Inequality, Poverty, Two Invariance Conditions, and a Product Rule

Full Text / Article complet

Institutions de microfinance et prêteurs informels de l’agriculture familiale en Côte d’ivoire : de la cohabitation à la fusion

Full Text / Article

Mesurer la résilience des ménages ruraux sénégalais : Une approche en termes de trajectoires et seuils de moyens d’existence

Full Text / Article complet

Compte rendu / Book review

Full Text / Article complet

Non-Consequentialist Utilitarianism

Full Text / Article complet

La Réserve fédérale, le régime monétaire international et la justice économique

Full Text / Article complet

Entrevue avec Sylvain Barthélémy et Laurent Bougrain

Les questions de cette interview sont posées à Sylvain Barthélémy et Laurent Bougrain par les organisateurs du colloque international « Les applications des réseaux de neurones en économie, finance, management et environnement », Chtourou Nouri, Feki Rochdi et Bazin Damien. Ce colloque, organisé par l’Ecole Supérieure de Commerce de Sfax, s’est déroulé en juin 2011 aux Iles Kerkennah, en Tunisie.

Conditions expérimentales de la délibération éthique dans les organisations

Le terme délibération connaît une forte actualité. Des initiatives et des expérimentations se font jour sur ce thème dans des contextes organisationnels très différents. Les recherches sur les processus de décision éthique et l’analyse de plusieurs expérimentations sur ce thème nous conduisent à focaliser notre attention sur les processus décisionnels en lien avec ces nouvelles pratiques délibératives. S’agissant de la décision éthique et de sa légitimité, plus que l’analyse des convergences dans les systèmes de représentation et de jugement éthiques, la priorité doit être donnée à l’analyse du processus délibératif lui-même. Partant de cette conception, nous analysons comment des démarches et méthodes expérimentales proposées aux acteurs intègrent cette conception de la légitimité par la procédure délibérative.

Pauvreté persistante, chronique et transitoire Nouvelle méthode axiomatique

Dans de nombreux pays, les politiques concernant la répartition des revenus accordent une attention particulière à l’atténuation de la pauvreté. Toutefois, les taux de pauvreté ou de bas revenus – qui sont les indicateurs le plus couramment utilisés dans ce domaine – ne fournissent guère de renseignements de nature à améliorer les politiques visant à réduire la pauvreté. L’objet de ce papier est de contribuer à combler cette lacune analytique en proposant une nouvelle approche axiomatique floue pour mesurer la pauvreté persistante, chronique et transitoire. Notre méthode repose sur la proposition d'une base de règles, le choix des fonctions d’appartenance individuelles et globales et le choix des règles floues définissant l'intersection, l'union et la négation pour la manipulation des sous ensembles flous. Pour une application des concepts proposés nous utilisons des données tunisiennes des années 1985 et 1990.

L’éradication du fléau de la pauvreté en Tunisie: acquis et défis

Sur le plan conceptuel, un consensus s’est dégagé depuis quelques années arguant que la pauvreté est un phénomène multidimensionnel. Vu que, la pauvreté en Tunisie est traitée dans la plupart des rapports suivant une approche monétaire et que cette dernière témoigne d'une diminution très appréciable de la pauvreté, nous élargissons la notion de la pauvreté en adoptant une approche multidimensionnelle et en se référant, dans un premier temps, aux réalisations du pays en termes de satisfaction aux Objectifs du Millénaire pour le Développement (OMD). En second lieu, nous procédons, en utilisant la méthode ACP, au calcul d’un indice composite de bien-être pour chaque gouvernorat. Les résultats dégagés à partir de la construction dudit indice montrent une forte disparité entre les régions et une persistance de la pauvreté dans nombre de gouvernorats. Une analyse plus approfondie au niveau de chaque gouvernorat caractérisé comme pauvre nous a permis de localiser, avec précision, les poches de pauvreté persistantes.

