible.
Dans le cas d’un problème de maximisation, aucune autre solution admissible ne présente une valeur de fonction objectif plus élevée.
Dans le cas d’un problème de minimisation, aucune autre solution admissible ne présente une valeur de fonction objectif plus faible.
Important : un optimum global n’est pas nécessairement unique. Plusieurs combinaisons de projets différentes peuvent atteindre la même valeur optimale de la fonction objectif.
Pour les entreprises, cette distinction revêt une importance capitale.
Une décision d’investissement peut être économiquement optimale au sein d’un secteur d’activité tout en générant une contribution globale moindre par rapport à une alternative inter-secteurs.
La qualité d’une optimisation ne dépend donc pas seulement de la méthode de calcul utilisée, mais aussi de l’espace de décision et de la fonction objectif retenus.
2. Pourquoi les organisations s’en tiennent souvent à des optimums locaux
Les entreprises sont structurées en départements, divisions, sites et structures de responsabilité.
Cette division organisationnelle permet une gestion efficace des processus métier complexes.
Elle conduit toutefois souvent à ce que les décisions d’investissement soient prises au sein de domaines de responsabilité limités.
Un site de production optimise ses investissements en machines.
Le service informatique donne la priorité à ses projets de numérisation.
Le service commercial évalue les mesures visant à augmenter le chiffre d'affaires.
La gestion immobilière prend les décisions relatives aux rénovations et au développement des sites.
Chaque unité peut prendre des décisions économiquement judicieuses dans le cadre de son domaine de responsabilité.
Mais l’entreprise dispose souvent d’un budget global commun, ou du moins limité.
De ce fait, différents secteurs d'activité se disputent les mêmes ressources financières.
Les causes typiques des optimisations limitées au niveau local sont les suivantes :
- Budgets d’investissement séparés : les capitaux sont répartis au sein de chaque secteur d’activité sans que l’ensemble des alternatives d’investissement ne soit examiné de manière globale.
- Des indicateurs clés de performance (KPI) divergents : les services poursuivent des objectifs individuels qui ne correspondent pas entièrement à l’objectif global de l’entreprise.
- Décisions historiques : les projets déjà approuvés sont privilégiés, même si d’autres combinaisons pourraient s’avérer plus intéressantes sur le plan économique.
- Conflits de ressources : plusieurs projets nécessitent les mêmes capacités en personnel ou en moyens techniques.
- Examen limité des variantes : les instances de direction ne comparent qu’un nombre restreint de scénarios préparés.
Ces facteurs peuvent conduire une organisation à optimiser avec succès ses différents départements sans pour autant atteindre le meilleur résultat global possible.
L’entreprise optimise ses composantes, mais pas nécessairement leur meilleure combinaison sur le plan économique.
3. L’espace décisionnel invisible : pourquoi 2^N transforme la logique de gestion
Dès que plusieurs projets sont à choisir simultanément, un espace de décision combinatoire se crée.
Dans un modèle binaire simplifié, chaque projet peut soit être mis en œuvre, soit ne pas l’être.
Avec N projets pouvant être sélectionnés indépendamment, on obtient théoriquement 2^N combinaisons possibles.
Ce nombre croît de manière exponentielle :
- 7 projets : 2^7 = 128 combinaisons
- 10 projets : 2^10 = 1 024 combinaisons
- 20 projets : 2^20 = 1 048 576 combinaisons
- 30 projets : 2^30 = 1 073 741 824 combinaisons
- 40 projets : 2^40 = 1 099 511 627 776 combinaisons
- 50 projets : 2^50 = 1 125 899 906 842 624 combinaisons
- 100 projets : 2^100 = environ 1,27 × 10^30 combinaisons
Pour 50 projets d'investissement prévus, il existe donc environ 1,126 billion de combinaisons de projets théoriquement possibles.
Toutes les combinaisons ne sont pas admissibles en raison de limites budgétaires, de contraintes de ressources ou de dépendances entre les projets.
Ce ordre de grandeur illustre néanmoins pourquoi les processus de gestion classiques ne peuvent prendre en compte qu’une partie limitée de l’espace de décision mathématique.
Un comité de direction peut évaluer 50 projets individuellement.
Il ne peut toutefois pas comparer exhaustivement plus d’un billiard de combinaisons de projets entre elles.
Le véritable défi ne consiste pas à comprendre chaque projet individuellement. Il consiste à déterminer, parmi les combinaisons possibles de ces projets, la meilleure solution économiquement viable.
