DEA ET DOCTORAT MSG : «METHODES

!
" # "
!" !
$ # %
&
#$ !$% & !
' ( ) ! %$ * +,* !.& !$/ 0 &1 !! ( $
$ " .&&%
'%$ $% 0 2( $( 3 4
' ' ' ' ' LAMSADE , Université Paris-Dauphine
Place du Maréchal De Lattre de Tassigny
75775 Paris Cedex 16
Tel. 01.44.05.45.70 – Fax. 01.44.05.40.91
e-mail : $$%%%&'()*(+,&+(- /,&01$+,(234
site : !!"#
" .
56758786
()
Ce Diplôme d’Etudes Approfondies (D.E.A.) vise à donner une solide formation
* %"
% + ,. %
orientée vers l’
et la # " # "
$ # %
.
Cette formation permet aux étudiants d’acquérir une bonne maîtrise des outils existant en aide
à la décision. De plus, elle développe chez eux la $ %
* #
%# / -0
# %1#
$ -#
$
# tendant à asseoir, sur des bases scientifiques (recours à la modélisation),
l’étude des problèmes de décision concrets se posant à divers niveaux dans les organisations.
L’accent est mis non seulement sur la * 2%#
de la recherche opérationnelle et sur les % " ,aussi sur les $ % * %"
. ,- et les
%
dans les organisations.
$% % -% relevant au sens large
+ #* % ,- qui leur sont liées mais
3
#%
des méthodes et outils
Cela conduit notamment à s’intéresser aux :
- aspects cognitifs dans des processus interactifs et dans des dialogues homme-machine ou
dans l’explicitation de bases de connaissances ;
- aspects organisationnels et culturels dans des processus de décision et de négociation ;
- aspects propres aux domaines de gestion étudiés (production, transport, finance,
marketing,…)
Les recherches effectuées dans le cadre du mémoire de DEA sont menées
%# %
4 # %
avec une entreprise, une administration publique ou un Centre de Recherche.
Afin d’éviter que l’enseignement ne revête un caractère exclusivement théorique, les étudiants
qui n’ont pas parallèlement une activité professionnelle sont tenus d’effectuer un stage et/ou
des travaux étroitement liés à des problèmes réels.
(
-
Les services fonctionnels des entreprises (informatique, organisation, recherche
opérationnelle ou aide à la décision,…) ;
Les sociétés de conseil ou bureaux d’études ;
Les services d’études des administrations ;
Les centres de recherches publics ou privés ;
L’enseignement supérieur public ou privé.
Le DEA sanctionne la première année de la filière. En effet, pour bon nombre d’étudiants il
est une étape en vue de la préparation d’une thèse. Durant cette année sont approfondis les
méthodologies et les modèles, principalement en tant que cadre conceptuel et/ou procédures
permettant de progresser dans la maîtrise des phénomènes ayant trait à la gestion et tout
spécialement à la préparation des décisions.
5
6
8
.
8
%
8
5
* % $# $
% # .# -$
7 % . #
. * % %" # ,4
(& 9
#
" # "
& % *
#
. * % 3 $$# +
* % -%
&9
-%
# " # " &
&'
8
(
.
* %
%#
(: '
**-
5
';
%% -
556
-
3
(octobre à janvier)
/ # % 5 # 8
-$"
'
(14 séances)
5
Cet enseignement vise à montrer la richesse des concepts et outils issus de la théorie
des graphes pour la modélisation et la résolution de nombreux problèmes concrets.
Après avoir introduit les principaux concepts de la théorie des graphes, un certain
nombre de problèmes classiques sont étudiés : problèmes de recherche d’arbres
particuliers, de cheminement, d’ordonnancement, de flots, de couplage, …
Outre l’étude d’algorithmes et de leurs fondements théoriques, cet enseignement
permet de montrer comment les concepts issus des graphes permettent de modéliser de
façon plus ou moins directe certaines situations concrètes en les ramenant par exemple
à un des problèmes classiques ou à un problème voisin.
(< '
66
>
'
?5
66 = (
(9 séances)
Introduction générale, systèmes formels, logique des propositions et logique du
premier ordre, les problèmes NP-complets, la cohérence des bases de connaissances, la
programmation automatique, les problèmes de diagnostic, les logiques non standard.
(7
6
(14 séances)
'(
>
5
6
! ;'
Cet enseignement traite des bases d’une science de l’aide
l’accent sur la prise en compte de critères multiples. Les
démarche visant à guider et à argumenter les décisions sur
sont présentées et discutées. Une large place est faite à
concepts, modèles et procédures actuellement en usage.
