Risque ≠ Variance - Pourquoi la simulation n'est pas une décision

Résumé exécutif

Dans les réunions de conseil d'administration et les comités d'investissement, Monte-Carlo est souvent considéré comme l'étalon-or. Les distributions, les intervalles de confiance et les analyses de scénarios donnent une impression de solidité mathématique. Mais il y a là un malentendu structurel : la variance n'est pas un risque - et la simulation n'est pas une décision.

La variance mesure la dispersion. Le risque, en revanche, décrit le danger de ne pas atteindre un objectif défini. Ces deux concepts ne sont pas mathématiquement identiques. Celui qui simule la dispersion n'a pas encore optimisé de fonction de préférence, de conditions secondaires ou de fonction d'objectif. Il a simplement évalué des espaces de probabilité.

Monte-Carlo répond à la question : "Que pourrait-il se passer ?"
L'optimisation des décisions répond à la question : "Quelle option maximise la réalisation des objectifs sous contraintes ?"

La simulation est un outil d'évaluation. La décision est un problème d'optimisation.

Le malentendu structurel

Les simulations de Monte Carlo génèrent des milliers de trajectoires aléatoires sur la base de distributions supposées. Le résultat est une distribution de probabilité des issues possibles. Mais aucune de ces simulations n'explore systématiquement l'espace de combinaison complet d'un portefeuille.

Dans les portefeuilles complexes de n projets, il existe 2ⁿ combinaisons. Pour 20 projets, cela représente plus d'un million d'options. La simulation évalue des hypothèses - elle n'identifie pas l'optimum global.

Simulation vs. optimisation

Critère	Simulation (Monte-Carlo)	Optimisation
Objectif	Représenter les probabilités	Maximiser/minimiser la fonction cible
Logique	Génération de chemin aléatoire	Recherche systématique dans l'espace de décision
Résultat	Distribution des issues possibles	Portefeuille mathématiquement optimal
Décision	Interprétation par la direction	Dérivée directe de la fonction objectif

Pourquoi la variance n'est pas un risque

Une variance élevée peut signifier des opportunités élevées. Une faible variance peut être systématiquement sous-optimale. Le risque n'est pas dû à la dispersion, mais à l'absence d'objectif par rapport à la fonction stratégique du portefeuille.

Un portefeuille à faible dispersion peut néanmoins être significativement inférieur à son optimum possible. Il ne s'agit pas d'un problème statistique - mais d'un problème structurel.

La dimension de la gouvernance

La simulation renvoie la responsabilité au comité. Les résultats doivent être interprétés. La discussion remplace le calcul. L'opinion remplace la sélection mathématique.

L'optimisation, en revanche, définit ex ante une fonction cible et identifie la combinaison qui génère la valeur la plus élevée en fonction des contraintes de budget, de risque et de ressources.

Ce n'est pas un scénario. C'est une propriété des données.

Conclusion

Simuler, c'est comprendre l'incertitude.
Celui qui optimise prend des décisions.

La gestion des risques sans optimisation reste plausible au niveau local - mais potentiellement sous-optimale au niveau global.

FAQ

Monte-Carlo est-il inutile ?
Non. La simulation est précieuse pour l'analyse de sensibilité. Elle ne remplace toutefois pas la logique d'optimisation.

Peut-on combiner simulation et optimisation ?
Oui. La simulation peut modéliser les incertitudes, l'optimisation sélectionne la meilleure combinaison parmi ces incertitudes.

Pourquoi la planification de scénarios ne suffit-elle pas ?
Les scénarios comparent des options individuelles. Ils n'explorent pas systématiquement l'espace décisionnel complet.

Quelle est la différence essentielle ?
La simulation décrit des possibilités. L'optimisation calcule l'optimum.