Priorisation des investissements

Contexte & situation

Les décisions d'investissement des ETI et des entreprises communales se disputent des moyens rares : renouvellement, numérisation, extension de capacité, rénovation énergétique. Chaque option a ses indicateurs, ses risques et une contribution différente aux objectifs stratégiques.

Comparer ces options est une tâche de priorisation sous conflits d'objectifs — et elle doit être justifiée. Conseil de surveillance, conseil municipal ou financeur attendent une dérivation traçable de la raison pour laquelle l'option A prime sur l'option B. L'EU AI Act exige des fondements documentés et transparents pour de tels systèmes.

Le problème

En pratique, les décisions d'investissement reposent souvent sur l'intuition et des avis individuels plutôt que sur une évaluation structurée. Même lorsqu'une évaluation a lieu, elle est rarement documentée de manière à rester solide des mois plus tard ou en cas de contestation.

Laisser un modèle de langage « attribuer » librement un score n'est pas une solution : le résultat n'est ni reproductible ni prouvable, et il peut inventer ou pondérer des facteurs que personne n'a prescrits. Cela retire précisément la base qui rend une priorisation défendable.

Points de défaillance concrets

• Les décisions d'investissement reposent souvent sur l'intuition.
• La comparaison des options est rarement documentée.
• En cas de contestation, la justification solide et reproductible manque.
• Des scores d'IA attribués librement inventent ou pondèrent sans contrôle.

La chaîne causale

De l'évaluation non structurée à la priorisation contestable se déroule une chaîne claire :

1. 1
   Aucune hiérarchie d'objectifs prescriteimpose une évaluation ad hoc, intuitive
2. 2
   Évaluation intuitivereste non documentée et non reproductible
3. 3
   Évaluation non documentéene peut être défendue en cas de contestation
4. 4
   Priorisation indéfendableest contestée ou annulée

Comment cNode résout

cNode évalue les options selon une hiérarchie d'objectifs prescrite plutôt qu'un barème deviné librement. Les objectifs et leurs poids sont explicites et traçables — ce n'est pas le modèle qui décide de ce qui compte, mais votre structure prescrite.

Le score est composé de façon déterministe à partir de facteurs nommés. Une décomposition des contributions montre quel facteur pousse le score dans quelle direction et consigne la source de chaque facteur. Non seulement le classement est visible, mais aussi la raison pour laquelle il en est ainsi.

Une simulation vérifie la robustesse : le classement reste-t-il stable lorsque certaines hypothèses changent ? Cela révèle si une priorisation est solide ou repose sur une hypothèse fragile.

Le modèle de langage rédige alors une note de décision lisible — il formule la dérivation étayée mais n'invente ni score ni facteurs.

Le processus déterministe

1. Évaluation selon une hiérarchie d'objectifs prescrite plutôt que des suppositions.
2. Score déterministe à partir de facteurs nommés, reproductible via une graine.
3. Décomposition des contributions : ce qui fait le score, avec une source par facteur.
4. Simulation : le classement reste-t-il stable si les hypothèses changent ?
5. Note de décision formulée par le LLM ; les chiffres viennent du moteur.

Le résultat

Au bout, un classement clair et justifié des options et une note de décision avec source et chemin de calcul — prête pour l'instance. La priorisation reste traçable même des mois plus tard car elle est reproductible : la même base et les mêmes objectifs mènent au même résultat.

Méthodologie & vérifiabilité

Scientifiquement, la priorisation est une agrégation pondérée transparente le long d'une hiérarchie d'objectifs explicitement prescrite — non une sortie de modèle cachée. La décomposition des contributions rend l'agrégation vérifiable, la simulation de sensibilité rend sa robustesse visible.

Reproductibilité via une graine fixe et une source par facteur créent l'alignement avec les art. 12/13 de l'EU AI Act. Le modèle de langage ne fait que verbaliser ; exploitation à Francfort ou on-prem jusqu'à air-gapped, sous-traitance selon l'art. 28 du RGPD.