L’enseignement est planifié comme suit :
- Précisions historiques ;
- Processus de décision et aide à la décision ;
à la décision en mettant
principales étapes d’une
des bases scientifiques y
l’approfondissement des
-
Modélisation des préférences par des relations binaires ;
Représentation fonctionnelle des préférences : concept de critères, pouvoir
discriminant d’un critère ;
Problèmes de construction de critères ;
Approche monocritère et approche multicritère ; Familles cohérentes de critères ;
Méthodes fondées sur l’élaboration d’un critère unique de synthèse : somme
pondérée, théorie de l’utilité multi-attribut,
Méthodes fondées sur l’élaboration d’un système de surclassement de synthèse :
les méthodes de type ELECTRE.
(@
6
3
6
(9 séances)
6
)' '
Cet enseignement vise à montrer comment les différents modèles d’aide à la décision
et à la négociation, malgré leur diversité apparente, peuvent s’intégrer dans une même
démarche. L’objectif en est de dégager les différentes étapes d’une telle démarche et
de mettre en lumière ses hypothèses implicites quant au processus de décision sousjacent. Les cas de la théorie des jeux (aide à la négociation) et de la théorie de la
décision (aide à la décision en avenir incertain) sont plus particulièrement développés.
(A
5'
6
66
3 5
(12 séances)
Cet enseignement est destiné à donner aux étudiants les connaissances nécessaires
pour la modélisation et la résolution des problèmes d’aide à la décision mais aussi à les
sensibiliser à la difficulté de résolution de tels problèmes. Il est montré, à l’aide de
problèmes classiques, que les concepts utilisés pour la modélisation d’un même
problème peuvent conduire à l’emploi de moteurs d’optimisation de natures et
d’efficacités très différentes. Les deux premières séances (facultatives) seront
consacrées à quelques rappels d’algèbre linéaire.
La méthode # /
du simplexe, à la base de la plupart des logiciels efficaces de
résolution de programmes linéaires, sera présentée au cours des trois séances suivantes
ainsi que quelques variantes dues à Bartels-Golub et Forrest-Tomlin.
Les principaux résultats concernant la "($ %' en programmation linéaires seront
présentés au cours des deux séances suivantes, ainsi que les conditions de Kuhn et
Tucker en programmation non linéaire.
Trois séances seront consacrées à la résolution de programmes de transport et
d’affectation linéaire à l’aide d’une part de méthodes classiques d’optimisation dans
les graphes et, d’autre part au moyen de méthodes simpliciales.
Enfin, les principes de la programmation dynamique déterministe et stochastique
seront présentés au cours des deux dernières séances et utilisés pour la résolution de
problèmes spécifiques tels que le Knapsack, le choix de stratégies de commandes, etc.
N.B. la méthode des tableaux du simplexe est supposée connue ainsi que les méthodes
de Gauss et Gauss-Jordan pour la résolution de systèmes linéaires.
(B
6 5
(9 séances)
;'
( (6
66
Cet enseignement vise à développer l’aptitude à utiliser quelques concepts
probabilistes (variables, vecteurs, processus aléatoires, en particulier chaînes de
Markov) en vue de représenter des situations concrètes en univers incertain.
L’évaluation des modèles ainsi construits est également abordée dans le contexte de la
statistique décisionnelle.
(C
5
'
(9 séances)
8 (
?
6
5
6
La gestion est une activité qui porte sur des univers hétérogènes où interviennent des
facteurs de natures très diverses mais où ce qu’il est convenu d’appeler «facteur
humain» est toujours déterminant. Comprendre par exemple le fonctionnement d’une
organisation suppose que l’on ne l’envisage pas seulement comme un système articulé
de fonctions et de ressources matérielles mais aussi comme un système social. A cet
effet, il est indispensable de connaître un minimum de notions de base issues des
sciences sociales (sociologie, psychologie, sciences cognitives, etc.) auxquelles cet
enseignement se propose d’introduire.
8
6
(février à juin)
! %
#
" # "
%
*
#
Le DEA est une formation $ # la recherche. Ceci implique un important travail
personnel de l’étudiant encadré par les enseignants de préférence en liaison avec un
stage (en entreprise ou en laboratoire). Ce
travail personnel est accompagné et suivi
dans le cadre des Ateliers de Recherche choisis par l’étudiant au sein de la liste ciaprès.
