Fondements de la recherche opérationnelle. Ackoff, R. L. & Sasieni, M. W. 1968.
De nombreuses définitions de la recherche opérationnelle ont été proposées, et de nombreux arguments ont été avancés pour expliquer pourquoi ce sujet ne peut être défini du tout. En examinant les diverses définitions qui ont été offertes, il convient de se rappeler qu’aucune des sciences anciennes et bien établies — ni la science dans son ensemble — n’a jamais été définie à la satisfaction de tous ses praticiens. Néanmoins, la définition ci-dessous peut servir de base utile à une compréhension générale de la nature de la recherche opérationnelle, en particulier à la lumière de l’histoire du domaine qui vient d’être exposée.
La recherche opérationnelle est : (1) l’application de la méthode scientifique, (2) par des équipes de recherche interdisciplinaires, (3) à des problèmes liés au contrôle de systèmes organisés (homme–machine) afin de fournir des solutions servant au mieux les objectifs de l’organisation dans son ensemble.
Les caractéristiques distinctives de la recherche opérationnelle énoncées dans cette définition sont : (a) une approche systémique, (b) le recours à des équipes de recherche interdisciplinaires, et (c) l’application de la méthode scientifique aux problèmes de contrôle. Examinons maintenant chacune de ces caractéristiques plus en détail.
Cette approche repose sur le postulat selon lequel, dans les systèmes organisationnels, le comportement de toute partie affecte finalement toute autre partie. Tous ces effets ne sont pas significatifs, et certains peuvent même être totalement indétectables. Par conséquent, l’essence de cette approche réside dans la recherche systématique des interactions significatives lors de l’évaluation de la performance ou de la stratégie de n’importe quelle partie de l’organisation.
Une telle approche des problèmes organisationnels diffère radicalement de la réduction d’un problème à une taille gérable. Les chercheurs opérationnels élargissent presque invariablement la formulation initiale du problème qui leur est présenté, en y intégrant des interactions qui n’étaient pas incluses dans la formulation de la direction. Traiter ces problèmes plus vastes, et par conséquent plus complexes, nécessite le développement de nouvelles méthodes de recherche.
Nous nous sommes tellement habitués à classer les connaissances scientifiques selon la structure départementale des universités que nous croyons parfois que cette organisation reflète la structure même de la nature. Rien n’est plus éloigné de la vérité. Il n’existe pas de problèmes physiques, biologiques, psychologiques ou économiques en soi. Il n’existe que des problèmes. Les disciplines scientifiques ne représentent que différentes méthodes pour les étudier. Tout problème peut être envisagé du point de vue de n’importe quelle discipline scientifique — bien que, bien sûr, il ne soit pas toujours opportun de le faire. En substance, il s’agit là de la même idée exprimée précédemment sous une autre forme : une organisation n’a pas de problèmes de production, de marketing ou de finance distincts. Un tel découpage ne reflète que différentes manières d’examiner les mêmes problèmes organisationnels.
Chaque spécialiste peut apporter certaines améliorations, mais laquelle de ces améliorations — ou quelle combinaison d’entre elles — est la meilleure ? Face à des problèmes complexes, nous le savons rarement à l’avance. Il est donc conseillé d’envisager et d’évaluer l’éventail le plus large possible d’approches du problème. C’est la raison d’être des équipes de recherche interdisciplinaires.
Étant donné qu’il existe actuellement plus d’une centaine de disciplines scientifiques pures et appliquées, il est manifestement impossible d’inclure un représentant de chacune dans chaque projet de recherche. Il est toutefois souhaitable de représenter autant de disciplines que possible au sein de l’équipe et de soumettre les travaux de celle-ci à un examen critique venant de l’éventail de disciplines le plus large possible parmi celles qui n’y sont pas représentées.
