Vous êtes cordialement invités!

Mardi 10 novembre 2026 13h30

Local: PK-2265

En ligne via zoom: inscription

Candidat : Jalal KHARGOU

Programme : Doctorat en informatique cognitive, UQAM

TITRE : Au-delà de la corrélation: Une approche causale et computationnelle du raisonnement décisionnel en analyse et planification financière

RÉSUMÉ

Cette thèse part du constat selon lequel, en finance d'entreprise, et particulièrement dans la fonction de planification et d'analyse financières (FP&A), les décisions reposent majoritairement sur des modèles prédictifs qui excellent à anticiper les tendances, mais négligent souvent l'explication des mécanismes sous-jacents. Or, la planification financière exige non seulement de prévoir, mais aussi de comprendre et d'identifier des leviers d'actions causaux qui influencent réellement les résultats.

Le cadre théorique proposé par Judea Pearl offre une formalisation rigoureuse des relations de cause à effet. Toutefois, son opérationnalisation computationnelle demeure encore fragmentée et difficile à intégrer dans des environnements décisionnels réels. Dans de nombreux domaines, notamment la finance, la santé ou le marketing, les systèmes analytiques restent principalement orientés vers la prédiction et l'optimisation, au détriment d'une compréhension explicite des structures causales.

L'essor récent de l'intelligence artificielle, illustré par des modèles tels que ChatGPT ou Claude, témoigne de la progression du paradigme prédictif fondé sur l'exploitation de régularités statistiques. Cependant, ces approches ne permettent pas, en l'absence d'un cadre explicite, d'identifier rigoureusement la structure causale des phénomènes étudiés.

C'est dans une perspective que s'inscrit la présente thèse, qui propose de compléter les approches prédictives traditionnelles en opérationnalisant les fondements modernes de l'inférence causale dans un contexte applicatif concret, celui de la planification et de l'analyse financière. L'objectif est de démontrer que ces principes peuvent être implémentés, exploités et testés afin de soutenir la prise de décision à partir d'une compréhension approfondie des mécanismes de cause à effet.

Pour y parvenir, la recherche propose un cadre computationnel unifié et généralisable d'inférence causale qui s'appuie sur l'intégration de bibliothèques d'apprentissage automatique jusqu'ici utilisées de façon fragmentée. Ce cadre articule les différentes étapes d'un pipeline causal complet, depuis la formulation des hypothèses jusqu'aux tests de réfutation, en passant par l'identification, l'estimation et la simulation contrefactuelle.

Dans ce pipeline, trois bibliothèques principales sont mobilisées. DoWhy permet la formalisation du problème causal, l'identification, l'estimation et la réfutation; Ananke prolonge l'analyse en vérifiant l'identifiabilité de l'effet causal dans des graphes qui incluent des variables latentes; et EconML complète l'estimation des effets causaux à l'aide de méthodes d'apprentissage machine, notamment pour analyser l'hétérogénéité des effets.

Ces outils sont organisés de manière complémentaire afin de refléter la progression du cadre théorique de Pearl. Une composante de simulation contrefactuelle boucle ce dispositif, correspondant au niveau le plus avancé de la hiérarchie causale. L'ensemble du processus est encadré par des tests systématiques de validation, conformément à une logique poppérienne de falsification.

La contribution de cette thèse est double. Sur le plan méthodologique, elle contribue à combler un vide entre la théorie causale et son implémentation computationnelle, en démontrant la faisabilité d'un pipeline complet appliqué à des données financières réelles. Sur le plan managérial, elle fournit aux praticiens du FP&A un cadre explicatif complémentaire aux approches prédictives, permettant d'identifier des leviers d'action causaux et de renforcer la robustesse des décisions stratégiques.

Mots-clés :Inférence causale, analyse causale, apprentissage machine, causalité, do-calculus, intelligence artificielle causale, planification et analyse financière (FP&A), finance d'entreprise, processus cognitif, raisonnement causal, réfutation, simulation contrefactuelle, XAI.

JURY D'ÉVALUATION

David Ardia, professeur au département de sciences de la décision de HEC Montréal (membre externe)

Albert Lejeune, professeur au département de management de l'UQAM (membre interne)

Florent Avellaneda, professeur au département d'informatique de l’UQAM (membre interne et président du jury)

Daniel Lemire, professeur au département de sciences et technologies de l’Université TELUQ (direction de recherche)

Serge Robert, professeur au département de philosophie de l'UQAM (codirection de recherche)

Résultats de recherche

Soutenance de thèse de Jala Khargou, doctorat en informatique cognitive: «Au-delà de la corrélation: Une approche causale et computationnelle du raisonnement décisionnel en analyse et planification financière»