Dans ces Ateliers, chaque étudiant présente son sujet, sa démarche et expose son
travail. Sous la direction de l’enseignant, sujet, démarche et travaux sont discutés
collectivement. Au démarrage de l’Atelier, l’enseignant est souvent conduit à
consacrer quelques heures à des compléments de formation en rapport avec les sujets
traités.
:
>
'
5
6!
6
'
5
D 6 8 )' '
Cet atelier de recherche constitue une introduction à la recherche sur les problèmes de
production. Il est d’abord centré sur les différents problèmes d’ordonnancement
d’ateliers. Sont étudiées différentes catégories de modèles et leurs techniques actuelles
!"#
de résolution ainsi que les situations où ces problèmes se posent. Par ailleurs sont
présentés les principaux systèmes de production : gestion des flux, outils assistés par
ordinateur…
L’accent est principalement mis sur les conditions d’applicabilité de ces techniques et
plusieurs cas concrets seront discutés.
<
66
'
D
66
! '
Cet atelier de recherche vise à introduire les principales méthodes utilisées en
Intelligence Artificielle (IA) pour l’aide à la décision. On peut distinguer d’une part les
méthodes symboliques et, d’autre part, les méthodes numériques. L’approche
symbolique passe par une introduction aux travaux de H. Simon sur les différentes
phases de la décision, la rationalité limitée et les Systèmes Interactifs d’Aide à la
Décision (SIAD) interprétés comme des systèmes de traitement de l’information d’un
type particulier. Ces SIADs peuvent éventuellement inclure des bases de
connaissances et/ou des systèmes experts.
D’un autre côté, les méthodes numériques forment un pont entre les méthodes de
classification de type statistique (qui ne seront pas étudiées dans cet atelier de
recherche) et les méthodes plus spécifiques de l’IA. Ainsi, nous introduisons la théorie
des ensembles flous et les logiques multivalentes associées qui permettent de
manipuler des données numériques derrière un raisonnement exprimé de manière
purement symbolique. On pourra également considérer les méthodes de raisonnement
par cas, les méthodes basées sur la théorie des ensembles approximatifs ou encore les
méthodes connexionnistes qui sont d’autres outils de l’IA numérique susceptibles
d’être utilisés en aide à la décision.
7
=
'(
>
6
! ';
5
3
6
5
Cet atelier de recherche est centré sur quelques thèmes variables d’année en année
mais ayant toujours trait à l’aide à la décision. Ces thèmes peuvent avoir pour point
d’appui :
-
un cas concret faisant l’objet d’un stage de DEA ;
des expériences visant à valider certaines hypothèses ;
la comparaison, expérimentale ou théorique, de diverses techniques ou approches
susceptibles de traiter un même problème ;
l’étude de procédures ou méthodes nouvelles ;
l’examen de problèmes d’ordre théorique, notamment axiomatique ;
des réflexions et analyses menées sur des thèmes généraux tels que la prise en
compte de la mauvaise connaissance, l’insertion des méthodes dans les processus
de décision, le mode de validation de certains types de résultats …
Les thèmes sont choisis en relation avec les étudiants et sont centrés sur les mémoires
de DEA. Les étudiants qui choisissent cet atelier à titre secondaire sont associés à ces
thèmes soit par des analyses et comptes-rendus d’articles ou de travaux divers, soit par
des réalisations d'expériences ou de mise en œuvre de méthodes ou encore, s’ils le
souhaitent, par des recherches plus personnelles.
Si le besoin s’en fait sentir, des compléments peuvent être apportés sur ces thèmes, par
exemple sous forme de cours ou encore grâce à des interventions de personnalités
extérieures. Pour l’essentiel, les séances sont consacrées à des exposés faits par les
étudiants, lesquels sont suivis de discussions.
@
5
'(
>
! # 5 % " !. !' 6 7
&
& % 8 9( 6 $ !
Les comportements effectifs des acteurs diffèrent fréquemment des comportements
postulés dans les modèles formalisés, ce qui explique les difficultés rencontrées dans
les approches normatives. L’Atelier propose une nouvelle théorie du comportement
des agents dans les grandes organisations mettant l’accent sur les mécanismes de
gestion. Cette approche permet à la fois de proposer un mode d’interprétation du
fonctionnement des grandes organisations et un mode d’analyse du changement. Elle
permet aussi de proposer un nouvel usage des modèles formalisés.
A
'
6
; !
