A Robust Grey Multi-Criteria Decision-Making Framework for Prioritization under Uncertainty: Application to Smart Transformation Systems

Dans le monde calme et axé sur les données des institutions scientifiques, le défi de la modernisation ne consiste que rarement à trouver le meilleur nouveau gadget. Il s'agit de naviguer dans un brouillard d'incertitude. Lorsqu'une agence gouvernementale responsable de la surveillance des tremblements de terre de la Terre envisage de moderniser ses systèmes, elle est confrontée à un réseau complexe de choix. Doit-elle investir dans l'intelligence artificielle pour détecter les séismes plus rapidement, ou construire un réseau de capteurs intelligents ? Doit-elle sécuriser ses données avec la technologie blockchain ou tout transférer vers le cloud ? Les réponses sont rarement tranchées. Les coûts sont des estimations, les délais sont des conjectures, et la performance future de ces technologies est souvent inconnue. Dans de telles situations, les décideurs ne peuvent pas se fier à des chiffres précis car ces chiffres n'existent tout simplement pas encore. Au lieu de cela, ils doivent travailler avec des plages de possibilités, en pesant les avantages de la rapidité et de la sécurité face aux contraintes de budget et de temps. C'est le domaine de la prise de décision en situation d'incertitude, où l'objectif n'est pas de trouver une réponse parfaite, mais de trouver la voie la plus robuste lorsque l'information est incomplète.

Une équipe de chercheurs de l'Université de Téhéran a abordé exactement ce problème en développant une nouvelle méthode pour aider le Centre Sismologique Iranien à prioriser sa transformation numérique. Ils ont reconnu que les méthodes traditionnelles de choix technologique échouent souvent dans ces environnements à enjeux élevés car elles exigent des données précises que les organisations ne possèdent tout simplement pas. Pour résoudre ce problème, les chercheurs ont créé un cadre qui embrasse l'incertitude plutôt que de tenter de l'éliminer. Ils ont réuni un panel de dix experts seniors, comprenant d'anciens directeurs et des gestionnaires actuels, pour évaluer cinq projets intelligents spécifiques : un système d'IA pour la détection des événements sismiques, un réseau de stations intelligentes dotées de l'IoT, un système blockchain pour la sécurisation des données, une plateforme cloud pour la gestion de l'information, et une application mobile pour le signalement public. Au lieu de demander aux experts de donner un score unique et exact pour chaque projet, les chercheurs leur ont demandé de fournir des plages de valeurs. Cette approche, connue sous le nom de théorie des ensembles gris (grey system theory), permet l'expression d'informations vagues ou incomplètes, telles que « le coût sera compris entre X et Y », plutôt que de forcer une supposition sur un chiffre spécifique.

Les chercheurs ont ensuite utilisé un processus mathématique spécialisé pour pondérer l'importance de treize critères différents, allant de la cybersécurité et de la performance au coût et au temps de mise en œuvre. Ils ont constaté que les experts accordaient la plus grande valeur à l'efficacité de la performance, à la cybersécurité et à l'utilisabilité, tout en accordant un poids significatif au coût d'acquisition. Cela a révélé une préférence claire pour des solutions qui sont fiables et sécurisées, même si elles nécessitent une planification financière rigoureuse. Lorsque l'équipe a appliqué son cadre pour classer les cinq projets, un leader clair est apparu. Le système de détection d'événements sismiques basé sur l'IA a été identifié comme la priorité absolue, obtenant un score nettement supérieur aux autres options. Ce système a été choisi car il offrait le meilleur équilibre entre haute performance, sécurité forte et coûts gérables, répondant directement aux besoins les plus critiques du centre sismologique.

Après le système d'IA, les chercheurs ont classé les stations intelligentes basées sur l'IoT et la plateforme de signalement mobile comme les investissements les plus précieux suivants. Ces deux options ont obtenu des scores très proches, suggérant qu'elles sont toutes deux de solides candidates pour la prochaine phase de développement. Le système blockchain pour l'intégrité des données arrive en quatrième position, et la plateforme de gestion de données basée sur le cloud arrive en dernier. Le classement inférieur pour les options cloud et blockchain ne signifiait pas qu'il s'agissait de mauvaises technologies ; cela indiquait plutôt que, dans les contraintes actuelles de budget et de préparation organisationnelle, elles étaient moins réalisables comme priorités immédiates par rapport aux solutions d'IA et d'IoT. L'étude a explicitement montré que si la blockchain offrait une excellente sécurité, son coût élevé et sa complexité en faisaient un point de départ moins attractif. De même, la plateforme cloud était freinée par ses coûts d'acquisition substantiels et sa plus faible performance dans les critères de préparation organisationnelle.

Pour s'assurer que ces résultats n'étaient pas simplement un coup de chance lié aux opinions des experts spécifiques, les chercheurs ont exécuté des milliers de simulations informatiques pour tester la stabilité de leurs classements. Ils ont fait varier légèrement l'importance des critères dans chaque simulation pour voir si l'ordre des projets changerait. Les résultats ont été rassurants : le système d'IA est resté le premier choix dans près de 70 pour cent des scénarios simulés, prouvant que la recommandation était robuste et n'était pas excessivement sensible aux petits changements de jugement. L'étude a également souligné que l'application mobile et les stations IoT étaient des choix stables pour la deuxième et la troisième place, tandis que les options blockchain et cloud montraient plus de variabilité, renforçant ainsi leur priorité moindre.

Le résultat final de cette recherche n'est pas seulement une liste de gagnants et de perdants, mais une feuille de route pratique pour l'action. Les chercheurs suggèrent que le centre sismologique commence sa transformation en mettant en œuvre le système de détection par IA. Une fois cette base établie, l'organisation peut passer à la mise à niveau de son réseau de capteurs avec la technologie IoT et au lancement de l'application mobile pour la communication publique. Les technologies plus complexes et coûteuses, comme la blockchain et la migration complète vers le cloud, peuvent être introduites plus tard, une fois que l'organisation aura accumulé les ressources et l'expérience nécessaires. Cette approche étape par étape permet à l'institution de gérer le risque et de répartir ses investissements dans le temps. En utilisant une méthode qui accepte l'incertitude comme une partie naturelle du processus, les chercheurs ont fourni un guide clair et fondé sur des preuves pour la manière dont une agence gouvernementale scientifique peut moderniser ses opérations sans parier sur l'inconnu.