La plupart des descriptions de la méthode scientifique estiment que sa caractéristique distinctive est l’expérimentation. Cependant, lorsqu’il s’agit d’organisations gouvernementales, militaires ou industrielles, l’expérimentation au sens strict — c’est-à-dire la modification physique des valeurs des variables — est souvent impossible ou impraticable. Une entreprise industrielle, par exemple, ne peut risquer son existence même pour les besoins d’une expérience. Bien entendu, l’expérimentation est parfois possible, en particulier au niveau des sous-systèmes, et elle joue un rôle important en recherche opérationnelle. Néanmoins, en règle générale, le système étudié dans son ensemble ne peut être soumis à l’expérimentation. Dans la plupart des cas, l’étude du système dans son ensemble requiert donc une approche qui ne fait pas appel à l’expérimentation (au sens strict de modification physique de l’objet étudié).
Les modèles opérationnels prennent la forme d’équations qui, bien que mathématiquement complexes, présentent une structure très simple : l’utilité ou la valeur d’un critère de performance caractérisant le fonctionnement du système est exprimée comme une fonction des variables contrôlables et des variables (et constantes) non contrôlables qui néanmoins influent sur cette fonction.
De plus, une ou plusieurs équations ou inégalités sont souvent nécessaires pour exprimer le fait que certaines variables contrôlables ne peuvent varier que dans des limites déterminées.
Une fois qu’un modèle a été construit, il peut être utilisé pour trouver des valeurs optimales exactes ou approchées des variables contrôlables — c’est-à-dire des valeurs qui produisent le meilleur critère de performance du système compte tenu des valeurs des variables non contrôlables. En d’autres termes, on peut obtenir une solution au problème dans le modèle. La manière exacte dont cette solution est obtenue dépend du modèle employé.
Une solution peut être obtenue en expérimentant sur le modèle (en faisant varier ses paramètres) ou par analyse mathématique. Dans certains cas, l’analyse mathématique peut être effectuée sans connaître les valeurs spécifiques des variables ; dans d’autres cas, les valeurs doivent être précisées numériquement.
Quelle que soit la méthode employée, l’objectif est toujours de trouver une solution optimale ou quasi optimale. Une solution optimale est celle qui minimise ou maximise (selon la nature du problème) le critère de performance dans le modèle, sous réserve des conditions et contraintes qui y sont représentées. L'optimisation fournit ainsi la meilleure solution au problème tel que décrit par le modèle. Cependant, comme un modèle n’est jamais une description exacte du problème, la solution optimale ainsi obtenue n’est pas non plus, elle-même, l’unique et meilleure solution au problème réel. Si l’on suppose que le modèle offre une « bonne » représentation du problème, alors la solution optimale ou quasi optimale obtenue sur le modèle constitue une « bonne » approximation de la solution optimale du problème réel. En tout état de cause, elle est nettement meilleure que la stratégie ou la procédure qu’elle est censée remplacer.
Étant donné que les valeurs optimales des variables obtenues par la résolution n’améliorent la performance du système que dans la mesure où le modèle décrit fidèlement celui-ci, il est nécessaire de vérifier la correspondance du modèle avec la réalité et d’évaluer la solution avec discernement. En d’autres termes, les résultats prévus de la mise en œuvre de la solution doivent être comparés à la stratégie ou à la procédure qu’elle est censée remplacer.
Enfin, puisque le but de la recherche opérationnelle n’est pas la production de rapports scientifiques mais l’amélioration de la performance du système, les résultats de la recherche doivent être mis en œuvre (à condition qu’ils soient acceptables pour le décideur). C’est à ce stade qu’a lieu l’épreuve et l’évaluation finales des résultats de la recherche. C’est donc à ce stade que se présente aux chercheurs opérationnels la plus grande opportunité d’acquérir de l’expérience.
Si la décision pour laquelle la recherche est menée appartient à la catégorie des décisions récurrentes, alors — étant donné la nature des systèmes étudiés en recherche opérationnelle — il est fort probable qu’entre des décisions successives, les valeurs de certaines variables non contrôlables, voire la structure même du système, changeront. Il est donc nécessaire de détecter les changements significatifs dans le système et dans son environnement extérieur et d’ajuster la décision en conséquence. En d’autres termes, les résultats qui prennent la forme de règles pour des décisions récurrentes, ou de décisions appliquées sur de longues périodes, doivent être mis à jour et leur application correcte doit être surveillée.