Un cadre évidentiel générique pour apprendre des préférences multi-critères


La modélisation des préférences d'un décideur à propos d'alternatives multi-critère commence souvent par la collecte d'informations sur ces préférences, qui sont ensuite utilisées pour choisir un modèle issus d'une classe particulière (CP-net, moyenne pondérée). Ces procédures peuvent induire des inconsistances, dues par exemple à l'existence d'informations peu fiables et/ou d'un choix d'une classe de modèle trop restreinte. Nous proposons de résoudre ces problèmes en permettant au décideur d'exprimer une incertitude quand à l'information fournie sur les préférences, sous la forme d'une fonction de croyance.