>
'
D 6 ! 6'
6
Dans cet atelier sont étudiés les liens étroits qui existent entre modèles de gestion et
dynamique des organisations. Considérant les outils et modèles de gestion comme le
fruit de processus de construction et comme partie constitutive de la définition et de la
dynamique des organisations, nous nous intéressons :
-
aux processus de production de connaissances liés à la construction des
instruments de gestion et d’aide à la décision au sein des organisations ;
aux processus de création, de diffusion et d’adoption des outils et modèles
considérés comme innovations managériales ;
au double-rôle des outils et des modèles dans les organisations : moyen de pilotage
et de coordination, vecteurs d’exploration et d’apprentissage.
Ces questions seront explorées à partir de situations de gestion et d’aide à la décision
(gestion de projet, relations contractualisées de type clients-fournisseurs, planification
des activités et planification stratégique, relations entre firmes, processus de
conception et d’aide à la décision, etc.) et seront éclairées par différentes familles
théoriques (théorie de la décision, sociologie cognitive, théories de l’apprentissage,
théories des organisations, approches socio-économiques).
Les séances seront structurées autour des sujets de mémoire choisis par les étudiants
qui auront par ailleurs, un certain nombre de textes à étudier. Des interventions
théoriques seront ponctuellement assurées par les responsables de l’atelier pour
apporter les éléments fondamentaux nécessaires.
B
>
'
3
! '
68
(
?
Cet Atelier de recherche est orienté sur les liens entre le Management des
Connaissances dans les Organisations et les Systèmes d’Information Numériques. Il
est reconnu aujourd’hui que, dans notre société de l’information poussée par les
Technologies de l’Information et de la Communication, le capital tend à devenir de
plus en plus un capital de savoirs et de savoir-faire. Dans ce contexte le décideur peut
tirer parti des recherches faites dans le domaine du Management des Connaissances
pour enrichir son capital informationnel par des informations de natures différentes
afin de l’aider dans son processus décisionnel et améliorer les performances de
l’organisation. Les liens entre le Management des Connaissances et les Systèmes
d'Information Numériques seront étudiés dans les directions suivantes:
- Quels dispositifs organisationnels mettre en place pour favoriser l'utilisation et la
création de connaissances dans les organisations ?
- Quels sont les méthodes et outils informatiques nécessaires ?
- Comment acquérir les connaissances et les représenter dans des applications
informatiques ? Comment les faire évoluer ?
C
6
6
('
! # 5 % " !. !' $( :
;
; ) ( "(
'! " % < !& ; 4+*
$ 8$
Objectif : L’étudiant doit assimiler les notions de type décisionnel et organisationnel
au sens le plus large qui influent sur la fiabilité des entreprises et des organisations en
général ,ainsi que les techniques et les modèles qui permettent une gestion efficiente
de l’organisation.
Contenu : Rappels de modélisation du risque, techniques de repérage, d’estimation et
de traitement des risques dans l’entreprise et son environnement ; techniques
d’évaluation et de prévention ; procédés de financement des risques résiduels ; mise en
œuvre : comparaisons coûts/bénéfices, analyses multicritères, techniques de
coordination, culture d’entreprise. Distinction prévention/précaution. Gestion des
risques naturels (inondations) et organisation des systèmes assurantiels liés Ces Ateliers de Recherche sont complétés par des Séminaires de Recherche.
:
6
556
'( E
<
6
= ;' 5
= 5'
6
('
>= ' ;
=
6
6
5
3
;
66
5
7
'
3 5
'
6
>
D 6 = 6' '
6
@
'
!
68
(
?=
'
= '(
>
(janvier à mai)
3 55
La recherche et le développement de nouveaux modèles et méthodologies exigent une
ouverture indispensable sur la réalité des organisations qui devront les employer. C’est
principalement dans cet esprit et en vue d’approfondir
les connaissances en relation avec les
recherches entreprises que ces enseignements sont proposés. Le volume horaire de chacun est
de 18 à 24 heures.
:
6>
'
8 (
! # 5 % " !. !' 6 7
&
& % 8 9( 6 $ !=
Cet enseignement comporte une présentation des théories des organisations et de la
problématique des situations de gestion ainsi qu’une discussion des problèmes
d’épistémologie et de méthodes propres à la recherche empirique en gestion. Son
objectif est principalement de permettre à des étudiants désireux de se lancer dans une
telle recherche d’accéder à un niveau de connaissance suffisant des concepts
fondamentaux utilisables dans leur futur travail de thèse mais il peut évidemment
intéresser des personnes qui n’ont pas l’intention de se lancer dans un tel travail. La
base pédagogique principale est constituée par des lectures critiques demandées aux
étudiants.