4. Pourquoi les discussions et les ateliers de gestion ne garantissent pas une optimisation globale
Les instances de direction sont indispensables pour définir des objectifs stratégiques, évaluer des hypothèses économiques et assumer la responsabilité des décisions.
Ils ne sont toutefois pas des algorithmes d’optimisation mathématiques.
Dans la pratique, on compare souvent entre eux quelques scénarios préparés à l’avance.
Par exemple :
- un scénario de base correspondant au budget d’investissement initialement prévu
- Un scénario prudent avec des dépenses réduites
- un scénario de croissance avec des investissements supplémentaires
- un scénario stratégique avec des projets prioritaires
Ces variantes peuvent être élaborées avec soin et s’avérer économiquement plausibles.
Cependant, elles ne représentent souvent qu’une petite partie de l’ensemble des options mathématiques possibles.
Le choix entre quatre scénarios préparés ne permet pas automatiquement de déterminer s’il existe, parmi des millions d’autres combinaisons, une solution économiquement plus avantageuse.
La meilleure variante discutée n’est pas nécessairement la meilleure combinaison de projets mathématiquement possible.
C’est précisément pour cette raison que la réflexion stratégique doit être complétée par des méthodes d’optimisation mathématiques appropriées.
5. Un exemple de calcul : pourquoi le meilleur investissement individuel ne conduit pas au meilleur portefeuille
Une entreprise dispose d’un budget d’investissement de 10 millions d’euros.
Trois projets sont à l'étude.
| Projet | CAPEX | Valeur ajoutée nette |
|---|---|---|
| Projet A – Installation de production | 7 millions d'€ | 4 millions d'€ |
| Projet B – Automatisation | 5 millions d'€ | 3 millions d'€ |
| Projet C – Efficacité énergétique | 5 millions d'euros | 3 millions d'€ |
Le projet A présente la contribution nette la plus élevée.
Si ce projet est retenu, il restera 3 millions d'euros dans le budget.
Ce montant n'est pas suffisant pour mettre en œuvre l'un des autres projets en plus.
La contribution nette totale s'élève donc à 4 millions d'euros.
Une analyse mathématique des combinaisons de projets possibles révèle toutefois une alternative économiquement plus intéressante.
Les projets B et C nécessitent à eux deux 10 millions d’euros et génèrent une contribution nette combinée de 6 millions d’euros.
En supposant que les projets soient indépendants et en l’absence d’autres contraintes, la combinaison B + C est optimale pour maximiser la contribution nette de valeur.
Le portefeuille optimisé génère une contribution nette à la valeur supérieure de 50 % par rapport à la sélection initiale.
Pour cela, l’entreprise n’a pas besoin de capitaux d’investissement supplémentaires.
Il lui suffit de choisir une autre combinaison parmi ses projets existants.
Cet exemple illustre une décision de portefeuille sous-optimale. La question de savoir si la sélection initiale constitue également un optimum local au sens mathématique strict dépend de la définition des modifications de voisinage autorisées.
La conclusion essentielle reste la suivante : le meilleur investissement individuel sur le plan économique ne fait pas nécessairement partie de la meilleure combinaison de projets sur le plan économique.
6. Pourquoi les optima locaux peuvent-ils être si stables d’un point de vue mathématique ?
Les optimums locaux résultent souvent de processus d’amélioration progressive.
Un algorithme ou un processus de gestion part d’une solution existante et tente de l’améliorer par de légères modifications.
Par exemple, un projet est retiré du portefeuille et remplacé par un autre.
Si la contribution économique globale s'améliore, la nouvelle combinaison est retenue.
Ce processus peut être répété jusqu’à ce qu’aucune amélioration supplémentaire ne soit trouvée dans le voisinage considéré.
On obtient alors un optimum local.
Une solution nettement meilleure peut toutefois se trouver en dehors de ce voisinage.
Pour y parvenir, il faudrait éventuellement remplacer plusieurs projets simultanément.
Certaines étapes intermédiaires pourraient dans un premier temps conduire à des résultats moins bons.
Une simple méthode de recherche locale ne procéderait pas à de tels changements dans certaines circonstances.
Un effet similaire peut se produire au sein des organisations.
Une division améliore progressivement sa planification d’investissement existante sans examiner d’autres répartitions de capitaux fondamentalement différentes.
