D.01 - Utilité d'une prévision : Différence entre versions

Version actuelle en date du 25 janvier 2015 à 13:58

[modifier] Définition

Ce qui intéresse vraiment les utilisateurs de nos prévisions est ce qu'elles peuvent leur apporter pour prendre une décision. On définit l'utilité d'une information (qu'elle soit probabiliste ou déterministe) comme son apport dans la prise de décision. L'utilité dépend donc du problème posé, de la décision que doit prendre l'utilisateur.

Exemple 1. Une prévision de précipitation communiquée à 07 h 00 affirmant qu'il pleuvra plus de 5 mm dans la journée pourra être utile à quelqu'un devant décider s'il prend ou non son parapluie pour se rendre au bureau, le sera beaucoup moins pour cette même personne si elle est clouée au lit par une grippe. À vous de juger de son utilité pour établir le niveau de vigilance Crue.

[modifier] Évaluer l'utilité : au-delà d'une estimation subjective ?

L'utilité est souvent évaluée subjectivement par l'utilisateur lui-même, ou par le prévisionniste qui cherche alors à se mettre dans la peau de l'utilisateur. Ces évaluations demandent des échanges très réguliers entre prévisionnistes et destinataires, voire un dialogue continu (Nobert et al., 2010).

Il est possible d'aller au-delà de cette évaluation subjective dans certains cas. Des évaluations objectives de l'utilité d'une décision peuvent être entreprises dans le cadre de la théorie de l'information ou en définissant une fonction de coût (même s'il est le plus souvent très difficile de construire ou d'obtenir une évaluation entièrement objectivée de l'utilité d'une information).

Pour une prévision d'une variable X (de débit, de hauteur...) à l'horizon H, la fonction de coût C associe à la valeur potentielle x de la variable X, le coût C(x) d'une décision basée sur la prise en compte d'une prévision .

[modifier] Quelles qualités une prévision doit-elle avoir pour être utile ?

Les prévisions sont des éléments d'information pour leurs destinataires. Pour être utilisable (et donc peut-être utile), les prévisions doivent d'abord être jugées crédibles. Ainsi, il est nécessaire d'évaluer la confiance qu'il est possible de mettre dans le système de prévision, ce qu'on nomme sa fiabilité (fiche D.02).

Ensuite, ce n'est pas forcément la précision de la prévision (fiche D.03) qui la rend utile pour son destinataire. Dans de nombreux cas, ce n'est pas tant la précision de la prévision ou la connaissance complète de la densité de probabilité de prévision, mais la capacité à discriminer entre deux situations (fiche D.06).

Exemple 2. De nombreuses décisions sont liées à un dépassement de seuil. Il est alors plus important d'être capable de discriminer entre les deux situations (au-dessous ou au-dessus du seuil) plutôt que d'obtenir une prévision précise.

[modifier] L'information sur l'incertitude est-elle utile pour les destinataires ?

La communication des incertitudes de prévision peut rebuter certains bénéficiaires, s'ils ne sont pas convaincus de l'utilité qu'ils peuvent en tirer pour les décisions qu'ils ont à prendre et pour mieux atteindre leurs objectifs.

Cependant, la communication des incertitudes permet aux destinataires d'évaluer la fiabilité des prévisions (fiche D.02), ce qui n'est pas le cas quand seules des prévisions déterministes sont fournies.

En outre, la connaissance de l'incertitude peut éviter de prendre des décisions absurdes, si le décideur s'est préparé à l'avance à prendre en compte cette information. La prise en compte des incertitudes peut par exemple, d'optimiser le rapport entre nombre de fausses alertes et d'événements manqués (fiche D.07).

Voir également

Fiche D.02 – Fiabilité d'une prévision

Fiche D.03 – Précision d'une prévision

Fiche D.06 – Capacité de discrimination

Fiche D.07 – Taux de fausses alertes et d'événements manqués : quel équilibre ?

Pour aller plus loin

Nobert, S., Demeritt D. et Cloke, H. (2010). Informing operational flood management with ensemble predictions: lessons from Sweden. Journal of Flood Risk Management, 3(1), 72 – 79.