<
66
66
5
= 556
6
'
'5
La Représentation des Connaissances (RC) est un point clé dans la conception des
systèmes d’Intelligence Artificielle (systèmes experts, systèmes basés sur les
connaissances, etc, …). Depuis quelques années, on assiste à l’émergence de la RC
comme un domaine à part entière. Cet enseignement vise à présenter les différentes
méthodes de représentation des connaissances, leur implémentation, leurs conditions
d’utilisation dans les moteurs d’inférence ainsi que les nouveaux développements dans
le domaine. En particulier, les différents points suivants seront traités : les règles de
production, les logiques (des prédicats, non-monotones, possibilistes, etc.), les frames,
scripts et prototypes, les réseaux sémantiques, les ATN et dépendances conceptuelles,
les représentations objets. Nous illustrerons notre propos par des exemples pris dans le
domaine de la gestion.
7
('
6>
6
(! '5
6
?
66
Il est rare qu’une étude d’aide à la décision n’implique pas une phase de collecte et de
traitement de « données ». L’analyse d’importantes quantités de données, de nature
souvent hétérogène, implique d’aller au-delà de l’utilisation des techniques statistiques
élémentaires à une ou deux dimensions. Les méthodes utiles se rattachent à ce qu’il est
convenu d’appeler l’« Analyse des Données Multidimensionnelles ». Ce cours a pour
objectif l’initiation aux méthodes les plus couramment utilisées et les plus proches des
optiques d’aide à la décision. On mettra principalement l’accent sur leur mise en
œuvre : conditions d’utilisation, interprétation des résultats. Des exemples issus de
diverses disciplines (sociologie, psychologie, gestion, économie, ...) illustreront
chacune des méthodes présentées.
5# .# **
Introduction générale et typologie des méthodes. Exemples d’application.
Analyse en Composantes Principales.
Analyse des Correspondances, Analyse des Correspondances Multiples.
Classification Automatique.
Modèle linéaire.
Méthodes de discrimination et de segmentation.
Etudes de cas.
( 4 .# $"
Le livre de base sera :
L. LEBART , A. MORINEAU et M. PIRON
Statistique exploratoire multidimensionnelle, Dunod, 3 édition 2000
On utilisera aussi :
M. BARDOS - Analyse discriminante, Dunod, 2001
J.-M. BOUROCHE et G. SAPORTA - L'analyse des données - ( !$ ! > n° 1854
Y. DODGE - Analyse de régression appliquée, Dunod, 1999
J.-P. NAKACHE et J. CONFAIS - Statistique explicative appliquée, Technip, 2003
G. SAPORTA - Probabilités, analyse des données et statistique, Technip, 1990
@
5
%"
5'
;
0 %
66
%
(6
$$# "
%"
66
*$ 0 % =
:
La première partie de cet enseignement consiste en l’étude de la mesure de la difficulté
des problèmes d’Optimisation Combinatoire et d’algorithmes de résolution de tels
problèmes : la complexité. De façon similaire, on étudiera les propriétés de
convergence et de rapidité d’algorithmes itératifs généraux à la base, en particulier,
des méthodes d’optimisation non linéaire : les méthodes de point intérieur. La seconde
partie sera consacrée à l’étude de problèmes d’optimisation : heuristiques utilisant la
notion de gradient, de regret, etc.
Dans la troisième partie seront étudiés des algorithmes qui fournissent une solution
exacte tels que :
- en Optimisation Combinatoire et en programmation linéaire en variables entières :
méthodes de coupes, méthodes arborescentes (SEP, PSES), de génération de
contraintes ;
- en programmation linéaire : méthodes intérieures de Karmarkar, de Gonzaga, etc.
- en programmation non linéaire : méthodes de gradient, de gradient conjugué, à
métrique variable, de gradient réduit généralisé, de pénalités, de lagrangien
augmenté.
Dans la quatrième partie on présentera des méthodes de calcul de solution approchées
telles que :
- les méthodes de recherche aléatoire comme l’algorithme de Lin (pour la résolution
du problème du voyageur de commerce) ou de recherche d’une solution
hiérarchique
- les méthodes de recuit simulé et les méthodes tabou ;
- les réseaux neuronaux.
A
5
'( E
(
56 ?
55
?