Il peut ainsi en résulter une combinaison de projets économiquement plausible et stable, alors que d’autres portefeuilles permettraient d’obtenir une contribution globale plus élevée.
La stabilité d’une solution existante ne constitue donc pas une preuve de son optimalisme global.
7. Optimisation globale : la meilleure solution au sein de l’ensemble de l’espace de décision admissible
L’optimisation globale a pour objectif de déterminer, au sein de l’ensemble de l’espace de décision admissible, la meilleure solution pour une fonction objectif définie.
Dans le cadre de l’allocation stratégique des capitaux, cette fonction objectif peut par exemple consister à maximiser la contribution nette attendue à la valeur.
L’optimisation mathématique tient compte des alternatives d’investissement disponibles et des contraintes définies.
Les contraintes typiques sont les suivantes :
- Budget d’investissement maximal
- Ressources humaines disponibles
- Limites de capacité technique
- Dépendances entre les projets
- Contraintes de délai
- Exigences stratégiques minimales
- Obligations réglementaires
Des algorithmes d'optimisation adaptés explorent l'espace des solutions mathématiques et recherchent une combinaison de projets qui satisfait au mieux la fonction objectif.
Différentes méthodes peuvent être utilisées à cette fin :
- Optimisation entière et mixte-entière
- Méthode « Branch-and-Bound »
- Programmation dynamique
- Métaheuristiques
- Méthodes à départs multiples et stratégies de recherche combinées
- Méthodes d'évaluation et de recherche basées sur l'IA
Certaines de ces méthodes permettent, dans des conditions appropriées, de prouver mathématiquement l'existence d'un optimum global.
D'autres fournissent des solutions approximativement optimales, sans apporter de preuve complète d'optimalité.
Un calcul individuel complet de l’ensemble des 2^N combinaisons n’est pas systématiquement nécessaire pour optimiser mathématiquement de grands espaces de décision.
L’article « Nouvelle méthode de calcul basée sur l’IA dans la gestion de portefeuille de projets pour l’optimisation des CAPEX » fournit des informations complémentaires.
8. Pourquoi Excel, les modèles de scoring et les matrices de priorisation ne garantissent pas l’optimalité globale
Excel, les modèles de scoring et les matrices de priorisation sont des outils bien établis de la planification stratégique des investissements.
Ils permettent une évaluation structurée de projets individuels et l’élaboration de scénarios économiques.
Leurs limites apparaissent notamment lorsqu’on assimile le classement des projets individuels à une sélection mathématiquement optimale du portefeuille.
Excel : les évaluations individuelles ne constituent pas encore une optimisation de portefeuille
Excel est parfaitement adapté au calcul des analyses de rentabilité, des taux de retour sur investissement et des scénarios d’investissement.
Grâce à des fonctions Solver adaptées, il est également possible de traiter des problèmes d’optimisation mathématique.
Cependant, une simple liste Excel dans laquelle les projets sont classés par retour sur investissement (ROI) ou valeur actuelle nette (VAN) ne prend pas automatiquement en compte toutes les combinaisons de projets possibles.
Lorsque l’espace de décision combinatoire est vaste, des méthodes d’optimisation spécialisées peuvent s’avérer nécessaires ou plus efficaces.
Modèles de notation : le meilleur classement ne correspond pas nécessairement au meilleur portefeuille
Les modèles de notation évaluent les projets sur la base de critères définis.
Les projets ayant obtenu les scores les plus élevés sont mis en œuvre en priorité.
Cette méthode apporte de la transparence sur les priorités individuelles.
Elle ne garantit toutefois pas que la combinaison sélectionnée génère la contribution économique ou stratégique globale la plus élevée.
Matrices de priorisation : la simplification plutôt que l’optimisation totale
Les matrices de priorisation aident à classer les projets en fonction de critères tels que l’impact, l’effort requis, l’urgence ou l’importance stratégique.
Elles sont utiles pour présenter de manière compréhensible des informations complexes.
Cela ne permet toutefois pas d’obtenir automatiquement une combinaison mathématiquement optimale.
La question cruciale est donc la suivante : évaluons-nous chaque projet individuellement, ou calculons-nous la combinaison la plus avantageuse sur le plan économique parmi tous les projets disponibles ?
9. StratePlan : optimisation mathématique du portefeuille plutôt qu’une analyse limitée des variantes
StratePlan a été développé pour optimiser mathématiquement des portefeuilles d’investissements et de projets complexes.
