En 1964, John Magee publie dans la Harvard Business Review un article qui introduit les arbres de décision dans la pratique managériale. Soixante ans plus tard, l’outil reste l’une des techniques les plus directement applicables pour un chef de projet confronté à un choix entre plusieurs options, parce qu’il transforme une décision intuitive en raisonnement structuré et vérifiable.
Anatomie d’un arbre de décision
Un arbre de décision est un diagramme qui représente une séquence de choix et de résultats possibles sous forme de branches. Deux types de noeuds le composent: les noeuds de décision (représentés par des carrés), où le chef de projet choisit entre plusieurs options, et les noeuds de chance (représentés par des cercles), où le résultat dépend de facteurs extérieurs auxquels on attribue des probabilités. Chaque branche terminale porte une valeur, généralement financière, qui représente le gain ou la perte associé à ce scénario. L’outil s’accompagne d’un calcul appelé VME (valeur monétaire espérée, ou EMV en anglais): pour chaque noeud de chance, on multiplie la valeur de chaque résultat par sa probabilité, puis on additionne ces produits pour obtenir la valeur espérée de la branche.
Un exemple concret: produire en interne ou sous-traiter
Prenons un cas courant en gestion de projet industriel. Une entreprise de construction modulaire doit livrer 200 unités de façade préfabriquées pour un projet immobilier. Deux options s’offrent au chef de projet: produire les façades dans l’atelier interne (ce qui nécessite un investissement en outillage de 180 000 CHF) ou sous-traiter la production à un fournisseur externe (coût unitaire plus élevé, mais sans investissement initial).
Au noeud de décision, deux branches partent: “produire” et “sous-traiter”. Sur la branche “produire”, un noeud de chance intervient: la production peut se dérouler sans problème majeur (probabilité estimée à 70%, coût total de 320 000 CHF) ou rencontrer des difficultés techniques qui entraînent des reprises et des retards (probabilité de 30%, coût total de 480 000 CHF). Sur la branche “sous-traiter”, un autre noeud de chance: le fournisseur livre dans les délais et la qualité attendue (60%, coût de 400 000 CHF) ou des non-conformités exigent des corrections (40%, coût de 460 000 CHF).
Lire l’arbre par la méthode du rollback
La lecture d’un arbre de décision se fait de droite à gauche, c’est-à-dire des résultats vers la décision initiale, par une technique appelée rollback (analyse rétrograde). Pour chaque noeud de chance, on calcule la VME en pondérant chaque résultat par sa probabilité. Le calcul donne 368 000 CHF pour la production interne [(0,70 x 320 000) + (0,30 x 480 000)] et 424 000 CHF pour la sous-traitance [(0,60 x 400 000) + (0,40 x 460 000)], ce qui oriente la décision vers la production interne avec un écart de 56 000 CHF entre les deux options.
Ce résultat ne signifie pas que la production interne coûtera exactement 368 000 CHF. La VME est une moyenne pondérée, pas une prédiction. Ce qu’elle permet, c’est de comparer deux options sur une base commune en intégrant explicitement les scénarios défavorables que l’intuition tend à sous-estimer.
Ce que l’arbre rend visible
L’intérêt premier de l’arbre n’est pas le chiffre final, c’est la structure du raisonnement. En construisant l’arbre, le chef de projet est obligé d’expliciter les hypothèses qui sous-tendent chaque branche: quelles probabilités ont été retenues, d’où viennent-elles, quels scénarios ont été envisagés. Quand un chef de projet dessine un noeud de chance avec “70% de succès” sur une branche, cette probabilité devient visible et discutable. Un membre du comité de pilotage peut demander: “D’où viennent ces 70%? Notre historique sur des projets similaires montre plutôt 55%.” Cette conversation, impossible quand la décision reste dans la tête du décideur, est précisément ce qui améliore la qualité des choix collectifs. L’arbre transforme une recommandation personnelle en raisonnement partagé: le chef de projet ne dit pas “je recommande l’option A”, il dit “voici les hypothèses que j’ai utilisées, voici comment elles mènent à cette recommandation, et voici les paramètres qui feraient basculer la décision”. Pour un comité de pilotage qui doit valider un choix engageant des ressources significatives, cette transparence est ce qui permet un arbitrage éclairé plutôt qu’un acte de foi.
L’arbre montre aussi un phénomène que Magee appelle la “valeur de position”: certaines décisions ouvrent des options futures que d’autres ferment. Dans l’exemple ci-dessus, la production interne crée une capacité réutilisable pour de futurs projets, tandis que la sous-traitance ne laisse rien une fois le contrat terminé. Cet avantage stratégique ne figure pas directement dans la VME mais peut légitimement peser dans la décision finale, à condition de le rendre explicite plutôt que de l’invoquer vaguement.
Les limites à garder en tête
L’arbre de décision fonctionne dans un contexte d’incertitude quantifiable, là où l’on peut attribuer des probabilités raisonnables aux différents scénarios. Quand l’incertitude est radicale, quand on ne sait même pas quels scénarios envisager, d’autres cadres de réflexion sont plus adaptés. Le PMI recommande d’ailleurs l’analyse par arbre de décision spécifiquement pour les situations où les options sont identifiables et les résultats estimables. Il faut aussi admettre qu’un arbre nourri de mauvaises probabilités produit une mauvaise décision avec l’apparence de la rigueur: la qualité de l’analyse est entièrement tributaire de la qualité des estimations qui l’alimentent.
Intégrer l’arbre dans la pratique quotidienne
La construction d’un arbre de décision ne nécessite ni logiciel spécialisé ni formation poussée en statistiques. Un tableau blanc ou un tableur suffisent pour les décisions courantes d’un projet. L’essentiel est de prendre l’habitude de décomposer les décisions significatives (choix de fournisseur, arbitrage make-or-buy, investissement en ressources) en noeuds de décision et noeuds de chance, d’attribuer des probabilités même approximatives aux résultats possibles et de calculer les VME pour comparer les options. Le gain n’est pas dans la précision des chiffres mais dans la discipline du raisonnement, parce qu’un arbre avec des probabilités approximatives vaut toujours mieux qu’une décision prise sur la seule base de l’intuition ou du précédent le plus récent.