©2013 Casualty Actuarial Society, Institut canadien des actuaires, Society of Actuaries, Tous droits réservés
Page 3 de 67
Sommaire
La gestion du risque fait appel depuis fort longtemps à des modèles complexes
pour évaluer l’incertitude. En raison de la disponibilité croissante des ressources
informatiques, on emploie de plus en plus des méthodes avancées telles la
modélisation stochastique et la simulation de crise ou même l’utilisation de la
modélisation stochastique sur stochastique aux fins des programmes de couverture.
Bien que les professionnels de la gestion du risque s’efforcent de mieux comprendre
les risques et qu’ils emploient pour ce faire des modèles complexes, un grand nombre
de risques ne sont toujours pas bien compris. Certains restent inconnus, tandis que de
nouveaux émergent. De nombreux types de risque ne peuvent encore être bien
analysés au moyen des modèles classiques probabilistes. Le manque de données
d’expérience, conjugué aux liens imbriqués de cause à effet, rend difficile
l’appréciation du degré d’exposition à certains types de risque.
Les modèles classiques de risque reposent sur la théorie des probabilités et la
théorie classique des ensembles. Ils sont couramment employés pour évaluer les
risques de marché, de crédit, d’assurance et de négociation. Par contraste, les modèles
de logique floue s’appuient sur la théorie des ensembles flous et la logique floue et
servent à analyser les risques lorsque les connaissances sont insuffisantes ou que les
données sont imprécises. Ces derniers types de risque entrent d’habitude dans la
catégorie des risques opérationnels ou des risques émergents.
La différence fondamentale entre la théorie classique des ensembles et la théorie
des ensembles flous réside dans la nature de l’inclusion des éléments de l’ensemble.
Dans les ensembles classiques, les éléments sont soit inclus, soit exclus de l’ensemble.
Dans un ensemble flou, les éléments sont inclus selon un degré de validité compris
normalement entre 0 et 1. Les modèles de logique floue permettent à un objet
d’appartenir à plus qu’un seul ensemble exclusif selon divers degrés de validité ou de
confiance. La logique floue tient compte du manque de connaissances ou de l’absence
de données précises et prend en compte explicitement la chaîne de cause à effet entre
les variables. La plupart des variables étant décrites en termes linguistiques, les
modèles de logique floue s’apparentent intuitivement au raisonnement humain. Ces
modèles flous sont utiles pour démystifier, évaluer et mieux comprendre les risques
qui ne sont pas bien compris.
Les systèmes de logique floue permettent de simplifier les cadres de gestion du
risque à grande échelle. Dans le cas des risques pour lesquels il n’existe pas de
modèle probabiliste quantitatif approprié, un système de logique floue permet de
modéliser les liens de cause à effet, d’évaluer le degré d’exposition aux risques et de
classer par ordre les principaux risques de façon cohérente, en tenant compte des
données disponibles et des opinions des experts. Dans le cas des entreprises ayant des
activités diversifiées ainsi qu’une large exposition aux risques et des activités dans
plusieurs régions géographiques, la longue liste des risques devant faire l’objet d’une