Cette technologie combine des méthodes issues de la recherche opérationnelle avec des approches basées sur l’IA pour analyser efficacement de vastes espaces de décision combinatoires.
Pour un modèle d’optimisation économique de base, seules trois informations par projet sont initialement requises :
- ID du projet : identification unique du projet
- Dépenses : dépenses ou investissements prévus
- Revenus : recettes attendues ou retours économiques
De plus, le budget d’investissement disponible est défini.
Les données du projet peuvent, par exemple, être reprises à partir de plans d’investissement existants sous Excel.
StratePlan examine les combinaisons de projets possibles et calcule un portefeuille en fonction de la fonction objectif choisie.
Dans le cas de « Maximize Net Contribution », l’accent est mis sur la maximisation de la contribution nette totale attendue.
Le ROI du portefeuille peut également être présenté comme indicateur économique.
Des modèles avancés peuvent prendre en compte des contraintes et des paramètres d’évaluation supplémentaires :
- dépendances entre projets
- Pondérations stratégiques
- Limites en termes de ressources et de capacités
- Budgets d'investissement pluriannuels
- Contraintes de délai
- Critères de risque et de durabilité
Le résultat n’est pas un simple classement de projets individuels, mais une combinaison de projets calculée mathématiquement dans le cadre des contraintes définies.
StratePlan enrichit ainsi la prise de décision stratégique d’un niveau d’optimisation mathématique.
10. En direct lors de la réunion du conseil d’administration : quelle combinaison de projets est réellement la meilleure ?
L’optimisation mathématique du portefeuille prend toute sa valeur lorsqu’elle est directement intégrée aux décisions stratégiques de gestion.
Imaginons un groupe industriel avec 100 projets d’investissement prévus.
Le montant total des demandes d’investissement dépasse le budget disponible.
Plusieurs divisions ont déjà hiérarchisé leurs projets et procédé à leur évaluation économique.
Le comité de direction souhaite désormais savoir quelle combinaison de tous les projets génère la contribution nette attendue la plus élevée.
Scénario A : optimisation transversale
Le directeur financier pose la question suivante :
« Qu’est-ce qui change si, au lieu d’optimiser chaque division individuellement, nous considérons l’ensemble des projets d’investissement de manière globale ? »
Les projets sont modélisés dans un portefeuille commun.
StratePlan calcule une combinaison optimisée en tenant compte de la limite budgétaire définie.
La comparaison avec la planification antérieure permet de déterminer si une autre répartition des capitaux permet d’obtenir une contribution économique globale plus élevée.
Scénario B : prendre en compte de manière contraignante les projets stratégiques
Le PDG pose la question suivante :
« À quelle contribution économique risquons-nous de renoncer si certains projets doivent impérativement être mis en œuvre, indépendamment de leur rentabilité individuelle ? »
Les projets concernés sont pris en compte en tant que contraintes obligatoires.
Le portefeuille est recalculé.
La comparaison montre l’impact de cette contrainte sur la contribution nette attendue.
Scénario C : réduction du budget
Le directeur financier souhaite savoir :
« Quelle combinaison de projets devrions-nous choisir si nous devons réduire notre budget d’investissement de 20 % ? »
La contrainte budgétaire est ajustée.
StratePlan calcule une nouvelle combinaison de projets.
La direction peut ainsi identifier les mesures qui seront supprimées et observer l’évolution de la contribution nette attendue.
Scénario D : Capital d’investissement supplémentaire
Un autre membre du directoire demande :
« Quelle contribution économique supplémentaire pourrions-nous générer si nous investissions 10 millions d’euros supplémentaires ? »
Le budget est augmenté et une nouvelle optimisation est effectuée.
Les résultats permettent de comparer l’apport de capital supplémentaire et la contribution en valeur attendue.
Scénario E : Modification des pondérations stratégiques
Le comité de direction pose la question suivante :
« Comment le portefeuille évolue-t-il si nous accordons davantage d’importance à l’efficacité énergétique, à la numérisation ou à certains secteurs de croissance ? »
Les paramètres correspondants sont ajustés.
Le portefeuille est recalculé et comparé aux scénarios précédents.
Modifier les orientations stratégiques. Recalculer le portefeuille. Comparer les impacts économiques. Prendre des décisions en toute connaissance de cause.
Ainsi, même les décisions qui s’écartent d’une optimisation purement économique peuvent être prises de manière consciente et compréhensible.
