De l'IA générative au calcul décisionnel : quand les réponses ne suffisent plus
L'IA générative peut expliquer comment une décision doit être prise. Le calcul décisionnel détermine quelle décision génère la valeur cible la plus élevée dans les conditions définies.
ChatGPT, Gemini et d’autres systèmes d’IA générative sont aujourd’hui capables d’analyser, de structurer et d’expliquer des questions de gestion complexes en quelques secondes.
Mais pour les PDG, les directeurs financiers et les comités d’investissement, le véritable travail commence souvent là où s’arrête la réponse générique.
Lequels de nos projets devons-nous réellement financer ?
Quelle combinaison de projets génère la plus grande valeur compte tenu de notre budget ?
Qu’adviendra-t-il de notre portefeuille si les dépenses d’investissement (CAPEX) baissent de 20 % ?
Quels projets devrions-nous reporter si les capacités d’ingénierie deviennent un goulot d’étranglement ?
Ces questions ne nécessitent aucune explication supplémentaire.
Elles nécessitent un calcul.
C’est le passage de la « génération de réponses » au « calcul décisionnel ».
Table des matières
- Qu’est-ce que la « génération de réponses » ?
- Qu'est-ce que le « Decision Computation » ?
- Quelle est la différence entre l’IA générative et le « Decision Computation » ?
- Pourquoi le « Decision Computation » est-il pertinent pour les PDG et les directeurs financiers ?
- 20 questions de gestion pouvant faire l'objet d'un calcul
- Pourquoi les décisions de portefeuille sont-elles des problèmes mathématiques ?
- Pourquoi la décision revient-elle à la direction ?
- Le « Decision Computation » dans la salle du conseil
- Conjuguer l’IA générative et l’optimisation mathématique
- Le « Decision Computation » avec StratePlan
- FAQ sur le « Decision Computation »
Qu'est-ce que la génération de réponses ?
La génération de réponses désigne la capacité de l’IA générative à produire une réponse formulée en langage naturel à partir d’informations, d’un contexte et d’une question.
Un directeur financier peut par exemple poser la question suivante :
« Comment dois-je hiérarchiser les projets d’investissement (CAPEX) avec un budget limité ? »
Une IA générative peut alors fournir une réponse éclairée :
Évaluer les projets d’un point de vue économique. Analyser la VAN et le ROI. Prendre en compte les critères stratégiques. Évaluer les risques. Tenir compte des contraintes en matière de ressources. Comparer les scénarios.
Cela répond à la question :
« Quelle devrait être ma démarche générale ? »
Mais cela ne répond pas encore à la question suivante :
Quelle combinaison concrète de nos projets devrions-nous choisir ?
Qu'est-ce que le « Decision Computation » ?
Le « Decision Computation » désigne le calcul mathématique des options décisionnelles sur la base de données, d'objectifs et de contraintes concrets.
Au lieu de se contenter d'expliquer comment une décision pourrait être prise, on calcule l'espace de décision réel.
Par exemple :
- 187 projets d'investissement
- 420 millions d’euros de CAPEX disponible
- 31 000 heures d'ingénierie
- 14 projets obligatoires
- 23 interdépendances entre projets
- plusieurs usines
- plusieurs divisions
- critères stratégiques
- plusieurs périodes de planification
La question n’est alors plus :
« Comment fonctionne l’allocation du capital ? »
Mais :
« Quelle combinaison parmi ces 187 projets respecte nos contraintes et maximise notre fonction objectif définie ? »
Il s’agit d’un problème d’optimisation mathématique.