<
! ;' 5
Théorie de la complexité (problèmes NP-difficiles)
Présentation des méthodes de résolution des problèmes NP-difficiles
Approximation polynomiale :
-
classes d’approximation
résultats positifs et négatifs
formulation logique de problèmes et liaison avec l’approximation
résultats d’approximation pour des problèmes classiques (Voyageur de commerce,
Stable, Coloration, Satisfiabilité, …)
!"#$%&$' ($ )$*+$'*+$ ,'&-*&,.% $# -$ */0,#$ ,%12 */00 $ $-2$&3-$0 $-# "4
5 67 89 :;9< =>9:?@7>A B;9C;7> D@?E; F;9E G=G8?E; :; HIJ ;7 E;F@>?87 @C;K K;> ;7 A;?L7;G;7> M9? A; A9N A>?>9;
OPQRS T PUVWXPYXR ZX [X\]XR\]X ^RY_\Y^OP XW _X \Q`^WX ^PaS \Q`` X X_SXYb_X` X_c de
B
5
5'
6
6
! # 5 % & #$ !' .$
?
$ @ % # % % $%'# A
Cet enseignement a pour objectif de donner une formation d’ensemble sur la littérature
internationale de recherche sur les processus de décision dans les organisations :
processus de décision, lien entre décision et organisation, décision et ambiguïté,
décision et système de pouvoir. Le séminaire comporte une première moitié sur les
modèles généraux (Mintzberg, Crozier, March, Eisenhardt, Dutton), et une seconde
partie d’analyse d’articles de recherche sur la décision stratégique et les processus
d’innovation.
C
;
5
'(
= 6' 6
= '
! # 5 % " !. !' 6 7 ) ! %'
C !% %(% :$ ' C
) ! %'
$) ( D $ 2$.% !%
'5 %
4 +
%$ (!
= '
6
B
B
Résolution de problèmes de grande taille. Problèmes de multiflot, de partitionnement.
Génération de colonnes, décomposition de Benders, Dantzig-Wolfe. Exploration
arborescente (branch and cut). Applications aux problèmes de planification entransport
aérien et ferroviaire.
Satisfaction de contraintes.
F
; 6
'
; 6
! # 5 % " !. !' 6 7
& " !
!"
$ !
Cet enseignement vise à tirer toutes les conséquences du fait qu’il y a une multitude de
manières de calculer le coût de revient d’un bien déterminé avec des résultats qui
peuvent être très différents.
Le plan général de l’enseignement est le suivant :
- difficultés de l’évaluation des coûts : le crédit, les consommations intermédiaires,
les biens durables ;
- les coûts en comptabilités ;
- définition générale des coûts ;
- exemples d’application.
G
6>
?5
6
5
6'
;'
! # 5 % & #$ !' .$
Un individu placé face à une situation de décision met en place des stratégies pour
résoudre le problème auquel il fait face. De nombreux auteurs (parmi lesquels Daniel
Kahneman, prix Nobel d’économie 2002) ont cherché à analyser comment un
décideur, individu, agent économique prend une décision, effectue un choix. Depuis
plus d’un demi-siècle, des mathématiciens de la décision, économistes, chercheurs
opérationnels et psychologues ont analysé de façon expérimentale le comportement
décisionnel. Ces travaux sont souvent regroupés sous les termes de « Psychologie de la
décision et des préférences », « Théorie comportementale de la décision », « Jugement
et prise de décision (Judgment and Decision-Making) », « Heuristiques et biais », …
Une telle approche empirique montre que l’analyse de la rationalité dans un cadre
strictement normatif est insuffisante et qu’une démarche expérimentale est essentielle
pour concevoir des modèles explicatifs des décisions (en économie, gestion, …) mais
aussi pour concevoir des outils d’aide à la décision (en recherche opérationnelle).
:H
I %1*
5'
3
#J % .
Le séminaire a pour objectif d'étudier la structure et la mise en oeuvre de modèles et
de systèmes d'aide à la décision en marketing, couramment utilisés par les entreprises,
ainsi que des systèmes en développement correspondant à des voies de recherches
importantes.
::
'
?
! # 5 % " !. !' 6 7
; $
- /&( )$ " " 7 E. %$ ; F-
5
8
5
8
Bien que «Gestion Scientifique » ne s’identifie pas à «développements
mathématiques », les orientations choisies exigent une bonne formation en
mathématiques élémentaires. Pour suivre avec succès le DEA « MSG », il faut avoir :
-
soit une formation en gestion ou en économie avec un bon niveau en
mathématiques et statistiques (Maîtrises de gestion, d’Econométrie ou d’Economie
appliquée, Ecoles de Commerce-Gestion) ;
soit une formation en mathématiques, statistiques ou informatique avec une option
ou formation complémentaire en gestion ou économie (MASS, MIAGE, Ecoles
d’Ingénieurs) ;
soit une activité professionnelle d’étude dont le domaine est très directement lié
aux thèmes du DEA « MSG ».