11. Coûts d’opportunité : dans quelle mesure notre portefeuille s’écarte-t-il de l’optimum ?
Chaque décision d’investissement immobilise du capital et des ressources.
Ce capital n’est alors plus disponible pour d’autres projets.
Il en résulte des coûts d'opportunité.
Ils décrivent le bénéfice manqué de la meilleure alternative non retenue.
L’optimisation mathématique du portefeuille permet de comparer le portefeuille d’investissements initialement prévu à une combinaison optimisée de projets.
Dans ce cadre, il est notamment possible de comparer les indicateurs suivants :
- Besoin total d’investissement
- Valeur ajoutée nette attendue
- ROI du portefeuille
- Projets sélectionnés et non sélectionnés
- Marges budgétaires restantes
- Différences économiques entre les différents portefeuilles
La différence entre les résultats modélisés met en évidence le potentiel d’amélioration économique qui existe dans le cadre des hypothèses retenues.
Si un optimum global est mathématiquement prouvé, l'écart entre une combinaison de projets choisie et cet optimum peut être déterminé avec précision au sein du modèle.
Dans le cas de solutions approximativement optimales, on indique dans un premier temps l’écart par rapport à la meilleure solution trouvée.
La valeur ajoutée décisive réside dans la mise en évidence des éventuels inconvénients économiques d’un plan d’investissement existant avant même l’engagement des capitaux.
12. Analyse de sensibilité : dans quelle mesure l’optimum global est-il robuste ?
Les décisions d’investissement reposent sur des hypothèses concernant les évolutions économiques futures.
Les coûts des projets peuvent augmenter. Les prévisions de recettes peuvent baisser. Les ressources peuvent se raréfier. Les priorités stratégiques peuvent évoluer.
C’est pourquoi il est judicieux de ne pas se limiter à une seule optimisation de portefeuille.
Les analyses de sensibilité permettent d’étudier différents scénarios économiques.
Les questions typiques sont les suivantes :
- Quels projets restent intégrés au portefeuille même en cas de réduction du budget ?
- Comment la combinaison optimale de projets évolue-t-elle lorsque les coûts d’investissement augmentent ?
- Quelles mesures sont particulièrement sensibles à une baisse des prévisions de recettes ?
- Comment le portefeuille évolue-t-il en cas de restrictions supplémentaires en matière de ressources ?
- Quels projets restent économiquement attractifs dans différents scénarios ?
Ces analyses peuvent montrer dans quelle mesure une combinaison de projets calculée reste stable lorsque les hypothèses évoluent.
Une décision stratégiquement fondée tient donc compte non seulement du meilleur résultat obtenu dans le cadre d’une hypothèse unique, mais aussi des répercussions d’éventuels changements.
13. Étude de cas : site de Klybeck à Bâle – un retour sur investissement supérieur d’environ 63 %
La référence StratePlan relative au site de Klybeck à Bâle illustre le potentiel économique que peut révéler l’optimisation mathématique d’un portefeuille.
Dans le cadre de l’optimisation de portefeuille pour Central Real Estate AG et Swiss Life AG, les alternatives d’investissement et de projet existantes ont fait l’objet d’une analyse mathématique.
Résultat modélisé :
- Rendement initial du capital : 7,0 %
- Rendement du capital optimisé : 11,4 %
- Amélioration relative du rendement : environ 63 %
- Valeur économique ajoutée supplémentaire modélisée : environ 30 millions de CHF
Cette amélioration a été modélisée en modifiant la combinaison des alternatives d'investissement existantes, à budget identique.
Ces résultats spécifiques au projet ne constituent pas une garantie générale de rendement.
Conclusion principale : une meilleure combinaison des alternatives d’investissement existantes peut permettre d’obtenir une contribution économique globale nettement plus élevée – sans budget d’investissement supplémentaire.
14. Lorsque les optimums locaux limitent particulièrement souvent les potentiels économiques
Le risque d’une optimisation isolée de mesures individuelles existe dans de nombreux domaines d’application économiques et publics.
Industrie et planification des dépenses d’investissement (CAPEX)
Les installations de production, les projets d’automatisation, les extensions de capacité et les investissements sur site se disputent des budgets d’investissement communs.
L’optimisation isolée de certaines usines ou de certains secteurs d’activité peut empêcher une meilleure répartition du capital sur l’ensemble des secteurs.
Numérisation et transformation par l’IA
Les entreprises identifient souvent de nombreux projets potentiels liés à l’IA et à la numérisation.