Quelle est la différence entre l’IA générative et le calcul décisionnel ?
| IA générative | Calcul décisionnel |
|---|---|
| explique | calcule |
| génère des réponses | calcule les options de décision |
| fonctionne principalement avec le langage et le contexte | utilise des variables de décision, des fonctions objectif et des contraintes |
| répond à la question « Comment pourrait-on procéder ? » | répond à la question « Quelle combinaison répond le mieux à l’objectif que nous avons défini ? » |
| structure les connaissances | structure l'espace de décision |
| sait expliquer les méthodes | applique l’optimisation mathématique à des données concrètes |
| fournit des arguments et des analyses | fournit des scénarios calculés et des alternatives de portefeuille |
L'IA générative répond à des questions relatives aux décisions.
Le « Decision Computation » calcule les conséquences de décisions concrètes.
Ces deux approches ne sont pas nécessairement en concurrence l’une avec l’autre.
Elles peuvent couvrir différents niveaux d’un même processus décisionnel.
En quoi le « Decision Computation » est-il pertinent pour les PDG et les directeurs financiers ?
De nombreuses décisions de gestion ne relèvent pas de problèmes de connaissance.
L'organisation connaît ses projets.
Le service financier connaît le budget.
Le contrôle de gestion connaît les analyses de rentabilité.
Le service des opérations connaît les ressources.
Le service Stratégie connaît les priorités.
Le problème consiste à traduire simultanément ces informations en une décision cohérente concernant le portefeuille.
Le défi ne réside pas dans le manque d’informations.
Le défi réside dans leur combinaison.
C’est précisément pour cette raison que l’allocation de capital, la planification des dépenses d’investissement (CAPEX) et la sélection de portefeuille deviennent des problèmes mathématiques à mesure que le nombre de projets augmente.
20 questions de gestion qui peuvent être calculées
1. Quels projets d’investissement (CAPEX) devrions-nous financer ?
Réponse : la combinaison de projets qui, dans le cadre des contraintes définies en matière de budget, de ressources, de dépendances et de gouvernance, répond le mieux à la fonction objectif choisie.
2. Quelle combinaison de projets génère la valeur la plus élevée avec notre budget actuel ?
Réponse : Pas nécessairement les projets présentant les valeurs individuelles les plus élevées. Ce qui est déterminant, c’est la valeur totale de la combinaison admissible.
3. Quels projets devrions-nous supprimer si nos dépenses d’investissement (CAPEX) baissent de 20 % ?
Réponse : Pas 20 % de manière forfaitaire dans chaque domaine. Le portefeuille doit être recalculé en fonction du budget global réduit.
4. Quelle perte de valeur subissons-nous réellement en cas de réduction du CAPEX ?
Réponse : Cela résulte de la différence entre les portefeuilles optimisés correspondant aux différents niveaux de budget.
5. Quels projets devrions-nous financer en cas d’augmentation du CAPEX ?
Réponse : La combinaison de projets supplémentaires qui génère la valeur marginale de portefeuille la plus élevée dans le cadre des contraintes restantes.
6. Quel niveau de CAPEX supplémentaire est rentable ?
Réponse : Le calcul de plusieurs niveaux de budget permet de déterminer la valeur de portefeuille supplémentaire générée par un apport de capital supplémentaire et d’identifier le point à partir duquel le bénéfice marginal diminue.
7. Comment devrions-nous répartir les dépenses d’investissement entre les divisions ?
Réponse : Pas nécessairement en fonction des parts budgétaires historiques. La répartition peut résulter de la combinaison optimale des projets sur l'ensemble des secteurs d'activité.
8. Comment devons-nous répartir les dépenses d’investissement (CAPEX) entre les usines ?
Réponse : En optimisant conjointement l'ensemble des projets, en tenant compte des exigences minimales, des capacités et des contraintes spécifiques à chaque site.
9. Quelle combinaison de projets maximise notre VAN ?
Réponse : La combinaison admissible présentant la VAN agrégée la plus élevée dans le cadre des contraintes définies.
10. Quelle combinaison de projets maximise notre retour sur investissement (ROI) ?
Réponse : Cela dépend de la définition exacte de la fonction objectif du portefeuille. Un simple classement par ROI des projets ne correspond pas automatiquement à un portefeuille global optimal.
