Une nouvelle méthode d’application de la décision multicritères choix par avantages (CBA) à un grand nombre de solutions de conception
La conception de bâtiments, d’infrastructures civiles et d’autres systèmes complexes dans notre environnement bâti implique la prise en compte de nombreux critères de conception, souvent contradictoires. Les équipes de projet en architecture, ingénierie et construction (AEC) utilisent souvent des méthodes de prise de décision multicritères (MCDM) pour les aider à trouver une solution de conception préférée. Une méthode de MCDM émergente dans la pratique aujourd’hui est le choix par avantages (CBA) qui a été appliqué avec succès à de nombreux projets AEC. Cette méthode présente plusieurs avantages par rapport aux méthodes MCDM traditionnelles (telles que la somme pondérée): L’ABC ne permet pas de cacher une compensation d’argent pour la valeur, l’ABC aide à différencier les alternatives en fonction du contexte de décision, l’ABC réduit le temps nécessaire pour parvenir à un consensus et gère de meilleurs compromis subjectifs en fondant les décisions sur l’importance des avantages convenus. L’ABC est généralement appliquée entre deux et dix alternatives, et elle n’a jamais été utilisée pour plus de cent alternatives. Par conséquent, cette étude contribue à la connaissance en développant et en testant une nouvelle méthode d’application de l’ABC à des centaines ou des milliers de solutions de rechange. La nouvelle méthode consiste à regrouper des alternatives en quelques alternatives de conception représentatives basées sur la similarité des caractéristiques à l’aide de la méthode des K-moyennes. Les préférences entre ces alternatives de conception représentatives sont ensuite généralisées à l’aide de la régression linéaire. Une expérience impliquant des sujets étudiants a été menée pour mesurer le niveau de précision dans lequel les préférences peuvent être généralisées par la méthode proposée. L’expérience a examiné 1 000 alternatives de conception de bâtiments différentes. L’ABC a été appliquée à des solutions de rechange représentatives utilisant trois, six, huit et dix groupes. L’étude a mesuré les erreurs, les corrélations et la cohérence des prédictions pour chaque configuration de cluster. Lorsque huit clusters ont été utilisés pour créer des alternatives représentatives, les décisions étaient toujours cohérentes avec celles prises avec des alternatives aléatoires, et la corrélation avec la préférence prédite était plus élevée avec une erreur plus faible par rapport aux autres configurations de clusters testées.
