---

La modélisation des préférences des décideurs pour des problèmes de choix est l´objet principal de ce travail. Afin d´obtenir des modèles plus réalistes, des fonctions de préférence contextuelle sont présentées dans cet ouvrage. La complexité d´expression de telles fonctions est réduite par le recours à des techniques d´apprentissage automatique à partir de réseaux de neurones. L´identification des fonctions de préférence est réalisée par des réseaux de neurones, fondés sur les principes de la régression non linéaire, à partir d´exemples de décision. La visualisation de la fonction apprise et les indicateurs de précision, de sensibilité et de robustesse permettent au décideur d´estimer le moment d´arrêter la recherche de solutions. Les fonctionnalités d´explication développées dans ce travail permettent de justifier les recommandations du réseau neuronal, ce qui constitue un des grands défis du domaine de l´aide à la décision multicritère et des réseaux neuronaux. De telles explications facilitent la prise de décision car elles permettent aux décideurs de mieux comprendre et justifier les décisions.

---