11. Que se passe-t-il si la croissance prend davantage d’importance ?
Réponse : Les pondérations stratégiques sont modifiées et le portefeuille est recalculé. Cela permet de déterminer quelle allocation de capital correspond à la nouvelle stratégie.
12. Que se passe-t-il si nos priorités stratégiques changent ?
Réponse : Des pondérations différentes génèrent des portefeuilles optimaux différents. Les répercussions des décisions stratégiques deviennent ainsi quantifiables.
13. Que se passe-t-il en cas de baisse de 20 % des capacités d’ingénierie ?
Réponse : L'ingénierie est modélisée comme une contrainte de ressources renforcée. La combinaison optimale de projets est ensuite recalculée.
14. Quels sont les projets qui mobilisent particulièrement beaucoup de capital ou de ressources ?
Réponse : L’analyse de portefeuille met en évidence les projets qui mobilisent des ressources rares en grande quantité et les combinaisons alternatives de projets qui sont ainsi exclues.
15. Quels projets devrions-nous lancer aujourd’hui et lesquels devrions-nous reporter ?
Réponse : Dans le cadre d’une optimisation pluriannuelle, le lancement des projets, l’utilisation du budget, les besoins en ressources et les dépendances sont examinés conjointement sur plusieurs périodes.
16. À quoi ressemble notre plan CAPEX optimal sur 5 ans ?
Réponse : Il s’agit d’une optimisation sur plusieurs périodes qui détermine quels projets doivent être mis en œuvre chaque année afin de satisfaire au mieux la fonction objectif définie, dans le respect des contraintes annuelles.
17. Que se passe-t-il lorsque certains projets deviennent obligatoires ?
Réponse : Les projets obligatoires sont définis comme des contraintes fixes. Le reste du portefeuille est réoptimisé en fonction de ces projets.
18. Que se passe-t-il en cas de dépendances entre les projets ?
Réponse : Les dépendances sont modélisées mathématiquement. Par exemple, si le projet B dépend du projet A, il n’est pas possible de sélectionner B sans A.
19. Notre portefeuille CAPEX actuellement approuvé est-il optimal ?
Réponse : Il est possible de le vérifier en comparant le portefeuille existant à un portefeuille optimisé mathématiquement, sur la base des mêmes données, objectifs et contraintes.
20. Quelle valeur ajoutée supplémentaire pouvons-nous générer avec les mêmes projets et le même budget ?
Réponse : La différence entre le portefeuille existant et le portefeuille optimisé montre le potentiel d’amélioration calculé dans le cadre du modèle défini.
Mêmes projets. Combinaisons différentes. Meilleurs résultats.
Pourquoi les décisions relatives au portefeuille sont-elles des problèmes mathématiques ?
La raison tient au nombre de combinaisons possibles.
Pour N projets indépendants, dont chacun peut être sélectionné ou non, il existe théoriquement :
2^N combinaisons possibles.
| Nombre de projets | Combinaisons théoriquement possibles |
|---|---|
| 20 | 1 048 576 |
| 50 | ≈ 1,13 × 10^15 |
| 100 | ≈ 1,27 × 10³⁰ |
| 200 | ≈ 1,61 × 10⁶⁰ |
La décision de gestion ne consiste toutefois pas à examiner aveuglément toutes les combinaisons.
Elle consiste à identifier, parmi les combinaisons admissibles, celles qui satisfont au mieux la fonction objectif définie.
Pour ce faire, on tient compte de certaines contraintes :
- Budget CAPEX
- Recettes / Dépenses
- Capacité d'ingénierie
- Ressources humaines
- Projets obligatoires
- Dépendances entre projets
- Exclusions mutuelles
- orientations stratégiques
- Investissements minimaux
- Budgets maximaux
- Capacités des usines
- Règles propres à chaque secteur d'activité
- Périodes de planification
Une liste de projets devient ainsi un espace de décision mathématique.