La simple hiérarchisation des cas d’utilisation individuels ne permet pas automatiquement de déterminer quelle combinaison génère la contribution économique globale la plus élevée.
Immobilier
Les développements de projets, les rénovations, les modernisations et les investissements dans des sites peuvent être envisagés dans le cadre d’un budget d’investissement commun.
Le choix des différents projets influe sur les possibilités de financement de l’ensemble du portefeuille immobilier.
Énergie et infrastructures
Les projets énergétiques, les investissements dans les réseaux, les mesures d’efficacité énergétique et les modernisations d’infrastructures nécessitent souvent des engagements de capitaux à long terme.
L'optimisation mathématique du portefeuille peut aider à comparer différentes combinaisons d'investissements en tenant compte des contraintes économiques et techniques.
Collectivités locales et budgets publics
Les villes et les communes doivent financer de nombreux projets d’investissement avec des moyens budgétaires limités.
Écoles, routes, bâtiments administratifs, infrastructures et équipements sociaux se disputent les mêmes ressources publiques.
La hiérarchisation isolée des différents domaines ne conduit pas automatiquement à la combinaison de mesures présentant la plus grande utilité sociale globale définie.
L’optimisation mathématique permet d’étudier différentes combinaisons de projets en tenant compte des limites budgétaires, des missions obligatoires et des objectifs politiques.
Le dénominateur commun de tous ces cas d’application est la question de savoir si l’optimisation de mesures individuelles conduit effectivement à la meilleure solution globale possible.
15. Simulation budgétaire et optimisation simultanée du portefeuille : dépasser les optimums locaux dans le secteur public
Le problème de l’optimisation locale apparaît particulièrement clairement lors de la planification des budgets d’investissement publics.
Les services municipaux disposent souvent de leurs propres listes de projets et de leurs propres priorités.
Le service de l’éducation donne la priorité aux investissements dans l’éducation. Le service de l’urbanisme évalue les mesures d’infrastructure. D’autres services planifient des projets de numérisation, d’énergie ou immobiliers.
Chacune de ces priorités peut se justifier au sein de son domaine de responsabilité respectif.
La question cruciale est toutefois la suivante :
quelle combinaison de tous les projets communaux permet d’obtenir, dans les limites du budget disponible, le plus grand bénéfice économique ou social global défini ?
Un exemple simplifié :
une ville dispose d’un budget d’investissement de 81 millions d’euros.
Dans le même temps, 50 projets sont à l'étude, représentant un besoin d'investissement total de 220 millions d'euros.
Avec 50 décisions binaires concernant les projets, on obtient théoriquement 2^50 = 1 125 899 906 842 624 combinaisons possibles.
Une optimisation mathématique de portefeuille permet d’étudier différentes combinaisons de projets admissibles dans le cadre des contraintes budgétaires et d’impact définies.
Une simulation budgétaire simultanée permet de prendre en compte différentes conditions financières.
Par exemple :
- Quelle combinaison de projets génère le bénéfice total modélisé le plus élevé avec un budget de 81 millions d’euros ?
- Comment le portefeuille évolue-t-il en cas de réduction du budget ?
- Quelles mesures supplémentaires pourraient être mises en œuvre en cas d’augmentation des recettes ?
- Comment les projets politiques obligatoires modifient-ils le résultat ?
- Quelles sont les répercussions de différentes pondérations accordées à l'éducation, aux infrastructures ou à la protection du climat ?
La qualité des résultats dépend des données utilisées et de la définition des indicateurs économiques ou sociaux.
La combinaison de la simulation budgétaire et de l’optimisation mathématique de portefeuille peut aider à transformer les priorités sectorielles en une base décisionnelle globale et transparente.
16. De la Business Intelligence à la Decision Intelligence : optimiser la qualité de la décision elle-même
De nombreuses entreprises disposent déjà de systèmes performants pour analyser et piloter leurs processus métier.
Les systèmes ERP répertorient les ressources et les opérations économiques.
Les solutions de Business Intelligence visualisent les indicateurs clés et les tendances.
Les systèmes de contrôle de gestion analysent les écarts budgétaires et les résultats économiques.
Ces systèmes apportent des réponses à des questions importantes :
Que s'est-il passé ? Comment évoluent nos indicateurs clés de performance ? Quels projets respectent leur budget ?
La « Decision Intelligence » élargit cette perspective en apportant un soutien mathématique aux décisions futures.