La survenue des catastrophes naturelles : classification des variables explicatives par les réseaux de neurones

Durant les dernières décennies, l’occurrence des catastrophes naturelles a été fortement à la hausse. En effet, les catastrophes naturelles sont devenues de plus en plus fréquentes. En fait, ces risques dévastateurs ont touché durant les années précédentes différents pays dans des zones très diversifiées et continueront très probablement à être de réelles menaces dans le monde. Puisqu’aucun pays n’est à l’abri des catastrophes naturelles, il s’avère alors utile d’étudier les facteurs déterminants de leur survenue notamment avec la restriction de leurs périodes de retour et donc l’augmentation de leurs chances d’occurrence. Il nous a donc semblé opportun de tester les facteurs sous-jacents de la survenue des catastrophes naturelles. Notre travail se base sur l’application d’un réseau neuronal de type perceptron multicouche pour prédire le nombre des catastrophes naturelles à partir des variables les plus connues théoriquement. Ainsi, nous allons utiliser ce modèle neuronal pour effectuer l’analyse de sensitivité. Cette dernière permet de classer les variables explicatives selon l’importance de leur contribution dans la détermination du nombre de catastrophes naturelles comptabilisées durant la période d’étude. Les résultats obtenus ont montré que le réseau retenu peut prédire le nombre des catastrophes naturelles. De même, les différentes variables possèdent un effet considérable sur la sortie du réseau neuronal mais selon différents ordres d’importance. De ce fait, toutes ces variables contribuent à l’explication d’un problème aussi complexe comme la survenue des catastrophes naturelles.

Prévision du NO2 en utilisant la méthode du réseau de neurones

Cet article décrit une procédure de modélisation du phénomène de dispersion de la concentration du dioxyde de nitrogène (NO2) en utilisant la technique du perceptron multicouche (MLP). Notre objectif est de prouver que la concentration du NO2 est une variable autorégressive et expliquée par des variables météorologiques. Pour ce faire, nous avons procédé par trois étapes : dans la première étape nous avons utilisé la variable concentration NO2 uniquement, dans la seconde étape nous avons utilisé les variables météorologiques uniquement et dans la troisième étape nous avons utilisé la concentration du NO2 combinée avec les variables météorologiques. Les résultats ont montré que le troisième cas est plus performant que les deux autres ce qui prouve notre hypothèse.

La prévision de l’inflation par la méthode des réseaux de neurones : Le cas de la Tunisie

L’approche neuronale a occupé l’intérêt d’un grand nombre de chercheurs pour l’analyse et la prévision des séries temporelles dans divers domaines. Dans ce papier, nous étudions la capacité des réseaux de neurones artificiels (RNA) de type « perceptrons multicouches » pour prévoir le taux d’inflation en Tunisie. Nous essayons de trouver une meilleure technique de prévision de l’inflation en comparant les résultats obtenus par les RNA par rapport à ceux fournis par les modèles autorégressifs linéaires (AR) et par le modèle de prévision « naïve ». La comparaison est effectuée sur la base du critère de la racine carrée de l’erreur quadratique moyenne (root-mean-square error : RMSE) et sur le taux d’amélioration de ce dernier (évalué par rapport à la marche aléatoire). Les résultats trouvés ont montré la supériorité des RNA qui permettent de mieux retracer l’évolution de la série et offrent une meilleure performance en termes de pouvoir prédictif du taux d’inflation en Tunisie.

Apports de la segmentation de la population des dirigeants au processus de gestion des ressources humaines : Le cas de l’administration algérienne

A partir des résultats d’une enquête effectuée en 2005 sur un échantillon de 203 dirigeants publics, une typologie floue de trois profils a été dégagée en vue de concevoir un système d’affectation des dirigeants en fonction de leur style du leadership, sens du travail, et leurs préoccupations de gestion des ressources humaines. En se basant sur cette typologie floue, des techniques empruntées à l’intelligence artificielle ont été appliquées pour apprendre des règles de classification. Ces techniques sont au nombre de quatre : le réseau neuronal (Neural Network), l’algorithme génétique (Genetic Algorithm), l’arbre de décision (Decision Tree) et la théorie des ensembles approximatifs (Rough Sets). Les résultats de l’étude ainsi que ses perspectives seront présentées et discutés tout au long de cette communication.