Le principe : un modèle mathématique statistique

Plusieurs modèles sont actuellement utilisés en termes de gestion des risques : 

• le scoring, permettant d'établir une cotation du risque en combinant plusieurs critères
• les tables de statistiques du passé servant de base à  l'estimation du futur
• les modèles mathématiques de simulation du réel sous forme d'équations

Bien que n'étant basé sur aucun de ces trois modèles, notre simulateur reprend des éléments de chacun d'eux. Du scoring, il reprend de calculer les risques à partir d'un questionnaire, des tables de statistiques il reprend les résultats qui servent à étalonner le simulateur, et des modèles mathématiques il reprend une algèbre rigoureuse qui permet d'assurer la cohérence et l'évolutivité de l'ensemble. Stocké sous forme d'une base de données, il constitue ce que nous appelons une "base de connaissance".

Utiliser un tel modèle présente des avantages majeurs :

• il permet de s'appuyer sur des statistiques réelles, même incomplètes, pour effectuer les calculs
• il permet de traduire les chiffres sous une forme concrète et compréhensible pour l'utilisateur
• il est complètement paramétrable indépendamment du logiciel lui-même
• il s'avère infiniment plus facile à créer et maintenir qu'un modèle de type "Scoring"

De plus, chaque réponse à un questionnaire, chaque risque avéré déclaré dans le logiciel devient un élément de statistique : l'expérience est ainsi capitalisée automatiquement. Cette expérience sert ensuite à alimenter le modèle en chiffres, lui permettant de "boucler le cercle vertueux de la qualité".

Dans une "prise de risque", on constate souvent que le responsable n'a même pas la visibilité sur l'impact réel de ses choix : les différentes combinaisons possibles, les effets de bords, voire une perception insuffisante de l'impact réel de chaque élément de décision rendent les décisions très complexes. L'un des effets de notre simulateur est alors de permettre au responsable d'évaluer "à blanc" ses choix et décisions : le logiciel traduit et retourne immédiatement l'effet de ces choix.

Une étude réalisée sur les utilisateurs de SelfScore Créateur d'entreprise montre que l'utilisateur commence par répondre à toutes les questions "sans s'en poser" : dans son esprit, son projet est déjà dans un état optimal. Il ne commence seulement à s'interroger que lorsque le logiciel lui présente des risques importants et inattendus pour lui. Il entre alors dans un cycle d'amélioration de son projet jusqu'à obtenir l'optimal combinant à la fois son objectif de créateur d'entreprise et la restitution par le simulateur du niveau de risque qu'il juge acceptable. En ce sens, le logiciel est à la fois normateur, puisqu'il rapproche le créateur des "meilleures pratiques", et pédagogique dans la démarche itérative qu'il induit.

Ce qui fonctionne pour un créateur d'entreprise fonctionne aussi pour un chef de projet à qui l'on souhaite faire appliquer des méthodes, ou à un chef d'entreprise qui doit assurer la sécurité de ses employés. La flexibilité du simulateur nous permet de produire des "bases de connaissance" pour chacune de ces cibles et d'aborder avec la même efficacité des domaines aussi différents que les projets informatiques ou les risques professionnels.

La qualité des résultats obtenus Le logiciel est régulièrement confronté à des experts de la gestion des risques dans les différents domaines ou des bases de connaissance ont été développées : ces confrontations ont toujours montré la pertinence des calculs du logiciel face aux avis des experts, d'ailleurs très souvent concordants.

Il existe néanmoins des différences notables entre nos logiciels et un expert. La première est que le logiciel produit des chiffres là ou l'expert fournit un avis. La seconde est la neutralité du logiciel : le logiciel interprète les faits qui lui sont fournis alors que l'oeil  humain filtre, injecte sa vision personnelle, privilégiant souvent certains aspects du problème par rapport à d'autres. Ce point apparaît de manière flagrante lors des confrontations, ou l'expert se concentre sur les risques qui lui apparaissent comme les risques majeurs, alors que le logiciel effectue toujours l'évaluation de la totalité des risques.

En ce qui concerne la précision des chiffres, les probabilités fournies par le logiciel jouent un rôle peu important dans le processus décisionnel : les utilisateurs leur préfèrent les codes de couleur qui les alertent directement sur les priorités. Même avec un degré de précision faible, les conséquences calculées par le logiciel permettent à l'utilisateur de jauger le degré d'importance des risques, ainsi que la hauteur des moyens à mettre en place pour traiter du problème. Par ailleurs, le "cercle vertueux de la qualité" permet d'affiner très fortement la précision des calculs, rendant l'outil capable de produire des chiffres de gestion pertinents.

Pour en savoir plus :
Communication à la 4ème Conférence AFIS Toulouse, 2-4 mai 2006 .