Chapitres de la partie 3
Cliquez un chapitre pour ouvrir sa carte mentale détaillée.
Objet, périmètre et précautions de la comparaison multicritère
Carte mentale du chapitre 18 : passage de la grammaire de la Partie II aux critères de comparaison C_1…C_n, distinction question préférentielle (ADMC) vs descriptive (ADMD), méthode en quatre étapes (critères, matrice E(L,C_i), comparaison sans pondération avec Pareto, pondération + sensibilité) et précautions d'usage.
Construire le matériel d'analyse : de la grammaire du commun aux critères et aux matrices de référence
Carte mentale du chapitre 19 : transformation de la grammaire du livre en matériau exploitable — batterie de 10 critères directement adossés aux variables (C_1=Dr, … C_10=J_p), deux matrices simulées plausibles M_d et M_p (20×10 chacune), construction par intervalles, orientation/normalisation, et bac à sable gelé pour toute la suite.
La matrice d'évaluation : de la matrice d'entrée à la synthèse de régime
Carte mentale du chapitre 20 : passage des matrices M_d et M_p à la matrice de synthèse E(L, C_i), quatre couches d'évidence (structurelle, observée, experte, perçue), règle de référence par médiane supérieure discrète, prise en compte du contexte X (scénarios), agrégation multiniveau et lecture du désaccord par boîtes à moustaches.
Analyser critère par critère : préférences élémentaires
Carte mentale du chapitre 21 : lecture monocritère du matériau — écarts de notes Δ_i = E(L_p, C_i) − E(L_d, C_i), ensembles 𝒢_p / 𝒢_d / 𝒞, dispersion et boîtes à moustaches sur les matrices M_d et M_p, profils lissés sur quatre critères saillants, variantes (seuil d'indifférence, histogrammes, pondération locale).
Comparer les profils complets : dominance, incomparabilité, pondération et analyse de sensibilité
Carte mentale du chapitre 22 : passage du local au global — diagnostic de dominance/incomparabilité au sens de Pareto, vérification sur la matrice de référence (incomparable : 9 critères → L_p, 1 → L_d), introduction de la somme pondérée U_w(L), trois profils d'illustration (A équilibré, B priorité C_1, C relationnel), analyse de sensibilité, seuils de recevabilité non compensatoires, et cinq méthodes pour produire les poids (uniforme, budget 100 points, swing, paires, Borda).
Simuler des scénarios : contextes X_1..X_4, incertitude des scores et désaccords d'expertise
Carte mentale du chapitre 23 : trois dimensions complémentaires (dépendance au contexte X, incertitude des scores, pluralité des évaluateurs), quatre scénarios-types (X_1 ségrégation forte, X_2 confiance élevée, X_3 polarisation médiatique, X_4 chocs répétés), représentations de l'incertitude (intervalles, variables aléatoires), multi-experts E_k et pondérations multiples w^(k), algorithme Monte Carlo et exemple complet sur la matrice de référence.
Méthodes d'analyse factorielle : relire les régimes dans l'espace des données
Carte mentale du chapitre 24 : passage du versant préférentiel (chap. 20-23) au versant descriptif. Schéma de dualité lignes/colonnes, ACP (axe 1 capte 84.87 % de l'inertie, plan 1-2 = 96.36 %, faisceau R/T/F↓/Tr/S/V/C aligné, Dr opposé), AFC (profils relatifs et distance χ², principe barycentrique), gains et limites de l'analyse factorielle.
Analyse discriminante linéaire de Fisher : chercher l'axe qui sépare le mieux les régimes
Carte mentale du chapitre 25 : passage à une analyse SUPERVISÉE. Centres de gravité G_d et G_p, critère de Fisher J(v) = v'Bv / v'Wv, solution v* ∝ W^-1(G_p − G_d), résultats sur le tableau (I_B/I_T ≈ 73 %, coefs LD1 dominés par S, K↓, C, F↓, centres projetés ±6.91), sélection ascendante via lambda de Wilks et ouverture vers les arbres CART.
La classification automatique : à la recherche de structures latentes
Carte mentale du chapitre 26 : classification non supervisée. Trois géométries types (absence, amas convexes, disque/couronne), k-moyennes appliqué aux 40 lignes de M (concordance parfaite L_d/L_p avec recouvrement 𝒪 = 0 et inertie expliquée I_B/I_T ≈ 73 %), lecture des centroïdes, classification des colonnes en deux familles (A : R, T, F↓, Tr, S, V, C clivantes ; B : Dr, K↓, J_p transversales) et limites assumées.
Modélisation bayésienne
Carte mentale du chapitre 27 : modèle cybernétique L = (κ, ρ, η) + leviers (J, Seg) + nœud intermédiaire ξ ; réseau bayésien sur le vecteur d'audit (R, T, C, J_p, Tr, F, D, K, Vs, S) avec 5 hypothèses simplificatrices ; trois usages (prédiction, diagnostic, mise à jour) ; exemple complet en 7 étapes (variables, structure, TPC, signatures Diamant/Plasma, simulation prospective, inférence diagnostique, boucle de régulation) ; indicateurs A_coh, A_ten, ΔH = A_coh − A_ten et jauge ΔH = 1 − H/log₂3.
Du simulateur à l'observatoire partagé
Carte mentale du chapitre 28 : présentation de la plateforme LaïciScope qui incarne la méthode du livre. Principes (transparence, traçabilité, non-décisionnel), anonymat RGPD avec stockage localStorage, espace de travail à quatre domaines (Conversation, Atlas causal, ADMC, Bayes), jeu d'essai Lf/La en 160 lignes, parcours en 6 étapes / 8 panneaux, objets exportables (projet JSON, preuve de calcul), règles d'hygiène épistémique, et feuille de route à six chantiers.
Conclusion de la Partie III : expliciter les arbitrages, tester la robustesse
Carte mentale du chapitre 29 : bilan de la Partie III. Objet (rendre comparables des évaluations hétérogènes + outiller les compromis), six briques mises en place (grille C_i, matrice E(L,C_i|X), comparaison sans pondération, agrégation + sensibilité, simulation multi-scénarios, observatoire LaïciScope), résultat de méthode (la comparaison rend les désaccords plus explicites, sans les supprimer), trois confusions à éviter, et ouverture sur le passage des critères C_i aux indicateurs documentés I_{i,j}.