Une bibliographie est disponible auprès du secrétariat pour aider l’étudiant à
compléter, s’il le souhaite, sa formation avant le début des cours.
5
-
-
obtenir un dossier de candidature
- en le téléchargeant à l’adresse http://194.199.252.232/so2/dea.htm
- en écrivant ou en venant (à partir
de mi-avril) à l’Université de ParisDauphine, au secrétariat de l’UFR 3 Cycle Sciences des Organisations-Bureau
D407 Place du Maréchal de Lattre de Tassigny 75775 Paris cedex 16 ;
retourner le dossier de candidature le plus rapidement possible : un membre du
jury d’admission prendra contact avec vous ;
pour plus d’information sur les conditions d’admission dans la filière, les candidats
peuvent prendre contact avec le secrétariat (bureau P619 – Tel. 01.44.05.45.70) en
apportant un curriculum vitae.
Le diplôme d’Etudes Approfondies « MSG » se prépare normalement en un an.
Comme dans tous les DEA, les études peuvent, sous certaines conditions, être étalées
sur deux années universitaires. Les étudiants qui le souhaitent doivent alors en faire la
demande au secrétariat
de l’UFR 3
janvier de la 1 année.
;
Cycle «Sciences des Organisations » avant le 15
; 6
Outre la % %
-
% des
.
* % du tronc commun, l’étudiant doit suivre :
%#
% #
" # " et un Séminaire : parmi ces trois Ateliers, il en choisit
un, dit $#
$ , dans lequel il prépare son mémoire de DEA ; les deux autres
sont dits
# .
%#
. * % 3 $$# +
* % : en fonction de l’orientation que
l’étudiant souhaite donner à ses recherches, il peut demander de substituer, à 3- $ - de ces enseignements, un autre choisi dans le cadre d’autres DEA.
Conformément aux dispositions générales de l’UFR, le choix final de l’ensemble des
options doit être approuvé par le directeur de la formation en fonction du projet
scientifique de l’étudiant.
;
6
6;
56
Les enseignements théoriques de base donnent lieu à examen en janvier avec
possibilité d’examen d’appel en avril. Les % #
" # "
# et les
. * % 3 $$# +
* % sont validés selon des modalités propres à
chacun (exposés, comptes-rendus écrits, examens…)
Le stage effectué en liaison avec l’ % #
" # " principal, peut débuter à
temps partiel aussitôt après les examens de janvier et s’étaler jusqu’à fin août.
Le diplôme est délivré début octobre sur les bases suivantes :
-
une soutenance $-4 ,- du mémoire de DEA en septembre,
une épreuve orale (organisée au moment de la soutenance du mémoire) destinée à
apprécier la capacité de l’étudiant à appréhender le champ disciplinaire du DEA,
les notes obtenues aux différents Ateliers et Enseignements d’Approfondissement,
une note inférieure à 10 à la moyenne des enseignements théoriques de base ou à un
mémoire de DEA étant éliminatoire.
Une note séparée précise les conditions d’obtention du DEA et d’attribution des
mentions.
56
8
6
Après le DEA, les étudiants peuvent demander à préparer une thèse de doctorat dans le
cadre de l’EDDIMO (Ecole Doctorale Décision, Informatique, Mathématiques,
Organisations).
La formation doctorale MSG s’appuie sur quatre Equipes d’Accueil de Doctorants
(EAD) relevant :
-
à l’Université Paris-Dauphine : le laboratoire d’Analyse et Modélisation de
Systèmes pour l’Aide à la Décision (6
UMR CNRS N°7024 –
Directeur : Vangelis PASCHOS)
à l’Ecole Polytechnique : le Centre de Recherche en Gestion (
UMR CNRS
N°7655 – Directeur : Christophe MIDLER – Responsable pour le DEA : Michel
BERRY)
à l’Ecole des Mines de Paris : le Centre de Gestion Scientifique (
– Directeur :
Daniel FIXARI – Responsable pour le DEA : Armand HATCHUEL)
à l’INRA – Thiverval-Grignon : le Laboratoire d’Organisation Industrielle en
Agro-Alimentaire (6
– Directeur : Hervé TANGUY).
