Méthode
Comment un réseau bayésien est construit — et sur quoi il repose
Un réseau bayésien est une représentation graphique des relations entre variables : chaque nœud est un facteur, chaque lien porte une force estimée et une incertitude associée. Contrairement à un modèle « boîte noire », chaque relation peut être inspectée, discutée et corrigée.
Le processus
Trois étapes, trois sources de connaissance
Structure
Les variables et leurs relations sont d'abord posées à partir de la littérature scientifique — méta-analyses, cadres validés, données publiques (DARES, COPSOQ). Puis elles sont discutées et ajustées avec vos équipes RH, qui apportent une connaissance du terrain qu'aucune donnée seule ne contient. La structure du modèle reflète ce croisement.
Calibration
Les paramètres sont d'abord estimés à partir de la littérature, puis affinés avec vos données lorsqu'elles existent. Le modèle reste utilisable même sans données internes suffisantes pour entraîner un modèle statistique classique — c'est l'un des avantages de l'approche bayésienne.
Simulation
Une fois calibré, le modèle permet d'explorer des scénarios : « si l'on agit sur X, qu'est-ce qui change sur Y ? » Les résultats sont exprimés en probabilités et en fourchettes — avec une estimation explicite de l'incertitude.
Fondements
Ancré dans la recherche, pas dans l'intuition
La structure de chaque modèle s'appuie sur des cadres de recherche publiés et reconnus. Les hypothèses causales ne sont pas inventées — elles sont extraites de la littérature, documentées, et discutables. Quelques références structurantes :
- DARES — Enquêtes Conditions de travail et Risques psychosociaux (données nationales françaises)
- Miraglia & Johns (2016) — Going to work ill : méta-analyse sur le présentéisme et ses déterminants
- Aronsson et al. — Sickness presenteeism : mécanismes de substitution absentéisme/présentéisme
- COPSOQ III — Copenhagen Psychosocial Questionnaire : cadre exigences-ressources pour les RPS
Chaque modèle publié sur la page Modèles cite ses sources et permet de voir comment la littérature a été traduite en structure de réseau.
Les outils
BayesiaLab et WebSimulator
La construction et la calibration des modèles s'appuient sur BayesiaLab, logiciel de référence pour les réseaux bayésiens, utilisé en recherche et en industrie. Noumensia travaille en lien étroit avec Bayesia, son éditeur, ce qui permet un accès privilégié aux développements méthodologiques récents.
Les modèles de démonstration sont rendus interactifs via WebSimulator — une interface qui permet de manipuler les variables et d'observer comment les probabilités évoluent, sans aucune compétence technique requise.
Ce qu'un modèle ne fait pas
Limites et conditions d'utilisation
Un réseau bayésien ne prédit pas l'avenir avec certitude. Il propose une estimation conditionnelle — « si ces facteurs sont dans cet état, alors tel résultat est plus probable » — dont la qualité dépend de la qualité des données et des hypothèses retenues.
Le modèle n'est pas un substitut à la connaissance terrain de vos équipes RH. Il est un outil de structuration et de raisonnement qui vient compléter — pas remplacer — l'expertise humaine. Un modèle mal structuré ou construit sur des données biaisées produira des résultats trompeurs, comme tout outil quantitatif.
Enfin, « causal » dans ce contexte signifie que le modèle explicite des hypothèses de direction entre variables, pas qu'il prouve la causalité au sens expérimental. La distinction est importante et fait partie de la restitution.