Pourquoi la décision revient à la direction
Le « Decision Computation » ne signifie pas que les mathématiques prennent le pas sur la décision de la direction.
Les mathématiques ne peuvent optimiser que dans le cadre du modèle défini par l’entreprise.
La direction détermine :
- quels sont les objectifs pertinents,
- quelles données sont utilisées,
- quels critères stratégiques s’appliquent,
- quelles sont les contraintes impératives,
- quels projets sont obligatoires,
- quels scénarios sont pris en compte.
Le calcul permet ensuite de répondre aux questions suivantes :
Quelles sont les conséquences de ces contraintes ?
Il en résulte une distinction claire :
la direction définit le cadre décisionnel ;
Les mathématiques calculent l'espace décisionnel.
La direction prend la décision.
Le « Decision Computation » dans la salle du conseil
Cette approche prend toute sa pertinence lorsque le calcul et la discussion de la direction ne sont plus séparés dans le temps.
Traditionnellement, une nouvelle question posée par la direction peut déclencher un nouveau cycle d’analyse.
Les données sont ajustées.
Le service financier refait ses calculs.
Les présentations sont mises à jour.
Une nouvelle réunion est programmée.
En revanche, si les scénarios de portefeuille peuvent être recalculés immédiatement, le déroulement des opérations change.
Le directeur financier demande :
« Que se passe-t-il si le budget est réduit de 50 millions d’euros ? »
Calculer.
Le PDG demande :
« Que se passe-t-il si l’on double la pondération de la croissance ? »
Faire le calcul.
Le service des opérations répond :
« Cette capacité d'ingénierie ne sera pas disponible l'année prochaine. »
Faire le calcul.
Le comité d'investissement décide :
« Ces trois projets sont obligatoires. »
Calculer.
Les scénarios peuvent ensuite être comparés immédiatement les uns aux autres.
Questionner. Calculer. Comparer. Décider.
Allier l’IA générative et l’optimisation mathématique
L’IA générative et l’optimisation mathématique remplissent des fonctions différentes.
L'IA générative est particulièrement adaptée à :
- l'interaction linguistique
- le traitement de l'information
- l'explication
- la structuration
- l'interprétation
- Synthèse
L'optimisation mathématique est particulièrement adaptée aux :
- les problèmes de décision combinatoire
- fonctions objectif
- contraintes budgétaires
- les contraintes de ressources
- les dépendances
- Sélection de portefeuille
- Calculs de scénarios
C'est pourquoi une architecture intéressante ne résulte pas de la question suivante :
IA générative ou optimisation mathématique ?
Mais plutôt :
Quelle tâche doit être confiée à quelle méthode ?
Une répartition possible des tâches pourrait être la suivante :
Ask.
La direction formule la problématique.
Understand.
L'IA apporte son aide pour le contexte, la structure et l'interprétation.
Calculer.
L’optimisation mathématique calcule les alternatives de portefeuille admissibles.
Comparer.
La direction compare les scénarios et les compromis.
Décider.
La décision revient à la direction responsable.
Calcul de décision avec StratePlan
StratePlan a été développé pour les décisions complexes en matière d’allocation de capital, de dépenses d’investissement (CAPEX) et de portefeuille.
Les données de départ peuvent être relativement simples :
- ID du projet
- Investissement
- Valeur attendue, VAN ou bénéfice
En fonction du problème décisionnel, d’autres dimensions peuvent être ajoutées :
- critères stratégiques
- Ressources
- dépendances du projet
- Projets obligatoires
- divisions
- Secteurs d'activité
- Régions
- Périodes de planification
StratePlan calcule alors des alternatives de portefeuille en fonction des objectifs et des contraintes définis.
Si le budget, les ressources ou les directives stratégiques sont modifiés, le portefeuille peut être recalculé.
La planification statique des investissements se transforme ainsi en un processus décisionnel interactif.
L'IA génère des réponses.