Divers laboratoires relevant d’autres établissements accueillent volontiers des
doctorants titulaires du DEA « MSG ».
Ces quatre EAD ont en commun leur volonté de faire progresser les Méthodes
Scientifiques de Gestion ( recherche opérationnelle, méthodes quantitatives, analyse de
données, théorie de la décision, …). Elles travaillent de façon prioritaire :
-
pour les unes à la conception et l’élaboration d’outils toujours plus performants ;
pour les autres à l’insertion dans les organisations et à l’impact qu’elles peuvent
avoir sur l’évolution des organisations.
Elles apportent soutien et encadrement à l’étudiant durant toute son année de DEA.
Elles sont susceptibles de l’accueillir en thèse s’il a fait preuve de réelles aptitudes à la
recherche pendant cette première année d’études doctorales.
La thèse n’est pas nécessairement un travail théorique mené uniquement en
laboratoire : elle est, le plus souvent, conduite en relation avec un organisme extérieur
(entreprises, collectivités, administration,…). Elle ne peut cependant pas se réduire à
de simples applications.
Pendant les trois à quatre ans que dure normalement la thèse, l’étudiant peut bénéficier
de divers types de financement : allocation de recherche, monitorat, convention CIFRE
(Contrat Industriel de Formation par la Recherche), bourse de grands organismes
(CNRS, INRIA, …) allocation temporaire d’enseignement et de recherche …
La liste des personnes qui figurent en dernière page comprend, outre les enseignants
du DEA habilités à diriger les recherches (appartenant, pour la plupart, aux trois
établissements délivrant le diplôme), d’autres personnalités agrées pour diriger une
thèse, soit à l’Université Paris-Dauphine, soit à l’Ecole des Mines, soit à l’Ecole
Polytechnique.
5
6
(6
6
C. BAZGAN
P.J BENGHOZI
M. BERRY
D. BOUYSSOU
$G%
H
E. JACQUET-LAGREZE
C. MIDLER
J.C MOISDON
V. MOUSSEAU
M. NAKHLA
V. PASCHOS
P. PERNY
S. PINSON
C. ROSENTHALSABROUX
B. ROY
J.C. SARDAS
L.G. SOLER
H. TANGUY
P. TOLLA
A. TSOUKIAS
D. VANDERPOOTEN
& 1'
I
6 7
) ! %' $ !
$(.8
; "
% ( "
8 8
6 7 &
& % 8 9( H :I
% ( "
8 8
6 7 &
& % 8 9( H :I
% ( "
8 8
$(
) ! %' $ !
$(.8
8$ #' "
8 8
6 7 &
& % 8 9( H :I
$G% " & 1'
! 6 7 ) ! %' $ ! $(.8
&1 !! ( 6 7 ) ! %' "7 )
$G% " & 1'
! 6 7 ) ! %' $ ! $ & /&
& !
% 1 9( 6 $
% & " ! %(" ! %
8 8 !
F. CHARUE-DUBOC
V. COHEN
A. DAVID
M. DEMANGE
M. GONDRAN
A. HATCHUEL
"
6
&1 !! ( 6 7 &
H : I
:' $ % "7
% ( "
8
&1 !! ( 6 7 &
H : I
$G% " & 1'
H
I
&1 !! ( 6 7
;
(.' ( " !
&1 !! ( 6 7 )
I
&1 !! ( 6 7 )
&1 !! ( 6 7 )
$G% " & 1'
H
I
&1 !! ( 6 7 )
"(
I
&1 !! ( 6 7 &
H : I
% ( "
8
% ( "
8
&1 !! ( 6 7 )
% ( "
8
H
I
&1 !! ( 6 7 )
$% & $
8
$% & $
6 7
(.'
(
" !
!"
$ !
6 7 &
& % 8 9( H :I
(.' ( " !
!" $ !
) !%
$ ! $(.8
; "
8$ #' " &( ! 6 7 &
$% & $
!" $ !H : I
! %' " $ ! $(.8 H
% ( "(
! %' " $ ! H 3I
! %' $ ! $(.8 H
! 6 7 ) ! %' $ ! $(.8
I
! %' $ !
& &$
$% & $
$(.8
(.'
H
(
% (
" !
8 6 7
8 6 7
H
% ( "(
! %' $ ! $(.8 H
8
6 7 ) ! %' $ !
! %' $ !
$(.8
H
!"
$ !
I
I
$(.8
)