Quelle combinaison de projets devrions-nous choisir ? Quelles contraintes limitent notre contribution potentielle à la valeur ? Quelles alternatives permettent d’obtenir un meilleur résultat global ?
StratePlan complète les processus de planification et de contrôle de gestion existants en y ajoutant un niveau d’optimisation mathématique.
Les données de projet nécessaires peuvent dans un premier temps être fournies via de simples tableaux Excel.
La avancée stratégique consiste non pas uniquement à mesurer les résultats des décisions déjà prises, mais à améliorer mathématiquement la sélection et la combinaison des projets eux-mêmes.
17. Conclusion : l’optimum global est une question d’espace décisionnel global
Les organisations prennent quotidiennement des décisions économiquement pertinentes.
Elles évaluent des projets, optimisent des processus, hiérarchisent les investissements et répartissent les ressources.
Mais une solution locale optimale n’est pas nécessairement optimale au niveau global.
Lorsque de nombreux projets se disputent simultanément des budgets et des ressources limités, il en résulte un espace de décision combinatoire.
Avec seulement 50 projets, il existe déjà plus d’un billion de combinaisons théoriquement possibles.
L’évaluation isolée de projets individuels ne permet donc pas automatiquement de déterminer quelle est la meilleure solution globale sur le plan économique.
L’optimisation mathématique de portefeuille permet d’étudier systématiquement différentes combinaisons de projets et de comparer leurs impacts économiques.
Pour ce faire, StratePlan associe des méthodes issues de la recherche opérationnelle à des approches basées sur l’IA.
Les entreprises, les conseils d’administration et les décideurs publics peuvent ainsi calculer des portefeuilles alternatifs, analyser des scénarios stratégiques et identifier des potentiels économiques ou sociétaux inexploités.
La question décisive n’est pas : « Avons-nous optimisé avec succès nos projets d’investissement ? »
Mais : « Avons-nous sélectionné la meilleure combinaison économique de nos projets d’investissement ? »
C’est précisément là que commence la transition de l’optimisation locale vers l’optimisation mathématique de portefeuille.
StratePlan – Ne pas se contenter d’optimiser des projets individuels. Calculer la meilleure combinaison.
FAQ – Comprendre les optima locaux et l’optimum global
Que signifie « optimum » en mathématiques ?
Un optimum désigne une solution qui, au sein d’un espace de décision défini, maximise ou minimise une valeur cible donnée.
Dans le cas d’un problème de maximisation, on recherche la valeur la plus élevée possible.
Dans le cas d’un problème de minimisation, on recherche la valeur la plus faible possible.
Quelle est la différence entre « optimum » et « optima » ?
« Optimum » est le singulier. « Optima » est le pluriel.
En optimisation mathématique, il peut exister plusieurs optima locaux.
Plusieurs solutions différentes peuvent également atteindre la même valeur cible optimale globale.
Qu'est-ce qu'un optimum local ?
Un optimum local est une solution qui, au sein d'un voisinage défini, ne peut être améliorée par aucune modification admissible.
En dehors de ce voisinage, il peut toutefois exister de meilleures solutions.
Qu'est-ce qu'un optimum global ?
Un optimum global est une solution qui atteint la meilleure valeur de la fonction objectif définie dans l'ensemble de l'espace de décision admissible.
Dans le cas d'un problème de maximisation, aucune autre solution admissible ne présente une valeur de fonction objectif supérieure.
Pourquoi les entreprises s'en tiennent-elles souvent à des solutions locales ?
Parce que les décisions d’investissement sont souvent prises au sein de divisions, de services ou de scénarios prédéfinis.
De ce fait, toutes les combinaisons de projets économiquement pertinentes ne sont pas automatiquement prises en compte.
Pourquoi le meilleur investissement individuel ne fait-il pas automatiquement partie du meilleur portefeuille ?
Parce que les projets se font concurrence pour des budgets et des ressources communs.
Un projet individuel économiquement attractif peut mobiliser tellement de capitaux que plusieurs autres projets, dont la valeur ajoutée nette combinée est supérieure, ne peuvent plus être financés.
Que signifie 2^N dans le cadre de l'optimisation de portefeuille ?
2^N décrit le nombre de combinaisons théoriquement possibles pour N décisions binaires indépendantes concernant des projets.
Chaque projet peut être soit sélectionné, soit non sélectionné.
Avec 20 projets, on obtient 2^20 = 1 048 576 combinaisons possibles.