StratePlan calcule les décisions.
Ne vous contentez pas de classer les projets. Calculez le portefeuille.
Ne nous croyez pas sur parole. Calculez-le vous-même.
FAQ sur le « Decision Computation »
Que signifie « Decision Computation » ?
Le « Decision Computation » désigne le calcul mathématique d’options décisionnelles sur la base de données, d’objectifs et de contraintes définis. Dans le contexte d’un portefeuille, cela signifie par exemple calculer, parmi de nombreux projets possibles, une combinaison de projets qui répond au mieux à une fonction objectif définie, tout en respectant les contraintes budgétaires et de ressources.
Quelle est la différence entre la « Decision Intelligence » et le « Decision Computation » ?
La « Decision Intelligence » est une approche plus large visant à améliorer systématiquement les décisions grâce aux données, aux modèles, aux processus et à la technologie. Le « Decision Computation » peut être considéré comme le volet mathématique de cette approche : l’espace décisionnel concret est modélisé et calculé mathématiquement.
Quelle est la différence entre l’IA générative et le « Decision Computation » ?
L’IA générative génère des réponses ou des contenus à partir du contexte et des informations. Le « Decision Computation » calcule des options décisionnelles concrètes à partir de variables, de fonctions objectif et de contraintes définies.
ChatGPT ou Gemini peuvent-ils optimiser des projets CAPEX ?
L’IA générative peut expliquer des méthodes, interpréter des données, structurer des modèles et aider à formuler un problème d’optimisation. Cependant, pour une optimisation robuste du portefeuille, les données concrètes de l’entreprise, les fonctions objectif et les contraintes doivent être traitées dans un modèle mathématique adapté.
L’optimisation mathématique de portefeuille remplace-t-elle le directeur financier ou le comité d’investissement ?
Non. La direction définit les objectifs, les priorités stratégiques, les hypothèses et les contraintes. L’optimisation mathématique calcule les conséquences de ces spécifications. La décision finale revient à la direction responsable.
Pourquoi un classement des projets ne suffit-il pas ?
Un classement évalue les projets individuellement. L’optimisation de portefeuille, en revanche, prend en compte la combinaison des projets. En raison des différences en matière d’investissements, de besoins en ressources et de dépendances, la meilleure combinaison de projets peut s’écarter de l’ordre établi par un simple classement.
La « Decision Computation » peut-elle aider en cas de réductions budgétaires ?
Oui. Un portefeuille peut être recalculé avec un budget réduit et comparé au portefeuille initial. Cela permet de déterminer quelle combinaison de projets préserve au mieux l’objectif défini dans les nouvelles conditions.
La « Decision Computation » peut-elle prendre en compte plusieurs divisions et sites ?
Oui. Les divisions, les sites, les régions ou d’autres dimensions organisationnelles peuvent être intégrés dans un modèle de portefeuille en tant qu’attributs et contraintes.
La « Decision Computation » peut-elle être utilisée sur plusieurs années ?
Oui. Dans le cadre de l’optimisation pluriannuelle, les budgets, les ressources, les durées des projets et les dépendances sont modélisés sur plusieurs périodes. Cela permet non seulement de décider quels projets seront mis en œuvre, mais aussi à quel moment.
Quel est l’objectif de Decision Computation ?
L’objectif n’est pas d’automatiser les décisions de gestion. Il s’agit de rendre l’espace décisionnel pertinent mathématiquement transparent et de permettre de calculer et de comparer les conséquences de différentes orientations de gestion.
Quelle est la question centrale qui sous-tend le « Decision Computation » ?
Ce n’est pas seulement : « Que devrions-nous faire ? »
Mais aussi : « Quelles sont les conséquences concrètes de nos projets, de notre budget, de nos ressources et de nos objectifs stratégiques ? »
C’est précisément à ce stade qu’une réponse se transforme en calcul.
De l’IA générative au « Decision Computation ».