Pour 50 projets, on compte 2^50 = 1 125 899 906 842 624 combinaisons.
Faut-il calculer individuellement toutes les combinaisons 2^N ?
Non.
Les méthodes mathématiques modernes d'optimisation permettent d'explorer efficacement de grands espaces de décision sans avoir à évaluer entièrement, une par une, toutes les combinaisons théoriquement possibles.
Le choix des méthodes appropriées dépend de la structure mathématique du problème et des contraintes définies.
L'IA peut-elle calculer l'optimum global ?
Avec des modèles mathématiques et des méthodes d'optimisation adaptés, il est possible de calculer et de prouver l'existence d'un optimum global.
Pour les problèmes particulièrement complexes, on peut également recourir à des solutions approximativement optimales.
L'évaluation de la qualité de la solution dépend de la méthode utilisée et, le cas échéant, d'une preuve d'optimalité.
Excel peut-il résoudre des problèmes d’optimisation globale ?
Oui. Excel peut traiter des problèmes d'optimisation mathématique à l'aide des fonctions Solver appropriées.
Toutefois, en présence d’espaces de décision combinatoires étendus et de contraintes complexes, des méthodes d’optimisation spécialisées peuvent s’avérer nécessaires ou plus efficaces.
De quelles données StratePlan a-t-il besoin pour une première optimisation ?
Pour établir un modèle d’optimisation économique de base, trois informations sont d’abord nécessaires pour chaque projet :
- ID du projet
- Dépenses – dépenses prévues
- Revenus – recettes attendues ou retours économiques
De plus, le budget d’investissement disponible doit être défini.
Des modèles plus complexes peuvent prendre en compte d’autres contraintes et paramètres d’évaluation.
Que signifie « Maximize Net Contribution » ?
« Maximize Net Contribution » désigne la maximisation de la contribution nette totale attendue d’un portefeuille de projets dans le cadre de contraintes définies.
Le ROI du portefeuille peut également être présenté comme indicateur économique.
La maximisation de la contribution nette absolue et celle du ROI du portefeuille sont des objectifs mathématiques distincts.
StratePlan permet-il de mettre en évidence les différences économiques entre les solutions locales et mondiales ?
En comparant une combinaison de projets existante à une alternative optimisée, il est possible de calculer la différence entre les contributions nettes attendues.
Cette différence illustre le potentiel d’amélioration économique modélisé selon les hypothèses retenues.
Pour déterminer l’écart exact par rapport à l’optimum global, il faut que celui-ci ait été démontré mathématiquement.
L’optimum global est-il toujours la bonne décision de gestion ?
Pas nécessairement.
Une solution mathématiquement optimale se réfère toujours à la fonction objectif définie et aux contraintes prises en compte.
Des exigences stratégiques, réglementaires ou sociétales peuvent imposer des contraintes supplémentaires.
L’optimisation mathématique permet de mettre en évidence de manière transparente les implications de ces contraintes.
Pour quelles organisations l’optimisation globale de portefeuille est-elle particulièrement pertinente ?
Elle est particulièrement pertinente pour les organisations disposant de nombreux projets d’investissement concurrents et de ressources limitées.
Les domaines d’application typiques sont l’industrie, la planification des dépenses d’investissement (CAPEX), la numérisation, les cas d’utilisation de l’IA, l’immobilier, l’énergie, les infrastructures et la planification budgétaire municipale.
Quelle est la conclusion la plus importante pour les PDG, les directeurs financiers et les décideurs publics ?
La meilleure décision individuelle sur le plan économique ne conduit pas automatiquement à la meilleure solution globale.
L’optimisation mathématique de portefeuille permet d’étudier systématiquement différentes combinaisons de projets et d’améliorer l’allocation des capitaux à l’échelle de l’ensemble de l’organisation.
La question cruciale est la suivante : optimisons-nous des projets individuels – ou optimisons-nous la sélection de nos projets ?
Connaissez-vous l’optimum global de votre portefeuille d’investissements ?
Découvrez quelle combinaison de vos projets d’investissement prévus, dans les limites de votre budget disponible, peut générer la contribution nette attendue la plus élevée.
Comparez votre planification de projets actuelle à des scénarios d’investissement optimisés mathématiquement et examinez si une autre combinaison de projets existants permettrait d’obtenir une contribution économique globale plus élevée.
Vous pouvez optimiser gratuitement jusqu’à 15 projets.